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)

12. 某電商平台的客服部門統計了本月 10,000 筆顧客服務評分(滿分 100 分)，發現平均分數為 72 分，中位數為 85 分，平均數顯著小於中位數。資料分析師欲初步判斷此評分資料的分配型態，下列敘述何者最合理？ (A)資料呈負偏態分配(左偏，Skewness to the Left)，代表多數顧客給予高分，但少數極低評分將平均數大幅拉低； (B)資料呈正偏態分配(右偏，Skewness to the Right)，代表多數顧客給予低分，但少數極高評分將平均數大幅拉高； (C)資料呈標準常態分配，平均數與中位數的些微差異屬於正常的隨機抽樣誤差； (D)資料呈均勻分配，各分數區間出現的機率大致相同，因此平均數略低於中位數

13. 某電商平台的資料科學團隊欲建置一套 NLP 模型，用於分析顧客在社群媒體上對商品的評論情緒。在將原始貼文資料送入模型訓練前，團隊執行了以下步驟：移除貼文中央雜的 HTML 標籤與網址、將表情符號轉換或移除、去除「的、了、啊」等對情緒判斷無實質貢獻的停用詞，並統一將文字轉換為小寫格式。請問上述步驟主要屬於機器學習專案流程中的哪一環節？ (A)模型評估(Model Evaluation)：透過移除干擾詞彙，計算模型在測試資料集上的準確率、精確率等指標表現； (B)特徵萃取(Feature Extraction)：將文字資料轉換為數值向量，使模型能夠識別評論中與情緒相關的關鍵詞彙權重； (C)資料清理與預處理(Data Cleaning and Preprocessing)：將原始、雜亂的文字資料轉換為格式一致、去除雜訊的乾淨資料，以利後續模型有效學習； (D)超參數調校(Hyperparameter Tuning)：調整模型訓練過程中的學習率、批次大小等參數，以移除訓練資料中的雜訊干擾

14. 某資料科學家利用房屋資料建立 AI 房價預測模型，資料中包含許多彼此高度相關的數值特徵(例如房屋總坪數、客廳坪數等)。為了降低資料維度並減少特徵間的重複資訊，最適合採用下列何種技術？ (A)類別編碼(Categorical Encoding)； (B)主成分分析(PCA)降維； (C)特徵標準化(Standardization)； (D)異常值(Outlier)處理

15. 企業在公開去識別化的消費資料集前，為避免他人透過郵遞區號、性別等間接識別資訊交叉比對後重新識別特定個人身分，同時保留資料的分析價值，最適合採用下列哪一種隱私保護技術？ (A)差分隱私(Differential Privacy)技術； (B)隨機抽樣(Random Sampling)技術； (C)k-匿名化(k-Anonymity)技術； (D)密碼雜湊(Hashing)技術

16. 某零售企業的資料科學團隊正在開發高價值會員預測模型。在資料前處理階段，分析師發現特徵欄位「年收入」有約 5% 的遺漏值(Missing Value)。經資料探索發現，該欄位的數值分佈呈現高度正偏態(右偏分配，Skewness to the Right)。若在不刪除任何會員資料的前提下，欲選擇較適合的遺漏值填補方式，下列何者最為合適？ (A)填補該欄位的平均值(Mean)； (B)填補該欄位的眾數(Mode)； (C)填補該欄位的中位數(Median)； (D)將遺漏值直接填補為「0」

17. 某公司準備利用智慧電表資料建立 AI 模型分析用電趨勢。為了降低資料量，將原本每秒紀錄一次的資料改為每小時統計一次。這項調整最可能造成什麼影響？ (A)因為資料維度大幅減少，AI 模型的預測準確度一定會隨之提升； (B)保留了整體的用電趨勢，但可能失去短時間內設備啟動的用電變化資訊； (C)將連續的用電數值轉換成每小時統計後，資料型態會自動轉變為類別資料； (D)由於重新彙整資料，容易造成資料外洩(Data Leakage)，使模型評估結果偏高

18. 某公共衛生研究中心建置民眾健康資料分析平台，提供研究人員查詢各地區慢性病患者的統計資訊。為防範研究人員透過多次查詢不同條件的統計結果進行比對，而推論特定個人是否存在於資料庫中，平台在輸出統計結果時，會依據演算法加入適當的隨機雜訊(Random Noise)，使單一病患資料的新增或刪除，不會造成明顯改變統計查詢結果。下列何者最符合此系統採用的隱私保護技術？ (A)k-匿名化(k-Anonymity)； (B)差分隱私(Differential Privacy)； (C)假名化(Pseudonymization)； (D)資料遮罩(Data Masking)

19. 某科技新創公司欲開發一套人臉美化濾鏡應用程式，研發團隊自網路公開的社群媒 體蒐集大量個人自拍照作為模型訓練資料。這些照片皆由使用者自行公開分享，未設定瀏覽權限限制。公司法務人員在進行專案合規性評估時，針對「將公開照片作為商業 AI 模型訓練資料」提出法律風險提醒。下列哪一項敘述最符合現行個人資料保護法及 AI 倫理的原則？ (A)公開於網路的照片屬於可合法蒐集的公開資訊，因此企業可直接作為 AI 模型訓練資料，不需再考量原始蒐集目的； (B)當事人自行公開照片，不代表同意其影像可作為商業 AI 模型訓練資料，此利用行為可能涉及個人資料目的外利用的法律風險； (C)即使蒐集過程可能涉及法律風險，只要模型訓練完成後刪除原始照片，即可免除先前蒐集及處理可能產生的法律責任； (D)企業只要公開揭露 AI 模型的訓練目的，即可直接蒐集公開照片作為訓練資料，而無須再考量個資法相關規範

20. 某電商平台計劃針對既有會員進行精準行銷。行銷團隊收集了所有會員的平均消費金額、每月購物頻率及瀏覽商品類別次數等特徵資料，但並未預先設定客戶類型標籤。希望透過 AI 自動將特徵相似的會員分成數個群體，作為後續規劃客製化促銷方案的依據。下列哪一種機器學習方法最適合此需求？ (A)採用監督式分類(Classification)，根據已標註的客戶類型建立分類模型； (B)採用迴歸分析(Regression)，預測每位會員下個月的消費金額； (C)採用叢集分析(Clustering)，依據會員特徵的相似性，自動將資料分成數個群體； (D)採用強化學習(Reinforcement Learning)，根據會員的即時回饋持續調整促銷策略

21. 某交通局計劃預測未來 1 小時的路口車流量，以最佳化號誌時制配置。系統需要分析過去 24 小時的車流量資料。若模型設計著重於模擬「前一階段(如前 15 分鐘)的壅塞狀況會延續並影響下一階段」，下列哪一種深度學習架構最適合作為此預測模型的核心？ (A)卷積神經網路(CNN)； (B)生成對抗網路(GAN)； (C)前饋神經網路(Feedforward)； (D)循環神經網路(RNN)

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