嗨 我是CCChen
已通過3/22 iPAS AI應用規劃師 初級 第一場測試
預計參加5/17 iPAS AI應用規劃師 中級 第一場測試
關於中級的準備步驟:
一 先將相關考試資料確認清楚
二 再將各科目評鑑重要知識點列出
三 針對主題-項目-內容核心重點-關鍵知識點, 依序擴展學習
四 針對主題-項目-關鍵字/關鍵核心/關鍵重點, 題目練習加強學習
中級考試科目選擇分2大類:
科目一+ (科目二 或 科目三 擇一)
本篇文章為: 科目一 L21 人工智慧技術應用與規劃 相關整理
根據每個主題的技術原理+方法與模型+領域應用說明:
✅ 1. 自然語言處理（NLP）
- 技術原理：基於統計語言模型與語意結構解析，自動理解與產生人類語言。
- 方法與模型：
- 分詞、詞性標註（POS Tagging）
- BERT、GPT、LSTM、Seq2Seq 模型
- 領域應用：
- 智能客服、文字摘要、情緒分析、智慧合約文本理解
✅ 2. 電腦視覺技術（Computer Vision）
- 技術原理：利用影像處理與深度學習，模擬人眼對圖像的辨識與理解。
- 方法與模型：
- CNN（卷積神經網路）、YOLO、OpenCV、ImageNet訓練模型
- 領域應用：
- 製造業缺陷檢測、人臉辨識考勤系統、醫療影像診斷（如X光分析）
✅ 3. 生成式 AI（Generative AI）
- 技術原理：透過機率生成模型模擬資料分布，創造新穎資料。
- 方法與模型：
- GAN（生成對抗網路）、VAE（變分自編碼器）、Transformer-based 模型（如 GPT）
- 領域應用：
- 廣告文案生成、數位插畫創作、自動影片與音樂合成、虛擬人角色生成
✅ 4. 多模態人工智慧（Multimodal AI）
- 技術原理：結合多種資料來源（如圖像、語音、文字）進行同步學習與推論。
- 方法與模型：
- CLIP、ALIGN、VisualBERT 等多模態預訓練模型
- 領域應用：
- 圖文內容對齊推薦、語音導覽 AI、智慧助理整合語音與螢幕視覺
✅ 5. AI 導入效能評估
- 技術原理：評估AI系統是否達到預期效益，基於量化指標與KPI分析。
- 方法與模型：
- 效能指標（準確率、召回率、F1值）、A/B 測試、ROI分析
- 領域應用：
- 預測性維護模型效能分析、行銷轉換率模型回測、客服自動化成效評估
✅ 6. AI 導入需求與規劃
- 技術原理：透過系統分析方法確立問題本質與AI對應解決方案。
- 方法與模型：
- 需求訪談、業務流程建模（BPM）、可行性分析（Feasibility Study）
- 領域應用：
- ERP+AI 整合設計、製造業機器視覺導入規劃、金融業智慧客服導入案
✅ 7. AI 風險管理與負責任 AI
- 技術原理：辨識並管理AI部署過程中的技術、倫理與法律風險。
- 方法與模型：
- 風險評估矩陣（Likelihood vs Impact）、差分隱私技術、AI倫理規範（如 IEEE、OECD 指引）
- 領域應用：
- 信用評分模型合規設計、個資保護中的匿名化、決策模型的公平性檢查
✅ 8. 數據準備與特徵工程
- 技術原理：AI成效高度依賴資料品質與特徵設計。
- 方法與模型：
- Data Cleaning、One-Hot Encoding、PCA、標準化/正規化技術
- 領域應用：
- 客戶流失預測特徵設計、醫療病歷欄位轉換、感測器數據預處理
✅ 9. AI 模型選擇與評估
- 技術原理：不同演算法適用於不同類型問題，需根據資料特性與任務選擇。
- 方法與模型：
- SVM、決策樹、隨機森林、XGBoost、ANN、RNN
- 領域應用：
- 客服分類任務用RNN、保險理賠異常檢測用隨機森林、房價預測用XGBoost
✅ 10. AI 系統部署與雲端整合
- 技術原理：確保模型從開發走向生產環境，具備穩定性與可維運性。
- 方法與模型：
- CI/CD自動部署流程、Docker容器化、MLflow管理、API部署
- 領域應用：
- 雲端AI API服務平台（如AWS SageMaker）、零售即時推薦模型上線、IoT+AI邊緣部署
中級 L21人工智慧技術應用與規劃 科目一 模擬練習題目(30題)
下列哪一項是自然語言處理（NLP）的應用？ (A) 影像分割 (B) 語音辨識 (C) 客戶對話理解與回覆 (D) 人臉辨識
🔍 解析：NLP 處理人類語言，應用於客服機器人與文字生成。
哪種模型最適合處理時間序列或語言資料？ (A) CNN (B) GAN (C) RNN (D) k-means
🔍 解析：RNN（循環神經網路）擅長處理有順序性輸入的資料.
