所屬科目：iPAS◆AI應用規劃師◆初級
13. 根據《金融機構運用人工智慧技術作業規範》，金融機構於使用人工智慧提供金融服務並直接與消費者互動時，下列何者非必要揭露之資訊？ (A)該服務之 AI 模型原始程式碼； (B)服務適用對象與用途範圍； (C)該服務是否為 AI 自動完成； (D)該服務是否提供替代方案
14. 下列哪一項「AI 技術應用與產業領域」的對應最為恰當？ (A)利用 AI 分析商場顧客購買紀錄以預測股票市場波動—智慧交通； (B)使用 AI 進行設備故障預測與預防性維護—智慧製造； (C)以 AI 模型融合即時氣象資料與乘客消費行為特徵，推薦會員升級優惠方案— 智慧醫療； (D)利用 AI 分析社群媒體互動以提升臨床診斷準確度—金融服務業
15. 在資料處理中，下列何者屬於「結構化數據」的例子？ (A)儲存在 MySQL 資料庫中的訂單記錄； (B)以 JSON 格式儲存的商品訂單資訊； (C)用 XML 標註的產品目錄； (D)儲存在純文字檔案中的客服對話紀錄
16. 關於敘述性統計指標，下列敘述何者最為正確？ (A)中位數(Median)能有效反映極端值對資料分佈的影響； (B)標準差(Standard Deviation)越大，代表資料越集中； (C)百分位數(Percentile)主要用於衡量資料在整體分布中的相對位置； (D)平均值(Mean)適合描述偏態且包含離群值(Outliers)的資料
17. 某企業資料分析人員需針對不同型態的數據選擇合適的視覺化工具。下列哪一種情境最適合使用直方圖(Histogram)？ (A)檢視顧客年齡資料在不同區間的集中情形； (B)分析產品售價與銷售量之間的關聯程度； (C)比較各產品類別的年度銷售總額； (D)在地圖上標示各縣市加盟店的地理分布位置
18. 某電商平台工程師需在已排序的價格清單中，快速定位指定價格是否存在，給定排序後陣列：arr = [3, 8, 14, 19, 21, 27, 33, 45, 52]。若搜尋目標值為 27，且採用標準二分搜尋(Binary Search)流程(每次比較後排除中位數)，請問最多需要比較 幾次即可找到目標？ (A)2 次； (B)3 次； (C)4 次； (D)5 次
19. 某物流公司導入強化式學習(Reinforcement Learning)優化車隊調度。模型在系統運行過程中，會依據不同配送狀態動態調整行動選擇方式，使決策結果逐步朝較佳績效收斂。上述模型在學習過程中的調整行為，最符合下列哪一項強化式學習核心機制？ (A)調整策略函數以改變行動選擇機率； (B)更新訓練資料分布以降低模型偏差； (C)重新分群狀態資料以識別決策類型； (D)建立正確決策標籤進行誤差修正
20. 某團隊訓練影像分類模型，發現模型在訓練資料上的準確率達 98%，但在測試資料上僅有 72%。若團隊希望提升模型對新資料的適應能力，並增加訓練資料的多樣性，下列何者最適合？ (A)增加模型的深度與參數量，使模型學習更多細節； (B)對訓練影像進行旋轉、翻轉等隨機變化； (C)提高訓練速度，使模型更快完成學習； (D)僅保留模型表現較好的訓練資料
22. 某製造業工廠規劃導入 AI 監控系統，持續分析設備感測數據(如溫度、震動與壓力)。系統需能在缺乏完整異常標註資料的情況下，辨識與一般運作型態顯著不同的狀態，並發出預警。在此需求下，下列何種技術較為適合？ (A)使用支援向量機(Support Vector Machine, SVM)建立異常分類模型； (B)以決策樹(Decision Tree)學習異常類型的判斷規則； (C)採用變分自編碼器(Variational Autoencoder, VAE)學習正常資料分佈； (D)使用生成對抗網路(Generative Adversarial Network, GAN)直接預測異常標籤
23. 在 AI 推論服務架構設計中，「批次推論(Batch Inference)」與「即時推論(Realtime Inference)」常依任務特性選擇不同機制。下列關於兩者特性的敘述何者最正確？ (A)批次推論通常以同步請求方式回傳結果，以確保資料一致性；即時推論則多採非同步機制以提升系統吞吐量(Throughput)； (B)批次推論多用於延遲容忍度較高的大規模資料處理，通常以吞吐量 (Throughput)最佳化為優先；即時推論則著重於請求回應時間的穩定性與低延遲特性； (C)批次推論因計算資源需求高，僅適用於影像類模型；即時推論則主要應用於結構化資料模型； (D)即時推論為確保回應速度，通常限制為單筆資料輸入；批次推論則可支援同步多筆資料即時回傳
