iPAS AI 應用規劃師——考前 3 小時核心衝刺
根據來源資料，考前 3 小時的核心衝刺應聚焦於必考指標計算、模型診斷術、GAI 技術路徑選擇以及隱私與治理規範四大領域。規劃師必須熟練運用這些邏輯，將技術規格轉化為商業決策。
一、 🚨 必考計算：混淆矩陣 (Confusion Matrix) 與指標
在鑑定考試中，這是最容易出現計算題與情境判斷題的區塊。
指標公式與心法：
- 精確率 (Precision)：強調「抓得準」，預測為真的樣本中，實際也為真的比例。心法：用於防誤報（如：垃圾郵件、廣告投遞）。
- 召回率 (Recall)：強調「抓得全」，實際為真的樣本中，被正確抓出來的比例。心法：用於防漏報（如：癌症偵測、盜刷、瑕疵檢測）。
- F1-Score：精確率與召回率的調和平均數。心法：適用於資料不平衡的情境（如正樣本僅佔 3%）。
- 準確率 (Accuracy)：全部預測對的比例。注意：當數據極端不平衡時，準確率不具參考價值。
- 混淆矩陣陷阱： FP (型一錯誤 / 偽陽性)：像「狼來了」，原本沒事卻誤報。 FN (型二錯誤 / 偽陰性)：像「漏掉狼」，原本有事卻誤以為沒事。
二、 🚨 模型診斷術：「問題–症狀–解藥」矩陣
規劃師必須能快速根據訓練集與測試集的表現差距，提出優化建議。
| 診斷問題 | 核心症狀 (Symptom) | 推薦解藥 (Remedy) |
|---|---|---|
| 過擬合 (Overfitting) | 訓練集表現極佳 (如 98%)，但測試集表現極爛 (如 65%)。 | 1. 增加資料量 2. 加入正則化 (L1/L2) 3. 使用 Dropout 4. 實施早停法 (Early Stopping)。 |
| 欠擬合 (Underfitting) | 訓練集與測試集表現雙低。 | 1. 增加特徵工程 2. 提升模型複雜度（如換成更深的神經網路）3. 減少正則化。 |
三、 🚨 GAI 導入路徑決策：SaaS vs. RAG vs. Fine-tuning
規劃師的核心價值在於提供「最適路徑」判斷。
- RAG (檢索增強生成)：像「帶書考試」，適合需要即時資訊、標註來源出處、存取私有知識庫，且預算中等的場景。
- Fine-tuning (微調)：像「技能內化」，適合需要特定語氣格式（如品牌手冊）、特殊邏輯能力（如專門寫代碼）或垂直領域專業化，成本與難度最高。
- SaaS / API：導入難度最低，開箱即用。風險：涉及個資或機密數據時，應考慮數據上雲的合規性。
四、 🚨 治理與隱私保護重點
這是學科二應用規劃單元的奪分關鍵。
- 歐盟 AI Act 風險分級： 不可接受風險：政府主導的「社會評分系統」，嚴格禁止。
- 高風險 (High-risk)：涉及人生重大前途（如：求職履歷篩選、貸款審核、醫療診斷）。
- 隱私與技術手段： 聯邦學習 (Federated Learning)：數據在地，參數在動。
- 去識別化：確保資料無法回推至特定個人，以符合隱私保護（如 GDPR）。
- 可解釋性 (XAI)：解決「黑盒子」問題（如 LIME 工具），讓銀行能解釋為何拒絕貸款。
五、 數據工程與特徵處理
- ETL 流程：擷取 (Extract)、轉換 (Transform)、載入 (Load)。
- 資料編碼：血型 A/B/O 等無順序關係的類別資料，應選 One-Hot Encoding。
- 特徵分佈：偵測模型退化最具指標性的是計算輸入特徵分佈變化的 PSI (Population Stability Index)。
📝 衝刺叮嚀：
- 閱讀關鍵字：注意題目問的是「首先」、「避免」還是「最適合」。
- 利益最大化：遇到情境衝突時，優先考慮商業價值與風險最小化，而非單純技術精準度。
- 答錯不倒扣：每題 1.25 分，請務必填滿所有答案。