7. 某醫療 AI 研究團隊開發了一套個人化用藥劑量推薦系統，並設計實驗評估其效果。研 究團隊招募 40 名高血壓患者，分別在導入 AI 推薦系統前後各測量一次收縮壓，且資 料近似常態分布。研究目標是判斷同一批患者在依據 AI 推薦調整用藥劑量前後，血壓 是否有顯著差異。請問此研究情境應選用哪種統計檢定方法？
(A)獨立樣本 t 檢定(Independent Samples t-test)；
(B)成對樣本 t 檢定(Paired Samples t-test)；
(C)單因子變異數分析(One-Way ANOVA)；
(D)魏克遜符號等級檢定(Wilcoxon Signed-Rank Test)

8. 某咖啡店聲稱其平均外送時間為 36 分鐘，母體標準差為 16 分鐘。顧客保護團體抽樣 9 筆訂單，發現平均外送時間為 40 分鐘。若採用右尾 Z 檢定(H₁: μ > 36)，顯著水準 α= 0.05(臨界值 Z₀.₀₅ = 1.645)，請問 Z 值與檢定結果為何？(參考公式如下圖) (A)Z ≈ 0.08，拒絕虛無假說； (B)Z ≈ 0.08，不拒絕虛無假說； (C)Z ≈ 0.75，拒絕虛無假說； (D)Z ≈ 0.75，不拒絕虛無假說

9. 某生技公司正在進行新型 AI 輔助新藥篩選的臨床試驗，並將顯著水準由 α=0.05 降低 至 α=0.01。在新藥療效安全試驗的情境下，此調整對統計檢定的直接影響為何？ (A)降低型二錯誤(Type II Error／β)的發生機率，減少未能偵測到有效藥物的風險； (B)降低型一錯誤(Type I Error／α，偽陽性)的發生機率，減少將無效藥物誤判為有效 並進入後續高成本試驗的風險； (C)增加樣本數以提升統計功效(Statistical Power)，進而改善估計精度； (D)降低統計計算過程中的數值誤差，提高 p 值的精確度

10. 某團隊為職業籃球隊建立球員受傷風險預測模型，原始特徵 280 個。初始模型訓練集 AUC 為 0.94、測試集僅 0.68，顯示嚴重過擬合。為改善模型，團隊進行以下處理步驟： 第一步於全體資料(含測試集)上計算特徵間線性相關係數並移除高度相關特徵；第二步依模型重要性篩選特徵後重新訓練模型。最終測試集 AUC 提升至 0.81。關於上述調 整流程，下列敘述何者最為正確？ (A)使用相關係數進行特徵篩選方向正確，主要問題在於相關係數門檻設定過高； (B)在全體資料(含測試集)上進行特徵篩選會造成資料洩漏，且線性相關無法捕捉非 線性關係； (C)特徵篩選後需重新對測試集進行標準化，否則會影響模型表現； (D)測試集表現提升代表過擬合已解決，流程可直接部署

11. 某團隊為電信公司建立用戶月租方案續約預測模型，資料集包含兩個類別特徵： 「客服評價」共有 5 個等級(非常不滿意至非常滿意)，具明確順序關係；「居住縣市」共有 22 個不同類別，類別之間無順序關係。團隊計劃分別以 Logistic Regression 與 XGBoost 訓練模型，並對上述特徵進行編碼。請問下列哪個編碼方案最適當？ (A)兩模型皆將「客服評價」與「居住縣市」進行 One-Hot Encoding，保留全部欄位並使用相同特徵矩陣訓練模型； (B)Logistic Regression 將「客服評價」做 Ordinal Encoding、「居住縣市」以歷史續約率 進行編碼且於資料切分前計算；XGBoost 對兩個特徵皆採 Ordinal Encoding 處理； (C)Logistic Regression 將「客服評價」做 Ordinal Encoding、「居住縣市」進行 One-Hot Encoding 並採 Drop First；XGBoost 將「客服評價」採 Ordinal Encoding，「居住縣市」 以類別型態輸入並啟用 enable_categorical； (D)兩個模型均將「客服評價」以平均續約率進行編碼，「居住縣市」先做 One-Hot Encoding 再以 PCA 降維，並統一作為兩模型輸入特徵

12. 某資料工程師在建構 AI 訓練資料處理流程時，需要處理一個 50GB 的 CSV 檔案，其 大小遠超過系統可用記憶體。他使用 Python 的 Pandas 進行資料前處理，但直接呼叫 頁  pd.read_csv()時出現記憶體溢位(Out of Memory, OOM)錯誤。在不改用其他分散式框 架的前提下，下列哪個參數最能有效解決此問題？ (A)nrows=10000：限制僅讀取前 N 筆資料以避免記憶體溢位； (B)usecols=0.5：隨機載入 50%的資料欄位，以減半記憶體使用量； (C)chunksize=10000：分批讀取資料並逐批處理，避免一次載入整個檔案； (D)dtype：指定欄位資料型別以降低記憶體使用量

