所屬科目：iPAS◆AI應用規劃師◆初級
1.某零售企業希望利用過去兩年的會員交易紀錄，預測顧客下個月是否可能流失。資料中已標註每位顧客是否在後續期間停止購買。若以機器學習任務類型判斷，下列何者最適合？(A)監督式學習，因為訓練資料中已有目標標籤可供模型學習(B)非監督式學習，因為顧客資料通常無法建立任何標籤(C)強化學習，因為模型必須透過獎勵與懲罰反覆試錯(D)生成式學習，因為模型主要任務是產生新的交易紀錄
2.某工廠蒐集機台震動、溫度、電流等資料，但尚未標註哪些資料代表異常。工程師希望先找出設備運轉型態中可能存在的自然群組。下列哪一種學習方式較合適？(A)監督式學習，用既有標籤訓練正常與異常分類器(B)非監督式學習，利用資料特徵相似性探索潛在群組(C)強化學習，讓模型在產線上自行嘗試故障操作(D)遷移學習，直接使用影像模型辨識震動數據
3.某醫院建立再住院風險預測模型，欄位包含年齡、診斷代碼、住院天數、用藥紀錄，以及「30天內是否再住院」。在訓練監督式學習模型時，下列哪一項最適合視為目標標籤？(A)年齡(B)診斷代碼(C)住院天數(D)30天內是否再住院
4.某團隊訓練瑕疵影像分類模型時，發現模型在訓練資料準確率達99%，但在新產線照片上準確率大幅下降。若資料標註品質已確認無誤，最可能的問題為何？(A)模型過度擬合訓練資料，泛化能力不足(B)模型一定使用了太少特徵，無法學習任何規則(C)模型尚未完成推論階段，因此不能判斷結果(D)訓練資料準確率高代表模型已可直接上線
5.機器學習基本原某資料科學家在建立銷售預測模型前，先將資料分為訓練集、驗證集與測試集。下列哪一項最能正確說明測試集的主要用途？(A)用來調整所有超參數，直到結果最佳為止(B)用於最終評估模型對未見資料的表現(C)用來取代訓練集，以降低模型訓練成本(D)用來保存原始資料備份，與模型評估無關
6.某銀行建立信用違約模型時，工程師在資料前處理階段，先用完整資料集計算標準化所需的平均值與標準差，再分割訓練集與測試集。此作法最可能造成哪一項問題？(A)資料洩漏，因為測試資料資訊被提前用於訓練流程(B)資料不足，因為標準化會刪除所有測試資料(C)模型無法收斂，因為標準化不適合數值資料(D)特徵完全消失，因為標準化會移除所有欄位
7.某客服文字分類模型需要將「文字長度」、「客戶消費金額」、「客服互動次數」等不同尺度的數值特徵輸入模型。若選用對尺度敏感的演算法，下列哪一項前處理最有助於避免單一尺度支配模型？(A)標準化或正規化數值特徵(B)刪除所有數值欄位，只保留文字欄位(C)將所有欄位改成隨機數(D)將訓練資料與測試資料合併後再重新標籤
8.某製造業建立少數瑕疵品偵測模型，資料中瑕疵品僅占1%。模型整體準確率達99%，但幾乎所有瑕疵品都被判為正常。此時僅依準確率判斷模型好壞，主要問題為何？(A)類別不平衡時，準確率可能掩蓋少數類別偵測能力不足(B)準確率永遠不能用於任何分類模型(C)瑕疵品太少代表模型不需要進行評估(D)只要準確率高，就表示少數類別一定被正確辨識
9.某團隊調整模型的學習率、樹的最大深度與正則化強度，希望找到最佳設定。這些在訓練前或訓練過程中由人員設定、不是由模型直接從資料學得的參數，通常稱為什麼？(A)超參數(B)目標標籤(C)測試樣本(D)輸出機率
10.機器學習基本某電商團隊希望預測每位顧客下次購買金額，輸出結果是連續數值而非類別。此任務最適合歸類為下列何者？(A)迴歸任務(B)二元分類任務(C)分群任務(D)關聯規則探勘任務
11.某保險公司用模型判斷理賠案件是否可能詐欺，輸出結果為「詐欺」或「非詐欺」。此任務最適合歸類為下列何者？(A)分類任務(B)迴歸任務(C)降維任務(D)資料視覺化任務
12.某資料科學團隊發現模型表現不穩定：簡單模型在訓練與測試資料上都表現不佳；複雜模型在訓練資料上很好，但測試資料明顯變差。若從偏差與變異觀點判斷，下列何者最合理？(A)簡單模型可能高偏差，複雜模型可能高變異(B)簡單模型一定沒有偏差，複雜模型一定沒有變異(C)只要提高模型複雜度，偏差與變異都會同時消失(D)偏差與變異只適用於資料庫管理，與模型無關
13.機器學習基本原某能源公司以三年逐時用電資料預測未來負載。若使用一般隨機kfold交叉驗證，可能讓訓練集中包含比測試集更晚的時間點。下列哪一項作法較符合時間序列模型評估原則？(A)採用依時間順序的切分或滾動式驗證，避免未來資訊進入訓練(B)將所有時間戳記刪除後再隨機切分(C)先使用測試集調整特徵，再回頭訓練模型(D)只評估訓練集準確率，不需使用測試資料
14.某公司完成客戶流失模型訓練後，將模型部署到CRM系統中，讓業務輸入新客戶資料並取得流失風險分數。此時模型依新資料產生預測結果的階段稱為什麼？(A)推論或預測階段(B)資料標註階段(C)模型刪除階段(D)需求訪談階段
