← 回首頁

iPAS 科目1 題號 ↔ 體系知識圖節點對照表

配合 科目1_體系知識圖.html 使用 來源：115 初級 S1（50 題）+ 114 初級 S1（50 題）+ U11-4301 官方練習題（50 題）= 150 題 對應節點數：60 個

使用方式

一、依題號查節點

115 S1（50 題）

題號 測驗大類（題目原標） 對應體系節點
1 資料治理 → 資料品質與資料整合 A2_AI_governance / B2_data_processing_method / B6_data_quality
2 AI 應用領域 → 智慧城市與物聯網 H4_application_cases
3 機器學習概念 → 學習模式（非監督式學習） C2_ml_types
4 資料前處理 → 離群值處理 B2_data_processing_method / B7_outlier_handling
5 機器學習概念 → 不平衡資料處理 B2_data_processing_method / B11_imbalanced_data
6 機器學習概念 → 資料前處理 B2_data_processing_method
7 機器學習概念 → 特徵工程 C9_feature_engineering
8 深度學習 → 模型架構 D1_neural_network_basics
9 深度學習 → 啟動函數 D1_neural_network_basics
10 生成式 AI → 生成模型 E1_disc_vs_gen / E3_gen_models
11 生成式 AI → 應用評估 E1_disc_vs_gen
12 生成式 AI → 大型語言模型 E1_disc_vs_gen / E4_llm_basics
13 AI 倫理與規範 → 法規遵循（金融） A6_eu_ai_act
14 AI 應用領域 → 產業應用 H4_application_cases
15 資料管理 → 資料型態 B1_data_basic
16 資料分析 → 敘述統計 B3_eda
17 資料分析 → 資料視覺化 B3_eda
18 演算法 → 搜尋演算法 未對應 (v1 未涵蓋)
19 機器學習概念 → 學習模式（強化式學習） C2_ml_types
20 機器學習概念 → 過擬合處理 F1_overfitting
21 生成式 AI → 生成模型 E1_disc_vs_gen / E3_gen_models
22 機器學習概念 → 異常偵測 C12_anomaly_detection
23 AI 應用部署 → 推論服務 H2_mlops
24 生成式 AI → LLM 訓練流程 E1_disc_vs_gen / E4_llm_basics
25 AI 應用部署 → 推論優化 H2_mlops
26 可解釋 AI → XAI 分類 G3_explainability
27 可解釋 AI → XAI 工具 G3_explainability
28 可解釋 AI → 反事實解釋 G3_explainability
29 可解釋 AI → 視覺化解釋 G3_explainability
30 機器學習概念 → 學習模式 C2_ml_types
31 機器學習概念 → 學習模式 C2_ml_types
32 電腦視覺 → 視覺任務 D2_cnn
33 深度學習 → RNN/LSTM D3_rnn_lstm
34 AI 應用部署 → 平台選擇 H2_mlops
35 AI 倫理與規範 → 個資保護 B12_data_privacy
36 AI 概論 → 能力範疇 A1_AI_definition
37 AI 應用部署 → 效能優化 H2_mlops
38 AI 應用領域 → 電腦視覺 D2_cnn / H4_application_cases
39 機器學習概念 → 學習模式 C2_ml_types
40 機器學習概念 → 模型評估 F3_classification_metrics
41 生成式 AI → LLM 推論優化 E1_disc_vs_gen / E4_llm_basics / H2_mlops
42 生成式 AI → RAG 系統設計 E1_disc_vs_gen
43 機器學習概念 → 學習模式 C2_ml_types
44 機器學習概念 → 特徵工程 C9_feature_engineering
45 深度學習 → 訓練最佳化 D1_neural_network_basics / H2_mlops
46 大數據處理 → 大數據特性 B1_data_basic
47 機器學習概念 → 任務類型 C2_ml_types
48 深度學習 → 模型架構 D1_neural_network_basics
49 機器學習概念 → 訓練策略 H2_mlops
50 機器學習概念 → 模型評估 F3_classification_metrics