生成式 AI 的主要特點為何？ (A) 分群能力強 (B) 能創造新資料，如文字或圖像 (C) 快速運算結構 (D) 無需訓練資料
🔍 解析：生成式 AI 是創作型 AI，可生成類似人類產出的內容。
下列哪個技術結合了圖像與文字進行 AI 理解？ (A) Transformer (B) BERT (C) CLIP (D) LSTM
🔍 解析：CLIP 是 OpenAI 所開發的多模態模型，能理解圖片+文字對應。
卷積神經網路（CNN）主要應用在哪一領域？ (A) 語言翻譯 (B) 圖像處理 (C) 結構化表格預測 (D) 預測股價走勢
🔍 解析：CNN 是影像分析的核心技術。
下列哪個是 NLP 中常用的詞嵌入技術？ (A) One-hot Encoding (B) PCA (C) Word2Vec (D) GAN
🔍 解析：Word2Vec 將詞語轉換為向量，是語意分析的重要工具。
YOLO 模型最適合用於哪一類任務？ (A) 語意分析 (B) 自動摘要 (C) 實時物件偵測 (D) 聲音辨識
🔍 解析：YOLO 是一種即時物件偵測模型。
NLP 中「情感分析」屬於哪類型任務？ (A) 回歸預測 (B) 分類任務 (C) 聚類任務 (D) 強化學習任務
🔍 解析：情感分析屬於監督式學習中的分類問題。
Transformer 模型的核心機制是什麼？ (A) 卷積 (B) 遞迴 (C) 注意力機制（Attention） (D) 激活函數
🔍 解析：Transformer 透過 Self-Attention 機制擷取序列中的上下文資訊。
多模態 AI 中，圖像 + 語音融合的應用為何？ (A) 網頁設計 (B) 影片摘要與標註 (C) 表格資料建模 (D) 資料清理
🔍 解析：多模態技術常用於影片標註、互動學習等場景。
以下哪一項屬於 AI 導入前的技術可行性評估內容？ (A) 產品顏色喜好分析 (B) 訓練資料是否充足且品質良好 (C) 團隊成員的服裝風格 (D) 預算超支情況
🔍 解析：資料充足是實施 AI 模型的技術前提。
AI 導入專案常用的效益評估指標為何？ (A) CAGR (B) ROI (C) NPS (D) B2C
🔍 解析：ROI（投資報酬率）能衡量 AI 導入的回報效益。
若模型偏差導致特定族群受損，屬於哪種風險？ (A) 資安風險 (B) 法規風險 (C) 倫理風險 (D) 預算風險
🔍 解析：模型歧視涉及 AI 倫理問題，會引發公眾質疑與法律責任。
差分隱私技術的主要目的為何？ (A) 提升演算法效能 (B) 防止模型擬合過度 (C) 保護個人資料不被重建還原 (D) 增加資料維度
🔍 解析：差分隱私保證資料在匿名情況下參與模型訓練。
SWOT 分析中，分析外部威脅屬於哪個面向？ (A) Strength (B) Weakness (C) Opportunity (D) Threat
🔍 解析：T 代表威脅，包括產業競爭、法規限制等。
若導入 AI 專案未訂定具體 KPI，最可能會導致什麼問題？ (A) 預算增加 (B) 員工過勞 (C) 難以衡量成效 (D) 使用者體驗提升
🔍 解析：KPI（關鍵績效指標）有助於專案追蹤與評估成效。
「AI 倫理」中的公平性主要關注什麼？ (A) 訓練速度快慢 (B) 預測資料的多樣性 (C) 模型對不同群體是否一致對待 (D) 系統佈署時間
🔍 解析：公平性意指 AI 對所有人公平，不因性別、種族、年齡而偏頗。
以下哪一項最有助於辨識 AI 導入風險？ (A) 進行法律合約擬定 (B) 使用 SWOT 分析法 (C) 增加模型複雜度 (D) 刪除過去資料
