iPAS 考題解析
若要設計一個能夠辨識並過濾垃圾郵件的系統，應該選擇下列哪一種機器學習演算法以實現最佳效果？
初級 人工智慧基礎概論
難度：基礎 ★☆☆
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 人工智慧基礎概論
- 知識主題
- 機器學習概念
- 能力指標
- 機器學習基本原理（L11301）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「人工智慧基礎概論」科目中的「機器學習概念」範疇， 對應的能力指標為「機器學習基本原理」，涵蓋模型訓練與泛化機制等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
若要設計一個能夠辨識並過濾垃圾郵件的系統，應該選擇下列哪一種機器學習演算法以實現最佳效果？
- A. 監督式學習（Supervised Learning） ✓ 正確答案
- B. 非監督式學習（Unsupervised Learning）
- C. 半監督式學習（Semi-supervised Learning）
- D. 強化學習（Reinforcement Learning）
詳細解析
正確答案：A. 監督式學習（Supervised Learning）
垃圾郵件過濾有明確的標籤（垃圾/非垃圾），最適合用監督式學習（Supervised Learning）來訓練分類模型（Classification Model）。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 監督式學習（Supervised Learning） （正確）
垃圾郵件過濾是典型的分類問題，有明確的「垃圾」和「非垃圾」標籤，監督式學習能利用這些標籤訓練模型進行準確分類。
B. 非監督式學習（Unsupervised Learning） （不正確）
非監督式學習沒有標籤，主要用於發現數據中的隱藏模式或分群，不適合直接用於有明確分類目標的垃圾郵件過濾。
C. 半監督式學習（Semi-supervised Learning） （不正確）
半監督式學習適用於標籤資料稀缺的情況。但垃圾郵件過濾通常有足夠的標籤資料，純監督式學習更直接有效。
D. 強化學習（Reinforcement Learning） （不正確）
強化學習適用於透過試錯學習最佳決策序列的場景，而垃圾郵件過濾是靜態的分類任務，不適合強化學習。
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。
基礎題備考建議
- ▶ 本題屬於基礎難度，考核 AI 領域的基本概念與定義，建議從術語定義開始理解。
- ▶ 基礎題通常考的是「是什麼」，確保你能用自己的話解釋每個選項中提到的概念。
- ▶ 建議搭配 AITerms.tw 術語詞典，逐一查閱本題涉及的關鍵詞，建立完整的知識框架。
- ▶ iPAS 初級考試中，基礎概念題佔比約 30% 至 40%，熟練掌握這類題目是拿分的基礎。
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。
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。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師初級考試。 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。