iPAS AI應用規劃師-初級 (8) / 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 (8) 模擬測驗，採智能選題，無限次反覆練習。 1. 在AutoML中，Feature importance視覺化的主要價值是： 只記錄模型架構 僅用於美化報告 顯示哪些資料功能影響模型預測 只評估模型定型速度 None 2. 自動化機器學習中的超參數調整主要用於什麼目的？ 提升模型的可解釋性 優化模型表現和防止過擬合 簡化資料預處理 加速模型部署過程 None 3. 在處理多標籤分類問題時，AutoML系統通常採用什麼策略？ 忽略標籤間的相關性 將問題簡化為二元分類 只預測最常見的標籤 為每個標籤訓練專門模型或使用專門的多標籤算法 None 4. 分類任務中，AutoML模型通常用於預測什麼？ 連續數值 文件內容 時間序列 類別或標籤 None 5. 在AutoML流程中，驗證資料主要用於什麼目的？ 訓練初始模型 產生模型評估報告 調整模型的超參數 進行最終的模型部署 None 6. 對於客戶流失預測任務，哪種評估計量最為適合？ AUC_weighted norm_macro_recall average_precision_score_weighted precision_score_weighted None 7. 自動化機器學習系統如何處理概念漂移(Concept Drift)問題？ 只使用最初的訓練數據 監控模型性能並根據需要重新訓練 忽略所有數據變化 永不更新模型 None 8. 在Azure AutoML中，部署模型為Web服務的主要好處是什麼？ 減少模型的大小 增加模型的精確度 減少模型的維護成本 使模型能夠接收新數據並提供即時預測 None 9. 驗證資料在自動化機器學習中的主要用途是什麼？ 替代定型資料 用於數據清洗 用於最終模型評估 調整模型的超參數 None 10. 在醫療診斷應用中使用AutoML時，最重要的考慮因素是： 訓練速度 模型準確性和解釋性 演算法名稱 模型大小 None 11. 在AutoML定型過程中，如何選擇最佳模型？ 隨機選擇一個模型 總是選擇最複雜的模型 根據定型分數選擇最高分的模型 由使用者手動選擇模型 None 12. AutoML系統在處理地理空間數據時，需要特別考慮什麼因素？ 數據的顏色編碼 空間自相關性和地理特徵工程 收集數據的時間 數據的文件格式 None 13. AutoML在時間序列預測中採用哪些技術？ 只使用深度學習模型 結合多種時間序列預測方法 僅使用線性回歸 僅依賴隨機森林算法 None 14. 自動化機器學習（AutoML）的主要目的是什麼？ 自動化機器學習模型開發中耗時的反覆工作 完全取代資料科學家的角色 提高模型訓練的安全性 使每個人都能開發人工智慧系統 None 15. 在AutoML中評估分類模型時，ROC曲線主要用於： 只評估模型的速度 只評估模型的大小 只評估模型的複雜度 評估模型在各閾值下的性能表現 None 16. 在處理不平衡分類問題時，AutoML系統通常會採取什麼策略？ 減少訓練迭代次數 只處理佔多數的類別 採用特定的採樣技術和評估指標 降低模型複雜度 None 17. 在AutoML中設置驗證類型為k-fold cross validation的主要目的是什麼？ 加速模型訓練 評估模型在不同資料子集上的表現 減少需要的數據量 簡化模型結構 None 18. 以下哪個不是在AutoML中進行特徵選擇的主要理由？ 降低數據收集成本 提高模型的準確性 降低模型的複雜度 減少訓練時間 None 19. 在自動化機器學習中，預測任務和分類任務最大的區別是什麼？ 輸出值的類型不同 計算資源需求不同 所需數據量不同 使用的演算法不同 None 20. 在AutoML中，AUC_weighted通常用於： 只用於NLP模型 評估分類模型 只用於時間序列預測 只用於回歸模型 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
