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)

37. 某紡織製造公司導入 AI 系統進行布料瑕疵檢測，每天需處理來自 30 條產線的影像資料，包括高解析度照片、感測器數值、生產參數記錄等多種格式。該公司收集的資料量從每日 2GB 增長至 50GB，且需在布料離開產線前的 3 秒內完成瑕疵判定。近期團隊發現系統在尖峰時段容易出現判定延遲，影響製程節奏。若要優先改善此問題，下列哪一種做法最適合？ (A)擴充資料儲存容量，以因應長期資料累積需求； (B)強化即時資料處理與推論計算資源配置，以降低延遲風險； (C)調整資料格式標準，以降低跨來源整合複雜度； (D)增加資料驗證與清理機制，以提升資料品質穩定性

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)

41. 在大型語言模型(LLM)的效能優化中，Flash Attention 常被用來改善 Transformer 注意力機制的運算效率。關於 Flash Attention 的主要效益，下列敘述何者最正確？ (A)透過忽略影響較小的注意力權重，減少模型需要計算的關聯數量，以降低運算成本； (B)透過調整注意力計算與資料處理方式，減少中間結果的儲存需求，進而改善速度與資源使用效率； (C)透過增加注意力計算的並行程度，使模型可同時處理更多注意力頭部； (D)透過將注意力結果暫存於高速快取記憶體，以避免重複計算造成延遲

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

43. 關於機器學習不同的學習模式，下列敘述何者錯誤？1. 監督式學習(Supervised Learning)透過已標註資料學習輸入與目標之間的對應關係，常見任務包含分類與數值預測。 2. 非監督式學習(Unsupervised Learning)雖不需標註資料，但通常需預先定義每 筆資料的正確輸出類別以利模型收斂。 3. 半監督式學習(Semi-supervised Learning)在訓練過程中僅利用未標註資料進行特徵學習，並不涉及標註資料。 4. 自監督式學習(Self-supervised Learning)的訓練方式與監督式學習相同，皆需人工逐筆提供標註資料。 5. 強化式學習(Reinforcement Learning)透過與環境互動並依據回饋訊號調整策略，以優化決策行為。 6. 自監督式學習(Self-supervised Learning)通常利用資料本身產生訓練目標，以降低對人工標註資料的依賴。 (A)2、3、6； (B)2、4、5； (C)1、3、6； (D)2、3、4

44. 某零售業者建立顧客行為預測模型，資料集中包含「年消費金額」、「平均單筆交 易金額」及「會員年資」等數值型特徵。資料分析顯示，部分金額特徵呈現高度 偏態分布，少數樣本的數值顯著高於多數觀測值。為降低極端值對模型學習穩定 性的影響，下列哪一種特徵工程方法最適合？ (A)對數轉換(Log Transformation)； (B)區間化(Binning)； (C)One-hot 編碼(One-hot Encoding)； (D)隨機重抽樣(Random Resampling)

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

46. 某市政府建置城市治理資料平台，需整合交通車流偵測資料、路口監視器影像， 以及民眾透過陳情系統提交的文字通報。由於各類資料格式、儲存方式與資料型 態差異甚大，導致資料清理與整合成本顯著增加。就大數據特性而言，此專案最 主要面臨下列哪一項挑戰？ (A)Volume； (B)Velocity； (C)Variety； (D)Veracity

115年 - 115 iPAS AI應用規劃師初級能力鑑定︰資料處理與分析概念#143293

115年 - 115 iPAS AI應用規劃師初級能力鑑定︰鑑別式 AI 與生成式 AI 的基本原理#143290

115年 - 115 iPAS AI應用規劃師初級能力鑑定︰機器學習基本原理、常見的機器學習模型#143288

115年 - 115-2 AI 應用規劃師-初級能力鑑定公告試題_第二科：生成式 AI 應用與規劃#140595

115年 - 115-2 AI 應用規劃師-初級能力鑑定公告試題_第一科：人工智慧基礎概論#140586

115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第二科：生成式 AI 應用與規劃#139147

115年 - 115-1 AI 應用規劃師-初級能力鑑定公告試題_第一科：人工智慧基礎概論#139146

114年 - 114-4 AI 應用規劃師-初級能力鑑定公告試題_第二科：生成式 AI 應用與規劃#139148

114年 - 114-4 AI 應用規劃師-初級能力鑑定公告試題_第一科：人工智慧基礎概論#139118

114年 - IPAS AI應用規劃師初級能力鑑定-考試樣題(114/09)_科目二：生成式 AI 應用與規劃#132596