iPAS 考題解析
某保險公司每月處理約 50 萬筆理賠申請，希望建立 AI 系統自動識別可疑的詐欺案件。由於公司內部缺乏 AI 專業人員，且需要快速上線驗證效果，IT 資訊主管正在評估不同的 AI 平台解決方案。在去識別化個人隱私資料後，下列哪一種平台類型最適合該公司的需求？
初級 人工智慧基礎概論
難度：中等 ★★☆ 115 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
- 資料處理與分析概念
- 能力指標
- 資料隱私與安全（L11203）
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「資料處理與分析概念」範疇， 對應的能力指標為「資料隱私與安全」，涵蓋PDPA 個資保護法告知義務、差分隱私、資料匿名化等核心知識點。 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
某保險公司每月處理約 50 萬筆理賠申請，希望建立 AI 系統自動識別可疑的詐欺案件。由於公司內部缺乏 AI 專業人員，且需要快速上線驗證效果，IT 資訊主管正在評估不同的 AI 平台解決方案。在去識別化個人隱私資料後，下列哪一種平台類型最適合該公司的需求？
- A. 從零開始建立深度學習框架並自行訓練模型
- B. 採用開源機器學習框架進行客製化模型開發
- C. 使用雲端 AutoML 平台進行自動化模型訓練 ✓ 正確答案
- D. 購買現成的詐欺偵測軟體套件直接部署
詳細解析
正確答案：C. 使用雲端 AutoML 平台進行自動化模型訓練
公司缺乏 AI 專業人員且需要快速上線，AutoML 平台提供自動化的模型訓練流程，不需要深厚的 AI 專業知識即可建立模型，且能快速驗證效果，最符合該公司的需求條件。
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. 從零開始建立深度學習框架並自行訓練模型 （不正確）
從零建立框架需要大量 AI 專業人員和時間，不符合快速上線需求。
B. 採用開源機器學習框架進行客製化模型開發 （不正確）
開源框架的客製化開發同樣需要 AI 專業人員，不適合缺乏人才的公司。
C. 使用雲端 AutoML 平台進行自動化模型訓練 （正確）
AutoML 自動化模型訓練，不需深厚 AI 知識即可快速上線（正確答案）。
D. 購買現成的詐欺偵測軟體套件直接部署 （不正確）
現成軟體可能無法針對特定業務需求調整，且題目強調需要自動識別可疑案件的客製能力。
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。
某零售業者建立顧客行為預測模型，資料集中包含「年消費金額」、「平均單筆交易金額」及「會員年資」等數值型特徵。資料分析顯示，部分金額特徵呈現高度偏態分布，少數樣本的數值顯著高於多數觀測值。為降低極端值對模型學習穩定性的影響，下列哪一種特徵工程方法最適合？
初級 人工智慧基礎概論 難度 ★★☆ 115 年
下列哪一種資料類型不屬於非結構化資料？
初級 人工智慧基礎概論 難度 ★☆☆
在零售業進行客戶行為分析時，資料倉儲中發現多個欄位儲存相同的購買金額資訊（例如：amount_usd、total_price、transaction_value），但其單位、命名慣例及格式不一致，進而導致特徵工程階段混淆模型輸入。針對此種跨欄位語義重疊與結構冗餘問題，下列哪一種資料處理策略最合適且具實務可行性？
初級 人工智慧基礎概論 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 115 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。