Are u Ready! GO!
第 1 題：在 CRISP-DM（跨產業資料探勘標準流程）中，實務上通常會耗費資料工程師最多時間（約佔專案 70%~80%）的是哪一個階段？
A) 商業理解 (Business Understanding)
B) 資料理解 (Data Understanding)
C) 資料準備 (Data Preparation)
D) 建立模型 (Modeling)
- 正確解答： C) 資料準備 (Data Preparation)教練說明： 資料準備包含資料清洗、特徵工程、處理缺失值與格式轉換，實務上往往最為繁瑣耗時。想想「洗菜最久，炒菜最快」這句口訣！
第 2 題：關於 CRISP-DM 的標準流程順序，下列何者正確？
A) 商業理解 → 資料準備 → 資料理解 → 建立模型 → 評估 → 部署
B) 商業理解 → 資料理解 → 資料準備 → 建立模型 → 評估 → 部署
C) 資料理解 → 商業理解 → 建立模型 → 資料準備 → 評估 → 部署
D) 商業理解 → 資料理解 → 建立模型 → 資料準備 → 部署 → 評估
- 正確解答： B) 商業理解 → 資料理解 → 資料準備 → 建立模型 → 評估 → 部署教練說明： 第一步永遠是搞清楚老闆要什麼 (商業)，接著看手邊有什麼食材 (資料理解)，然後開始洗菜 (資料準備)、炒菜 (建模型)、試吃 (評估)、最後端上桌 (部署)。
第 3 題：在 CRISP-DM 流程中，如果「評估 (Evaluation)」階段發現模型雖然準確率高，但無法解決最初的商業問題，通常會退回哪一個階段重新檢視？
A) 部署 (Deployment)
B) 商業理解 (Business Understanding)
C) 資料準備 (Data Preparation)
D) 資料理解 (Data Understanding)
- 正確解答： B) 商業理解 (Business Understanding)教練說明： CRISP-DM 是一個循環，當最終成果偏離老闆的目標時，必須回到最源頭的「商業理解」重新確認方向與目標。
第 4 題：處理資料庫中的「缺失值 (Missing values)」與「極端值 (Outliers)」，屬於 CRISP-DM 流程中的哪一個步驟？
A) 資料理解 (Data Understanding)
B) 建立模型 (Modeling)
C) 資料準備 (Data Preparation)
D) 商業理解 (Business Understanding)
- 正確解答： C) 資料準備 (Data Preparation)教練說明： 資料清理是資料準備階段最核心的工作之一。這是在把食材送進鍋子（模型）前，必須做的修剪與清洗動作。
第 5 題：在大數據資料處理流程中，ETL 代表的三個英文單字分別是什麼？
A) Export, Translate, Load
B) Extract, Transform, Load
C) Execute, Transform, Link
D) Extract, Transfer, Load
- 正確解答： B) Extract, Transform, Load教練說明： 這是 ETL 的正確全名，意即萃取資料 (買菜)、轉換資料格式與清洗 (洗菜切菜)、最後載入資料倉儲 (放進大冰箱)。
第 6 題：在 ETL 流程中，將類別變數進行「獨熱編碼 (One-Hot Encoding)」或對數值進行「標準化 (Standardization)」，是屬於哪一個階段的工作？
A) Extract (萃取)
B) Transform (轉換)
C) Load (載入)
D) Evaluate (評估)
- 正確解答： B) Transform (轉換)教練說明： 資料的清理、編碼、縮放與格式統一，將資料的「形狀」或「尺度」進行改變，都屬於 Transform 轉換階段。
第 7 題：關於 ETL 中的「Extract (萃取)」，下列敘述何者最為正確？
A) 主要是將訓練好的模型萃取出來放到雲端。
B) 從多個不同的異質資料源（如關聯式資料庫、API、CSV）讀取並收集資料。
C) 剔除資料集裡面的缺失值與雜訊。
D) 將資料壓縮以節省儲存空間。
- 正確解答： B) 從多個不同的異質資料源（如關聯式資料庫、API、CSV）讀取並收集資料。教練說明： 這個階段就像是去不同的產地或菜市場，把我們需要的原料「拿/抓」出來集中。
第 8 題：為什麼我們在機器學習中經常需要進行「特徵縮放 (Feature Scaling)」？
A) 為了自動補齊資料中的缺失值。
B) 為了讓數值較大的特徵不至於在計算距離時主導整個模型。
C) 為了將數值型資料轉成類別型資料。
D) 特徵縮放可以大幅減少資料的維度數量。
- 正確解答： B) 為了讓數值較大的特徵不至於在計算距離時主導整個模型。教練說明： 這樣能避免例如「年薪 100 萬」的特徵在計算時完全蓋過「年齡 30」的特徵，確保每個特徵都有平等的權重。
第 9 題：關於「正規化 (Normalization，常指 Min-Max Scaling)」，下列敘述何者正確？
A) 會將資料轉換為平均數為 0，標準差為 1 的分佈。
B) 通常會將所有的數值按比例縮放至 [0, 1] 的區間內。
C) 這種縮放方法完全不受極端值 (Outliers) 的影響。
D) 主要是用來處理類別型特徵（如性別、顏色）。
- 正確解答： B) 通常會將所有的數值按比例縮放至 [0, 1] 的區間內。教練說明： Min-Max 正規化的公式會利用最大值與最小值，確保資料被塞進 0 到 1 的固定範圍裡。
第 10 題：下列哪一種機器學習演算法對於「特徵縮放」最為敏感，如果不做縮放可能會導致嚴重的預測偏差？
A) 決策樹 (Decision Tree)
B) 隨機森林 (Random Forest)
C) K-近鄰演算法 (KNN)
D) 單純貝氏分類器 (Naive Bayes)
- 正確解答： C) K-近鄰演算法 (KNN)教練說明： KNN 依賴計算資料點之間的「空間距離（如歐幾里得距離）」，若尺度不同，距離會被大數值特徵完全支配。而樹狀模型則不受影響。