15.某線上廣告點擊率模型上線半年後，原本表現穩定，但近期因市場活動、使用者行為與廣告素材類型改變，預測準確度逐漸下降。此現象最接近下列何者？(A)資料或概念漂移，需監控資料分布與模型表現並適時更新(B)模型尚未訓練，因此不能進行任何預測(C)資料庫索引失效，與模型表現完全無關(D)準確度下降一定代表測試集被刪除
16.某房仲平台希望根據坪數、屋齡、樓層、距離捷運站距離等特徵，預測房屋成交價格。若希望建立可解釋且輸出連續數值的基礎模型，下列哪一種最適合做為入門選擇？(A)線性迴歸(B)K-means分群(C)Apriori關聯規則(D)主成分分析
17.某銀行希望根據交易金額、地點、時間與裝置資訊，判斷一筆交易是否為詐欺。若目標是輸出「是／否」兩類並取得機率解釋，下列哪一種基礎模型最常用於二元分類？(A)邏輯斯迴歸(B)線性迴歸(C)K-means分群(D)PCA降維
18.某保險公司希望建立理賠審核輔助模型，主管要求模型能以接近人工規則的方式呈現判斷路徑，例如先看理賠金額、再看事故類型、再看歷史紀錄。下列哪一種模型最容易以樹狀規則說明決策過程？(A)決策樹(B)深度自編碼器(C)K-means分群(D)卷積神經網路
19.某資料團隊原本使用單一決策樹做客戶違約預測，但結果容易受訓練資料波動影響。若希望透過多棵樹的集成降低變異並提升穩定性，下列哪一種模型較適合？(A)隨機森林(B)單純線性迴歸(C)KNN最近鄰(D)Naive Bayes
20.某金融公司使用表格式資料建立違約預測模型，資料量中等、特徵包含類別與數值欄位，團隊希望取得高預測效能並可處理非線性關係。下列哪一類模型在此類結構化資料競賽與實務中常被採用？(A)梯度提升樹，如XGBoost或LightGBM(B)單純Kmeans分群(C)只使用平均值規則(D)文字生成式大型語言模型取代所有欄位處理
21.某電商平台希望依顧客瀏覽與購買行為，自動將顧客分成若干族群，事前並沒有定義好的顧客類別標籤。下列哪一種模型最適合作為分群方法？(A)K-means(B)邏輯斯迴歸(C)線性迴歸(D)Softmax輸出層
22.某客服中心想將新進線客服案件分類到最相似的既有案件類型。團隊考慮使用一種方法：看新案件與歷史案件在特徵空間中的距離，並由最接近的幾筆樣本投票決定類別。此方法最接近下列哪一種模型？(A)K近鄰演算法(KNN)(B)主成分分析(PCA)(C)生成對抗網路(GAN)(D)隨機梯度下降最佳化器
23.某企業要快速建立電子郵件垃圾信分類器，特徵主要是文字詞彙出現情形。若希望使用計算成本低、在文字分類中常見且以機率假設為基礎的模型，下列何者較合適？(A)朴素貝氏分類器(B)K-means分群(C)線性迴歸(D)PCA降維
24.某電子廠導入AI自動檢測PCB外觀瑕疵，輸入資料主要為產品影像。若要自動擷取局部邊緣、紋理與形狀等視覺特徵，下列哪一種神經網路架構最常用？(A)卷積神經網路(CNN)(B)K-means分群(C)線性迴歸(D)Apriori關聯規則
25.某設備維護團隊希望分析感測器連續時間資料，預測未來幾分鐘設備是否可能異常。若任務需考量資料的時間順序與前後依賴關係，下列哪一類模型較常被用於序列資料？(A)循環神經網路或LSTM(B)K-means分群且不保留時間順序(C)單一常數平均值模型(D)One-hot編碼本身
26.某影音平台根據使用者過去觀看紀錄與其他相似使用者的偏好，推薦可能感興趣的影片。這種利用使用者與項目互動關係進行推薦的方法，最接近下列哪一類技術？(A)協同過濾推薦(B)線性迴歸房價預測(C)K-means感測器分群(D)資料庫正規化
27.某資安團隊想從大量登入紀錄中找出少數異常行為，但異常樣本標註不足。團隊希望使用一種能將異常點較容易分離出來的非監督式異常偵測方法。下列何者較符合此需求？(A)孤立森林(Isolation Forest)(B)普通最小平方法線性迴歸(C)邏輯斯迴歸，且完全不需要標籤(D)Softmax函數本身
28.某行銷團隊有數百個顧客行為特徵，想在保留主要資訊的前提下降低維度，方便視覺化與後續建模。下列哪一種方法最符合此需求？(A)主成分分析(PCA)(B)KNN最近鄰分類(C)決策樹剪枝(D)SMOTE少數類別合成
29.某企業要在高維特徵空間中建立二元分類模型，並希望找到能最大化類別間隔的分隔邊界。若資料可能需要透過核函數處理非線性關係，下列哪一種模型最符合描述？(A)支援向量機(SVM)(B)K-means分群(C)Apriori關聯規則(D)PCA降維
30.某物流公司希望讓配送系統在不同交通狀態下選擇路線，系統每次選擇後會根據配送時間、油耗與遲到罰則取得回饋，並逐步改善策略。下列哪一種學習模型最符合此決策情境？(A)強化學習(B)單純線性迴歸(C)K-means分群(D)PCA降維
阿摩線上測驗
登入
阿摩線上測驗
登入