1-3 解析常見的機器學習技術 (2) / iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 初級, 測驗題庫 / 作者: S學院 1-3 解析常見的機器學習技術 (2)模擬測驗，採智能選題，無限次反覆練習。 1. 深度學習中的遷移學習(Transfer Learning)主要用於？ 利用預訓練模型 減少記憶體使用 加快訓練速度 簡化模型結構 None 2. 在GAN訓練過程中，當生成器變得太強時可能會發生什麼問題？ 模式崩潰(Mode collapse) 欠擬合 過度擬合 梯度爆炸 None 3. 深度學習模型的損失函數(Loss Function)的作用是？ 評估模型表現 儲存模型參數 簡化模型結構 加速模型訓練 None 4. 在深度學習中，為什麼要使用梯度裁剪(Gradient Clipping)？ 減少記憶體使用 提高模型準確率 加快訓練速度 防止梯度爆炸 None 5. Transformer中的位置編碼(Positional Encoding)的主要作用是？ 增加模型容量 加快訓練速度 減少參數數量 提供序列位置資訊 None 6. 深度學習網路中，哪一層負責接收並輸入原始資料？ 輸入層 輸出層 隱藏層 處理層 None 7. 深度學習模型過擬合(overfitting)的解決方法不包括？ 使用dropout 增加訓練數據 使用正則化 減少模型層數 None 8. 以下哪個不是深度學習常見的資料預處理步驟？ 正規化 隨機改變數據 標準化 特徵縮放 None 9. TensorFlow服務(TensorFlow Serving)的主要用途是？ 測試模型 設計模型 部署模型 訓練模型 None 10. 以下哪個不是深度學習常見的模型評估方法？ 交叉驗證 連續測試 留一驗證 隨機分割 None 11. 以下哪個不是深度學習的特點？ 需要強大的計算能力 模型可以很深 不需要大量資料 可以自動學習特徵 None 12. 在對抗訓練中，為什麼要使用FGSM(Fast Gradient Sign Method)？ 提高訓練速度 防止過擬合 減少記憶體使用 生成對抗樣本 None 13. 深度學習中的分組標準化(Group Normalization)相比批次標準化的優勢是？ 訓練更快 效果更好 不依賴批次大小 計算更簡單 None 14. 以下哪種深度學習模型最適合用於文本生成？ CNN RNN DNN GAN None 15. 深度學習中的權重剪枝(Weight Pruning)的主要目的是？ 減少模型參數量 改善模型泛化 提高訓練速度 增加模型準確率 None 16. 針對不平衡數據集，以下哪種方法最不適合？ 直接刪除多數類樣本 使用加權損失函數 使用SMOTE算法 過採樣少數類 None 17. 使用深度學習處理時序數據時，為什麼要進行序列填充(Padding)？ 統一序列長度 提高模型準確率 增加訓練樣本 減少記憶體使用 None 18. TensorFlow中的張量(Tensor)是指？ 只能是向量 只能是二維矩陣 只能是純量 多維數據陣列 None 19. 深度學習中的One-Cycle Policy的主要思想是？ 週期性調整學習率 學習率先增後減 逐步減小學習率 固定學習率 None 20. 以下哪種網路結構最適合處理時序資料？ DNN GAN CNN LSTM None 如有問題可留言，謝謝您的寶貴意見！ 暱稱 電郵（提交獲得正確答案，可換題測驗完整題庫，新增題庫電郵通知） Time's up
