AI 技術系統集成與部署：8 題線上練習
「AI 技術系統集成與部署」是 iPAS AI 應用規劃師中級的能力指標（代號 L21302），涵蓋AI 系統架構設計、模型部署技術、效能監控和更新管理、雲端環境建置。本頁收錄 8 題免費練習題，附逐題解析。
「AI 技術系統集成與部署」是 iPAS AI 應用規劃師中級的能力指標（代號 L21302），涵蓋AI 系統架構設計、模型部署技術、效能監控和更新管理、雲端環境建置。本頁收錄 8 題免費練習題，附逐題解析。
考試範圍定位
- 考試等級
- iPAS AI 應用規劃師中級能力鑑定
- 考試科目
- AI 技術應用與規劃（L21）
- 知識主題
- AI 技術應用與系統部署（L213）
- 能力指標
- AI 技術系統集成與部署（L21302）
- 涵蓋知識點
- AI 系統架構設計、模型部署技術、效能監控和更新管理、雲端環境建置
練習題列表（共 8 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。
下列何者為Kubernetes在AI模型部署與運行中的核心功能？
在企業導入的MLOps（Machine Learning Operations）流程中，Model Registry最常用於哪一個階段？
某電商平台開發的顧客流失預測模型在上線數月後，預測準確率明顯下降。專案團隊懷疑顧客行為模式改變，導致模型輸入特徵的分佈與原始訓練資料不同，出現典型的資料漂移（Data Drift）問題。為了偵測並確認資料分佈是否發生變化，下列哪一種作法最合適？
某企業的AI模型已部署於線上服務環境中，用於即時預測顧客流失率。近期團隊注意到模型預測準確率逐漸下降，但系統運作正常且未出現錯誤訊息。經分析發現，近期輸入資料的分佈與模型訓練資料相比出現顯著偏移。若要在MLOps流程中主動偵測並預警此類問題，最應採用下列哪項措施？
Kubernetes 在 AI 系統部署中的核心功能為何？
MLOps 中 Model Registry 的主要用途為何？
偵測 Data Drift（資料漂移）的方法為何？
MLOps 中 Data Drift 偵測預警的最佳做法為何？
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。