初級科目二涵蓋資料與應用，免費試考無需註冊顯示答案與說明，完整模擬需註冊與驗證。
初級科目二 資料與應用為 iPAS 初級考試，含 50 題單選，時限 75 分鐘，滿分 100 分，70 分及格。免費試考免註冊，每題附解析，每日每 IP 限 5 次。
初級科目二 資料與應用涵蓋資料採集、清洗、標註流程及 AI 應用場景的資料需求分析。
資料採集是指從各種來源收集原始資訊的過程，這是建立 AI 應用系統的基礎步驟。在初級科目二的考題中，考生需要理解不同採集方式的特性，例如透過 API 介面自動抓取結構化資料，或是從非結構化的文本中抽取關鍵資訊。採集階段必須明確定義資料的格式與頻率，確保後續處理流程能順利進行。若採集來源不穩定或格式混亂，會直接影響模型訓練的品質。因此，規劃師在設計系統時，需評估資料來源的可靠性與可擴展性，並設定錯誤處理機制。這部分常以情境題出現，要求考生判斷何種採集策略最適合特定的應用場景，例如即時監控系統需要高頻率的資料流，而歷史分析則可接受批次匯入。理解這些差異有助於在考試中快速辨識正確選項，避免混淆不同場景下的技術需求。
資料清洗是將原始資料中的錯誤、重複或缺失值移除的過程，目的是提升資料的一致性與準確性。未經清洗的資料往往包含噪音，例如格式不一的日期、重複的記錄或異常數值，這些都會干擾 AI 模型的學習效果。在考試中，考生需掌握常見的清洗技術，如去重、標準化與插補缺失值。標準化是指將不同來源的資料轉換為統一的格式，例如將所有金額轉換為相同幣別或單位。插補則是針對缺失資料，使用統計方法或預設值進行填補，以維持資料集的完整性。清洗流程通常需要在資料標註前完成，因為標註人員若面對髒亂的資料，會增加工作負擔並降低標註品質。考題常會給出一段包含錯誤的資料範例，要求考生指出應採取的清洗步驟，或是判斷清洗前後對模型效能的潛在影響。
標註是將原始資料轉換為機器可理解格式的關鍵步驟，通常由人工或半自動工具完成。在 AI 應用中，標註的品質直接決定模型的準確度，因此需要制定清晰的標註規範。規範應包含類別定義、邊界情況處理原則以及品質檢查標準。例如，在影像識別任務中，需明確界定何種物體應被框選，以及部分遮擋時如何處理。標註流程通常包括初標、複核與抽檢三個階段，以確保一致性。初標由標註員完成，複核由資深人員檢查錯誤，抽檢則用於評估整體品質。考試中常考標註規範的設計原則，例如如何減少標註員之間的主觀差異，或是如何處理模糊不清的案例。考生需理解，良好的標註規範能降低返工率，並確保訓練資料的標籤與實際應用場景的需求相符，這是資料需求分析的重要組成部分。
本頁內容依官方公告之命題範圍整理，實際題目與出題形式以官方公告為準。
初級 科目二：資料與應用 · 初級 · 75 min · 50 Q · pass 70/100
初級科目二 資料與應用共 50 題，每題 2 分，滿分 100 分。
初級科目二 資料與應用考試時間為 75 分鐘，需答對 35 題及格。
初級科目二 資料與應用免費試考免註冊，每日每 IP 限 5 次。