iPAS 考題解析
某資料科學團隊正在開發一個客戶相似度比對系統，用於計算所有客戶之間的相似度分數。若系統需逐一比對每一位客戶與其他所有客戶的資料組合，此時演算法的時間複雜度最可能為哪一種？其代表意義為何？
中級 機器學習技術與應用
難度：基礎 ☆☆☆ 114 年考題
題目與選項
某資料科學團隊正在開發一個客戶相似度比對系統，用於計算所有客戶之間的相似度分數。若系統需逐一比對每一位客戶與其他所有客戶的資料組合，此時演算法的時間複雜度最可能為哪一種？其代表意義為何？
- A. O(n)：執行時間與資料量成線性關係
- B. O(n²)：執行時間與資料量平方成正比 ✓ 正確答案
- C. O(1)：執行時間固定不變
- D. O(log n)：執行時間與資料量呈對數成長關係
詳細解析
正確答案：B. O(n²)：執行時間與資料量平方成正比
每位客戶都要和其他所有客戶比對一次，答案是 O(n²)：客戶數量增加 10 倍，比對次數增加 100 倍，執行時間與資料量的平方成正比，資料量一大就會非常慢。
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
某醫療人工智慧團隊正在開發心臟病風險預測模型，資料量僅有 150 筆，其中陽性個案不到 8%。由於樣本數稀少且類別分佈極不平衡，團隊希望在有限資料下，仍能準確評估模型在不同資料上的表現穩定性，同時避免訓練資料被過度切分而影響模型效能。若團隊希望在有限樣本下，同時兼顧資料的利用率及各類別在驗證折中的比例一致性，最適合採用下列哪一種交叉驗證方法？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
Titanic MLP 連題組第三題：模型訓練後繪製訓練/驗證損失曲線，圖顯示訓練損失（藍實線）持續下降，驗證損失（紅虛線）下降後在 0.45 附近趨平且小幅波動。 history = model.fit(X_train, y_train, validation_split=0.2, epochs=100, batch_size=10) loss, accuracy = model.evaluate(X_train, y_train, verbose=0) import matplotlib.pyplot as plt loss = history.history["loss"] epochs = range(1, len(loss)+1) val_loss = history.history["val_loss"] plt.plot(epochs, loss, 空格 1, label="Training Loss") plt.plot(epochs, val_loss, 空格 2, label="Validation Loss") 敘述（複選 sub-options）： A：空格 1 須填入 "b-" B：空格 2 須填入 "b--" C：空格 1 須填入 "r-" D：空格 2 須填入 "r--" E：驗證損失明顯較訓練損失減少更明顯 請問下列何者正確？（4 個選項各為不同的子敘述組合）
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
下列哪一種優化演算法內建動量（Momentum）的設計機制？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。