114年第二梯次中級 AI應用規劃師第二科大數據處理分析與應用(當次試題公告114.11.20)

114年第二梯次中級AI應用規劃師第二科大數據處理分析與應用(當次試題公告114.11.20)，採智能選題，無限次反覆練習。

研究團隊接下來想要將 Year 欄位轉換為整數型態，以便後續進行年份趨勢分析。考慮到資料中可能包含缺失值（NaN），請選出最合適的轉換方式。

data['Year'] = data['Year'].astype(int)；

data['Year'] = data['Year'].fillna(0).astype(int)；

data['Year'] = data['Year'].fillna(1).astype(int)；

data['Year'] = data['Year'].astype('Int64')；

None

某電信公司導入生成式AI客服系統,利用過去對話紀錄與用戶行為資料訓練語言模型,在資料治理與合規審查過程中,團隊發現模型可能會在回答中生成包含真實姓名、電話或交易資訊的內容。為確保系統符合個資法及生成式AI的安全與隱私要求,下列哪一項作法最符合實務可行及法規原則?

在訓練資料前進行資料匿名化(Anonymization)或偽匿名化(Pseudonymization)處理,並建立輸出內容稽核機制;

改以強化學習(Reinforcement Learning)微調模型,使模型學習避免產出真實資訊;

僅設定模型回覆時不顯示用戶姓名,即可視為隱私防護完成

採用同態加密(Homomorphic Encryption)以加密所有文字輸入,確保模型無法辨識任何個資;

None

根據上述結果，下列何者正確？

facebook 變數的第三四分位數(Q3)是 11.94；

youtube 變數的第一四分位數(Q1)是 89.25

資料集個數為 199 筆，變數個數為 4 個；

sales 變數的中位數是 16.827；

None

某行銷團隊想了解「廣告預算」與「銷售金額」之間的關聯程度。經繪製散佈圖後發現兩者呈現明顯線性趨勢,且資料中無明顯離群值(Outliers)。若希望衡量兩者之間線性關係的強度與方向,下列哪一種方法最適合?

共變異數(Covariance);

均方根誤差(Root Mean Squared Error, RMSE);

平均絕對誤差(Mean Absolute Error, MAE)

皮爾森相關係數(Pearson Correlation Coefficient);

None

附圖為某資料之分佈圖,此資料之偏態 (Skewness)值較有可能為下列哪個選項?

Skewness = 0;

Skewness > 0;

Skewness < 0;

無法計算 Skewness

None

考慮資料集已經填補遺漏值，參考下圖執行結果，下列何者正確？ A：空格 1 完整語法 reg = LinearRegression().fit(y, X) B：空格 1 完整語法 reg = LinearRegression().fit(X, y) C：print(reg.coef_) 結果為包括截距項等 4 個係數值 D：空格 2 完整語法 sm.OLS(X2, y).fit() E：model_sm 迴歸模型的所有迴歸係數在$\alpha=0.05$ 之下具有顯著的解釋力 F：截距項係數值為 3.5561

B、C、F

B、F

A、C、D、F

B、E

None

下列何者為同態加密(Homomorphic Encryption)技術的核心特性?

對資料進行標準化處理以提升模型精度;

自動偵測與排除異常值;

將資料轉換為匿名識別碼以隱藏身分;

可直接在加密狀態下進行數據運算

None

某金融科技公司分析每日上億筆交易資料,以監控客戶轉帳金額分佈與異常波動。由於資料量極大,為兼顧效率與準確度,團隊決定採用「近似分位數(Approximate Quantile)」方法進行資料摘要統計。下列何者最能正確反映該技術的核心目的?

利用機器學習模型預測分位數位置,以減少統計計算量;

僅能對結構化資料進行批次處理,無法應用於即時資料流;

在可容忍誤差範圍內,快速估算分位值以支援即時分析

確保每個分位值的結果完全精確,即使計算時間較長;

None

一家製造廠評估新生產線推出後,產品良率是否較原生產線提升。工程師分別從兩條生產線各抽樣 100 件產品，原生產線良率為 95%，新生產線為 97%。若欲檢定兩條生產線良率的差異是否具有統計意義，下列哪一種方法最為合適？

雙比例 Z 檢定（Two-proportion Z-test）；

卡方檢定（Chi-square test）；

變異數分析（ANOVA）

雙樣本平均數 t 檢定（Two-sample t-test）；

None

10.

若一家公司需即時監控大量物聯網裝置的異常行為,下列哪一種組合最適合此應用?

批次資料處理+雲端備份;

傳統關聯式資料庫+圖形視覺化;

大數據平台+即時資料分析技術;

Word文件+手動標註

None

11.

