1. 某製造工廠計劃導入 AI 預測產線設備的故障風險。維護團隊整理了過去五年的設備運作資料，並由資深工程師逐一完成人工標註，將每筆資料標示為「正常運作」或「發生故障」。若要利用這批已完成標註的歷史資料訓練分類模型，下列哪一種機器學習方法最適合？
(A)監督式學習(Supervised Learning)；
(B)非監督式學習(Unsupervised Learning)；
(C)強化學習(Reinforcement Learning)；
(D)半監督式學習(Semi-supervised Learning)

2. 某電商平台希望利用 AI 分析消費者行為。團隊取得過去會員交易資料，其中部分資料已標註「是否流失會員」，另一部分資料僅包含會員瀏覽、購買及搜尋紀錄，但未標註任何結果。下列何者最適合描述兩類資料的應用方式？ (A)已標註流失結果的資料適合用於監督式學習；未標註行為資料可用於非監督式學習探索消費族群特徵； (B)已標註流失結果的資料適合用於非監督式學習；未標註行為資料需先人工分類才能進行監督式學習； (C)兩類資料皆只能使用監督式學習，因企業應用皆需要明確預測結果； (D)兩類資料皆屬生成式 AI 的訓練資料，因此無法用於機器學習模型

3. 某物流公司希望導入人工智慧(AI)技術，目標是能依據即時交通路況、配送車輛位置及訂單需求，自動計算並決定最佳配送路線與車隊調度策略。下列何者最符合此智慧物流應用所採用的 AI 技術概念？ (A)利用光學字元辨識(OCR)技術，在收到新增的訂單時，自動辨識並擷取紙本單據上的收件地址以完成系統建檔； (B)利用文字探勘(Text Mining)技術，分析配送車輛位置的 GPS 經緯度數字與即時交通路況的車速資料，據此規劃最佳配送路線； (C)運用生成式 AI(Generative AI)技術，分析配送相關文件與服務紀錄，自動生成營運分析報告與改善建議； (D)利用機器學習與路徑優化演算法分析各項即時動態資料，由系統即時且持續優化行車路線與配送調度

4. 某銀行導入 AI 信用貸款評分系統上線半年後，風險稽核部門發現，即使模型訓練資料中已不包含「職業別」欄位，仍可能透過「居住地區」與「消費類別」等高度相關特徵，對特定職業族群產生不合理差異待遇。依據 AI 治理精神，銀行應優先採取下列何種行動？ (A)增設人工複核關卡，由授信人員針對系統所有的核貸結果重新逐案審查； (B)提高「居住地區」與「消費類別」兩項特徵的資料準確度，以強化該模型整體的預測效度； (C)引入公平性評估指標，檢視間接關聯特徵是否造成偏誤並對模型進行調整優化； (D)於核貸結果中另行加註該職業別標籤，以作為日後申請人提出申訴時的佐證依據

5. 某新創公司開發三款針對特定任務設計的 AI 產品，分別為：可自動生成社群貼文的「智慧行銷助理」、透過人臉辨識進行身分驗證的「辦公室門禁系統」，以及預測客戶流失風險的「資料分析模型」。上述產品依人工智慧的分類，皆屬於下列何者？ (A)超級人工智慧(ASI)； (B)弱人工智慧(Weak AI)； (C)通用人工智慧(AGI)； (D)具身人工智慧(Embodied AI)

6. 某壽險公司 AI 客服助理上線後進行測試。顧客與 AI 助理對話時，全程未察覺對方並非真人，回應自然且能適當安撫顧客情緒。然而，當顧客詢問「我同時符合兩項理賠條件，應優先申請哪一項？」時，AI 助理前後提供不同建議；進一步詢問原因時，也無法說明判斷依據，只能持續提供語意通順但未能回答問題的內容。技術主管認為，既然 AI 已具備足以讓人誤認為真人的對話能力，就代表其判斷結果值得信賴。依據圖靈測試(Turing Test)的設計理念，下列何者最適合評估上述技術主管的觀點？ (A)圖靈測試主要用於評估 AI 是否具有可解釋性，因此無法說明判斷依據即代表未通過圖靈測試； (B)圖靈測試通過後，即可合理推論 AI 在專業領域的判斷能力已達人類水準； (C)圖靈測試的目的在驗證 AI 是否能針對各類問題提供正確且一致的答案，因此回答內容是否正確是主要評估重點； (D)圖靈測試主要評估 AI 是否能展現近似人類的對話表現，並不能據此推論其具備可靠的專業判斷與決策能力

