學習路線圖 · AI應用規劃師初級
階段 2 資料基礎
學習資料類型、來源與處理流程；涵蓋敘述性、探索性、診斷性、預測性分析；強調隱私與安全。
觀念教學
資料是 AI 的原料:階段 2 要練成「拿到資料,知道它是什麼型態、該怎麼處理、能做哪種分析」的基本功。
這一階段學什麼
- 資料類型判斷:結構化(資料庫表格、ERP 訂單)、半結構化(JSON、日誌)、非結構化(手寫描述的掃描檔、影像、語音)— 給三種來源判斷型態,是考題常客
- 大數據特性:資料量(Volume)、速度(Velocity)、多樣性(Variety)— 感測器每秒湧入的即時資料,挑戰的是速度;多源混雜,挑戰的是多樣性
- 資料處理流程:從蒐集、清洗到 ETL 載入,髒資料進、乾淨資料出
- 四種分析層次:敘述性(發生了什麼)、探索性(有什麼模式)、診斷性(為什麼發生)、預測性(接下來會怎樣)
- 隱私與安全:蒐集最小化、去識別化與存取控管,資料安全性是規劃師的底線
為什麼是現在學
階段 1 建立了 AI 分類框架,但沒有資料就沒有 AI:階段 3 的機器學習,本質是「從資料學規律」,資料型態判斷錯、品質沒顧好,模型全盤皆輸。科目一的資料題與科目二的應用規劃題都從這裡出發。
怎麼練(具體行動)
- 找一份髒資料(缺值、重複、格式亂),動手走完清理流程並記錄每個步驟
- 做型態判斷練習:ERP 訂單、感測器連續數值紀錄、掃描成 PDF 的手寫異常描述,各屬哪種型態?寫下判斷依據
- 對同一份資料做四層分析:先描述現況、再找模式、追原因、最後試著預測趨勢
- 用大數據三特性分析一個真實場景,例如全市感測器的空氣品質監測,指出主要挑戰在哪個 V
完成標準
- 能處理簡單資料並分析趨勢,說得出每個清理步驟的理由(呼應里程碑:能處理簡單資料並分析趨勢)
- 給任何資料來源,能正確判斷結構化、半結構化或非結構化
- 能用量、速度、多樣性描述一個場景的資料挑戰
⚠️ 常見誤區:四種分析層次背得出來卻對不上情境 — 考題給場景問層次,抓關鍵字:「發生什麼、為什麼、會怎樣」。
資料基礎橫跨科目一與科目二,是初級考試裡投資一次、兩科受益的樞紐階段。
📝 本節掛載 2 題 iPAS 歷屆試題 — 讀完往下到「iPAS 考題練習」直接實戰。
里程碑
✓ 能處理簡單資料並分析趨勢
範例專題
資料清理流程
應用場景
iPAS 歷屆考題詳解(4 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。
某市政府環保局計畫建立空氣品質監測AI 系統，需整合全市5 萬個感測器的即時數據（每秒產生大量資料記錄），並持續接收氣象、交通與工廠排放等資料， 且需即時處理持續產生的資料。就大數據特性分析，下列何者最能說明此專案面臨的主要挑戰組合？
- AVolume 與Velocity，因為資料量龐大且持續高速產生；
- BVariety 與Veracity，因為資料來源多元且需確保正確性；
- CVelocity 與Value，因為需即時判斷資料是否具有分析價值；
- DVolume 與Value，因為需從大量資料中篩選出有用資訊
看正解與逐選項詳解
正解:A
正確答案:(A)
【正解解析】
題幹的關鍵條件有二:全市 5 萬個感測器持續回傳,累積的資料量極為龐大,對應大數據特性中的資料量(Volume);「每秒產生大量資料記錄」且「需即時處理持續產生的資料」,代表資料以高速持續湧入,對應資料速度(Velocity)。題目問主要挑戰組合,Volume 與 Velocity 是題幹直接給出證據的兩項特性,故 (A) 正確。
【為何其他選項錯了?】
- (B):資料來源確實多元(氣象、交通、工廠排放),多樣性(Variety)與真實性(Veracity)在此專案也有意義,但題幹強調的重點是量大與每秒持續產生,並未著墨資料格式異質或品質驗證問題,故非主要挑戰組合。
- (C):價值(Value)指從資料中萃取有用資訊的難度,題幹沒有提出「判斷資料是否具分析價值」的需求;此組合只有 Velocity 對應題意。
- (D):Volume 符合題幹,但 Value 同樣缺乏題幹依據;「從大量資料篩選有用資訊」不是本題描述的挑戰。
提示:抓題幹關鍵詞對應 V 特性:「5 萬個感測器、大量資料」對 Volume,「每秒產生、即時處理」對 Velocity。
某製造業導入AI 進行生產排程，需整合ERP（企業資源規劃系統）訂單資料、 設備感測器產生的連續數值紀錄，以及維修技師手寫異常描述（掃描為PDF）。 資料治理主管需判斷三類資料的型態。下列何者最能正確對應其資料型態？
- AERP 訂單資料為半結構化、感測器數值為結構化、維修文字描述為非結構化；
- BERP 訂單資料為結構化、感測器數值為結構化、維修文字描述為非結構化；
- CERP 訂單資料為結構化、感測器數值為非結構化、維修文字描述為半結構化；