某串流影音平台運用關聯規則學習(Association Rule Learning)分析用戶的觀影行為,發現若使用者觀看了科幻影集,則有較高機率接著觀看超級英雄電影。分析顯示,同時觀看這兩種類型的使用者約佔全部觀影紀錄的12%,而觀看科幻影集的使用者中,有50%也觀看了超級英雄電影,該規則的提升度(Lift)為1.8。根據上述資訊,下列哪一項推論最為正確?

支持度(Support)過低,代表此規則不具任何商業價值;

信賴度(Confidence)為50%,代表觀看科幻影集者有明顯傾向觀看超級英雄電影;

提升度(Lift)大於1表示兩種類型內容無關,僅屬於隨機重疊;

同時觀看比例僅12%,代表兩種類型互相排斥

None

12.

某組資料共10項標籤如下: A, A, A, A, A, B, B, B, B, B 若該標籤僅有A、B兩種,請問這組資料的「正規化吉尼不純度(Normalized Gini impurity)」為何?

0.42;

0.84;

None

13.

使用Python的pandas 套件處理各商品銷售數據(變數為df)時,若需計算「總銷售額」欄位的敘述性統計量(如平均值、標準差等),應使用下列哪一種語法?

df['總銷售額']. sort_values();

df['總銷售額 ].sum();

df['總銷售額].stats()

df['總銷售額']. describe();

None

14.

在圖形資料庫(Graph Database)中建模社群平台資料時,若每筆「按讚」行為都包含時間戳記(Timestamp)與裝置類型(Device Type)等資訊。若希望同時保留使用者與貼文之間的互動關係,並能有效查詢「按讚」的行為屬性,下列哪一種設計方式最為合適?

將「按讚」資訊作為邊的屬性(Property)儲存,連結使用者與被按讚的貼文節點;

建立「按讚紀錄表」並將資料存入關聯式資料庫

把「按讚」資訊直接寫入使用者節點中作為屬性;

將「按讚」視為節點(Node),與使用者建立邊(Edge);

None

15.

考慮某生產線每小時出現瑕疵品的個數符合卜瓦松分佈（ Poisson Distribution），已知平均每小時產生 5 個瑕疵品，附圖程式碼展示資料處理，請問下列敘述何者正確？

lambda_poisson = 5 表示每小時最多 5 個瑕疵品；

卜瓦松分佈的適用條件為事件彼此獨立，且平均發生率固定；

poisson.pmf(5, lambda_poisson) 表示小於 5 個瑕疵品的機率；

poisson.cdf(10, 5) 表示大於或等於 10 個瑕疵品的機率

None

16.

參考下圖計算各變數的遺漏值 (NaN)個數結果，下列何者正確？選項 A: df.isnull().sum() 選項 B: df.isNaN().sum() 選項 C: df.isna().sum() 選項 D: df.isnan().sum()

選項 D；

選項 B、選項 C、選項 D；

選項 A、選項 C；

選項 A、選項 B、選項 C

None

17.

若在高維度(>500維)的資料上應用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)演算法,卻發現所有資料點皆被判定為雜訊(Noise),下列何者為最有可能的原因?

高維下距離變化趨同,導致 ϵ (Epsilon)閾值選擇失效;

MinPts 參數設得太小;

資料過度標準化導致特徵消失

使用錯誤的距離函數(Distance Function);

None

18.

在進行資料前處理時,若使用Label Encoding 將類別變數轉換為數字型態,下列何者為最常見的潛在風險?

無法處理缺值;

無法擴展至新資料;

記憶體佔用過高

會引入類別之間的虛假順序關係;

None

19.

某企業建置生成式 AI 系統,利用大量客服紀錄與產品評論資料訓練語言模型,以自動生成客服回覆與知識摘要。由於資料來源多樣,且包含非結構化文字、影像與表格資訊,團隊希望在不降低模型效能的前提下,提升資料處理效率與一致性,下列哪一種資料處理策略最適合?

建立資料湖(Data Lake)結構,並以Apache Spark 或Ray進行分散式資料預處理與特徵抽取,再串接至模型訓練管線(Pipeline);

使用生成式模型先行自動清理資料內容,再將結果輸入至下游訓練流程

採用單節點高效能伺服器搭配批次處理模式,集中執行資料清理與格式轉換;

將所有文字資料轉換為向量,並以資料庫索引方式直接餵入語言模型訓練;

None

20.

累積分佈函數(Cumulative Distribution Function, CDF)可用於描述隨機變數的機率分佈特性,其數學定義為下列何者?

機率密度函數(Probability Density Function, PDF)的積分;

機率密度函數(Probability Density Function, PDF)的平均值;

機率密度函數(Probability Density Function, PDF)的離散總和;

機率密度函數(Probability Density Function, PDF)的標準差

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