24. 某企業導入大型語言模型作為客服助理。模型已具備穩定語言能力，但在回覆偏好一致性與組織規範遵循方面仍需優化，團隊因此規劃導入人類反饋強化學習 (RLHF)流程，下列何者最不屬於 RLHF 階段的典型技術活動？ (A)透過人工評估方式建立偏好資料，使模型的不同候選輸出可反映人類主觀品質差異； (B)訓練一個能依據人類偏好判斷輸出品質的模型，作為模型優化過程中的回饋依據； (C)依據品質評估結果，調整模型生成策略，使其輸出更符合偏好導向的行為表現； (D)以未標註語料為主進行長週期表示學習訓練，以提升模型基礎語言建模能力
25. 在大型語言模型(LLM)的推論服務中，常透過請求批次處理(Batching)來提升系統效能。關於批次處理(Batching)機制的影響，下列敘述何者最正確？ (A)Batching 可提升加速器資源使用效率並增加整體吞吐量(Throughput)，但在部 分情境下可能對單筆請求延遲造成影響； (B)Batching 主要用於加快單筆請求回應時間； (C)Batching 的效益主要來自降低記憶體使用量，對於吞吐量(Throughput)與延 遲表現影響有限； (D)Batching 在低併發(Concurrency)請求下，仍能明顯提升系統效能
26. 在可解釋 AI(Explainable AI, XAI) 的分類架構中，LIME(Local Interpretable Model-agnostic Explanations)屬於哪一類解釋技術？ (A)內建可解釋模型(Intrinsic Interpretability)：模型本身具有透明的決策結構； (B)對話式解釋系統(Conversational AI Explainer)：透過互動對話提供模型解釋； (C)後處理模型解釋(post-hoc)：對已訓練模型提供外部解釋 ； (D)代理模型技術(Surrogate Model)：訓練另一個簡單模型來完全取代原黑盒模型 進行推論
29. 在深度學習模型的分析與驗證過程中，研究人員有時會利用「顯著性圖(Saliency Map)」來輔助理解模型行為。下列何者最符合此技術的主要用途？ (A)量化各輸入特徵對模型整體預測準確度的平均影響程度； (B)標示輸入資料中對單一預測結果影響較大的區域或部分； (C)評估在不同模型參數設定下，預測結果的穩定性變化； (D)比較不同模型架構在測試資料上的泛化能力差異
30. 某商業銀行想建立洗錢行為檢測系統，擁有過去 5 年的交易記錄，其中包含已確 認的洗錢案例(標記為「異常」)和正常交易(標記為「正常」)。銀行希望系統能 自動識別新交易是否為洗錢行為，請問使用下列哪一種機器學習方法最為適合？ (A)監督式學習的分類問題； (B)非監督式學習的分群問題； (C)強化式學習； (D)非監督式學習的關聯規則挖掘
32. 某環保局想建立 AI 系統監測空氣品質，透過分析監測站攝影機拍攝的影像來識別煙霧。系統需要在影像中找出煙霧區域並標示其位置和範圍。這個應用主要屬於電腦視覺的哪個技術領域？ (A)影像分類，判斷影像中是否有煙霧； (B)物件偵測，找出煙霧位置並用方框標示； (C)影像分割，精確標示出煙霧的像素區域； (D)人臉辨識，識別煙霧來源
33. 某公車系統想預測各站點的到站時間，需要考慮歷史班次資料、即時路況、天氣等因素。由於路況變化複雜，傳統循環神經網路(Recurrent Neural Network, RNN)在建模時可能難以保留較早期的重要資訊。下列哪種架構最能解決這個問 題？ (A)卷積神經網路(Convolutional Neural Network, CNN)，利用卷積層捕捉局部特徵； (B)自編碼器(Autoencoder, AE)，先進行資料壓縮再重建； (C)全連接神經網路(Fully Connected Neural Network, FCNN)，增加隱藏層數量； (D)長短期記憶網路(Long Short-Term Memory, LSTM)，改善 RNN 的長期記憶問 題
