iPAS 考題解析
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：進階 ★★★ 114 年考題
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
- 大數據與機器學習（L22401）
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「大數據與機器學習」，涵蓋大數據特性對機器學習演算法產生的底層影響與挑戰等核心知識點。 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
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？
- A. 早期停止（Early Stopping）
- B. 批次分群（Mini-batching）
- C. 混合精度訓練（Mixed Precision Training） ✓ 正確答案
- D. 主成分分析（PCA）
詳細解析
正確答案：C. 混合精度訓練（Mixed Precision Training）
混合精度訓練（Mixed Precision Training）結合 FP32 和 FP16（半精度浮點數）計算，在 GPU 上顯著加速計算速度（速度提升 2-3 倍）並減少記憶體使用，同時保持模型精度。這是大數據深度學習訓練的主流加速技術。Early Stopping 是防過擬合；Mini-batching 是常規訓練方式；PCA 是降維。
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. 早期停止（Early Stopping） （不正確）
Early Stopping 是防止過擬合的技術，主要目的不是加速訓練。
B. 批次分群（Mini-batching） （不正確）
Mini-batching 是標準訓練技術，不是大數據環境特有的加速方法。
C. 混合精度訓練（Mixed Precision Training） （正確）
混合精度訓練通過 FP16 計算顯著加速 GPU 訓練，此為正確答案。
D. 主成分分析（PCA） （不正確）
PCA 是降維技術，非訓練加速技術。
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。
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
某研究人員欲使用線性迴歸模型（Linear Regression Model）分析變數Y與X之間的關係，但發現Y的分佈明顯右偏，且其變異數隨X的增大而增加。為滿足模型假設並提升預適效果，下列哪一種前處理方法最為合適？
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 114 年 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。