iPAS 考題解析
某企業將機器學習模型部署於線上推薦系統。模型在測試階段表現良好，但上線數月後，點擊率與預測準確度逐漸下降。經分析發現，近期使用者行為模式與模型訓練期間的資料特徵出現顯著變化。此現象最可能屬於下列何者？
初級 生成式AI應用與規劃
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
- 生成式 AI 應用與規劃
- 知識主題
- No code / Low code 概念
- 能力指標
- No Code / Low Code 的基本概念（L12101）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「生成式 AI 應用與規劃」科目中的「No code / Low code 概念」範疇， 對應的能力指標為「No Code / Low Code 的基本概念」，涵蓋工具本身的基本認知與基礎概念等核心知識點。 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
某企業將機器學習模型部署於線上推薦系統。模型在測試階段表現良好，但上線數月後，點擊率與預測準確度逐漸下降。經分析發現，近期使用者行為模式與模型訓練期間的資料特徵出現顯著變化。此現象最可能屬於下列何者？
- A. 模型過度擬合訓練資料，無法泛化至未知樣本
- B. 特徵工程設計不佳，導致輸入資訊不足
- C. 資料統計特徵隨時間改變，影響模型推論效果 ✓ 正確答案
- D. 系統資料結構調整，造成特徵欄位錯置
詳細解析
正確答案：C. 資料統計特徵隨時間改變，影響模型推論效果
使用者行為模式隨時間改變，導致訓練資料的統計特徵不再反映當前情況，這是典型的資料漂移（Data Drift）現象，會影響模型推論效果。
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. 模型過度擬合訓練資料，無法泛化至未知樣本 （不正確）
過度擬合會在測試階段就表現不佳，而非上線後逐漸下降。
B. 特徵工程設計不佳，導致輸入資訊不足 （不正確）
特徵工程問題在測試階段就會顯現，不符合「上線後逐漸下降」的描述。
C. 資料統計特徵隨時間改變，影響模型推論效果 （正確）
正確：資料特徵隨時間改變（Data Drift）是模型上線後效能逐漸下降的典型原因。
D. 系統資料結構調整，造成特徵欄位錯置 （不正確）
特徵欄位錯置會導致突然的效能斷崖，而非逐漸下降。
本題涉及的 AI 術語
深入理解以下術語，有助於掌握本題背後的核心概念，也能幫助你在遇到相似題目時更快判斷正確答案。
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 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。