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，"早期停止"技術的主要目的是什麼？ 減少記憶體的使用 增加模型的泛化能力 避免過度訓練而浪費計算資源 防止模型參數過多 None 2. AutoML在處理多模態數據（如文本和圖像結合）時的主要挑戰是： 減少總體數據量 有效融合不同類型的數據表示 增加訓練時間 簡化模型架構 None 3. 以下哪項不是AutoML自動化的步驟？ 超參數調整 模型評估 特徵選擇 問題定義和數據收集 None 4. 在AutoML中，「模型可解釋性」指的是： 理解模型如何做出預測的能力 模型的大小 模型訓練的速度 模型支持的資料類型 None 5. 在時間序列預測中，AutoML如何處理季節性模式？ 忽略所有季節性因素 僅考慮年度季節性 透過特殊的時間特徵工程和季節性分解 通過隨機森林消除季節性 None 6. 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 減少訓練時間 降低模型的複雜度 提高模型的準確性 None 7. 自動化機器學習系統進行特徵選擇時主要考慮什麼因素？ 特徵與目標變數的相關性和重要性 特徵名稱的字母順序 特徵的數據類型優先級 特徵收集的時間順序 None 8. 在AutoML中，何時應該啟用深度學習選項？ 總是啟用以獲得最佳結果 只在處理小型資料集時 處理圖像、文本等複雜或非結構化數據時 永遠不要啟用，因為太複雜 None 9. 對於客戶流失預測任務，哪種評估計量最為適合？ norm_macro_recall precision_score_weighted AUC_weighted average_precision_score_weighted None 10. AutoML在零售業的主要應用是： 員工管理 需求預測和個人化推薦 店面設計 運輸物流管理 None 11. 針對高度不平衡的分類問題，AutoML中最適合的評估指標是： 訓練時間 模型大小 簡單準確率 AUC或精確度-召回率曲線 None 12. 在自動化機器學習中，"貝葉斯優化"主要用於什麼目的？ 計算後驗概率分布 減少特徵數量 高效地搜索最佳超參數組合 僅用於增強決策樹模型 None 13. 在處理不平衡分類問題時，AutoML系統通常會採取什麼策略？ 降低模型複雜度 減少訓練迭代次數 採用特定的採樣技術和評估指標 只處理佔多數的類別 None 14. 在處理高維數據時，AutoML系統通常採用什麼技術來提高效率？ 簡化評估指標 僅增加計算資源 增加模型層數 降維技術和主成分分析 None 15. 在自動化機器學習中，如何有效地處理等級特徵(Ordinal Features)？ 保留順序信息的特殊編碼方法 總是轉換為連續數值 刪除所有等級特徵 將它們視為無序類別特徵 None 16. 在自然語言處理任務中，AutoML常用於： 數值預測 情感分析和文本分類 圖像識別 網絡設計 None 17. AutoML在時間序列預測中採用哪些技術？ 僅依賴隨機森林算法 結合多種時間序列預測方法 只使用深度學習模型 僅使用線性回歸 None 18. 在使用AutoML處理傳感器數據時，最需要注意的是什麼？ 傳感器的物理尺寸 傳感器的品牌 信號處理、異常檢測和時間對齊 傳感器的顏色編碼 None 19. 在評估AutoML實驗結果時，下列哪項不是重要的考慮因素？ 計算時間和資源使用 模型複雜度和可解釋性 模型性能指標 演算法的發明年份 None 20. 在處理高維文本數據時，AutoML系統通常會採用什麼降維技術？ 只保留最常見的詞彙 隨機選擇特徵子集 潛在語義分析或主題模型 僅刪除最長的文檔 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
