嗨 我是CCChen:
5/3 AI應用規劃師 初級 即將進行第二場考試, 大家都準備好了嗎?
在此提供給"非專業本科"跨領域學習初學者, 對於AI應用規劃師 初級的基本重點整理先初步了解, 再深入學習, 然後藉由練習題確認自己所學吸收程度
從先知道是什麼-->再去知道有什麼-->然後知道需要什麼
一步一步學習與成長
以下內容藉由Chat-GPT plus 4o模型
根據官方公布簡章+課程規劃書+評鑑範圍內容等資料, 分析生成供學習參考:
適合"已稍微了解的學習者~進階版"學習
科目一：人工智慧基礎概論（L11）
🔹 L111 人工智慧概念與治理 ▶ 觀念摘要：
- AI定義：模擬人類智慧的技術（學習、推理、判斷）
- 分類：
- 弱AI：單一任務（如Siri）
- 強AI：泛用智能（尚未實現）
- AI治理重點：
- 可解釋性、公平性、安全性、隱私、負責任AI
- 台灣政策：金管會《AI指引》、數位發展部《AI手冊》 ▶ 記憶口訣：「智分強弱、治五守則」（強/弱AI＋五大治理原則）
🔹 L112 資料處理流程與隱私 ▶ 觀念摘要：
- 資料型態：數值型、文字型、影像型、音訊型
- 資料流程：收集 → 清洗 → 分析 → 視覺化
- 隱私與安全：GDPR、個資法、資料去識別化 ▶ 記憶口訣：「數清析視，守私安法」
🔹 L113 機器學習概論 ▶ 觀念摘要：
- 類型：
- 監督式（分類/預測）
- 非監督式（聚類）
- 半監督式（部分標籤）
- 強化學習（學習策略）
- 常見模型：KNN、SVM、決策樹、隨機森林、K-Means ▶ 記憶口訣：「監非半強、決樹森林」
🔹 L114 鑑別式 vs 生成式 AI ▶ 觀念摘要：
- 鑑別式：做判斷，找區別（Ex: SVM、分類器）
- 生成式：創造內容（Ex: ChatGPT、DALL·E） ▶ 記憶口訣：「鑑做判別，生產內容」
=====================================
📗 科目二：生成式 AI 應用與規劃（L12）
🔹 L121 No Code / Low Code ▶ 觀念摘要：
- No Code：免寫程式，用拖拉建置流程（如Zapier）
- Low Code：部分程式碼，自由度較高（如PowerApps） ▶ 記憶口訣：「無碼快、少碼巧」
🔹 L122 生成式AI工具與應用 ▶ 觀念摘要：
- 應用：ChatGPT（文本）、Midjourney（圖像）、Copilot（程式碼）
- Prompt撰寫關鍵：明確、具體、語氣指令明確
- RAG（Retrieval Augmented Generation）：先查詢、再生成，提高正確性 ▶ 記憶口訣：「文圖碼齊發，提示＋查生最強搭」
🔹 L123 導入規劃與風險評估 ▶ 觀念摘要：
- 評估項目：技術效能、資源配置、可行性、成本效益
- 規劃步驟：需求確認、目標設定、人力安排、導入試驗
- 風險管理：偏誤、不實資訊、AI倫理、隱私與合規 ▶ 記憶口訣：「評效配可行，目人測試行」
模擬測驗題庫（進階版 40 題）
📘 科目一｜人工智慧基礎概論（共20題）
Q1. 以下哪一項屬於強AI的特徵？
A. 能完成特定任務 B. 無需資料學習
C. 具備人類泛用思考能力 ✅ D. 僅用於資料處理
【解析】強AI模擬人腦所有智能能力，並能泛化。A屬於弱AI。
Q2. 哪一項是AI治理考量重點？
A. 軟體介面美觀 B. 使用者年齡分析
C. 演算法公平性 ✅ D. 程式運算速度
【解析】AI治理關注公平、透明、責任、安全。
Q3. 資料處理流程正確順序為何？
A. 清理→視覺→收集→分析
B. 收集→清洗→分析→視覺化 ✅
C. 收集→分析→整理→報表
