中級 機器學習技術與應用
難度：未標示 114 年考題
題目與選項
某金融機構正在建立傳統信用評分卡模型，採用邏輯迴歸（Logistic Regression）作為建模方法，並依循監理機關建議的標準化流程進行模型開發。下列哪一項不是傳統信用評分卡模型開發流程中的常見步驟？
- A. 使用生成式模型進行特徵學習 ✓ 正確答案
- B. 進行特徵選擇與多重共線性（Multicollinearity）分析
- C. 進行分箱（Binning）與資訊值（Information Value, IV）檢定
- D. 使用樣本穩定性指標（Population Stability Index, PSI）檢驗模型穩定性
詳細解析
正確答案：A. 使用生成式模型進行特徵學習
傳統信用評分卡的標準流程「不包含」的是：使用生成式模型進行特徵學習，信用評分卡必須可解釋、符合監理要求，生成式模型是現代深度學習技術，與傳統邏輯迴歸評分卡的設計理念完全不符。
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。
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。
在防止監督式學習模型過擬合（Overfitting）時，下列哪一種策略不屬於降低模型複雜度或限制學習能力的作法？
中級 機器學習技術與應用 難度 未標示 114 年
VGG16 是由牛津大學 Visual Geometry Group (VGG) 在 2014 年提出的經典卷積神經網路（Convolutional Neural Network, CNN）架構。該模型以簡潔且規則的層堆疊設計聞名，廣泛應用於影像分類、特徵提取及遷移學習等任務。附圖程式碼載入了預訓練的 VGG16 模型，並輸出其完整層級結構及參數統計摘要（如附表，總參數約 138,357,544）。在深度神經網路中，不同層的參數量（parameter count）差異極大。有些層雖然數量少但計算量大，有些則相反。了解參數分佈情形，有助於模型壓縮與遷移學習設計。請問在 VGG16 中，下列何者的參數量最多？
中級 機器學習技術與應用 難度 未標示 114 年
在建構以距離為基礎的機器學習模型（如 KNN、SVM）時，下列哪一項資料前處理方式最為關鍵？
中級 機器學習技術與應用 難度 未標示 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。
資料來源
114-2-mid-3/q25
開始準備 iPAS 考試
題目來源：114-2-mid-3/q25。 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。