iPAS 考題解析
某金融科技公司在利用歷史交易資料建立風險控管模型時,嘗試推估整體詐騙交易比例。近期發現,樣本間存在明顯的時間序列相關性,導致模型在實際偵測新交易時誤判率升高。若希望同時改善詐騙比例推估的準確性並提升模型的穩健性,下列哪一種做法最為合適?
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
- 人工智慧概念
- 能力指標
- AI 的定義與分類(L11101)
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「人工智慧概念」範疇, 對應的能力指標為「AI 的定義與分類」,涵蓋AI 定義、弱 AI vs 強 AI vs 超 AI 分類、三大 AI 浪潮等核心知識點。 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
某金融科技公司在利用歷史交易資料建立風險控管模型時,嘗試推估整體詐騙交易比例。近期發現,樣本間存在明顯的時間序列相關性,導致模型在實際偵測新交易時誤判率升高。若希望同時改善詐騙比例推估的準確性並提升模型的穩健性,下列哪一種做法最為合適?
- A. 擴充樣本數量,以涵蓋更多潛在的詐騙型態,但維持既有的隨機抽樣方式不變;
- B. 採取時間序列敏感的抽樣策略,例如依據交易時間區間進行分層,以保存原始的時間結構特性; ✓ 正確答案
- C. 將資料完全隨機打散,以降低序列相關性對模型訓練造成的影響;
- D. 在模型評估時,針對相鄰時間區段進行誤差合併,以便使用整體估計方式修正詐騙比例
詳細解析
正確答案:B. 採取時間序列敏感的抽樣策略,例如依據交易時間區間進行分層,以保存原始的時間結構特性;
當資料存在時間序列相關性時,隨機抽樣會破壞時間結構,導致資料洩漏。採用時間序列敏感的分層抽樣策略,能保留資料的時間特性,使模型訓練和評估更接近真實情境,提升穩健性。
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. 擴充樣本數量,以涵蓋更多潛在的詐騙型態,但維持既有的隨機抽樣方式不變; (不正確)
單純增加樣本但維持隨機抽樣,無法解決時間序列相關性的問題。
B. 採取時間序列敏感的抽樣策略,例如依據交易時間區間進行分層,以保存原始的時間結構特性; (正確)
依據時間區間分層抽樣能保留時間結構,避免未來資料洩漏到訓練集,最合適。
C. 將資料完全隨機打散,以降低序列相關性對模型訓練造成的影響; (不正確)
完全隨機打散會破壞時間結構,可能導致訓練集包含未來資料,造成評估失準。
D. 在模型評估時,針對相鄰時間區段進行誤差合併,以便使用整體估計方式修正詐騙比例 (不正確)
合併相鄰時間區段的誤差是事後補救,無法從根本解決訓練階段的問題。
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。
某公司建置基於檢索增強生成(RAG)的知識查詢系統,需同時兼顧查詢效能與資料的即時更新。近期發現回應內容偶爾過時,且每次更新文件都需完整重建索引,導致系統在更新期間無法服務。若要解決此問題並提升整體穩健性,下列哪項做法最適合?
某果園管理公司計畫導入 AI 系統協助農民判斷蘋果成熟度,透過分析果實特徵資訊,評估成熟狀態並自動判斷採收時機。根據 AI 應用領域的分類,這個系統主要屬於哪一個應用領域?
一位資料分析師希望減少輸入特徵的維度,以提升模型運算效率,並觀察變數間潛在的整體結構關係。若欲保留最大資訊量、同時減少特徵數量,下列哪一項方法最適合?
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 114 年 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。