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

11. 若一家公司需即時監控大量物聯網裝置的異常行為，下列哪一種組合最適合此應用？ (A)傳統關聯式資料庫+圖形視覺化； (B)批次資料處理+雲端備份； (C)大數據平台+即時資料分析技術； (D)Word 文件+手動標註

12. 在處理分類問題時，若某一類樣本數明顯少於其他類別，研究人員可能採用隨機過採樣(Random Oversampling)以平衡資料比例，此方法最常造成下列哪一種問題？ (A)增加過擬合風險； (B)降低模型的收斂速度； (C)減少資料總筆數數量； (D)導致訓練資料欄位缺失

13. 下列何者為同態加密( Homomorphic Encryption)技術的核心特性？ (A)將資料轉換為匿名識別碼以隱藏身分； (B)對資料進行標準化處理以提升模型精度； (C)自動偵測與排除異常值； (D)可直接在加密狀態下進行數據運算

14. 某組資料共10 項標籤如下：A, A, A, A, A, B, B, B, B, B 若該標籤僅有 A、B 兩種，請問這組資料的「正規化吉尼不純度 (Normalized Gini impurity)」為何？ (A)0； (B)0.42； (C)0.84； (D)1

15. 某家客服中心統計資料發現，平均每小時會接到約20 通顧客來電，但每分鐘的來電數量不固定，可能為 0、1、2 通不等。這些來電事件彼此獨 立，且在短時間內，發生的機率與時間長短成正比。若要以機率模型描述 「每分鐘接到幾通來電」的機率分佈，下列哪一種最適合使用？ (A)均勻分佈(Uniform distribution)； (B)指數分佈(Exponential distribution)； (C)卜瓦松分佈(Poisson distribution)； (D)常態分佈(Normal distribution)

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