iPAS AI 應用規劃師
初級知識主題 L112

資料處理與分析概念:22 題線上練習

「資料處理與分析概念」是 iPAS AI 應用規劃師初級「人工智慧基礎概論」科目下的知識主題(代號 L112)。本頁收錄 22 題免費練習題,依能力指標分組,附逐題解析。

「資料處理與分析概念」是 iPAS AI 應用規劃師初級「人工智慧基礎概論」科目下的知識主題(代號 L112)。本頁收錄 22 題免費練習題,依能力指標分組,附逐題解析。

考試範圍定位

考試等級
iPAS AI 應用規劃師初級能力鑑定
知識主題
資料處理與分析概念(L112)

練習題列表(共 22 題)

點任一題可查看完整題目、選項與逐題解析。題目依難度由基礎到進階排序。

資料整理與分析流程(10 題)→

一家旅遊平台希望建立模型,預測顧客下次是否會再次透過該平台訂房。資料包含:顧客ID、年齡、旅遊次數、平均花費金額、主要交通方式(火車/飛機/自駕/公車)、會員等級(普通/進階/白金)、是否為海外旅遊等。下列哪一種特徵工程方法最適合處理「主要交通方式」欄位?

難度 ★★☆

某公司欲建立員工離職風險預測模型,資料集中包含「年度績效分數」、「平均每月加班時數」、「年齡」等數值型特徵。由於各特徵的數值範圍差異極大(例如績效分數1-5、加班時數0-80、年齡20-65),若直接輸入至使用梯度下降的邏輯迴歸(Logistic Regression)模型,可能導致模型收斂緩慢或權重偏斜。為提升模型訓練效率與準確度,下列哪一種特徵工程方法最適合應用於這些數值特徵?

難度 ★★☆

下列哪一種特徵工程技巧,最適合將「星期幾」和「24 小時制時間」這兩個欄位結合,以預測通勤時間?

難度 ★★☆ 114 年考題

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?

難度 ★★☆ 114 年考題

一家旅遊平台希望建立模型,預測顧客下次是否會再次透過該平台訂房。資料包含:顧客 ID、年齡、旅遊次數、平均花費金額、主要交通方式(火車/飛機/自駕/公車)、會員等級(普通/進階/白金)、是否為海外旅遊等。下列哪一種特徵工程方法最適合處理「主要交通方式」欄位?

難度 ★★☆ 114 年考題

某公司欲建立員工離職風險預測模型,資料集中包含「年度績效分數」、「平均每月加班時數」、「年齡」等數值型特徵。由於各特徵的數值範圍差異極大(例如績效分數 1-5、加班時數 0-80、年齡 20-65),若直接輸入至使用梯度下降的邏輯迴歸(Logistic Regression)模型,可能導致模型收斂緩慢或權重偏斜。為提升模型訓練效率與準確度,下列哪一種特徵工程方法最適合應用於這些數值特徵?

難度 ★★☆ 114 年考題

資料科學團隊在模型訓練前,需對數值特徵進行正規化(Normalization)或標準化(Standardization)。為確保模型評估結果具真實性並避免資料洩漏(Data Leakage),下列何者為最適當的作法?

難度 ★★☆ 115 年考題

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?

難度 ★★☆ 115 年考題

下列哪一種特徵工程技巧,最適合將「星期幾」和「24小時制時間」這兩個欄位結合,以預測通勤時間?

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?

難度 ★★★

本考點的相關 AI 術語

先掌握以下術語的定義與應用情境,再回來刷題,正確率會明顯提升。

下一步

練完本考點的題目後,回到 題庫總覽 查看其他科目的題數分布, 或直接進行 完整模擬考 驗證實力。 還不確定弱點在哪,先做 診斷測驗; 想了解歷年出題趨勢與高頻考點,參考 考古題與模擬測驗總整理