22. 某投資研究員希望分析四檔科技類股( A、B、C、D)每日報酬率的變化趨勢，以判斷這些股票之間是否存在高度相關性與共變動性，並評估投資組合分散風險的程度。若研究員希望以單一圖表快速呈現各股票間的關聯強度與方向，下列哪一種視覺化呈現方式最適合？
(A)為每檔股票各自繪製直方圖(Histogram)以比較報酬率分佈；
(B)針對任兩檔股票繪製散佈圖並加上趨勢線(Regression Line)；
(C)使用雙軸折線圖(Dual-axis Line Chart)同時顯示四檔股價變化；
(D)熱力圖(Heatmap)配合相關係數矩陣(Correlation Matrix)

1. 若某數據點的 Z 分數(Z-Score)= 2，請問代表下列哪一種意涵？(A)代表該數據點之原始數值為 2；(B)該數據點比平均值低 2 個標準差；(C)代表數據為異常值；(D)該數據點比平均值高 2 個標準差

2. 使用 Python 的 pandas 套件處理各商品銷售數據(變數為 df)時，若需計算「總銷售額」欄位的敘述性統計量(如平均值、標準差等)，應使用 下列哪一種語法？ (A)df['總銷售額'].sum()； (B)df['總銷售額'].describe()； (C)df['總銷售額'].sort_values()； (D)df['總銷售額'].stats()

3. 附圖為某資料之分佈圖，此圖資料之偏態(Skewness)值較有可能為下列哪個選項？ (A)Skewness ＜ 0； (B)Skewness ＞ 0； (C)Skewness = 0； (D)無法計算 Skewness

4. 累積分佈函數(Cumulative Distribution Function, CDF)可用於描述隨機變數的機率分佈特性，其數學定義為下列何者？ (A)機率密度函數(Probability Density Function, PDF)的平均值； (B)機率密度函數(Probability Density Function, PDF)的積分； (C)機率密度函數(Probability Density Function, PDF)的離散總和； (D)機率密度函數(Probability Density Function, PDF)的標準差

5. 在進行資料前處理時，若使用 Label Encoding 將類別變數轉換為數字型態，下列何者為最常見的潛在風險？ (A)無法處理缺值； (B)會引入類別之間的虛假順序關係； (C)無法擴展至新資料； (D)記憶體佔用過高

6. 在進行資料分析時，會遇到類別型(Categorical)與數值型 (Numerical) 資料格式。關於這兩種資料格式的處理，下列敘述何者不正確？ (A)One-Hot 編碼(One-Hot Encoding)會將類別變數轉換為多維二元向量，適用於無序(Nominal)類別資料，但在高基數(High Cardinality)特徵下可能造成維度爆炸問題； (B)標籤編碼(Label Encoding)會以整數表示不同類別，若應用於無序 (Nominal)資料，可能導致模型誤將編碼值解讀為具數值大小關係的特徵； (C)標準化(Standardization)透過將資料平移與縮放，使其平均值為0、標準差為 1，可在多數距離型演算法中改善收斂速度，並同時將數值範圍壓縮至 0 至 1 之間； (D)對連續變數進行分箱(Binning)可提升模型可解釋性，但若分段方式 未依據資料分佈特性設計，可能導致資訊損失或邊界偏誤

7. 在資料庫的 ACID 特性中，下列何者為「原子性(Atomicity)」的正確定義？ (A)所有資料欄位必須為相同型別； (B)每次交易需以批次方式執行； (C)交易不可分割，需完全成功或完全失敗； (D)系統會自動同步交易資料至所有節點

8. 資料科學家為分析顧客行為，利用現有欄位「銷售金額」與「瀏覽次數」，計算出新變數「銷售金額/瀏覽次數」。此動作屬於下列哪一類特徵工程方法？ (A)特徵選擇(Feature Selection)； (B)特徵衍生(Feature Derivation)； (C)特徵轉換(Feature Transformation)； (D)分箱處理(Binning)

9. 在進行數值特徵的標準化(Normalization)時，若資料中存在極端值 (Outliers)，下列哪一種方法最適合使用？ (A)Min-Max 正規化(Min-Max Scaling)； (B)Z-score 標準化(Z-score Normalization)； (C)穩健縮放(Robust Scaling)； (D)標準分箱(Standard Binning)

10. 下列哪一種情境最適合應用異常偵測( Anomaly Detection)技術？ (A)根據歷史銷售資料預測特定商品在旺季期間是否會出現供貨短缺，以提前調整庫存策略； (B)透過信用風險模型預測顧客是否可能發生違約，以輔助核貸決策； (C)即時分析金融交易資料流，偵測與平常交易行為明顯不同的可疑交易紀錄； (D)監控線上服務平台的使用者登入次數，預測次日的登入量變化趨勢

114年 - 114-2 AI 應用規劃師-中級能力鑑定公告試題_第三科：機器學習技術與應用#136329

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 - 114-2 AI 應用規劃師-中級能力鑑定公告試題_一科：人工智慧技術應用與規劃#136301

114年 - iPAS AI應用規劃師中級能力鑑定-考試樣題(114/09)_科目三：機器學習技術與應用#136300

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

114年 - iPAS AI應用規劃師中級能力鑑定-考試樣題(114/09)_科目一：人工智慧技術應用與規劃#136294

114年 - iPAS AI 應用規劃師能力鑑定考試樣題(中級)#126106