iPAS 考題解析
生成式 AI 處理多來源資料的最佳做法為何？
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
- 大數據在人工智慧之應用
- 能力指標
- 大數據在生成式 AI 中的應用（L22403）
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「大數據在人工智慧之應用」範疇， 對應的能力指標為「大數據在生成式 AI 中的應用」，涵蓋生成式模型在處理大規模語料時的技術需求等核心知識點。 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
生成式 AI 處理多來源資料的最佳做法為何？
- A. Data Lake 搭配 Apache Spark/Ray 分散式預處理與管線 ✓ 正確答案
- B. 單節點批次處理
- C. 向量資料庫索引直接餵入模型
- D. 讓生成式模型自動清理資料
詳細解析
正確答案：A. Data Lake 搭配 Apache Spark/Ray 分散式預處理與管線
多來源資料（結構化、非結構化、不同格式）先存入 Data Lake，再用 Spark/Ray 做分散式清洗和轉換，建立標準化（Standardization）的資料管線。
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. Data Lake 搭配 Apache Spark/Ray 分散式預處理與管線 （正確）
Data Lake 能儲存各種原始資料，而 Apache Spark/Ray 提供強大的分散式處理能力，能高效清洗、轉換並建立資料管線，是處理生成式 AI 多來源資料的最佳實踐。
B. 單節點批次處理 （不正確）
單節點批次處理無法應對生成式 AI 所需的大規模、多樣化資料量，會有效能瓶頸，處理效率太低，不適合多來源資料。
C. 向量資料庫索引直接餵入模型 （不正確）
向量資料庫是儲存和查詢「已轉換成向量」的資料，它不能直接處理原始的多格式資料，需要前置處理才能生成向量。
D. 讓生成式模型自動清理資料 （不正確）
生成式模型本身不具備自動清理原始資料的能力，它們需要乾淨、結構化的輸入才能有效運作，資料清理是前置步驟，不能依賴模型自動完成。
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。
為了加速大數據環境下的 AI 模型訓練，以下哪一項為常見技術？
中級 大數據處理分析與應用 難度 ★★★ 114 年
拉拉網路商城的老闆擬透過機器學習的方式，利用過往的產品銷售資料，預測下一季的產品銷售數量，以調整現有的庫存水位。下列哪一個類型的模型，比較適合應用在老闆期望的預測目標？
中級 大數據處理分析與應用 難度 ★★☆ 114 年
考慮資料集已經填補遺漏值，參考下圖執行結果，OLS迴歸輸出顯示：R-squared=0.898，迴歸係數：youtube=0.0455、facebook=0.1891、newspaper=-0.0006，截距=3.5561，newspaper的p值=0.914（不顯著）。 程式碼架構： X = df[['youtube','facebook','newspaper']] y = df['sales'] reg = 空格1 print(reg.coef_) X2 = sm.add_constant(X) model_sm = 空格2 print(model_sm.summary()) 各陳述： A: 空格1完整語法 reg = LinearRegression().fit(y, X) B: 空格1完整語法 reg = LinearRegression().fit(X, y) C: print(reg.coef_)結果為包括截距項等4個係數值 D: 空格2完整語法 sm.OLS(X2, y).fit() E: model_sm迴歸模型的所有迴歸係數在α=0.05之下具有顯著的解釋力 F: 截距項係數值為3.5561 下列哪些陳述正確？
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。