iPAS AI 應用規劃師學習指引勘誤表
官方學習指引已知的錯誤，考前核對一次，避免背到錯的答案。
初級學習指引勘誤
下載官方勘誤表 PDF科目範圍：L11 人工智慧基礎概論、L12 生成式 AI 應用與規劃
| 主題 | 科目 | 原版（錯誤） | 更正 | 影響 |
|---|---|---|---|---|
| K-means 收斂答案（第3題） | L11 | B（群內距離最大化） | A（群內距離最小化，群間距離最大化） | 考題直接考此答案，選 B 會答錯 |
| Type I / Type II Error 對照表 | L11 | 拒絕 H₀ 那格標為 Type II 錯誤（α） | 拒絕 H₀ 且 H₀ 為真 → Type I 錯誤（α）；接受 H₀ 且 H₀ 為假 → Type II 錯誤（β） | 假設檢定題常考，表格欄位標錯會導致整題判斷方向錯誤 |
| 平均差（Mean Deviation）定義 | L11 | 每一個觀察值與平均數之間的差距，其數值越大表示分散程度越高 | 是所有觀察值與平均數之間絕對差值的平均，其數值越大，表示資料的分散程度越高 | 強調「絕對差值的平均」，非單純差距，定義題直接影響判斷 |
| 抽樣變異（Sampling Variation）定義 | L11 | 樣本統計量與母體參數之間存在差異，這種差異稱為抽樣變異 | 從母體抽取樣本所計算出的統計量，因樣本的隨機性而與對應母體參數有所差異，這種統計量變動現象稱為抽樣變異（Sampling Variation） | 關鍵字「統計量變動現象」，非單純「差異」 |
| 統計推論定義（假說檢定名詞表） | L11 | 導致接受或拒絕之統計假設的步驟，就是統計推論之主要工作 | 根據樣本資料，判斷是否接受或拒絕統計假設的過程 | 措辭不精確，定義題可能直接考這段文字 |
| p 值假設檢定第 7 題（選項 B 措辭） | L11 | 「我們有 95% 的信心拒絕虛無假設」 | 「我們在 95% 的信心水準下拒絕虛無假設」；p=0.03 表示在 α=0.05 下可拒絕 H₀，但不等於犯型一錯誤的機率是 5% | 選項 B 措辭改寫，直接影響選題判斷 |
| 章節標題（3） | L12 | （3）資源與基礎設施評估 | （3）企業導入階段性實施策略 | 標題與段落內容不符，考「導入策略」知識點時影響判斷 |
中級學習指引勘誤
下載官方勘誤表 PDF科目範圍：L21 AI 技術應用與規劃、L22 大數據處理分析與應用、L23 機器學習技術與應用
| 主題 | 科目 | 原版（錯誤） | 更正 | 影響 |
|---|---|---|---|---|
| IDF 公式精確值（TF-IDF 計算範例） | L21 | IDF("AI", D) = log(1000/10) = log(100) ≈ 2 | IDF("AI", D) = log(1000/10) = log(100) = 2 | ≈ 改為 =，log₁₀(100) 是精確值 2，非近似值，數值計算題直接影響答案 |
| PDPA 個人資料保護法定義 | L21 | 台灣 PDPA 規範所有在台灣境內或涉及台灣居民個資的組織，要求必須取得明確同意 | 目的為規範個人資料之蒐集、處理及利用，以避免人格權受侵害。蒐集前須告知：蒐集機關名稱、蒐集目的、個資類別、利用情形、當事人權利及行使方式、不提供資料之影響 | 定義方向大幅更正，考「事前告知義務」內容時直接影響答案 |
| Recall（召回率）公式 | L23 | Recall = TP / (TP + FP) | Recall = TP / (TP + FN) | 直接影響模型評估考題答案，是 L23 最重要勘誤 |
| 加權求和通式（神經元計算） | L23 | Z = w₁x₁ + w₂x₂ + … + wₙxₙ + b = Σ w₁x₁ + b（下標全為 1） | Z = w₁x₁ + w₂x₂ + … + wₙxₙ + b = Σ wᵢxᵢ + b（下標為 i） | 公式下標錯誤，正確通式是 wᵢxᵢ，感知器章節同一錯誤（p.4-55, 4-56） |
| 邏輯迴歸模型假設術語 | L23 | 線性可分性（Linearity in Log-Odds） | 對數勝算的線性關係（Linearity in Log-Odds） | 術語翻譯不準確，考邏輯迴歸假設時影響選項判斷 |
本站內容的勘誤
這頁是官方學習指引的勘誤，本站解析、補強單元與術語的錯誤回報和修正紀錄放在一起維護，每一頁底部都可以回報。