13. 某電商平台正在重構商品資料架構，需同時支援三個系統：商品管理後台需處理結構 化與半結構化資料(如巢狀庫存與不同類別商品欄位差異) ，並支援複雜條件查詢；AI 推薦系統需儲存高維向量(1,536 維)並進行高效相似度搜尋(高 QPS)；即時庫存服 務則要求 ACID 且延遲低於 10ms，以避免超賣。在此情境下，哪種資料庫架構最適合？ (A)全部使用關聯式資料庫，透過 JSON 欄位儲存巢狀資料，並以延伸套件支援向量搜 尋，同時以資料列鎖(Row-level Lock)處理庫存扣減； (B)商品資料使用文件型資料庫，向量搜尋使用專用向量資料庫，庫存服務使用關聯式 資料庫，各系統依需求選擇最適合的資料庫； (C)全部使用文件型資料庫，同時處理商品資料、向量搜尋與庫存服務，以統一技術棧 降低維運複雜度； (D)商品與向量資料使用搜尋引擎型資料庫，並以文件更新機制處理庫存扣減

14. 某 AI 平台的資料量已達 PB 級，單一資料庫節點已無法負荷，決定採用分片(Sharding) 策略。下列何者為 Sharding 設計的主要目的？ (A)增加資料備份數量以提升安全性； (B)將查詢結果預先計算以降低延遲； (C)將資料水平分割以提升擴展性與負載均衡； (D)將資料壓縮以減少儲存成本

15. 某資料工程師在建構大規模影像資料處理流程時，需要處理數千萬筆訓練影像，並發 ：訓練集準確率達 99%，但驗證集僅有 72%。 現模型出現嚴重的過度擬合(Overfitting) 在不改變模型架構的前提下，下列哪一項「資料處理層面」的調整最無法有效改善過度 擬合，甚至可能使問題惡化？ (A)在資料處理流程中加入資料增強(Data Augmentation) ，於訓練時動態生成多樣化影像樣本； (B)擴充資料來源，收集更多不同場景與條件的影像，以提升訓練資料分布的多樣性； (C)為了提升資料處理吞吐量(Throughput) ，預先將影像轉為固定特徵並快取(Cache) ， 反覆使用相同訓練資料以加速訓練流程； (D)在資料前處理階段進行資料清理，移除標註錯誤或品質不佳的影像資料

16. 某工程師在建立推薦系統時，評估使用奇異值分解(Singular Value Decomposition, SVD) 對使用者-商品評分矩陣進行潛在語意分析(Latent Semantic Analysis, LSA) 。關於 SVD 的數學性質，下列何者不正確？ (A)SVD 只能分解方陣(Square Matrix)，無法應用於行列數不相等的長方形矩陣； (B)SVD 常用於降維(Dimensionality Reduction) ，透過保留最大的 k 個奇異值來近似原 始矩陣(截斷 SVD)； (C)SVD 比 PCA 更一般化，因為 PCA 可視為對資料的共變異數矩陣(Covariance Matrix) 進行的特殊 SVD 運算； (D)LSA 是 SVD 在文字-文件矩陣上的應用，透過截斷 SVD 捕捉詞語與文件的潛在語 意關係

17. 某醫院欲建立一套加護病房(ICU)敗血症預測模型，資料來自 120 位病患之生命徵象 ，每 5 分鐘記錄一次。資料中敗血症相關樣本僅佔 3.2%，屬 (如心率、血壓、體溫等) 於高度不平衡資料。在資料檢查過程中發現數項問題，包括血氧資料會出現 10 至 30 分鐘的連續缺失、部分血壓感測器隨使用時間產生系統性偏高(感測器漂移) 、敗血症 標註時間存在約±2 小時誤差，以及不同病患之正常生命徵象基準差異甚大。請問下列 何種資料處理與建模方式最為適當？ (A)將缺失值以整體平均填補，未額外處理感測器漂移，並將敗血症標註區間由 6 小時 擴大至 8 小時以涵蓋時間誤差，模型評估採用 ROC-AUC 作為主要指標； (B)對缺失值進行線性插值，若連續缺失時間過長則刪除該段資料，並以 Z-score 標準 化處理感測器漂移，交叉驗證採隨機切分，未避免同一病患資料同時出現在訓練與測 試集中； (C)刪除所有含缺失值之資料，對資料進行 Min-Max 正規化處理，未考慮病患間差異直 接建模，並以 Accuracy 作為評估指標，交叉驗證採分層 K-Fold 方式進行； (D)對缺失值採前向填補並加入缺失指標特徵，利用感測器 72 小時滾動中位數進行漂 移校正，並處理標註雜訊，同時以個別病患基準建模，交叉驗證採病患分組，評估採 PR-AUC 與 Recall 指標

115年 - 115-1 中級AI應用規劃師試題_第二科：大數據處理分析與應用#141063

114年 - 114-2 AI 應用規劃師-中級能力鑑定公告試題_第二科：大數據處理分析與應用#136306

114年 - iPAS AI應用規劃師中級能力鑑定-考試樣題(114/09)_科目二：大數據處理分析與應用#136295