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 只評估模型的複雜度 只評估模型的大小 評估模型在各閾值下的性能表現 None 2. 自動化機器學習最適合用於哪類型的問題？ 有明確定義的預測或分類問題 需要創新算法的研究問題 極少量數據的預測 純理論的數學問題 None 3. 在AutoML模型中，哪種方法最適合解釋模型的預測結果？ 僅查看模型的準確率 只關注訓練時間 僅依賴混淆矩陣 特徵重要性分析 None 4. AutoML中的「並行反覆項目」設置主要影響： 實驗的總持續時間 結果的顯示方式 最終模型的大小 同時評估的模型數量 None 5. 在AutoML中，當面對高維數據時，通常需要： 進行降維或特徵選擇 忽略數據結構 隨機選擇特徵 總是使用所有特徵 None 6. 以下哪項不是AutoML的主要目標？ 完全取代資料分析師角色 減少人工干預 自動選擇最佳演算法 自動調整超參數 None 7. 在AutoML流程中，驗證資料主要用於什麼目的？ 訓練初始模型 調整模型的超參數 產生模型評估報告 進行最終的模型部署 None 8. AutoML可應用於哪些任務？ 僅限於監督式學習 只能用於非結構化數據分析 分類、回歸、預測、計算機視覺和NLP 只能用於回歸問題 None 9. 在AutoML系統中，處理文本數據時通常會使用什麼技術？ 僅進行簡單的字符計數 使用詞嵌入和N-gram特徵提取 只識別語言類型 完全忽略文本順序 None 10. 在Azure AutoML中，以下哪項不是可用的計算目標？ Azure Machine Learning計算 Azure Databricks 個人筆記本電腦CPU直接連接 本地計算 None 11. 本機計算與遠端ML計算叢集相比，何者更適合用於大型資料集？ 本機計算，因為它更直接 遠端ML計算叢集，因為它提供更好的效能 本機計算，因為它更容易設置 本機計算，因為它支持更多演算法 None 12. 針對高度不平衡的分類問題，AutoML中最適合的評估指標是： 簡單準確率 模型大小 AUC或精確度-召回率曲線 訓練時間 None 13. 在AutoML中，設置自動化機器學習參數的目的是： 降低模型準確性 優化實驗結果 減少特徵數量 限制模型可使用的數據 None 14. AutoML在定型期間會如何建立多個管線？ 按順序建立管線，一次一個測試 平行建立管線，嘗試不同演算法和參數組合 根據使用者指定的單一演算法建立管線 只建立一個管線，但與多個數據集一起測試 None 15. 在AutoML系統中，何時應該使用深度學習模型而非傳統機器學習模型？ 當訓練時間有嚴格限制時 當處理複雜的圖像或文本數據時 當數據量很小時 當需要高度可解釋性時 None 16. 自動化機器學習系統如何處理多目標優化問題？ 只優化最簡單的目標 將所有目標簡化為單一指標 使用帕累托優化或加權方法平衡多個目標 隨機選擇一個目標進行優化 None 17. 對於小型資料集或類別不平衡的資料，哪種計量可能是比較好的主要計量選擇？ accuracy AUC_weighted norm_macro_recall precision_score_weighted None 18. AutoML系統在處理地理空間數據時，需要特別考慮什麼因素？ 空間自相關性和地理特徵工程 數據的文件格式 收集數據的時間 數據的顏色編碼 None 19. 在AutoML實驗中，為什麼要分配計算資源？ 只是為了滿足形式要求 只為了存儲實驗結果 為了有效處理和訓練模型 僅用於結果可視化 None 20. 在金融領域應用AutoML時，什麼是特別重要的考慮因素？ 避免使用任何統計方法 僅考慮模型的視覺化效果 模型的可解釋性、風險評估和監管合規性 只關注短期預測 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
