iPAS 中級科目三考前重點總整理：機器學習技術與應用複習與準備指南（2026）

AI 考照準備 ／ 資料更新至 2026 年 11 月

iPAS AI 應用規劃師中級科目三「機器學習技術與應用」在 2026 年 11 月 14 日（六）15:30 開考。近兩次公告試題顯示，深度學習與建模流程是主軸，程式判讀也有固定比重。這篇考前重點總整理適合考前複習，依官方評鑑範圍與公告試題考點編排，整理數學、演算法、調參與治理，不重製題目。

01中級科目三考什麼：命題分布

02L231 基礎數學：機率、線代與優化

• 條件機率：P(A|B)=P(A∩B)÷P(B)。計數時就是同時發生次數除以 B 發生次數。
• 貝氏定理：用先驗和資料更新後驗，樸素貝氏常用於分類。
• 蒙地卡羅：沒有解析解時，用大量隨機抽樣近似分布。
• 矩陣乘法：(m,n)×(n,p)=(m,p)。例如 (2,5)×(5,8) 得到 (2,8)。
• PCA 解釋變異：特徵值佔比。特徵值 5、3、2 時，前兩個主成分解釋 80%。

學習率過大容易震盪或發散，過小則收斂慢。非凸函數可能停在局部最優。

03L232 機器學習演算法

• R² 是模型可解釋的變異比例，0.85 不代表準確率 85%。
• 殘差呈漏斗狀是異質變異；呈系統性彎曲代表可能有非線性。
• 兩兩比對 n 筆資料，時間複雜度約 O(n²)。

04L23203 深度學習：架構與輸出層

• 卷積層提取局部特徵；池化層降低空間維度；Flatten 銜接全連接層。
• 線性激活疊再多層仍是線性，要用 ReLU 等非線性函數。
• Sigmoid 輸出 0 到 1，飽和區易梯度消失；Softmax 用於多分類。
• 多頭注意力從不同表示子空間捕捉關聯。
• VGG16 有 13 層卷積和 3 層全連接，參數集中在全連接層，運算量集中在卷積層。
• 量化把 FP32 轉成 INT8；蒸餾訓練小模型模仿大模型；剪枝移除不重要權重。
• BERT 擅長理解，GPT 類模型適合依前文逐步生成。

輸出層與損失函數的搭配

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a * b)         # [ 4 10 18]  逐元素相乘
print(np.dot(a, b))  # 32          內積

# 遷移學習：凍結卷積層，只訓練分類器
for p in model.features.parameters():
    p.requires_grad = False

05L233 建模流程：特徵、驗證與調校

訓練和驗證差距大是過擬合。更深的網路連訓練損失都變差時，要懷疑退化或梯度問題，不是單純過擬合。RAG 語意檢索不準時，也可能考混合搜尋與 RRF 融合排序。

06L234 治理：偏差與隱私

• 高風險領域如醫療、金融，更需要可解釋性。
• 同態加密可在密文上運算；差分隱私加入雜訊；聯邦學習讓資料留在本地。
• 安全通訊常搭配非對稱加密交換金鑰、對稱加密傳資料、雜湊確保完整性。

07考前準備指南：最後一週複習順序

請擔任 iPAS AI 應用規劃師「中級科目三」的考前複習助教。
我想加強的觀念是：L1 與 L2 正則化

請依序進行：
1. 用一個職場例子，三句話內解釋這個觀念。
2. 出 3 題四選一的原創情境題，先不要給答案。
3. 等我作答後，逐一說明每個選項對或錯的原因。
4. 最後整理一句我考場上可以用的判斷口訣。

不要宣稱題目來自官方。不確定的法規或考試規定請直接說不確定，提醒我回官方資料查核。

08考前自我檢測

常見問題

科目三數學要多深？

多半是理解和簡單計算，例如條件機率、矩陣形狀、特徵值比例與梯度概念。不太需要長篇推導，但基本運算要熟。

程式題要準備到什麼程度？

能讀懂 NumPy、scikit-learn、PyTorch 常見片段，知道輸出與流程錯在哪。官方預計程式類約占 25%，不要完全放棄。

已考過機器學習工程師能抵免嗎？

簡章列有抵免規則，資格與期限要對照原通過科目，請直接看最新簡章第 4 章。

Edit with Tr.Bug

Follow me on：LinkedIn　｜　探教育TempEDU