iPAS 考題解析
Titanic MLP 連題組第二題：參考下圖執行結果，下列何者正確？ model = Sequential() model.add(Input(shape=(X_train.shape[1],))) model.add(Dense(10, activation="relu")) model.add(Dense(10, activation="relu")) model.add(Dense(1, activation="sigmoid")) model.summary() model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"]) Model: "sequential" Layer (type) Output Shape Param # dense (Dense) (None, 10) 空格 1 dense_1 (Dense) (None, 10) 空格 2 dense_2 (Dense) (None, 1) 11 敘述： A：activation="relu" 其數學式為 f(x) = 1/(1+e^(-x)) B：空格 1 值為 110，空格 2 值為 100 C：空格 1 值為 100，空格 2 值為 110 D：activation="sigmoid" 一般用於多類別分類預測模型
中級 機器學習技術與應用
難度：基礎 ☆☆☆ 114 年考題
題目與選項
Titanic MLP 連題組第二題：參考下圖執行結果，下列何者正確？ model = Sequential() model.add(Input(shape=(X_train.shape[1],))) model.add(Dense(10, activation="relu")) model.add(Dense(10, activation="relu")) model.add(Dense(1, activation="sigmoid")) model.summary() model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"]) Model: "sequential" Layer (type) Output Shape Param # dense (Dense) (None, 10) 空格 1 dense_1 (Dense) (None, 10) 空格 2 dense_2 (Dense) (None, 1) 11 敘述： A：activation="relu" 其數學式為 f(x) = 1/(1+e^(-x)) B：空格 1 值為 110，空格 2 值為 100 C：空格 1 值為 100，空格 2 值為 110 D：activation="sigmoid" 一般用於多類別分類預測模型
- A. activation="relu" 其數學式為 f(x) = 1/(1+e^(-x))
- B. 空格 1 值為 110，空格 2 值為 100
- C. 空格 1 值為 100，空格 2 值為 110 ✓ 正確答案
- D. activation="sigmoid" 一般用於多類別分類預測模型
詳細解析
正確答案：C. 空格 1 值為 100，空格 2 值為 110
正確的是選項 C：空格 1（第一個 Dense 層）= 100，空格 2（第二個 Dense 層）= 110。輸入 9 維 → 輸出 10，參數 = 9×10+10 = 100；輸入 10 維 → 輸出 10，參數 = 10×10+10 = 110。
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。
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
在二元分類問題中，若精確率（Precision）為 0.8，召回率（Recall）為 0.6，則 F1 分數（F1 Score）為何？
中級 機器學習技術與應用 難度 ☆☆☆ 114 年
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 ☆☆☆ 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。