7. 根據數位發展部《公部門人工智慧應用參考手冊》，若 AI 系統的自動決策可能對民眾權益造成重大影響，最應優先確保下列哪一項機制？ (A)演算法模型應經第三方公正機構進行技術合規檢測； (B)建立人在迴圈內(Human-in-the-loop)的最終審核機制； (C)系統應定期進行弱點掃描與資安檢測，以降低系統遭受攻擊的風險； (D)系統產製的所有決策及決策軌跡皆應全程公開於政府資訊網站

8. 某製造企業欲建置 AI 品質檢測系統，利用生產線攝影機即時判斷零件表面是否存 在細微刮痕。下列何種技術最適合用於此類應用？ (A)強化學習(Reinforcement Learning)，透過獎勵機制改善影像辨識結果； (B)決策樹(Decision Tree)，透過人工設定規則判斷影像像素差異； (C)分群演算法(Clustering Algorithm)，依資料距離將影像自動分類； (D)卷精神經網路(CNN)，透過學習影像中的局部特徵進行缺陷辨識

9. 某電商平台計劃開發一個機器學習模型，目標是在每個月底自動預測哪些現有會員在下個月可能會流失(不再消費)，以便行銷團隊提前發送優惠券進行挽留。若要提升模型預測會員流失的效果，在進行特徵工程(Feature Engineering)時，下列哪一項作法最適合？ (A)為了提高預測的準確度，特徵與要預測的目標值(是否流失)之間，在統計上不需要具備任何關聯性或因果關係； (B)可以將「會員下個月是否仍有消費紀錄」加入模型特徵，因為該資訊與會員是否流失具有高度關聯性； (C)為了縮短模型推理(Inference)的反應時間，特徵所涵蓋的時間範圍越短越好，建議一律只保留前一天的單日行為資料； (D)所選取的特徵，必須是在每個月底模型進行預測的當下，系統就能實際取得且掌握的已知資料

10. 某零售電商平台計劃建置機器學習模型分析會員行為。在資料預處理階段，資料科學團隊發現會員的「年消費總額」與「月到訪次數」數值範圍差異較大，可能影響部分機器學習模型的訓練效果，因此決定採用 Z-Score 標準化(Standardization)進行特徵縮放。已知該平台全體會員的「年消費總額」平均值為 30,000 元，標準差為 5,000 元。若某位 VIP 會員的年消費總額為 40,000 元，下列敘述何者正確？ (A)經過 Z-Score 轉換後，該會員的年消費總額特徵值將被限制於 0 至 1 的範圍內，以利模型訓練； (B)計算後該會員的 Z-Score 值為 2，代表其消費金額高於平均值兩個標準差，可反映其消費金額相對於整體會員的高低程度； (C)不論原始消費資料的分布為何，只要經過 Z-Score 轉換，整組資料一定會轉換為標準常態分配； (D)即使完成 Z-Score 轉換，由於「月到訪次數」與「年消費總額」原始計量單位不同，兩項特徵仍不適合同時作為機器學習模型的輸入

11. 某健康管理 AI 系統透過智慧手環蒐集使用者的生理量測資料，資料以欄位標籤(Tag)記錄，例如「使用者 ID：H123」、「量測項目：心率」、「量測數值：75」等。不同裝置可依功能需求上傳不同欄位(如：血氧濃度)，因此各筆資料不一定具有 完全相同的欄位結構。在資料格式與資料結構特徵的分類上，此類資料最屬於下列哪一種資料型態？ (A)結構化資料(Structured Data)； (B)半結構化資料(Semi-structured Data)； (C)高頻資料(High-frequency Data)； (D)時序資料(Time Series Data)

115年 - 115-3 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#144821

115年 - 115-3 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#144820

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