準備 iPAS 中級考試，光看理論是不夠的，必須透過大量實戰來鍛鍊手感。這份目錄把所有模擬考題依照考綱主題編排，建議先看過對應的影片再點進去練習。題目會持續更新，書籤起來定期回來刷。
🎥 前置任務：先看教學影片建立觀念 👉 iPAS AI 自學路 YouTube 頻道
科目一｜人工智慧技術應用規劃
- [L21101] 自然語言處理技術與應用（NLP 基礎、BERT、Transformer）
- [L21102] 電腦視覺技術與應用（CNN、影像辨識、物件偵測）
- [L21103] 生成式 AI 技術與應用（RAG、Prompt Engineering、Guardrails）
- [L21104] 多模態人工智慧應用（視覺語言模型、跨模態融合）
- 即將上線
- [L21201] AI 導入評估（ROI 評估、可行性分析、風險識別）
- [L21202] AI 導入規劃（專案規劃、利害關係人管理、導入框架）
- [L21203] AI 風險管理（偏見、可解釋性、監管合規）
- [L21301] 數據準備與模型選擇
- [L21302] AI 技術系統集成與部署（Docker、MLOps、邊緣運算）
科目二｜大數據處理分析與應用
- [L22101] 敘述性統計與資料摘要技術（平均數、標準差、偏態）
- [L22102] 機率分佈與資料分佈模型（常態分佈、Z-score、中央極限定理）
- [L22103] 假設檢定與統計推論（p-value、型一型二錯誤、信賴區間）
- [L22201] 數據收集與清理（缺失值、離群值、資料品質）
- [L22202] 數據儲存與管理（資料庫、Data Lake、Data Warehouse）
- [L22203] 數據處理技術與工具（ETL、Spark、特徵標準化）
- [L22301] 統計學在大數據中的應用（迴歸模型、OLS、AIC/BIC）
- [L22302] 常見的大數據分析方法（分群、關聯規則、異常偵測）
- [L22303] 數據可視化工具（Heatmap、箱型圖、視覺化選用原則）
- [L22401] 大數據與機器學習（特徵工程、資料管線、模型訓練流程）
- [L22402] 大數據在鑑別式 AI 中的應用（分類、預測、模型部署）
- [L22403] 大數據在生成式 AI 中的應用（向量資料庫、RAG 資料流）
- [L22404] 大數據隱私保護、安全與合規（差分隱私、去識別化、GDPR）
科目三｜機器學習技術與應用
- [L23101] 機率/統計之機器學習基礎應用（貝氏定理、條件機率）
- [L23102] 線性代數之機器學習基礎應用（矩陣運算、特徵值、SVD）
- 即將上線
- [L23103] 數值優化技術與方法（梯度下降、學習率、收斂條件）
- 即將上線
- [L23201] 機器學習原理與技術（過擬合、欠擬合、正則化、Early Stopping）
- [L23202] 常見機器學習演算法（KNN、決策樹、XGBoost）
- 即將上線
- [L23203] 深度學習原理與框架（CNN、LSTM、Transformer）
- 即將上線
- [L23301] 數據準備與特徵工程（特徵選擇、編碼、資料不平衡處理）
- 即將上線
- [L23302] 模型選擇與架構設計（交叉驗證、超參數調整、AutoML）
- 即將上線
- [L23303] 模型訓練、評估與驗證（Precision、Recall、F1、AUC-ROC）
- 即將上線
- [L23304] 模型調整與優化（Dropout、Batch Normalization、學習率衰減）
- 即將上線
- [L23401] 數據隱私、安全與合規（同態加密、聯邦學習、PII 識別）
- 即將上線
- [L23402] 演算法偏見與公平性（XAI、SHAP、公平性指標）
- 即將上線
FAQ ：
Q：模擬題跟真正考試的難度差多少？
A：模擬題依據歷屆考綱與出題方向設計，難度略高於實際考試，目的是讓你在練習階段就習慣高壓判斷，上場時會更從容。
Q：模擬題庫怎麼使用？
A：遇到寫錯的題目，別只是死背答案。請回到對應的「白話攻略影片」或「筆記」看看背後的邏輯，這才是確保你在正式考場中能靈活應變的唯一方法。建議先觀看對應的教學課程影片再依章節練習題目，效果加倍！
Q：題目連結還沒辦法開啟？
A：如果題目連結還沒辦法開啟，代表對應的教學內容正在最後校對中，原則上會定期更新一篇進度。建議先把已經發布的題目寫熟。
