115 年中級考題趨勢分析
根據 114 年第二梯次中級公告試題（共 150 題）整理，涵蓋 L21/L22/L23 三科新增考點、難度變化與出題預測。
整體趨勢：情境規劃題為主，含 Python 程式閱讀
- ▸ 情境規劃題佔比極高：幾乎沒有純背誦題，需要整合多個概念做最佳方案判斷。
- ▸ Python 程式閱讀約 25%：L22 考 pandas/PySpark，L23 考 scikit-learn/Keras，看懂執行結果即可。
- ▸ 官方勘誤影響大：L23 Recall 公式錯誤是超高頻考點，照原版讀會答錯。詳見 官方勘誤表。
L21
AI 技術應用與規劃
必考大量情境規劃題，幾乎沒有純背誦題；需要整合多個概念做最佳方案判斷
新增考點：
- + AI 專案 ROI 計算框架（直接節省 + 間接效益 - 導入與維運成本）
- + AI 風險評估矩陣（可能性 × 影響程度）
- + 混合雲 AI 部署架構（公有雲 + 私有雲）
- + MLOps 生命週期管理（特徵 store、模型漂移監控）
高頻考點：
- ★ L212 AI 導入評估規劃（成本效益、需求分析）
- ★ L213 AI 系統部署（MLOps、模型監控）
- ★ L211 技術選型（NLP vs CV vs GenAI 適用場景）
常見失分點：
- ! MLOps vs DevOps：MLOps 額外包含特徵 store 管理和模型漂移監控
- ! AI 專案失敗主因：不是技術問題，是資料品質不足 + 組織變革管理失敗
- ! AI 治理 vs IT 治理：AI 治理多了可解釋性和演算法偏見的考量
每個概念都對應「真實企業場景」：考試給你情境讓你選最佳方案，要能判斷「為什麼這個方案優於其他選項」
L21 學習指引 → L22
大數據處理分析與應用
含 Python約 25% 為 Python/PySpark 程式碼閱讀題，不需寫程式但要能看懂操作邏輯
新增考點：
- + PySpark DataFrame 程式碼閱讀（groupBy/agg/join/filter）
- + Apache Kafka 串流架構（Producer-Consumer-Topic-Partition）
- + Delta Lake（可靠資料湖，支援 ACID）
- + Feature Store 概念（特徵集中管理、重複使用）
高頻考點：
- ★ L221 假設檢定（p 值判斷、Type I/II Error）
- ★ L222 ETL vs ELT 流程差異
- ★ L223 資料不平衡處理（SMOTE、欠採樣）
常見失分點：
- ! groupby().agg() 的執行順序：先分組，再對每組套用聚合函數
- ! join type 語意：left join 保留左表所有列；inner join 只保留兩表都有的列
- ! Type I/II Error（同 L11 勘誤）：Type I = 拒絕真 H₀；Type II = 接受假 H₀
- ! p 值判斷：p < α 時拒絕 H₀（顯著）；p > α 時無法拒絕 H₀
程式碼閱讀題不需背語法，要能看懂「這段程式在做什麼」和「執行結果是什麼」；pandas/PySpark 的 groupby、merge、pivot 是重點
L22 學習指引 → L23
機器學習技術與應用
含 Python 官方勘誤約 25% 程式碼閱讀題；Recall 公式勘誤是超高頻考點，官方學習指引原版有誤
新增考點：
- + scikit-learn Pipeline 程式碼閱讀（make_pipeline、fit_transform）
- + Keras/TensorFlow Sequential model 結構
- + SHAP 值（模型可解釋性，特徵貢獻度量化）
- + Optuna / GridSearchCV 超參數調整
高頻考點：
- ★ L232 模型評估指標（Precision、Recall、F1、AUC-ROC）
- ★ L232 Ensemble 方法（Bagging vs Boosting vs Stacking）
- ★ L233 過擬合處理（正則化、Dropout、Early Stopping）
常見失分點：
- ! 【勘誤！】Recall 公式：官方學習指引原版寫 TP/(TP+FP) 是錯誤的，正確為 TP/(TP+FN)
- ! Precision vs Recall 定義：Precision = 預測為正中有多少真正是正；Recall = 真正為正中有多少被找到
- ! Bagging vs Boosting：Bagging（隨機森林）降低 Variance 並行；Boosting（XGBoost/AdaBoost）降低 Bias 序列
- ! cross_val_score 回傳值：每個 fold 的分數陣列，不是 mean；要用 .mean() 取平均
【最重要】Recall = TP/(TP+FN)，官方原版錯了，考題用正確版。程式碼題重點是理解 Pipeline 流程（資料前處理 → 訓練 → 評估），不需背 API
115 年下半年中級考題預測
根據 114-115 年出題方向，預測 11/14 中級考題趨勢：
- +Python 程式題比重可能從 25% 略升至 30%
- +L21 的 MLOps 和模型漂移監控會持續出現
- +L22/L23 可能出現 PyTorch/TensorFlow 程式碼片段
- +可解釋 AI（SHAP/LIME）在 L23 會越來越重要
- +情境規劃題佔比預計維持 70% 以上
以上預測基於 114-115 年歷屆考題分析，僅供參考，實際考題以 iPAS 官方公告 為準。