iPAS AI 應用規劃師科目一考什麼？考試重點總整理
考完 iPAS AI 應用規劃師之後，常常被問：科目一到底都考什麼？要從哪裡開始準備比較好？
老實說，我自己準備的時候真的是完全憑感覺。刷完考古題以後大概有個模糊印象「好像很愛考機器學習分類」，可是到底佔多少，我完全不知道XD
最近重新整理筆記的時候，想說不然用 AI 認真做一次好了，就把官方公告的三份考古題，總共 150 題提供給 AI 作分析，先來偷看一下結論XD
科目一前 6 個考點，占 84 題 「背定義就能答」的題目從 26 題掉到只剩 4 題。
現在的科目一光靠背得多已經過不了，考的是你能不能看懂一段企業情境，然後選出對的方法。這篇文章會分析科目一的高頻考題有哪些，希望對你的考試準備有幫助～
1. 我分析的是哪三份考卷？
這次是使用 iPAS 官網「歷屆考題」裡公告的三份「科目一」試題：114-4、115-1、 115-2，每份 50 題單選，三份共 150 題。我的分類原則：答對這題需要哪個核心知識，一題只歸一類。來看個例子：
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？
(A) One-hot 編碼（One-hot encoding） (B) 正規化（Normalization） (C) 特徵交叉（Feature Cross） (D) 寬深模型（Wide and Deep）
選項裡有 One-hot 編碼、正規化、特徵交叉、寬深模型。這題正解是特徵交叉，會歸在特徵工程。
我一開始是用關鍵字統計，發現 One-hot 出現頻率超高，150 題的選項裡出現了 8 次，但真正是題目要的正確做法只有 2 次，其他 6 次都是誘答用的XD
其中 115-1 第 4 題還反過來考，問你處理離群值時「下列何者最不適當」，答案就是 One-hot。所以改用核心知識來判斷比較準確～
2. 主題比例
機器學習概念三梯次穩定在 17 到 18 題，每次都差不多佔三分之一，這部分是最固定的。
| 評鑑主題 | 題數 | 佔比 | 114-4 | 115-1 | 115-2 |
|---|---|---|---|---|---|
| 機器學習概念 | 52 | 34.7% | 18 | 17 | 17 |
| 鑑別式 AI 與生成式 AI 概念 | 32 | 21.3% | 10 | 10 | 12 |
| 資料處理與分析概念 | 32 | 21.3% | 14 | 12 | 6 |
| 人工智慧概念（含 AI 治理） | 21 | 14.0% | 5 | 7 | 9 |
| 可解釋 AI（XAI）※另計 | 13 | 8.7% | 3 | 4 | 6 |
再來可以觀察一下 114-4、115-1、115-2 的變化：
- 資料處理與分析：14 → 12 → 6 題，題數明顯變少
- 人工智慧概念（AI 治理）：5 → 7 → 9 題，題目逐漸變多
2.1. 18 個知識點的出題頻率
如果你時間很趕，這張表很值得參考，可以準備前六個考點
2.2. 高頻考題：生成式與鑑別式模型，16 題（10.7%）
三梯次分別是 4 → 6 → 6 題，裡面又可以拆成：
- VAE／自編碼器 4 題
- RAG 3 題（每梯次剛好各一題）
- 模型家族歸類：某個模型屬於生成式還是鑑別式 2 題
- 其餘：GAN、Diffusion、條件語言模型、CLIP／DINO 自監督、生成式 AI 品質評估，各出過一次
RAG 的：114-4 第 38 題和 115-1 第 42 題幾乎是同一題。 兩題都在講「RAG 系統每次更新文件都要重建完整索引，導致更新期間不能服務，怎麼辦」，答案都是採用增量或分段更新。
到了 115-2 第 50 題又換個角度考 RAG。這次問的是「內規每月更新，該用 RAG 還是微調」，答案是 RAG，因為不用重新訓練。三梯次都有出現
2.3. 高頻考題：LLM 與 Transformer，16 題（10.7%）
三梯次分別是 6 → 4 → 6 題。題目大部分是在問「模型要上線了，成本和效能怎麼辦」。可以再細拆成：
- 批次推論、Batching、推論成本 4 題
- 微調類：災難性遺忘、RLHF、GRPO 3 題
- 模型優化：剪枝、Flash Attention、專家混合（MoE）3 題
- Transformer 機制：推理瓶頸、上下文窗口 2 題
- 其餘：參數量與模型效能、資料去偏、AutoSkill 框架、模式崩潰（Mode Collapse）各一題
題目很愛問「遇到這個狀況該調哪個部分」，所以名詞背起來還不夠，要知道每個技術是拿來解什麼問題的。
2.4. 高頻考題：機器學習類型辨識，16 題（10.7%）
三梯次是 5 → 7 → 4 題，每一梯次都有，一次至少 4 題。這題目類型很固定，大概有兩種。
