iPAS 備考專區 登入

中級・考試資訊

115 年中級考題趨勢分析

根據 114 年第二梯次中級公告試題(三科共 150 題)整理,涵蓋 L21、L22、L23 的新增考點、難度變化與出題預測。

整體趨勢:情境規劃題為主,含 Python 程式閱讀

  • 情境規劃題佔比很高

    幾乎沒有純背誦題,要整合多個概念判斷最佳方案。

  • Python 程式閱讀約 25%

    L22 考 pandas 與 PySpark,L23 考 scikit-learn 與 Keras,看懂執行結果就好,不用寫程式。

  • 官方勘誤影響大

    L23 的 Recall 公式是超高頻考點,照學習指引原版讀會答錯。

看官方勘誤表

L21

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,要整合多個概念判斷最佳方案。

新增考點

  • AI 專案 ROI 計算框架(直接節省加間接效益,減去導入與維運成本)
  • AI 風險評估矩陣(可能性乘以影響程度)
  • 混合雲 AI 部署架構(公有雲加私有雲)
  • MLOps 生命週期管理(特徵庫、模型漂移監控)

高頻考點

  • L212 AI 導入評估規劃(成本效益、需求分析)
  • L213 AI 系統部署(MLOps、模型監控)
  • L211 技術選型(NLP、CV 與生成式 AI 的適用情境)

常見失分點

  • MLOps 和 DevOps 的差別:MLOps 多了特徵庫管理與模型漂移監控
  • AI 專案失敗的主因不是技術,是資料品質不足與組織變革管理失敗
  • AI 治理和 IT 治理的差別:AI 治理多了可解釋性與演算法偏見

每個概念都對應真實企業情境,要能說出「為什麼這個方案比其他選項好」。

L21 學習指引

L22

大數據處理分析與應用

含 Python

約 25% 是 Python 或 PySpark 程式碼閱讀題,不用寫程式,但要看懂操作邏輯。

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(支援 ACID 的資料湖)
  • Feature Store 概念(特徵集中管理、重複使用)

高頻考點

  • L221 假設檢定(p 值判斷、型一與型二錯誤)
  • L222 ETL 與 ELT 流程差異
  • L223 資料不平衡處理(SMOTE、欠採樣)

常見失分點

  • groupby().agg() 的順序:先分組,再對每組套用聚合函數
  • join 的語意:left join 保留左表所有列,inner join 只留兩表都有的列
  • 型一錯誤是拒絕真的 H₀,型二錯誤是接受假的 H₀
  • p < α 時拒絕 H₀,p > α 時無法拒絕 H₀

程式碼題不用背語法,要看懂「這段程式在做什麼」與「執行結果是什麼」,pandas 與 PySpark 的 groupby、merge、pivot 是重點。

L22 學習指引

L23

機器學習技術與應用

含 Python官方勘誤

約 25% 是程式碼閱讀題,Recall 公式的勘誤是超高頻考點,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 與 TensorFlow 的 Sequential 模型結構
  • SHAP 值(量化特徵貢獻的可解釋性方法)
  • Optuna 與 GridSearchCV 超參數調整

高頻考點

  • L232 模型評估指標(Precision、Recall、F1、AUC-ROC)
  • L232 Ensemble 方法(Bagging、Boosting、Stacking)
  • L233 過擬合處理(正則化、Dropout、Early Stopping)

常見失分點

  • 勘誤:Recall 是 TP/(TP+FN),學習指引原版寫成 TP/(TP+FP) 是錯的
  • Precision 是預測為正的裡面真的是正的比例,Recall 是真的為正的裡面被找到的比例
  • Bagging(隨機森林)平行訓練、降低變異,Boosting(XGBoost、AdaBoost)依序訓練、降低偏差
  • cross_val_score 回傳每個 fold 的分數,要用 .mean() 才是平均

最重要的一點:Recall = TP/(TP+FN),考題用的是正確版本,程式碼題的重點是看懂 Pipeline 流程(前處理、訓練、評估),不用背 API。

看 L23 官方勘誤 L23 學習指引

115 年下半年中級考題預測

預測,僅供參考
  • Python 程式題比重可能從 25% 略升到 30%
  • L21 的 MLOps 與模型漂移監控會持續出現
  • L22、L23 可能出現 PyTorch 或 TensorFlow 程式碼片段
  • 可解釋 AI(SHAP、LIME)在 L23 會越來越重要
  • 情境規劃題預計維持 70% 以上

以上預測依 114 到 115 年的歷屆考題整理,僅供參考,實際考題以 iPAS 官方公告為準,115 年第一次中級試題公告後會重新整理這一頁。

資料來源:iPAS 官方公告試題與學習指引,依 114 年第二梯次中級公告試題(150 題)整理。