知識地圖 · AI 方法論 AI 方法論知識地圖 從問題定義、模型開發到 MLOps 與治理倫理 — 中級考試的方法論主戰場,本圖掛載全站最多的 214 題歷屆考題。 25 個節點 214 題歷屆考題 4 個分類 開啟互動地圖 考古題總覽 模型開發9 模型開發 Development 問題定義 定義目標與指標 資料探索 (EDA)8 題 視覺化與統計分析 資料清洗8 題 處理遺失、異常、不平衡 特徵工程14 題 資料前處理與轉換 資料切分16 題 Train/Val/Test、CV 基準模型 Baseline Model 模型訓練與調參23 題 訓練、正則化、調參 模型評估15 題 測試集最終評估 部署與維運5 MLOps3 題 ML Operations 模型優化7 題 壓縮/量化/蒸餾 建立 CI/CD3 題 持續整合/部署 部署與服務化28 題 API, Docker, Edge 監控與維護6 題 Data Drift, Concept Drift 治理與倫理10 治理與倫理22 題 Governance 可信賴性3 題 如何信任模型判斷 可解釋 AI (XAI)26 題 SHAP, LIME, 反事實解釋 公平性與去偏見6 題 避免歧視 安全與防禦9 題 防止模型被攻擊 對抗式攻擊防禦2 題 防止雜訊騙過 AI 強健性 穩定運作 隱私保護技術7 題 保護數據隱私 聯邦學習5 題 資料不出本地 差分隱私3 題 Differential Privacy 方法論1 方法論 ML 實務核心概念