114 S1（50 題）

題號 測驗大類（題目原標） 對應體系節點
1 AI 倫理與規範 → 人機協作 G2_fairness
2 機器學習概念 → 特徵工程 C9_feature_engineering
3 資料治理 → ETL 流程 A2_AI_governance / B4_etl
4 機器學習概念 → 正則化 F6_hyperparameter_tuning
5 機器學習概念 → 模型評估 F3_classification_metrics
6 機器學習概念 → 正則化 F6_hyperparameter_tuning
7 機器學習概念 → 鑑別式 AI 與生成式 AI 概念 E1_disc_vs_gen
8 生成式 AI → 語言模型 E1_disc_vs_gen / E4_llm_basics
9 AI 倫理與規範 → 法規 A6_eu_ai_act
10 AI 倫理與規範 → 法規遵循（金融） A6_eu_ai_act
11 機器學習概念 → 學習模式 C2_ml_types
12 資料分析 → 資料視覺化 B3_eda
13 機器學習概念 → 學習模式 C2_ml_types
14 資料分析 → 分析類型 B3_eda
15 機器學習概念 → 分類演算法 C2_ml_types
16 深度學習 → RNN D3_rnn_lstm
17 機器學習概念 → 學習模式 C2_ml_types
18 機器學習概念 → 強化式學習 C2_ml_types
19 機器學習概念 → 損失函數 F3_classification_metrics
20 機器學習概念 → 分類模型 F3_classification_metrics
21 機器學習概念 → 集成學習 未對應 (v1 未涵蓋)
22 生成式 AI → 生成模型 E1_disc_vs_gen / E3_gen_models
23 AI 倫理與規範 → 評測標準 A5_taiwan_ai_eval
24 生成式 AI → 大型語言模型 E1_disc_vs_gen / E4_llm_basics
25 AI 倫理與規範 → 公平性 G2_fairness
26 生成式 AI → LLM 訓練 E1_disc_vs_gen / E4_llm_basics
27 生成式 AI → 模型壓縮/優化 E1_disc_vs_gen
28 生成式 AI → Transformer D4_transformer / E1_disc_vs_gen
29 可解釋 AI → XAI 方法 G3_explainability
30 可解釋 AI → 應用價值 G3_explainability
31 可解釋 AI → 反事實解釋 G3_explainability
32 資料分析 → 統計推論 B3_eda
33 機器學習概念 → 異常偵測 C12_anomaly_detection
34 資料治理 → 資料品質 A2_AI_governance / B6_data_quality
35 機器學習概念 → 不平衡資料 B11_imbalanced_data
36 資料分析 → EDA B3_eda
37 機器學習概念 → 抽樣策略 B11_imbalanced_data
38 生成式 AI → RAG 系統設計 E1_disc_vs_gen
39 機器學習概念 → 模型評估 F3_classification_metrics
40 機器學習概念 → 學習模式 C2_ml_types
41 機器學習概念 → 特徵工程 C9_feature_engineering
42 AI 倫理與規範 → 隱私保護 B12_data_privacy
43 機器學習概念 → 特徵工程 C9_feature_engineering
44 機器學習概念 → 學習模式 C2_ml_types
45 資料前處理 → 離群值處理 B2_data_processing_method / B7_outlier_handling
46 機器學習概念 → 特徵選擇 C9_feature_engineering
47 深度學習 → 訓練最佳化 D1_neural_network_basics / H2_mlops
48 資料分析 → 資料視覺化 B3_eda
49 AI 倫理與規範 → 評測標準 A5_taiwan_ai_eval
50 AI 應用部署 → 推論服務 H2_mlops