第 11 題：在 Python 的 Pandas 套件中，用來讀取 CSV 檔案並轉換為 DataFrame 的語法是？
A) pd.read_csv('data.csv')
B) pd.open_csv('data.csv')
C) pd.load('data.csv')
D) df.import_csv('data.csv')
- 正確解答： A) pd.read_csv('data.csv')教練說明： 這是 Pandas 中最常用、也是最基礎的讀取 CSV 檔案方法。
第 12 題：假設你有一個 Pandas DataFrame 命名為 df，你想過濾出「年齡 (Age)」大於 30 歲的所有資料，正確的語法為何？
A) df.filter(Age > 30)
B) df['Age'] > 30
C) df[df['Age'] > 30]
D) df.select('Age' > 30)
- 正確解答： C) df[df['Age'] > 30]教練說明： 這是正確的布林索引。內層的 df['Age'] > 30 會產生 True/False 的遮罩，外層的 df[] 則負責根據遮罩篩選出對應的資料列。
第 13 題：在 Pandas 中，如果你想將 df 中欄位「薪水 (Salary)」的所有空值 (NaN) 填補為 0，正確的作法是？
A) df['Salary'].dropna(0)
B) df['Salary'].replace_na(0)
C) df['Salary'].fillna(0)
D) df['Salary'].isnull() = 0
- 正確解答： C) df['Salary'].fillna(0)教練說明： fillna (Fill NA) 是 Pandas 中專門用來填補缺失值的方法。dropna 則是用來「刪除」的。
第 14 題：老闆想知道資料表 df 中，不同「部門 (Department)」的「總預算 (Budget)」是多少。這相當於 Excel 的樞紐分析表，在 Pandas 應該如何撰寫？
A) df.pivot('Department', 'Budget', sum)
B) df.groupby('Department')['Budget'].sum()
C) df['Department'].sum('Budget')
D) df.aggregate('Department', sum='Budget')
- 正確解答： B) df.groupby('Department')['Budget'].sum()教練說明： 這是經典的群組運算：先按部門分群 (groupby)，再選擇預算欄位，最後進行加總 (sum)。
第 15 題：在 Pandas 中，如果要將兩張不同的資料表 df1 和 df2 根據共同的欄位「員工編號 (ID)」進行合併（類似 Excel 的 VLOOKUP），應該使用什麼語法？
A) pd.concat([df1, df2])
B) df1.append(df2)
C) pd.merge(df1, df2, on='ID')
D) df1.join_with(df2, by='ID')
- 正確解答： C) pd.merge(df1, df2, on='ID')教練說明： merge 是專門處理關聯式合併的函式，on 參數用來指定對照的共同欄位。concat 主要是直接上下或左右疊加。
第 16 題：當我們使用 StandardScaler 進行「標準化」時，資料會發生什麼改變？
A) 資料會被壓縮到 0 到 1 之間。
B) 所有特徵的數值都會變成整數。
C) 資料的平均數會變為 0，標準差會變為 1。
D) 資料中的極端值會被自動剔除。
- 正確解答： C) 資料的平均數會變為 0，標準差會變為 1。教練說明： 這正是 Z-score 標準化的數學定義，將資料平移並縮放至標準常態分佈的形式。
第 17 題：在 CRISP-DM 流程中，將訓練好的模型整合到企業既有的資訊系統中，讓模型可以自動對新資料產生預測，屬於哪一個階段？
A) 評估 (Evaluation)
B) 部署 (Deployment)
C) 建立模型 (Modeling)
D) 商業理解 (Business Understanding)
- 正確解答： B) 部署 (Deployment)教練說明： 將模型推上線，產生實際商業價值的最後一哩路就是部署階段。等於是把軍隊（模型）送到前線去作戰。
第 18 題：如果資料集中的特徵包含了少數極端巨大的異常值（例如大家月薪 3 萬，只有一人月薪 500 萬），直接使用 Min-Max 縮放會發生什麼問題？
A) 正常人的資料會被嚴重擠壓在非常接近 0 的小區間內。
B) 演算法會自動忽略那個異常值。
C) 資料的標準差會變成 1。
D) 會引發程式執行錯誤，無法完成縮放。
- 正確解答： A) 正常人的資料會被嚴重擠壓在非常接近 0 的小區間內。教練說明： Min-Max 極度依賴最大值與最小值。因為最大值是 500 萬，3 萬在縮放後會變成極小的數值，導致正常資料失去分辨度。
第 19 題：在 Pandas 中，如果你想知道資料表 df 共有幾列、幾欄，應該查看哪一個屬性？
A) df.length()
B) df.size
C) df.shape
D) df.info()
- 正確解答： C) df.shape教練說明： shape 屬性會回傳一個包含 (列數, 欄數) 的結構，代表了資料表的「形狀」或「輪廓」。
第 20 題：將資料從 Pandas DataFrame 取出，並套用 Scikit-learn 的 StandardScaler()，這個動作對應到大數據 ETL 流程中的哪一個英文字母？
A) E (萃取)
B) T (轉換)
C) L (載入)
D) M (模型)
- 正確解答： B) T (轉換)教練說明： 使用 StandardScaler 對資料進行特徵縮放，改變了資料的數值尺度，這是一種改變資料狀態的「加工」過程，完全屬於資料「轉換」的範疇。
祝你複習順利！隨時準備好迎接考試，加油！😎
