iPAS AI 應用規劃師

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?

初級 人工智慧基礎概論 難度:中等 ★★☆ 114 年考題

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。

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。