AICE 必考觀念筆記：一頁把四大面向的地基打完

操千曲而後曉聲，
觀千劍而後識器。
—— 劉勰《文心雕龍・知音》（南朝）

這篇是我們準備資策會 AICE 認證時整理的必考觀念筆記，考完覺得留著可惜，整理出來分享。備考的完整心得和策略在另一篇：一週衝刺的考取筆記；這篇專心做一件事——把最會出題的觀念濃縮到一頁，每條配一個好記的鉤子，適合考前掃描，也適合任何想快速補齊 AI 通識的人。

評估指標：先記方向，再記定義

方向題是最冤枉的失分。AUC 越大越好，1.0 完美、0.5 等於亂猜、低於 0.5 比亂猜還糟；誤差類指標（RMSE、MAE）則越小越好。

準確率的騙局必考：資料不平衡時（詐欺只佔 1%），全部猜「正常」也有 99% 準確率，所以不平衡資料要改看 F1 或 AUC。精確率和召回率的分工用代價記：漏掉的代價高（疾病篩檢、詐欺）顧召回率；誤報的代價高（把正常信丟進垃圾桶）顧精確率；F1 是兩者的調和平均。

混淆矩陣的四格：真陽性、真陰性、偽陽性（誤報，第一型錯誤）、偽陰性（漏報，第二型錯誤）。考題常用「第一型、第二型」這組學名，別在考場上第一次見面。

機器學習：三種學習、兩種病

三種學習方式的分界線是「有沒有標準答案」：監督式有標籤（分類、迴歸）、非監督式沒標籤（分群、降維、異常偵測）、強化學習靠獎懲回饋。分群和分類的差別是常客：k-means 是把資料分堆、事先不知道每堆是什麼，跟拿著答案學的分類是兩回事。

兩種病要分得開。過擬合：訓練分數高、測試分數低，背答案背太死——藥是正則化、早停、減少特徵、增加資料。資料洩漏：訓練時用了上線後不可能拿到的資訊（例如用「客戶最後有沒有退貨」預測下單當下的行為），訓練成績好得不真實——藥是把時間軸想清楚，砍掉未來資訊。

不平衡資料的處理：過採樣（複製少數類）、欠採樣（丟掉多數類）、SMOTE（合成新的少數類樣本）。看到「合成」兩個字就是 SMOTE。

大數據生態系：每個工具只問一句「它站在哪一層」

這區名詞最多，但題目幾乎都是角色題，一行一個鉤子：

• HDFS：分散式儲存；NameNode 管目錄、DataNode 存實際資料
• MapReduce：Map 拆開處理、Reduce 彙總各鍵的值
• Spark：記憶體內運算所以快；RDD 的特性是不可變；Spark SQL 處理結構化資料
• Kafka：訊息串流；Producer 發訊息、Consumer 收訊息
• Flume：日誌收集
• Hive：用 SQL 查大數據
• 資料庫分兩家：SQL 家固定綱要、有交易保證；NoSQL 家四種類型——鍵值、文件（MongoDB）、欄族、圖形，「關聯型」不在四類裡
• ETL：擷取、轉換、載入，資料搬家的標準三步

神經網路：分工加一個著名的病

分工用資料型態記：CNN 管影像（卷積抓局部特徵）、RNN 管序列（語音、文字、時間序列）。RNN 的著名毛病是梯度消失——序列一長，前面的資訊傳不到後面；解法是 LSTM（用門控機制記住長期資訊）和它的精簡版 GRU。

深度學習就是層數很多的神經網路；激活函數的作用是引入非線性，沒有它再多層也只是線性模型。

生成式 AI：參數各管一件事

大型語言模型的本質是預測下一個詞。三個參數各管各的：temperature 管隨機性（調低更一致、調高更有創意）、max_tokens 管長度上限（它不管品質，這是經典陷阱）、提示工程管的是怎麼問。

另外記一組區分：判別式模型學「分界線」（分類用），生成式模型學「資料長什麼樣」（能生成新資料）。

AI 倫理：考的是主詞和類型

偏差的三個來源要分開：資料偏差（訓練資料不具代表性）、演算法偏差（模型放大了差異）、測量偏差（收集方式本身歪了）。題目常給情境問「這是哪種偏差」。

責任題抓主詞：誰部署、誰負責；透明性、可解釋性、問責制這幾個詞在選項裡出現時，回到情境問「這條原則要求的是誰、做什麼」。個資處理的大原則：最小蒐集、去識別化、目的限定。

Python：最低限度的三條

如果時間有限，Python 至少記三條：串列可變、元組不可變、字串不可變；函式預設參數在定義時求值一次（可變預設值是陷阱題王）；淺拷貝複製外殼、深拷貝連內容物一起複製。其餘瑣碎題的取捨，見心得篇的放生策略。

帶得走的一件事

觀念筆記的價值不在收藏，在提取：每一條後面的「記憶鉤」才是真正的商品——AUC 記方向、工具記樓層、錯誤記代價。

今天就能做的練習：把你正在學的領域挑十個名詞，每個逼自己寫出一句十個字以內的鉤子。寫不出來的那幾個，就是你還沒真懂的。

Markdown 原文