iPAS AI應用規劃師-初級_人工智慧概論模擬題150題 / 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_人工智慧概論模擬題150題，採智能選題，無限次反覆練習。 1. 資料精簡後獲得的知識會如何？ 可能會有些微誤差，但能提升效率 僅適用於圖像類資料 一定會失去所有準確性 只能用於非監督式學習任務 None 2. 若數值範圍為 28 到 36，並設定箱數為 4，則每一箱的寬度為？ 4 2 3 1 None 3. 若資料中為類別型欄位，進行資料值精簡時最常使用的方法為？ 時間序列分解 離群值刪除 資料一般化(Data Generalization) 正規化處理 None 4. 在監督式學習中，「分類(Classification)」的目的是什麼？ 找出資料中隱藏的群聚結構 生成新的資料樣本以進行補強學習 將多種模型組合成集成模型 將輸入資料對應到離散的類別 None 5. 下列哪一項屬於非監督式聚類分析的演算法？ LSTM LightGBM XGBoost K-means None 6. 隨著資料表越來越大，最直接會遇到的問題是什麼？ 模型無法接受任何資料 資料探勘所需時間大幅增加 統計分析方法更快速 模型準確度會自動提高 None 7. 擴散模型(Diffusion Models)最核心的生成概念是什麼？ 透過遺傳演算法模擬資料進化過程 建立單向分類器預測輸出標籤 使用大量規則來推理出資料類別 模仿熱力學粒子擴散的原理，逐步還原資料 None 8. 主動學習中常見的查詢函數 Q，其目的是什麼？ 自動評估分類結果並回傳標準差 從模型預測中選出正確率最高的結果作為最終輸出 決定模型的學習率與梯度方向 從未標記樣本中選出信息量大的樣本以進行標記 None 9. 資料中的錯誤值若無法判斷其正確性，最常見的處理方式為何？ 改寫為類別「錯誤」 視為空值(Missing Value)進行補值或刪除 使用最大值填補錯誤欄位 保留不處理，讓模型自行學習 None 10. 在進行數值型屬性離散化時，為何需特別注意其在目標屬性上的趨勢性？ 趨勢能幫助分類器學習排序邏輯 趨勢會消除空值影響 趨勢性有助於業務人員理解與接受模型結果 趨勢會自動強化模型準確率 None 11. 「孔子是人」「人會死」推出「孔子會死」的過程，屬於人工智慧中的哪一項核心技術？ 影像識別 語音辨識 邏輯推理 機器翻譯 None 12. 為什麼資料前處理是資料探勘(Data Mining)成功與否的關鍵？ 它用於模型壓縮與雲端部署 高品質的資料能提升後續模型訓練與預測效果 它能控制模型訓練所需的顯示卡效能 它能自動產出決策樹結構 None 13. 下列哪一項為深度學習AI的技術核心？ 專家系統與邏輯推理 規則式知識庫與資料倉儲技術 支持向量機(SVM)與貝氏網路 卷積神經網路(CNN)與Transformer None 14. AI系統需要清楚記錄數據來源與決策邏輯，這屬於哪一項AI治理原則？ 問責制(Accountability) 公平性(Fairness) 安全性(Security) 透明性(Transparency) None 15. 下列哪一個系統屬於符號邏輯AI 的代表應用？ Siri 聲控助手 ChatGPT AlphaGo DENDRAL，用於分析化學分子結構 None 16. 下列哪一個組合正確描述「深度強化學習(DQN)」？ 深度學習 + 強化學習 遺傳演算法 + 多層感知器 協同過濾 + 時間序列預測 隨機森林 + 支持向量機 None 17. 下列哪一項敘述描述的是「取回式隨機抽樣」？ 資料分群後抽樣 依照時間順序進行抽樣 每筆資料最多只能被抽一次 已抽中的資料仍可再次被抽選 None 18. 若將欄位中過多的屬性值進行合併(例如將年齡從 100 種數值合併為 5 種年齡區間)，這屬於哪一種資料精簡？ 屬性值精簡(Attribute Value Reduction) 記錄精簡(Record Reduction) 維度擴充(Dimensional Expansion) 屬性精簡(Attribute Reduction) None 19. 下列哪一項是半監督式學習常見的策略之一？ 將預測機率最高的樣本視為可信資料加入訓練集 僅訓練生成模型產生新標記資料 依賴資料庫手動標記所有未標資料 使用主動學習的查詢函數選取樣本 None 20. 若要讓電腦能回答「孔子會不會死」這類問題，下列哪一項是最重要的前置作業？ 使用大量語料庫進行訓練 提供使用者的聲音樣本 將知識以邏輯規則方式表示並儲存 載入圖像資料與視覺模型 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
