學習路線圖 · AI應用規劃師中級
階段 3 系統部署
數據準備（ETL/特徵工程）；模型選擇；系統集成（API/容器化）與部署（雲端/邊緣計算）。
觀念教學
規劃書要落地,階段 3 練的是把 AI 從筆電上的模型變成企業裡的系統:資料、模型、整合、部署四關全通。
這一階段學什麼
- 數據準備:ETL 流程(抽取、轉換、載入)與特徵工程,把髒資料整理成模型吃得下的格式
- 模型選擇:依需求、資料量與資源限制挑模型,而不是永遠選最大最新
- 系統集成:用 API 把模型服務接進既有系統,用 Docker 容器化確保環境一致
- 部署策略:雲端與邊緣計算的取捨 — 延遲敏感、頻寬受限或資料不能離廠的場景往邊緣放
- 端到端架構:從資料源到使用者介面,畫得出完整系統架構圖
為什麼是現在學
階段 2 的規劃書定義了「做什麼」,這一階段回答「怎麼做出來」;沒有部署觀念,規劃就停在簡報。它同時是階段 4 大數據與機器學習深化的實作場景 — 先懂系統全貌,再深挖演算法,才不會見樹不見林。
怎麼練(具體行動)
- 替階段 2 的規劃案畫一張系統架構圖:資料流、模型服務、API、部署位置
- 動手做一次小型 ETL:從檔案抽資料、清洗轉換、載入資料庫
- 把一個簡單模型包成 API,再用 Docker 容器化跑起來
- 寫一頁「雲端 vs 邊緣」比較:各列三個適用場景與限制
完成標準
- 能建構端到端框架:從資料進到預測出,每一段都說得出用什麼技術(呼應里程碑:建構端到端框架)
- 交得出一張禁得起追問的系統架構設計圖
- 能依場景正確判斷該上雲端還是放邊緣
⚠️ 常見誤區:只練模型不練管線 — 考題與實務都常考 ETL 與部署選型,模型只是整個系統的一小塊。
系統部署是中級情境題的高頻考區:給場景選架構,答案永遠藏在需求限制裡。
里程碑
✓ 建構端到端框架
範例專題
系統架構設計
應用場景
iPAS 歷屆考題詳解(3 題)
先自行作答,再展開詳解。題目出處均為 iPAS AI 應用規劃師正式考題,著作權屬原主辦單位。
某大型醫院即將部署一套輔助診斷的 AI系統，為降低對臨床流程的衝擊，同時確保風險可控與回饋可收斂，應採取何種『漸進式部署』（Phased Rollout）策略最為合適？
- A從單一專科（如放射科）或特定病房開始啟用，逐步擴展至全院
- B先部署於病例量較高的急診單位，加速收集高頻使用回饋
- C僅在夜班或離峰時段啟用，避免影響主要臨床工作負載
- D在使用者界面啟用提示模式，讓全院同步體驗但不影響診斷流程
看正解與逐選項詳解
正解:A
某電商公司計畫導入即時推薦系統，希望使用者進入網站後能在 100毫秒內取得推薦結果，且推薦結果需依據最新使用者行為進行調整。系統需支援每日約 50萬活躍使用者，尖峰時段每秒約 3,000筆請求（QPS）。目前公司已累積歷史購買紀錄與瀏覽行為資料，並持續接收即時點擊流（Streaming Data）。IT基礎架構採用雲端環境，團隊配置為 2名資料工程師與 1名機器學習工程師。某工程師提出以下導入規劃：(1)使用批次訓練（Batch Training）建立協同過濾模型(2)將模型部署為 REST API 提供即時推論服務(3)使用 Kafka串流處理即時使用者行為特徵(4)將所有即時資料先寫入資料倉儲（Data Warehouse）再進行特徵計算(5)使用 Redis 或Feature Store快取即時特徵請問以下哪一項最合理的技術導入規劃組合與調整建議？
- A保留(1)(2)(3)，移除(4)，並加入(5)以降低延遲
- B保留(1)(4)，移除(3)，以確保資料一致性與系統穩定
- C保留(2)(4)(5)，移除(1)，改用即時線上學習（Online Learning）
- D全部保留(1)~(5)，可同時兼顧即時性與資料完整性
看正解與逐選項詳解
正解:A
某AI平台整合多個外部 AI微服務（語音辨識 API、NLP 分析API、知識圖譜查詢服務），在高峰期間某外部服務偶發延遲或逾時（Timeout），導致請求鏈路壅塞，最終造成平台級服務中斷（Cascading Failure）。為從架構層面預防此類連鎖故障，最有效的設計模式為何？
- A將所有外部 API 呼叫改為同步串行處理，並取消逾時限制，確保每個請求皆完成後再繼續
- B為外部服務導入斷路器模式（Circuit Breaker），在異常時暫停呼叫並提供替代回應
- C擴充各微服務的執行緒池（Thread Pool）上限，以提升併發處理能力
- D停用服務健康檢查，減少不必要的額外負載
看正解與逐選項詳解
正解:B