中級iPAS AI 應用規劃師科目三模擬試題（3)
三句話摘要
iPath AI 應用規劃師認證考試 16 個核心觀念考前速成，專攻常見陷阱題。 理解每個技術觀念「為什麼這樣做」而非死背定義，是通過 iPath 認證、也是真正掌握 AI 規劃能力的關鍵。 Transformer 的自注意力機制是長文本理解的核心：模型在處理文字時自動辨別哪些詞最關鍵，因此在長序列任務中表現遠優於傳統模型。
重點整理
重點- 1
Transformer 的自注意力機制是長文本理解的核心：模型在處理文字時自動辨別哪些詞最關鍵，因此在長序列任務中表現遠優於傳統模型。
- 2
特徵編碼方式直接影響模型判斷：對無順序關係的類別特徵使用 Label Encoding，會讓樹狀模型誤解數字大小代表重要程度，應改用 One-Hot Encoding 避免隱性偏差。
- 3
XGBoost 對傳統 GBT 的三點改進：加入正則化防止 Overfitting、原生支援缺漏值處理、支援平行化運算提升訓練速度，三者合力使其成為競賽與業界首選。
- 4
VGG16 的記憶體與算力消耗來源不同：全連接層（FC Layer）因參數量龐大而最耗記憶體；卷積層（Conv Layer）則因大量乘加運算而最耗 FLOPS（計算力），兩者常被混淆。
實用技巧與重點
乾貨- 模型與技術
- Transformer：核心機制為自注意力（Self-Attention）
- RAG（檢索增強生成）：風險為語義相似但事實錯誤的資料被檢索進來
- 對抗性攻擊（Adversarial Attack）：透過修改輸入資料特徵欺騙模型
- CLIP 模型：支援零樣本分類（Zero-Shot Classification），不需額外訓練即可用文字搜尋圖片
- L1 正則化（Lasso）：別名「特徵垃圾桶」，將不重要特徵權重壓縮至 0
- XGBoost vs GBT 三優點：正則化 / 處理缺漏值 / 平行化運算
- VGG16：FC Layer 最耗記憶體（參數量大）；Conv Layer 最耗 FLOPS（計算量大）
- 資料處理
- 同態加密（Homomorphic Encryption）：口訣「隔空取物算數字」，可在加密資料上直接運算
- Label Encoding：普通卡=1、白金卡=2、黑卡=3，模型可能誤判為 3 倍重要
- One-Hot Encoding：適用於無順序關係的類別特徵
- 不平衡資料集：交叉驗證應使用分層抽樣（Stratified Sampling）
- 快問快答關鍵字
- Learning Rate：每步學習的步伐大小
- CNN 效率關鍵：參數共享（Parameter Sharing）
- Pearson Correlation：僅衡量線性關係，無法捕捉非線性相關
結論
結論“理解每個技術觀念「為什麼這樣做」而非死背定義，是通過 iPath 認證、也是真正掌握 AI 規劃能力的關鍵。”
完整解析
詳細這支影片是針對 iPath AI 應用規劃師認證考試的考前衝刺課，講者將全部內容分為三大戰場：AI 技術與規劃、大數據資料處理、機器學習核心技術，最後再集中火力拆解陷阱題。
在 AI 技術面，Transformer 模型的自注意力機制是理解長文本的關鍵，它讓模型在閱讀時自動聚焦於最重要的詞彙組合。RAG 的最大風險不是找不到資料，而是找到語義相近但事實錯誤的資料，這是設計 RAG 系統時必須防範的核心問題。對抗性攻擊則針對輸入特徵下手，透過細微擾動讓模型做出錯誤預測。CLIP 模型的亮點在於零樣本能力，用自然語言描述即可直接搜尋圖片，不需要額外的監督訓練流程。
進入資料處理環節，講者重點介紹同態加密的概念——可以直接在加密狀態的資料上執行計算，結果解密後與明文計算相同，是隱私保護計算的核心技術。接著是特徵編碼的經典陷阱：對沒有大小順序的類別特徵（如卡片等級）使用 Label Encoding，決策樹等模型會誤認為數字越大代表越重要，造成系統性偏差。正確做法是使用 One-Hot Encoding，讓每個類別獨立存在，不引入假性順序關係。
機器學習部分，L1 正則化（Lasso）因為能把無關特徵的權重直接壓到 0，等同於自動做特徵選擇，因此被稱為「特徵垃圾桶」。XGBoost 相較傳統梯度提升樹（GBT）的三個關鍵進化——內建正則化、原生缺漏值處理、平行運算——是考試常考的比較題。VGG16 架構中最容易混淆的一點是：全連接層因參數量最多而最耗記憶體，卷積層因需要大量乘加計算而最耗 FLOPS，記憶體與算力的消耗來源完全不同。最後的快問快答鞏固了 CNN 參數共享的效率優勢、不平衡資料集必須用分層抽樣、以及 Pearson Correlation 只能捕捉線性關係這三個高頻考點。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