- D三者皆屬結構化資料，因為都可以轉換為數值格式後進行分析
看正解與逐選項詳解
正解:B
正確答案:(B)
【正解解析】
判斷資料型態的依據,是資料原始形式是否具備固定欄位與表格結構。ERP 訂單資料存放於資料庫,有固定欄位(如訂單編號、品項、數量、日期),屬結構化資料;設備感測器的連續數值紀錄具時間戳與數值欄位,可直接整理為表格,同屬結構化資料;維修技師的手寫異常描述掃描為 PDF,是自由文字與影像的混合,沒有固定欄位結構,屬非結構化資料。故 (B) 正確。
【為何其他選項錯了?】
- (A):ERP 訂單資料有固定欄位與資料表結構,屬結構化資料;半結構化指的是 JSON、XML 這類有標籤但無固定表格結構的格式。
- (C):感測器數值時間序列有明確的時間戳與數值欄位,屬結構化資料;手寫掃描 PDF 沒有一致的標籤結構,應歸為非結構化而非半結構化。
- (D):「可轉換為數值格式後分析」不會改變原始資料的型態分類;手寫掃描 PDF 在轉換前仍是非結構化資料。
提示:結構化看固定欄位與表格,半結構化看標籤格式(如 JSON、XML),自由文字與影像屬非結構化。
某健康管理 AI 系統透過智慧手環蒐集使用者的生理量測資料，資料以欄位標籤（Tag）記錄，例如「使用者 ID：H123」、「量測項目：心率」、「量測數值：75」等。不同裝置可依功能需求上傳不同欄位（如：血氧濃度），因此各筆資料不一定具有完全相同的欄位結構。在資料格式與資料結構特徵的分類上，此類資料最屬於下列哪一種資料型態？
- A結構化資料（Structured Data）；
- B半結構化資料（Semi-structured Data）；
- C高頻資料（High-frequency Data）；
- D時序資料（Time Series Data）
看正解與逐選項詳解
正解:B
正確答案:(B)
【正解解析】
題幹的關鍵特徵有兩點:資料「以欄位標籤(Tag)記錄」,每個值都附有標籤說明其意義;但「各筆資料不一定具有完全相同的欄位結構」,不同裝置可自行增減欄位。這種有標籤、有層次卻不符合固定表格綱要(Schema)的資料,正是半結構化資料(Semi-structured Data)的定義,常見形式如 JSON、XML 與感測器上傳的鍵值紀錄,故 (B) 正確。
【為何其他選項錯了?】
- (A):結構化資料(Structured Data)要求所有紀錄遵循相同且事先定義的欄位與資料型別,能直接放入關聯式資料庫的表格;題幹明確指出各筆資料欄位不一致,不符合結構化的條件。
- (C):高頻資料(High-frequency Data)描述的是資料產生的頻率極高,屬於資料量與速度面向的特性,不是「資料格式與結構」的分類。
- (D):時序資料(Time Series Data)指依時間順序記錄的觀測值,強調的是時間維度;題目問的是格式與結構特徵的分類,且題幹描述的重點是欄位標籤與結構不一致,而非時間序列性質。
提示:題幹出現「有標籤/鍵值」但「欄位不固定」,即為半結構化資料;固定表格是結構化,純文字與影像是非結構化。
某公司準備利用智慧電表資料建立 AI 模型分析用電趨勢。為了降低資料量，將原本每秒紀錄一次的資料改為每小時統計一次。這項調整最可能造成什麼影響？
- A因為資料維度大幅減少，AI 模型的預測準確度一定會隨之提升；
- B保留了整體的用電趨勢，但可能失去短時間內設備啟動的用電變化資訊；
- C將連續的用電數值轉換成每小時統計後，資料型態會自動轉變為類別資料；
- D由於重新彙整資料，容易造成資料外洩（Data Leakage），使模型評估結果偏高
看正解與逐選項詳解
正解:B
正確答案:(B)
【正解解析】
題幹的操作是把每秒一筆的用電紀錄改為每小時統計一次,這是時間粒度的降採樣(Downsampling)或聚合(Aggregation)。聚合後每小時的總量或平均值仍能呈現日夜、平假日等整體用電趨勢,但一小時內的細部波動會被平滑掉,例如設備啟動瞬間的突波、短時間開關造成的尖峰,都無法再從資料中觀察。這是資料量與資訊細節之間的取捨,(B) 正確描述了保留趨勢但損失短期變化的影響。
【為何其他選項錯了?】
- (A):降低取樣頻率減少的是資料筆數而非特徵維度,而且損失細節資訊可能反而降低模型對短期用電模式的預測能力,「準確度一定提升」的絕對敘述不成立。
- (C):每小時統計後的用電量仍是連續的數值資料,資料型態不會因為聚合而變成類別資料;類別化需要另外進行分箱或分級處理。
- (D):資料洩漏(Data Leakage)指訓練時混入了預測當下不該知道的資訊(如測試資料或未來資訊),導致評估結果偏高;單純改變統計時間粒度並不會引入這類問題。
提示:題幹出現「降低取樣頻率/彙整成較大時間單位」,影響一律是「保留整體趨勢、失去短期細節」,不涉及維度或洩漏。