D. 清洗→分析→分析→結論
【解析】資料科學標準流程。
Q4. 下列何者不是資料型態？
A. 數值 B. 語音 C. 原始碼 ✅ D. 圖像
【解析】原始碼為程式邏輯，非資料型態分類之一。
Q5. 哪一種機器學習需回饋機制？
A. 監督式 B. 非監督式
C. 強化學習 ✅ D. 半監督式
【解析】強化學習需依據回饋優化行為策略。
Q6. 決策樹的優點不包括？
A. 易於理解 B. 運算效率高
C. 容易過度擬合 ✅ D. 可處理分類任務
【解析】雖然好用，但容易過度擬合是缺點。
Q7. AI治理中的「可解釋性」意指？
A. AI能自我診斷 B. 模型輸出可追溯 ✅
C. 可語音輸出 D. 無需透明化
【解析】使用者需理解模型邏輯。
Q8. 以下何者為非監督學習？
A. KNN B. 決策樹
C. K-means ✅ D. 隨機森林
【解析】K-means屬於聚類演算法。
Q9. AI常見倫理問題不包括？
A. 模型偏見 B. 資料安全
C. 公平性 D. 運行速度 ✅
【解析】速度屬效能，非倫理層面。
Q10. 下列何者最不可能用來執行分類任務？
A. 決策樹 B. SVM
C. GAN ✅ D. 隨機森林
【解析】GAN為生成式模型，非分類用途。
Q11. GDPR法規主要規範？
A. 演算法選擇 B. 個人資料保護 ✅
C. 程式開源義務 D. 開發時間限制
【解析】GDPR保障個資處理方式與使用者權利。
Q12. 哪種學習類型最適合推薦系統？
A. 強化學習 ✅ B. 非監督式
C. 無監督式 D. KNN
【解析】可根據使用者反應調整推薦策略。
Q13. 下列哪個演算法無法處理分類問題？
A. KNN B. 決策樹
C. 隨機森林 D. K-means ✅
【解析】K-means為非監督聚類。
Q14. AI導入時，哪一項不屬於治理內容？
A. 公平性 B. 法規遵循
C. 計算效能 ✅ D. 模型可監督性
【解析】效能屬技術面，非治理核心。
Q15. AI「弱監督學習」是什麼？
A. 全部無標籤 B. 所有資料清楚標記
C. 部分資料有標記 ✅ D. 僅依賴強化學習
【解析】結合監督＋非監督資料。
Q16. AI模型可追溯、可查詢特性屬？
A. 透明性 ✅ B. 效率性
C. 可測試性 D. 自主性
【解析】可解釋性與透明性相關聯。
Q17. 下列何者屬於資料清洗工作？
A. 建立報表 B. 移除缺漏值 ✅
C. 建立預測模型 D. 訓練神經網路
【解析】資料清洗是前處理一環。
Q18. 若AI誤判導致損害，應改善？
A. UI設計 B. 法律說明文件
C. 模型偏誤與測試 ✅ D. 主機容量
【解析】模型準確性與風險控管為關鍵。
Q19. 機器學習中的特徵工程不包括？
A. 新特徵轉換 B. 雜訊資料去除
C. 訓練結果分析 ✅ D. 正規化
【解析】訓練結果屬於後端評估。
Q20. AI偏誤可能來自？
A. 不足運算資源 B. 標註不一致 ✅
C. 系統更新失敗 D. 使用者經驗不足
【解析】資料標註偏差將直接影響模型結果。
科目二｜生成式 AI 應用與規劃（共20題）
Q21. 哪個工具最適合圖像生成？
A. ChatGPT B. Github Copilot
C. Midjourney ✅ D. Bard
【解析】Midjourney 專門用於 AI 藝術圖像生成。
Q22. Prompt撰寫時，哪一項最重要？
A. 長度盡量縮短 B. 使用大量專有名詞
C. 明確具體指示 ✅ D. 加入隨機內容以刺激創意
【解析】Prompt設計要清楚具體，避免模糊指令。
Q23. 以下何者屬於No Code工具？
A. PowerBI B. Zapier ✅
