iPAS 考題解析
偵測 Data Drift（資料漂移）的方法為何？
中級 人工智慧技術應用與規劃
難度：進階 ★★★
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- AI 技術應用與規劃
- 知識主題
- AI 技術應用與系統部署
- 能力指標
- AI 技術系統集成與部署（L21302）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「AI 技術應用與規劃」科目中的「AI 技術應用與系統部署」範疇， 對應的能力指標為「AI 技術系統集成與部署」，涵蓋AI 系統架構設計、模型部署技術、效能監控和更新管理、雲端環境建置等核心知識點。 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
偵測 Data Drift（資料漂移）的方法為何？
- A. 定期重新訓練模型
- B. 提升模型複雜度
- C. 增加測試資料量
- D. 計算 KL 散度比較分布差異 ✓ 正確答案
詳細解析
正確答案：D. 計算 KL 散度比較分布差異
KL 散度（Kullback-Leibler Divergence）能量化（Quantization）兩個機率分布的差異。比較訓練時和上線後的資料分布，如果 KL 散度超過閾值，代表發生了 Data Drift。
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. 定期重新訓練模型 （不正確）
定期重新訓練是應對漂移的策略，但不是「偵測」漂移的方法
B. 提升模型複雜度 （不正確）
提升複雜度不能偵測漂移，反而可能加劇過擬合（Overfitting）
C. 增加測試資料量 （不正確）
增加測試資料量不能偵測分布變化
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。
進階題備考建議
- ▶ 本題屬於進階難度，涉及技術原理的深入理解或跨領域整合應用，需要紮實的基礎。
- ▶ 進階題通常需要你綜合多個知識點才能判斷，建議建立知識圖譜，把相關概念串聯起來。
- ▶ 如果這題答錯了，建議回頭複習相關的基礎概念，確保每一層知識都沒有漏洞。
- ▶ 中級考試的進階題佔比較高，建議先把初級範圍的基礎打穩，再挑戰中級進階題。
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。
同時包含連續型和類別型特徵時，最佳的特徵工程方法為何？
中級 人工智慧技術應用與規劃 難度 ★★★
某電商平台開發的顧客流失預測模型在上線數月後，預測準確率明顯下降。專案團隊懷疑顧客行為模式改變，導致模型輸入特徵的分佈與原始訓練資料不同，出現典型的資料漂移（Data Drift）問題。為了偵測並確認資料分佈是否發生變化，下列哪一種作法最合適？
中級 人工智慧技術應用與規劃 難度 ★★☆ 114 年
公司把客服摘要模型包成容器服務。週一上午流量突然增加三倍，團隊希望在不手動登入每台機器的情況下，透過 Kubernetes、Horizontal Pod Autoscaler（HPA）與已設定的監控指標自動增加或減少服務副本。這套機制最適合負責哪一件事？
中級 人工智慧技術應用與規劃 難度 ★★★
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 iPAS 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。