iPAS AI應用規劃師-初級 (3) / 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 iPAS AI應用規劃師-初級 (3) 模擬測驗,採智能選題,無限次反覆練習。 1. 語言偵測功能的主要目的是: 測量文本的閱讀難度 偵測撰寫文件時所使用的語言 檢測文本中的語法錯誤 標識文本中的方言 None 2. 語言模型的"溫度參數"(Temperature Parameter)主要影響: 訓練速度 生成文本的多樣性與隨機性 記憶長文本的能力 模型對不同語言的處理能力 None 3. 在NLP中,詞嵌入(Word Embeddings)的主要目的是: 翻譯文本到其他語言 將詞語分類為不同的詞性 將詞語轉換為數值向量以捕捉語義關係 識別語法錯誤 None 4. 語言模型中的"符號推理"(Symbolic Reasoning)能力主要指: 生成形式化的邏輯表達式 識別和處理數學符號 在不同語言間進行轉換 系統性地操作抽象符號解決問題 None 5. 語言模型中"對齊問題"(Alignment Problem)主要涉及: 將模型預測與真實標籤對齊 使模型行為符合人類價值觀和偏好 優化模型的參數初始化 確保模型在不同硬件上的一致性 None 6. 自訂NER(具名實體辨識)主要用於: 翻譯文本中的專有名詞 只識別人名和地名 從非結構化文本中提取特定實體類別 標註所有詞性 None 7. Language Studio是一種: 編程環境 本地桌面應用程式 以UI為基礎的工具,用於探索和建置Azure AI語言功能 語言學習軟體 None 8. 在自然語言處理中,文本數據增強(Text Data Augmentation)技術的主要目的是: 減少訓練時間 簡化模型架構 減少模型參數 增加訓練數據的多樣性,提高模型泛化能力 None 9. 在機器學習中,特徵選擇(Feature Selection)的主要目的是: 創建新特徵 增加特徵數量 選擇最相關的特徵子集以改進模型性能 簡化數據收集過程 None 10. 在CRF序列標註電商行業案例中,標註準備階段的主要工作是: 建立數據庫 編寫程序代碼 設計系統架構 將數據中的每個詞語標註為相應的類別 None 11. 語言模型的上下文窗口大小影響: 模型大小 訓練速度 模型捕捉長期依賴的能力 數據預處理時間 None 12. 在神經機器翻譯中,"解碼器自回歸性質"(Decoder Auto-regressiveness)導致的主要問題是: 需要大量平行語料 難以處理長句 推理速度慢 訓練不穩定 None 13. 自然語言處理中的語言模型主要用於: 僅識別語言 僅翻譯語言 僅分析情感 預測序列中下一個單詞或字符的概率 None 14. 在機器學習中,降維技術的主要目的是: 減少數據的維度同時保留重要信息 增加訓練時間 增加模型複雜度 增加特徵數量 None 15. 在自然語言處理中,n-gram模型的主要限制是: 需要太多參數 只適用於特定語言 訓練太快 難以捕捉長距離依賴關係 None 16. 在機器學習中,正則化技術主要用於: 增加模型複雜度 增加訓練數據量 加速模型訓練 防止過擬合 None 17. 在處理多語言NLP任務時,以下哪種方法最有效? 僅處理語法相似的語言組 為每種語言訓練獨立的模型 使用跨語言預訓練模型 依靠規則型翻譯系統 None 18. 自然語言處理中的"長尾問題"(Long-tail Problem)指的是: 模型訓練時間過長 處理超長文本的困難 預測序列太長導致的誤差累積 訓練數據中罕見事件的稀缺性 None 19. Transformer模型的核心機制是: 強化學習 自注意力機制 循環連接 監督學習 None 20. 以下哪種技術最適合解決NLP中的數據不平衡問題? 焦點損失(Focal Loss) 梯度裁剪(Gradient Clipping) 批量歸一化(Batch Normalization) 提前停止(Early Stopping) 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