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. 狹義人工智慧(ANI)最大的限制為何？ 可同時執行多項跨領域任務 僅能執行特定任務，無法泛化到其他領域 僅能在模擬環境中運行，無法應用於現實 能自我進化並開發新任務模組 None 2. 測試資料(Test Data)的目的為何？ 生成對抗樣本以強化防禦能力 評估模型在未曾見過資料上的表現 協助AI預測超參數設定 訓練神經網路中的隱藏層 None 3. 若數值範圍為 28 到 36，並設定箱數為 4，則每一箱的寬度為？ 3 4 2 1 None 4. 強化學習(Reinforcement Learning)的核心學習原理為何？ 透過人工規則進行分類與預測 對資料進行無指導的群聚分類 使用先驗知識建立邏輯規則 最大化累積獎勵，透過試誤方式學習行為策略 None 5. 「等寬裝箱法(Equal-Width-Interval)」的核心概念為？ 每一區間轉換為獨熱編碼 每一個區間包含相同筆數的資料 依照資料標準差自動分區 每一區間的寬度相同 None 6. 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？ 保留不處理，讓模型自行學習 視為空值(Missing Value)進行補值或刪除 使用最大值填補錯誤欄位 改寫為類別「錯誤」 None 7. 關於目前 AGI 的發展狀況，下列何者為真？ AGI 已能全面取代人類專家處理各類問題 AGI 尚未實現，目前如 ChatGPT 等仍屬於 ANI Gemini 和 Claude 都已正式具備 AGI 能力 AGI 已實際部署於各大醫院並獲得醫師執照 None 8. 抽樣的主要目的為何？ 直接丟棄部分資料以加速分析 減少資料的變異性與雜訊 移除不重要的變數 利用少量樣本推估整體母體的特性 None 9. 若資料集標籤分布極不平衡，下列哪種交叉驗證較適合？ 單一訓練/測試拆分 Leave-One-Out CV Stratified K-fold Cross Validation 隨機切割驗證集 None 10. CRISP-DM 是什麼？ 雲端儲存與邊緣運算整合模型 資料庫加密與壓縮協定 跨產業通用的資料探勘標準處理流程 一種AI硬體架構設計標準 None 11. 實際應用階段產生的資料，通常屬於哪一種資料型態？ 訓練資料 測試資料 驗證資料 生產資料(Production Data) None 12. 若將數值型空值填補視為一種數字預測問題，應採用下列哪種策略？ 使用深度學習進行圖像合成 使用分類模型進行標籤預測 將缺失值隨機標記為 outlier 利用迴歸模型預測缺失值 None 13. 半監督式學習中，將模型預測機率高的樣本加入訓練資料的好處是什麼？ 強化模型對易錯樣本的過擬合能力 提高資料的多樣性與分散性 增加資料量能改善模型計算速度 利用模型最有信心的預測結果來提升整體準確度 None 14. 將「高中、國中、大學」轉換為「教育程度(高／中)」是屬於下列哪一種資料轉換？ 資料壓縮 資料一般化 資料降維 資料分群 None 15. 在強化學習中，若折扣因子 γ 越接近 1，表示模型對未來獎勵的態度為何？ 越忽略未來，只看當前 完全不影響任何學習行為 只依賴隨機回饋，不考慮歷史狀態 越重視未來可能獲得的獎勵 None 16. 在數值型欄位空值填補中，填入整體平均值的優點為？ 能轉換成類別型資料 可避免任何模型的使用 不會對統計分析造成太大偏移 可保證預測值高度準確 None 17. AI系統在部署一段時間後，其預測結果逐漸與現實不符，這是什麼現象？ AI倫理缺失 模型漂移(Model Drift) 深度強化學習錯誤收斂 隱私洩露(Privacy Breach) None 18. 若資料點與大多數資料落點距離極遠，極有可能是什麼？ 缺失欄位 離群值(Outlier) 訓練資料 正常值 None 19. 使用「分群後求眾數」來填補空值的主要優點是什麼？ 可避免所有欄位變成數值型 讓補值結果具有上下界 可提高填補的準確性與資料結構一致性 可以產生更多的資料 None 20. 生成對抗網路(GAN)最主要的創新架構是什麼？ 結合深度強化學習與演化策略進行優化 同時訓練多個生成器以形成集合學習 使用單一神經網路模型訓練分類任務 透過生成器與判別器的對抗過程來生成逼真資料 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
