iPAS AI應用規劃師初級能力鑑定-考試樣題
科目一：人工智慧基礎概論
一家智慧工廠 使用機器學習分類模型 預測 關鍵設備
是否會異常停機。
完 成模型訓練後，團隊希望全面評估模型在不同面向
的表現。
請問下列哪 項指標最適合用來衡量模型
在偵測異常停機時的「漏報率」
（即未能 正 確偵測出異常事件的比例）？
(A) 準確率（Accuracy），即模型整體預測正確的比例
(B) 召回率（Recall），即模型能正確找出異常停機的比例
(C) F1分數（F1 Score），準確率與召回率的調和平均數
(D) 假陽性率（False Positive Rate），即將正常事件誤判為異常的比例
神經網路 與 傳統機器學習模型 的 主要區別是什麼？
(A) 神經網路無法處理非線性數據
(B) 神經網路透過多層結構學習複雜特徵
(C) 神經網路只適用於迴歸問題
(D) 神經網路不需要大量數據支持
下列關於生成對抗網路（GAN）的描述正確的是哪一項？
(A) GAN由生成器和鑑別器組成
(B) GAN僅用於分類問題
(C) GAN的結果始終高度可解釋
(D) GAN不能生成高品質的數據
一位資料分析師希望 減少輸入特徵的維度，以提升模型運算效率，並觀 察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數 量，下列哪一項方法最適合？
(A) 套用主成分分析（PCA）以擷取主要變異方向並轉換新變數；
(B) 利用離散化方法將連續變數轉為分類型欄位；
(C) 使用標準化方法將所有特徵縮放至相同數值區間；
(D) 以ETL技術移除空值欄位並改儲為JSON格式
關於目前 生成式AI的主要應用，不包括下列哪一項？
(A) 創建合成數據樣本
(B) 模擬數據分佈
(C) 分類醫學影像
(D) 生成文本
下列哪項是生成式AI支援鑑別式AI的典型案例？
(A) 模擬交通場景以訓練自動駕駛模型
(B) 使用CNN對腫瘤分類
(C) 使用SVM分析風險
(D) 創建更好的分類演算法
關於自然語言處理（NLP）核心技術，下列敘述何者不正確？
(A) 語音識別技術將語音轉換為文本，並用於語音助理和語音輸入
(B) 自然語言生成技術可以生成自然流暢的文本，用於聊天機器人和自 動文案生成
(C) 語意分析技術理解文本的語意，並主要用於語音識別和機器翻譯
(D) 機器翻譯技術自動翻譯文本，促進多語言支援和全球溝通
關於「負責任的AI」，下列敘述何者較為正確？
(A) AI系統的開發者對AI系統的行為負責
(B) AI系統的使用者對AI系統的結果負責
(C) AI系統本身對其行為負責
(D) 政府對AI系統的發展負責
關於生成式AI的基本原理，下列敘述何者較正確？
(A) 生成式AI通過分析大量數據來生成新數據，模擬數據分佈以創造
與訓練數據相似的結果
(B) 生成式AI主要通過預定義的規則來進行數據處理和分類
(C) 生成式AI專注於數據分類和迴歸預測，幫助識別已知數據中的模 式
(D) 生成式AI通過自動化的方式清洗數據，提升數據分析的準確性
關於下列模型 在生成式人工智慧（Generative AI）中的角色，
何者並非 以「產生新資料」為主要設計目的？
(A) 支援向量機（Support Vector Machine）
(B) 變分自編碼器（Variational Autoencoder）
(C) 自迴歸模型（Autoregressive Model）
(D) 擴散模型（Diffusion Model）
某份資料中出現多個欄位（如score1、score2、score3）
儲存相同的 成 績資訊，造成 資料 結構重複 與 使用混淆，
此種情形 屬於下列 哪一種資料 品質問題？
(A) 重複資料（Duplicate Data）
(B) 冗餘資料（Redundant Data）
(C) 格式錯誤資料（Malformed Data）
(D) 缺失資料（Missing Data）
某電商平台希望預測 商品的 退貨機率，以協助降低營運風險。若模型使 用的 輸入資料包含「商品售價」、「顧客年齡」、「運送天數」，而模型的輸 出為 是否退貨（是/否）。請問在此模型中，「是否退貨」應歸類為下列哪 一類變數？
(A) 特徵（Feature）
(B) 標籤（Label / Target）
(C) 超參數（Hyperparameter）
(D) 正則化係數（Regularization Coefficient）