34. 某保險公司每月處理約 50 萬筆理賠申請，希望建立 AI 系統自動識別可疑的詐欺案件。由於公司內部缺乏 AI 專業人員，且需要快速上線驗證效果，IT 資訊主管正在評估不同的 AI 平台解決方案。在去識別化個人隱私資料後，下列哪一種平台類型最適合該公司的需求？ (A)從零開始建立深度學習框架並自行訓練模型； (B)採用開源機器學習框架進行客製化模型開發； (C)使用雲端 AutoML 平台進行自動化模型訓練； (D)購買現成的詐欺偵測軟體套件直接部署
36. 某電子製造公司建置 AI 視覺檢測系統，用於辨識 PCB 電路板製程缺陷。系統在影像判讀任務上表現穩定，但其模型設計與訓練目標皆侷限於特定應用範圍，無法直接遷移至其他營運決策任務。依人工智慧能力範疇分類，下列何者最符合該系統特性？ (A)弱 AI(Weak AI/Narrow AI)； (B)強 AI(Strong AI)； (C)通用人工智慧(Artificial General Intelligence, AGI)； (D)超級人工智慧(Artificial Superintelligence, ASI)
38. 某果園管理公司計畫導入 AI 系統協助農民判斷蘋果成熟度，透過分析果實特徵資訊，評估成熟狀態並自動判斷採收時機。根據 AI 應用領域的分類，這個系統主要屬於哪一個應用領域？ (A)自然語言處理(Natural Language Processing)； (B)電腦視覺(Computer Vision)； (C)語音識別(Speech Recognition)； (D)推薦系統(Recommendation System)
39. 某企業評估於不同業務場景導入機器學習技術。下列哪一項應用情境與機器學習類型的搭配最為適當？ (A)在醫療影像分析中，同時運用少量已標註資料與大量未標註影像進行模型訓練 —監督式學習(Supervised Learning)； (B)在智慧推薦系統中，利用顧客是否點擊的歷史標籤資料預測未來偏好—非監督式學習(Unsupervised Learning)； (C)在詐欺交易分析中，模型透過錯誤判斷所產生的損失作為回饋訊號，持續調整策略—監督式學習(Supervised Learning)； (D)在股價資料分析中，將歷史價格變動模式劃分為若干趨勢型態，且未使用人工標註—非監督式學習(Unsupervised Learning)
40. 某製造業公司建置機器學習模型，用於預測產品是否為瑕疵品。實際生產資料中，瑕疵品比例極低，大多數樣本皆為正常品。模型測試時發現，即使模型多數預測為正常品，仍可獲得很高的整體準確率。在此情境下，若希望更有效衡量模型對瑕疵品的辨識能力，下列何者較適合作為主要評估指標？ (A)F1-score； (B)均方誤差(Root Mean Squared Error, RMSE)； (C)準確率(Accuracy)； (D)判定係數(R², Coefficient of Determination)
42. 某企業建置基於檢索增強生成(RAG)的法遵知識輔助系統，用於整合法規條 文、內控制度與歷史函釋文件。系統運行後發現，每當法規更新或新增解釋文件時，需重新建立完整索引，導致更新期間系統暫停服務，且部分回應偶有引用舊 版內容的情形。若希望在兼顧查詢效率的同時提升知識更新彈性與系統穩定性， 下列何者最適合？ (A)提升模型推論資源配置，以維持高流量查詢時的回應效能； (B)調整語言模型的輸出限制機制，以降低生成內容與法規不一致的風險； (C)建立固定法規問答對照表，以規則化方式優先回應常見問題； (D)導入可支援增量更新的索引管理方式，使異動文件可即時反映於檢索結果
45. 某團隊訓練深層神經網路模型時，發現訓練誤差長時間幾乎未下降，模型參數更新幅度極小，呈現學習停滯現象。若研判問題與梯度傳遞效率有關，下列何者最 適合的改善策略？ (A)延長模型訓練時間，使模型有更多機會調整參數； (B)增加訓練樣本數量，以提升模型學習能力； (C)調整模型中的啟動函數設定，以改善訓練過程的穩定性； (D)簡化模型結構，以降低模型過度擬合的可能性
阿摩線上測驗
登入
阿摩線上測驗
登入