中級 AI 應用規劃師備考
L21 必考 + L22 或 L23 擇一，通過取得「數據分析」或「機器學習」專業證書。
3 科
L21 必考 + L22/L23 擇一
50 題
各科 90 分鐘
70 分
各科均須達標
600 元
報名費（優惠 500 元/科）
選修科目說明（重要！）
中級考試共 3 個科目，L21 為必考，L22 和 L23 擇一報考：
不確定選哪科？ 簡易判斷：日常工作涉及資料分析、報表、BI → 選 L22。對模型訓練、調參、深度學習有興趣 → 選 L23。
做選科診斷測驗，幫你決定三個科目總覽
AI 技術應用與規劃
NLP、CV、MLOps ｜ 50 題 90 分鐘
大數據處理分析與應用
統計、pandas、ETL ｜ 50 題 90 分鐘
Python 程式閱讀 16-20%
機器學習技術與應用
scikit-learn、Ensemble ｜ 50 題 90 分鐘
演算法與公式、Python 16-20%
科目資料依據 經濟部 iPAS 官方評鑑內容範圍（115.02 版） 整理
Python 程式閱讀備註（中級考生必讀）
L22 和 L23 各含約 16-20% Python 程式碼閱讀題（約 8-10 題/科）。不需要會寫程式，但要能看懂以下常見操作的邏輯和結果：
L22 常考：pandas / PySpark
# 分組統計
df.groupby('category').agg({'sales': 'sum'})
# 表格合併
merged = df1.merge(df2, on='id', how='left')
L23 常考：scikit-learn
# Pipeline 標準流程
pipe = make_pipeline(StandardScaler(), LogisticRegression())
# cross_val_score 回傳陣列，不是 mean
scores = cross_val_score(model, X, y, cv=5)
中級三階段學習流程
診斷找弱點
先知道哪裡不會，再針對性補起來
做中級真實考題（來自 iPAS 官方公告試題）， 系統會告訴你哪些知識點還不夠。先考才知道該讀什麼，比從頭讀到尾有效率。
考古題練手感
看懂過去怎麼考，掌握未來怎麼變
用 114-115 年真題練手，看每題詳解理解出題邏輯。搭配趨勢分析，知道哪些是新增考點、哪些有官方勘誤。
模擬考驗證
做不同的題，檢驗是否真的理解
做不同於練過的變化題，檢驗是否真的理解。考完後針對剩餘弱點回到 Step 1 再加強，直到全部通過為止。
弱項沒收斂？回到 Step 1 重新診斷，再跑一輪。
官方勘誤（必讀！）
官方學習指引有部分內容錯誤，照原版讀會答錯。以下整理 L22 和 L23 的已知勘誤：
主題：Recall 公式
Recall = TP / (TP + FP) Recall = TP / (TP + FN) 影響：直接影響模型評估考題答案，是 L23 最重要勘誤
主題：加權求和通式
w₁x₁ + w₂x₂ Σ wᵢxᵢ（通式，i = 1 to n） 影響：神經網路節點計算題的正確寫法
主題：p 值題措辭
「p 值越大，拒絕 H₀ 的依據越強」 「p 值越小（< α），拒絕 H₀ 的依據越強」 影響：假設檢定解釋題常考此邏輯方向
勘誤來源： iPAS 官方公告試題與學習指引 比對整理
115 年考題趨勢分析
以下分析根據 114 年第二梯次中級公告試題（共 150 題）整理，僅涵蓋中級科目。 原始試題下載
整體趨勢：情境規劃題為主，含 Python 程式閱讀
- ▶ 情境規劃題佔比極高：幾乎沒有純背誦題，需要整合多個概念做最佳方案判斷。
- ▶ Python 程式閱讀 16-20%：L22 考 pandas/PySpark，L23 考 scikit-learn/Keras，看懂執行結果即可。
- ▶ 官方勘誤影響大：L23 Recall 公式錯誤是超高頻考點，照原版讀會答錯。
AI 技術應用與規劃
必考大量情境規劃題，幾乎沒有純背誦題；需要整合多個概念做最佳方案判斷
新增考點：
- +AI 專案 ROI 計算框架（直接節省 + 間接效益 - 導入與維運成本）