🔍 解析：SWOT 可分析導入專案的優勢、劣勢、機會與威脅。
在資料不完整下導入 AI 模型，可能的風險是？ (A) 模型執行速度過快 (B) 預測失準或偏差 (C) 增加硬體使用率 (D) 使用者操作體驗降低
🔍 解析：資料缺失會導致學習不完整，造成預測不準。
GDPR 法規對 AI 模型開發的影響為何？ (A) 要求模型不得預測行為 (B) 限制演算法使用圖像資料 (C) 對個資使用必須告知與取得同意 (D) 禁止自動化決策系統
🔍 解析：GDPR 要求資料蒐集前明確告知並獲得同意，避免個資外洩。
模型訓練前「標準化」數據的目的為？ (A) 增加資料量 (B) 移除不必要欄位 (C) 讓特徵尺度一致，避免模型偏向特定變數 (D) 降低處理器效能
🔍 解析：標準化避免模型對某一特徵權重過高。
若模型只對訓練資料表現好，對新資料失準，稱為？ (A) 欠擬合 (B) 一般化成功 (C) 過擬合 (D) 假設驗證
🔍 解析：過擬合代表模型記住訓練資料，但泛化能力差。
MLOps 主要功能不包含以下哪一項？ (A) 模型部署 (B) 模型追蹤 (C) UI 設計 (D) 模型版本控制
🔍 解析：MLOps 著重在模型流程管理，非視覺介面設計。
模型部署常透過哪種方式實現跨平台服務？ (A) API (B) PowerPoint 匯出 (C) CSV 匯出 (D) 手動貼文
🔍 解析：API 是系統整合的關鍵技術，支援模型與系統互動。
資料漂移指的是什麼？ (A) 記憶體遺失 (B) 模型無法運作 (C) 測試資料與訓練資料分佈不同造成效能下降 (D) 監控畫面閃爍
🔍 解析：資料漂移會導致模型錯誤預測，需設監控機制。
持續學習模型的特點為？ (A) 每次重新訓練整個模型 (B) 不支援即時更新 (C) 隨時間學習新資料，不破壞舊知識 (D) 僅能處理圖像資料
🔍 解析：持續學習模型可逐步調整，不用完全重建。
下列哪一項是模型選型時的重要考量？ (A) 網頁 UI 顏色 (B) 資料型態與任務類型 (C) 公司品牌知名度 (D) 員工穿著風格
🔍 解析：資料型態（分類/回歸）決定使用哪種模型。
模型部署若需高即時性，應選擇？ (A) 每日手動更新 (B) 雲端部署延遲高 (C) 邊緣運算部署 (D) FTP 傳檔部署
🔍 解析：邊緣運算可減少延遲，適用自駕車、即時監控等情境。
哪一個是常見的模型監控指標？ (A) 瀏覽次數 (B) 模型準確率、F1 值 (C) 資料名稱命名規則 (D) 公司品牌設計
🔍 解析：準確率、召回率、F1 是衡量模型效能常用指標。
以下哪一項能幫助部署模型後追蹤使用情形？ (A) 使用者登入統計表 (B) 模型預測日誌與 API 呼叫統計 (C) 員工上班紀錄 (D) 行政作業表單
🔍 解析：部署後應持續追蹤模型輸出與使用頻率，以利調整。
分享我的數位商品:
iPAS AI應用規劃師(中級) 科目1+2 重點與題庫
科目一: 重點整理+40個專有名詞解說+200題模擬題目
科目二: 重點整理+50個專有名詞解說+250題模擬題目
筆記購買連結: https://vocus.cc/salon/678ac6e5fd89780001eb761c/products/AIM12
推薦我的數位商品
iPAS AI應用規劃師(中級) 科目1+3 重點與題庫
iPAS AI應用規劃師(中級)
科目一: 重點整理+40個專有名詞解說+200題模擬題目
科目三: 重點整理+50個專有名詞解說+230題模擬題目
商品連結: https://vocus.cc/salon/678ac6e5fd89780001eb761c/products/AIM13