U11-4301（50 題）

題號 測驗大類（題目原標） 對應體系節點
1 模型評估與資料劃分策略 C4_train_val_test / F3_classification_metrics
2 語音辨識效能優化策略 未對應 (v1 未涵蓋)
3 機器學習類型與應用場景 C2_ml_types
4 循環神經網路之原理與特性 D1_neural_network_basics / D3_rnn_lstm
5 我國 AI 評測制度與可信任 AI 規範 A5_taiwan_ai_eval
6 探索性資料分析的核心應用 B3_eda
7 鑑別式 AI 與生成式 AI 之定義與差異 E1_disc_vs_gen
8 生成式與鑑別式 AI 的整合應用 E1_disc_vs_gen / E5_disc_gen_integration
9 生成式模型與鑑別式模型之辨析 E1_disc_vs_gen / E2_disc_models
10 資料前處理中的離群值處理策略 B2_data_processing_method / B7_outlier_handling
11 K-近鄰演算法 C5_knn
12 結構化學習的定義與應用 C11_structured_learning
13 自動化機器學習流程與模型選擇策略 C2_ml_types / C10_automl
14 模型泛化能力與環境遷移問題 H1_data_drift
15 隱私保護技術與資料匿名化 B12_data_privacy / G5_anonymization
16 資料品質與資料前處理 B2_data_processing_method / B6_data_quality
17 語言模型的推論策略 E4_llm_basics
18 ETL 程序與資料清理 B4_etl
19 多模態生成任務分類 E6_multimodal_clip / E7_multimodal_tasks
20 自然語言處理之文字前處理技術 未對應 (v1 未涵蓋)
21 人工智慧功能分類與特徵 A3_AI_function_classification
22 資料不平衡處理與模型偏誤 B11_imbalanced_data
23 模型選擇與輸出限制 C2_ml_types
24 歐盟《人工智慧法案》風險分級與合規規範 A6_eu_ai_act
25 卷積神經網路之組成架構與功能 D1_neural_network_basics / D2_cnn
26 金融業 AI 治理與公平性維護 A2_AI_governance / G2_fairness
27 人工智慧技術底層組成與分類 A1_AI_definition
28 線性迴歸模型評估指標 F3_classification_metrics
29 特徵降維與特徵工程 C8_pca / C9_feature_engineering
30 敘述統計指標之選擇與抗離群值特性 B3_eda / B7_outlier_handling
31 資料標準化 B9_standardization
32 時間序列資料的特性與驗證流程 F2_cross_validation
33 AI 治理核心原則 A2_AI_governance
34 分類模型評估指標：召回率與漏報率 F3_classification_metrics
35 GRPO演算法原理 未對應 (v1 未涵蓋)
36 異常值的識別與處理方法。 B7_outlier_handling
37 語言模型推論優化 E4_llm_basics / H2_mlops
38 模型效能診斷與初步處理 F3_classification_metrics
39 電腦視覺基本任務分類 D2_cnn
40 預測模型的建模原則與偏誤-變異權衡 F5_bias_variance
41 特徵工程：類別變數處理 C9_feature_engineering
42 生成對抗網路之運作原理 E3_gen_models / G7_adversarial_attack
43 AI 代理於客服系統之應用實務 H4_application_cases
44 批次推論的資源調度與管理 H2_mlops
45 擴散模型的原理與應用 E3_gen_models
46 統計推論與大數法則 B3_eda
47 模型誤差分類與泛化能力 F5_bias_variance / H1_data_drift
48 機器學習基本構成要素 C1_ml_basics
49 搜尋演算法的選擇與前提條件 未對應 (v1 未涵蓋)
50 反向傳播演算法 D1_neural_network_basics

二、依節點查題號（高頻 → 低頻）

可協助找出哪些節點在考古題中被反覆考——這些是必懂的高頻觀念。

A. 基礎與分類

B. 資料

C. 機器學習

D. 深度學習與架構

E. 生成式 vs 鑑別式

F. 評估與訓練

G. 倫理治理風險

H. 應用與部署

三、統計概況

出題頻次 Top 10（必懂！）

排名 節點 題數 涵蓋章節
1 E1_disc_vs_gen 鑑別式 AI vs 生成式 AI 的核心差異 18 L11401
2 C2_ml_types 機器學習三大類型（監督／非監督／強化） 17 L11101
3 H2_mlops MLOps 與模型營運 11 L11301
4 B3_eda 探索性資料分析（EDA） 10 L11101 / L11202
5 F3_classification_metrics 分類評估指標（F1/Precision/Recall/ROC） 10 L11301
6 C9_feature_engineering 特徵工程（Feature Engineering） 8 L11302
7 D1_neural_network_basics 神經網路與反向傳播（Backpropagation） 8 L11401
8 E4_llm_basics 大型語言模型（LLM）基礎 8 L11401
9 B2_data_processing_method 資料處理基本方法（清洗/轉換/整合） 7 L11101 / L11202
10 G3_explainability 可解釋性（Explainability / XAI） 7 L11102

未對應到節點的題目

以下 6 題對應的觀念在 v1 體系圖未涵蓋，可作為 v2 擴充節點的依據：

圖例