- +AI 風險評估矩陣（可能性 × 影響程度）
- +混合雲 AI 部署架構（公有雲 + 私有雲）
- +MLOps 生命週期管理（特徵 store、模型漂移監控）
大數據處理分析與應用
含 Python約 16-20% 為 Python/PySpark 程式碼閱讀題，不需寫程式但要能看懂操作邏輯
新增考點：
- +PySpark DataFrame 程式碼閱讀（groupBy/agg/join/filter）
- +Apache Kafka 串流架構（Producer-Consumer-Topic-Partition）
- +Delta Lake（可靠資料湖，支援 ACID）
- +Feature Store 概念（特徵集中管理、重複使用）
機器學習技術與應用
含 Python 官方勘誤約 16-20% 程式碼閱讀題；Recall 公式勘誤是超高頻考點，官方學習指引原版有誤
新增考點：
- +scikit-learn Pipeline 程式碼閱讀（make_pipeline、fit_transform）
- +Keras/TensorFlow Sequential model 結構
- +SHAP 值（模型可解釋性，特徵貢獻度量化）
- +Optuna / GridSearchCV 超參數調整
官方勘誤（必讀！） 來源
Recall 公式
官方原版：Recall = TP / (TP + FP)
正確版本：Recall = TP / (TP + FN)
加權求和通式
官方原版：w₁x₁ + w₂x₂
正確版本：Σ wᵢxᵢ（通式，i = 1 to n）
115 年下半年中級考題預測
根據 114-115 年出題方向，預測 11/14 中級考題趨勢：
- + Python 程式題比重可能從 16-20% 提高至 25%
- + L21 的 MLOps 和模型漂移監控會持續出現
- + L22/L23 可能出現 PyTorch/TensorFlow 程式碼片段
- + 可解釋 AI（SHAP/LIME）在 L23 會越來越重要
- + 情境規劃題佔比預計維持 70% 以上
以上預測基於 114-115 年歷屆考題分析，僅供參考，實際考題以 iPAS 官方公告 為準。
中級考試資訊 官方來源
費用與時間
500 元/科（優惠價）· 各 90 分鐘 · 各 50 題單選
及格與證書
各科均須達 70 分 · 證書 5 年有效 · 單科成績保留 3 年
115 年考試日期
第一次 5/23、第二次 11/14（一年僅 2 次）
取得證書
選 L22 → AI 應用規劃師（數據分析）
選 L23 → AI 應用規劃師（機器學習）
常見問題
L22 和 L23 怎麼選？
L22（大數據處理分析與應用）偏統計和資料處理，適合商管、資管、BI 分析背景。L23（機器學習技術與應用）偏數學和模型訓練，適合資工、電機、數學背景。兩科都含約 16-20% Python 程式碼閱讀題。如果你日常工作涉及資料分析和報表，選 L22；如果對模型訓練和調參有興趣，選 L23。
中級需要先考過初級嗎？
不需要，iPAS 中級沒有要求先取得初級證書。但建議先熟悉初級範圍的基礎概念再進階考中級。
L21 是必考嗎？可以只考 L22 或 L23 嗎？
不行。L21（AI 技術應用與規劃）是必考科目，必須與 L22 或 L23 擇一同時報考。僅考 L21 不能取得中級證書。
中級 Python 程式題佔多少？需要會寫程式嗎？
L22 和 L23 各含約 16-20% 程式碼閱讀題（約 8-10 題）。不需要會寫程式，但要能看懂 5-10 行 Python 程式碼片段，理解執行邏輯和輸出結果。
中級及格標準是什麼？
L21 及所選科目（L22 或 L23）均須達 70 分以上。單科通過的成績自應考日起保留 3 年。
中級證書有效期多長？
中級證書有效期 5 年。換證需在取得證書後 5 年內累計 48 小時以上 AI 技術相關訓練（每年工作年資可折抵 8 小時）。
L22 和 L23 可以都考嗎？
可以，但需分兩次報名（不同梯次）。取得數據分析和機器學習兩種專業方向的證書。每次報考都必須同時報考 L21。