三份考卷 150 題拆完，iPAS 科目一到底都考什麼

準備考試最怕的不是讀不完，是不知道該先讀哪裡。

我把 114-4、115-1、115-2 三份科目一考卷共 150 題全部逐題分類過一輪，對照官方學習指引的章節，統計出來的分布跟我原本的直覺不太一樣。

這篇就把數字攤開來。

章節分布：機器學習佔了三分之一

150 題按官方章節分下來是這樣：

1.3 機器學習概念一章就佔了將近四成，而且裡面「機器學習基本原理」單獨就有 36 題，是所有子主題裡最多的。

如果你時間只夠讀一章，就讀這一章。

比較意外的是 1.1 人工智慧概念。它聽起來像是最基礎、最好拿分的章節，但 34 題裡面有 27 題是 AI 治理，只有 7 題在考 AI 的定義與分類。

也就是說，這一章實際上不是在考「什麼是 AI」，是在考「AI 該怎麼被管」。可解釋性、公平性、風險分級這些東西，全部集中在這裡。

1.2 的 32 題裡，有 21 題落在「資料整理與分析流程」，剩下的是資料基本概念 7 題、資料隱私與安全 4 題。特徵工程、遺漏值處理、探索性資料分析都在這一塊。

高頻考點排行

換一個角度，不看章節看考點，三份考卷重複出現最多的是這些：

可解釋 AI 是最值得投資的一塊，12 題平均下來每份考卷 4 題。而且它的考法很固定，先分內建可解釋跟事後解釋兩條路線，再問 LIME、SHAP、反事實解釋各自的特性。這種有明確結構的東西，讀懂一次就能一直拿分。

「法規與治理」9 題也不能忽略。它跟可解釋 AI 常常黏在一起考，題幹會給你一個醫療、金融或司法的情境，問你在這種高風險領域下該做什麼。

兩個看得出來的出題習慣

一、題幹裡藏限定條件

這是我覺得最需要練的地方。同一個觀念，題幹加一個限定詞，答案就整個換掉。

像是「在訓練階段」跟「在部署之後」要做的事不一樣；「資料量極度不平衡」跟「標籤成本很高」對應的解法也不同。

看漏一個詞，你會很篤定地選錯。

二、名詞本身就是答案

不少專有名詞的英文全名已經把功能寫完了。

SMOTE 是 Synthetic（合成）、Minority（少數類別）、Over-sampling（過採樣），拆開來就知道它在做什麼。LIME 是 Local（局部）、Interpretable（可解釋）、Model-agnostic（與模型無關）、Explanations（解釋），四個字對應四個特性。

遇到不熟的名詞，先把全名拆開看，很多時候不用背也能推出來。

那「時事新技術」怎麼辦

三份考卷裡有 5 題落在這一類，像是 Flash Attention、Sparse MoE、GRPO 這些比較新的東西。

老實說，這類題目 CP 值不高。它們分散、難預測，而且每一題都要另外查資料才讀得懂。

我的建議是放到最後再處理。前面那些高頻考點顧好，這 5 題就算全錯也還在安全範圍內。時間有剩再回頭看，不要一開始就卡在這裡。

讀完之後怎麼驗收

分布看完，接下來就是照著練。

按章節出題可以用考古題詳解庫，想模擬完整一份考卷抓時間感就用練習測驗，兩邊的題目都附了逐選項的詳解，寫了為什麼對、為什麼錯。

想要一份把觀念、圖卡跟對應考古題整理在同一份的東西，可以看看我整理的科目一學習筆記。

祝你考試順利！