AI 技術應用與系統部署:12 題線上練習
「AI 技術應用與系統部署」是 iPAS AI 應用規劃師中級「AI 技術應用與規劃」科目下的知識主題(代號 L213)。本頁收錄 12 題免費練習題,依能力指標分組,附逐題解析。
依能力指標分組,點一題看選項與解析。
L21301 數據準備與模型選擇
評鑑範圍:數據收集、數據清洗與預處理、特徵工程、不同模型的優缺點
評鑑範圍:AI 系統架構設計、模型部署技術、效能監控和更新管理、雲端環境建置
- 下列何者為Kubernetes在AI模型部署與運行中的核心功能?原卷題
- 在企業導入的MLOps(Machine Learning Operations)流程中,Model Registry最常用於哪一個階段?原卷題
- 某電商平台開發的顧客流失預測模型在上線數月後,預測準確率明顯下降。專案團隊懷疑顧客行為模式改變,導致模型輸入特徵的分佈與原始訓練資料不同,出現典型的資料漂移(Data Drift)問題。為了偵測並確認資料分佈是否發生變化,下列哪一種作法最合適?原卷題
- 某企業的AI模型已部署於線上服務環境中,用於即時預測顧客流失率。近期團隊注意到模型預測準確率逐漸下降,但系統運作正常且未出現錯誤訊息。經分析發現,近期輸入資料的分佈與模型訓練資料相比出現顯著偏移。若要在MLOps流程中主動偵測並預警此類問題,最應採用下列哪項措施?
- Kubernetes 在 AI 系統部署中的核心功能為何?
- MLOps 中 Model Registry 的主要用途為何?
- 偵測 Data Drift(資料漂移)的方法為何?
- 公司把客服摘要模型包成容器服務。週一上午流量突然增加三倍,團隊希望在不手動登入每台機器的情況下,透過 Kubernetes、Horizontal Pod Autoscaler(HPA)與已設定的監控指標自動增加或減少服務副本。這套機制最適合負責哪一件事?
本考點的相關 AI 術語
先掌握這些術語的定義與應用情境,再回來練題。