iPAS 考題解析
ACID 中「原子性(Atomicity)」的意義為何？
中級 大數據處理分析與應用
難度：進階 ★★★
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 大數據處理分析與應用
- 知識主題
- 大數據處理技術
- 能力指標
- 數據儲存與管理（L22202）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「大數據處理分析與應用」科目中的「大數據處理技術」範疇， 對應的能力指標為「數據儲存與管理」，涵蓋資料庫架構、儲存機制、模型訓練等核心知識點。 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
ACID 中「原子性(Atomicity)」的意義為何？
- A. 所有欄位型別相同
- B. 批次執行所有操作
- C. 交易不可分割，全部成功或全部失敗 ✓ 正確答案
- D. 自動同步所有節點
詳細解析
正確答案：C. 交易不可分割，全部成功或全部失敗
原子性就像「要嘛全做，要嘛全不做」。銀行轉帳時，扣款和入帳必須同時成功或同時失敗，不能只做一半。
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. 所有欄位型別相同 （不正確）
原子性和欄位型別無關
B. 批次執行所有操作 （不正確）
批次（Batch）執行不等於原子性，原子性強調的是全有或全無
D. 自動同步所有節點 （不正確）
自動同步是分散式系統的一致性問題，不是原子性
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。
研究團隊接下來想要將Year欄位轉換為整數型態，以便後續進行年份趨勢分析。考慮到資料中可能包含缺失值（NaN），請選出最合適的轉換方式。 A) data['Year'] = data['Year'].astype(int) B) data['Year'] = data['Year'].fillna(0).astype(int) C) data['Year'] = data['Year'].fillna(1).astype(int) D) data['Year'] = data['Year'].astype('Int64')
中級 大數據處理分析與應用 難度 ★★☆ 114 年
分析師在載入vgsales.csv資料後（欄位包含Name、Platform、Year、Genre、Publisher、NA_Sales、EU_Sales、JP_Sales、Other_Sales、Global_Sales），檢視Year欄位的資料型態，發現它是float64，而非一般年份常用的整數。下列哪些原因可能導致這種狀況？ 原因A：CSV檔中Year欄位有缺失值（NaN），導致Pandas自動將整欄轉為浮點數。 原因B：CSV檔中的年份資料原本是字串（如"2006"），Pandas轉換時出錯而變成浮點數。 原因C：Pandas預設會將所有數值型態讀取為float64，不論資料是否為整數。 原因D：CSV檔中的年份資料可能包含小數點（例如2006.0），因此被視為浮點數。
中級 大數據處理分析與應用 難度 ★★☆ 114 年
在圖形資料庫（Graph Database）中建模社群平台資料時，若每筆「按讚」行為都包含時間戳記（Timestamp）與裝置類型（Device Type）等資訊。若希望同時保留使用者與貼文之間的互動關係，並能有效查詢「按讚」的行為屬性，下列哪一種設計方式最為合適？
中級 大數據處理分析與應用 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 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。