C. GitHub Copilot D. Visual Studio
【解析】Zapier是典型無程式碼自動化工具。
Q24. 使用Low Code工具的限制為？
A. 操作太複雜 B. 完全無需程式知識
C. 高度客製需求受限 ✅ D. 無法處理資料
【解析】Low Code自由度高但不如純手寫彈性。
Q25. RAG技術的主要目的為？
A. 壓縮模型大小 B. 增強生成內容準確性 ✅
C. 避免Prompt工程 D. 建立資料倉儲
【解析】RAG整合查詢資料以提升生成正確度。
Q26. ChatGPT最適合應用在哪一情境？
A. 建立資料庫 B. 生成對話內容 ✅
C. 網頁設計排版 D. 電腦視覺訓練
【解析】ChatGPT為自然語言生成AI。
Q27. 生成式AI最常面臨的問題是？
A. 回答太慢 B. 模型容量太小
C. 生成內容不正確 ✅ D. 計算成本過低
【解析】生成式模型常見問題是內容不一致或不正確。
Q28. 以下哪一項不是生成式AI倫理風險？
A. 偏見內容 B. 虛假資訊
C. 推薦系統點擊率 ✅ D. 個資洩漏
【解析】點擊率屬績效指標，非倫理風險。
Q29. 若導入生成式AI應用，最初步應進行？
A. 選擇開發語言 B. 預算估算
C. 效能評估 ✅ D. 員工滿意度調查
【解析】效能與可行性評估是導入前提。
Q30. 以下何者屬於AI導入風險控制要素？
A. 效能優化 B. 預算壓縮
C. 模型合規性 ✅ D. 工時管理
【解析】合規性、倫理性與風險控管密切相關。
Q31. 哪一項Prompt較有效？
A. 給我一個故事
B. 請寫一段300字的關於AI發展的說明 ✅
C. 幫我想內容
D. AI是什麼？
【解析】具體任務與輸出格式最有效。
Q32. Github Copilot主要用於？
A. 圖像創作 B. 程式輔助編寫 ✅
C. 語音合成 D. 數據圖表分析
【解析】Copilot為AI程式碼生成助手。
Q33. 下列何者非生成式AI工具？
A. Midjourney B. Notion AI
C. PowerPoint ✅ D. ChatGPT
【解析】PowerPoint為簡報工具，非生成AI。
Q34. AI導入流程中，哪一階段屬於「實施測試」？
A. 需求分析 B. 成本分析
C. PoC試行驗證 ✅ D. 預算審查
【解析】PoC（概念驗證）為導入初期測試。
Q35. Prompt設計不良會導致？
A. AI停機 B. 計算速度過快
C. 輸出不符期待 ✅ D. 程式錯誤終止
【解析】Prompt模糊會產出無關內容。
Q36. 導入生成式AI後仍需人工介入，原因是？
A. 節省成本 B. 增加回饋訓練 ✅
C. 降低模型參數 D. 提高網速
【解析】人類回饋（如RLHF）可增強模型學習。
Q37. 哪一項應包含在AI倫理規劃中？
A. 圖片解析度 B. 用戶年齡偏好
C. 結果可追蹤性 ✅ D. 效能測試腳本
【解析】可追蹤性關係到責任與透明性。
Q38. 哪一項不是導入AI後的風險？
A. 數據偏誤 B. 法規爭議
C. 資料庫設計 ✅ D. 模型濫用
【解析】資料庫設計為工程技術，非導入風險。
Q39. 以下哪一種屬生成式AI應用？
A. 生成人臉圖像 ✅ B. 判斷圖像真假
C. 資料清理 D. 建立分類模型
【解析】創造性任務為生成式典型應用。
Q40. 若需導入AI工具進行文件摘要，最佳工具為？
A. Notion AI ✅ B. Canva
C. VS Code D. Trello
【解析】Notion AI具備自然語言摘要功能。
我是CCChen 分享以上 AI學習整理
一起努力學習, 5/3 第二場測驗, 考場見.