一種是給情境，問「屬於哪一種學習方式」。另一種是給「情境與學習類型」的配對，問哪一組是對的或錯的。後者三份考卷都出現過，115-2 還一次出了兩題。
另外補充一種，是列 1 到 6 條敘述，問哪幾條是錯的，例如：114-4 第 40 題和 115-1 第 43 題。
考實際應用情境難度雖然會比較高，但可以用方便的表格來記憶，我之前就是把這張表背熟，投報率還蠻高的～
| 學習範式 | 要不要標籤 | 典型任務 |
|---|---|---|
| 監督式 | 要 | 分類、迴歸（預測流失、預測房價） |
| 非監督式 | 不要 | 分群、關聯規則、降維（顧客分群） |
| 半監督式 | 少量標註加上大量未標註 | 標註成本高的情況（醫療影像、葉片病害） |
| 自監督式 | 不用人工標，資料自己產生目標 | 預訓練（CLIP、DINO） |
| 強化式 | 沒有標籤，只有獎勵回饋 | 試錯決策（車隊調度、推薦策略） |
2.5. 可解釋 AI 13 題
XAI 是 18 個知識點裡，連續兩梯次成長的：3 → 4 → 6 題。 到 115-2 已經佔全卷 12%，六題的比重不小。
裡面五個技術的分布：
- LIME 4 題
- 顯著性圖 3 題
- SHAP 2 題
- 反事實解釋 2 題
- 部分依賴圖 1 題
- XAI 的核心價值 1 題
這五個名詞如果只是分開背，考場上一定會混。所以一定要善用表格來整理相關名詞與對應的應用情境。
| 題幹在要什麼 | 該選 |
|---|---|
| 解釋單一筆預測，用一個簡化模型去近似黑箱在那附近的行為 | LIME |
| 單一預測裡，各特徵各自貢獻多少（有正有負、可以加總） | SHAP |
| 標示影像或文字中哪一塊區域影響最大 | 顯著性圖 |
| 要改變什麼，結果才會翻盤（例如貸款才會過） | 反事實解釋 |
| 某個特徵對預測的整體趨勢（但看不出單一筆的原因） | 部分依賴圖 PDP |
判斷的關鍵字大概是這樣：
- 看到「單一筆」想 LIME 和 SHAP
- 看到「貢獻多少」選 SHAP
- 看到「影像或文字的區域」選顯著性圖
- 看到「要改什麼才會過」選反事實解釋
- 看到「整體趨勢」選 PDP。
像是「某銀行的信貸模型拒絕了客戶，要向他解釋」「某醫院要標示 X 光片上影響診斷的區域」「某製造業想知道溫度對良品率的整體趨勢」。
XAI、四種學習類型、資料不平衡這幾組是最容易混的，我另外整理在「iPAS AI 應用規劃師科目一考試重點｜5 組最容易搞混的觀念」，裡面統計了每個名詞的誘答率，也拆得更細，可以搭配著看～
3. 比「考什麼」更關鍵的是「怎麼考」
前面講的都是考點，但我拆完最想跟大家分享的其實是這一段。
3.1. 純背定義的題目，從 26 題掉到 4 題
考古題的題型大概可以分成五類。
| 題型 | 合計 | 114-4 | 115-1 | 115-2 |
|---|---|---|---|---|
| 情境選型題 | 89 | 17 | 32 | 40 |
| 定義辨識題 | 41 | 26 | 11 | 4 |
| 概念敘述題 | 11 | 5 | 4 | 2 |
| 複合敘述題 | 5 | 1 | 1 | 3 |
| 計算推理題 | 4 | 1 | 2 | 1 |
定義辨識題的題數，明顯在減少：26 → 11 → 4。
表示 114 年，靠死背名詞卡可能還能拿到一半的分數，到了 115-2 這招就行不通了！現在反而是情境判斷的練習越來越重要。
3.2. 題幹愈寫愈長，115-2 有三分之二超過 100 字
| 指標 | 114-4 | 115-1 | 115-2 |
|---|---|---|---|
| 題幹平均字數 | 81 | 97 | 111 |
| 題幹 100 字以上 | 13 題 | 21 題 | 33 題 |
| 題幹 120 字以上 | 6 題 | 12 題 | 16 題 |
題幹長度有逐漸變長的趨勢，考場上不只是在考 AI 觀念，同時也在考閱讀速度。一段情境敘述讀完，還要回頭比對四個選項，時間真的會不夠用！
我在「iPAS AI 應用規劃師初級好考嗎？考過後的真實心得分享」裡有提到，科目一我寫完只剩 20 分鐘檢查，跟我一起考的家人是一路寫到最後完全沒時間檢查。拆完題幹字數之後我才知道，題目是真的變長了。
我當初刷考古題的時候只在意「這題我會不會」，沒有計時。現在回頭看，我會建議至少完整計時做過一份，感受一下長題幹連續讀 50 題是什麼狀態，這跟你會不會是兩件事。
4. 題幹都在寫哪些產業？
從歷年考古題來看，情境題越來越多了，那題幹裡的情境到底都在寫什麼？
| 場景 | 題數 | 佔比 |
|---|---|---|
| 金融／保險 | 18 | 12.0% |
| 製造／工業 | 17 | 11.3% |
| 零售／電商 | 15 | 10.0% |
| 醫療／健康 | 8 | 5.3% |
| 物流／交通 | 7 | 4.7% |
| 政府／公共 | 6 | 4.0% |
| 媒體／法遵 | 5 | 3.3% |
| 其他（農業、資安、電信） | 6 | 4.0% |
| 泛企業情境（沒指明產業） | 25 | 16.7% |
| 無情境（純概念題） | 43 | 28.7% |
固定題材：
- 金融與保險 18 題：詐欺交易偵測、理賠金額預測、信貸與授信決策、洗錢偵測、違約風險、核保。這些情境底下常掛的考點是類別不平衡（SMOTE）、召回率，還有 XAI。
- 製造與工業 17 題：瑕疵檢測、預測性維護、產線影像判讀、設備感測資料。常掛 CNN、自編碼器異常偵測、遷移學習。
- 零售與電商 15 題：顧客分群、購買預測、推薦系統、商品損耗預測。常掛非監督式學習、半監督式學習、特徵工程。
比較有效的複習方式，是用情境去記，不是用名詞去記。 像是「SMOTE 合成少數類別樣本」，可以這樣記「銀行詐欺偵測、瑕疵品檢測這種少數類別極少的情況，用 SMOTE 補樣本」。
5. 有些考點可能會重複出現
這應該算是送分題，一定要好好把握～
| 考點 | 出現次數 | 出處 |
|---|---|---|
| 《金融機構運用人工智慧技術作業規範》 | 3 | 114-4 Q10、115-1 Q13、115-2 Q8 |
| 情境與機器學習類型的配對題 | 4 | 114-4 Q13、115-1 Q39、115-2 Q2、Q22 |
| LIME 的定位與用途 | 4 | 114-4 Q29、115-1 Q26、115-2 Q32、Q42 |
| 自編碼器與 VAE 的運作與用途 | 4 | 114-4 Q22、115-1 Q10、Q22、115-2 Q27 |
| 數位發展部 AI 產品與系統評測中心 | 3 | 114-4 Q23、Q49、115-2 Q6 |
| 顯著性圖 Saliency Map | 3 | 115-1 Q29、115-2 Q30、Q37 |
| 半監督式學習判定 | 3 | 115-1 Q31、115-2 Q26、Q38 |
《金融機構運用人工智慧技術作業規範》三份考卷全部有考，而且問的角度很接近，常常考「必須揭露什麼」、「治理措施要做什麼」。
6. 計算題只有 4 題，而且都是心算等級
150 題裡真正要動手算的只有 4 題（2.7%），三梯次各 1 到 2 題。而且是這種等級：
- KNN 的 K 設 3，三個鄰居是 A、B、A，問預測哪一類（答案是 A）
- 給你 9 個數字的排序陣列，問二分搜尋最多比較幾次（答案是 3 次）
- 正確抓到 80 隻害蟲、誤判 20 張、漏掉 10 隻，問該看哪個指標（答案是召回率）
我準備的時候也擔心過會不會出計算題，依照目前得出題頻率來看，應該是不用太擔心～
7. 如果我現在重新準備科目一，我會怎麼做？
以前的準備方式是「這個名詞是什麼意思」，現在要考的是「看到這段情境，該選哪一個方法」。建議在讀每個名詞的時候，也同時了解記住它的應用情境：
- 「標註資料很少、未標註很多」→ 半監督式學習
- 「沒有標註、要找出跟正常不一樣的」→ 自編碼器或非監督式異常偵測
- 「少數類別樣本極低、準確率很高但沒意義」→ 看召回率或 F1，不要看準確率
- 「不能漏掉任何一個（癌症篩檢、害蟲檢測）」→ 召回率
- 「文件常常更新、不能重新訓練」→ RAG，不是微調
- 「要跟客戶解釋為什麼被拒絕」→ LIME、SHAP 或反事實解釋
8. 科目一到底都考什麼？
機器學習、生成式 AI、LLM、XAI，值得提早準備。題幹平均字數從 81 字漲到 111 字，連選項一起算，整題平均已經來到 220 字。現在考的是「讀懂一段企業情境，然後選出對的方法」。
另外，科目一本來就是比較難的那一科。依照 iPAS 官網公告的「115 年第二次考試成果統計」，科目一平均 62.62 分、及格率 30.78%，科目二平均 75.30 分、及格率 77.31%。
兩科平均差了 12 分多，及格率更是差到兩倍以上。我自己考出來也是科目一 78 分、科目二 88 分，科目一比較低。所以如果你的時間有限，可以把重心放在科目一。
看完科目一的分布，接下來就是照著練。想模擬完整一份考卷、順便抓一下時間感，就用「練習測驗」，兩邊的題目都附了逐選項的詳解，寫了為什麼對、為什麼錯。
如果你也想省掉整理筆記的那一週，可以看看我整理的「科目一與科目二學習筆記」，希望這篇文章可以幫你少走一些彎路！
考前一天還可以做哪些準備、考場當天要注意什麼，我整理在「iPAS AI 應用規劃師考前準備：考試要帶什麼？流程與答題技巧一次看懂」，考前也可以複習一下哦～