iPAS AI 應用規劃師(中級) 科目2 大數據處理分析與應用 (6) / iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 中級, 測驗題庫 / 作者: S學院 iPAS AI應用規劃師(中級) 科目2 大數據處理分析與應用 模擬試題 ，採智能選題，無限次反覆練習。 1. 下列哪一項敘述最「不」可能是設備故障預測的任務？ 失效風險評估 剩餘壽命預測 維修路線最佳化 劣化趨勢預警 None 2. 關於特徵進行標準化（Standardization）和正規化（Normalization）的敘述，下列哪一項錯誤？ 正規化適用於數值屬性 正規化的目的是統整不同不連續屬性值的數值分佈 標準化的目的是統整不同連續屬性間的數值分佈 標準化適用於數值屬性 None 3. 某公司的歷年營業額統計圖如附圖所示，包含實際值與指數平滑（Exponential Smoothing）後的結果，關於指數平滑的敘述，下列哪一項正確？ A 採用的平滑係數比 B 大 平滑的方式是算術平均 平滑係數沒有範圍限制 平滑係數是依據時間序列特性決定 None 4. 有效與安全的工廠運作需要正確監控製程中的關鍵變量，資料調諧（Data Reconciliation, DR）是製程監控不可或缺的一部份，關於 DR 的敘述，下列哪一項錯誤？ 製程洩漏（流體）是隨機誤差的來源之一 製程量測的變量值總是不夠正確 隨機與系統誤差導致量測不正確 資料調諧經常需要運用質量和能量的守恆方程式 None 5. 如附圖所示，時間序列預測模型自我迴歸整合移動平均法（AutoRegression Integrated Moving Average, ARIMA）的建立，如果涉及如附圖之步驟，下列何者為正確順序？ 1234 2413 4213 2134 None 6. 工業領域的巨量資料主要是線上監測資料和週期性檢測資料，因此呈現明顯的時序特徵，關於時間序列的敘述，下列哪一項錯誤？ 時間序列模式（Sequential Pattern）探勘用於發現長序列中常見的子序列模式，主要任務是挖掘時間序列中的頻繁模式 時間序列分割（Time Series Segmentation）是將長序列切分為若干子序列，因為不同的製造操作條件下，變量間的關係差別很大 時間序列分解依照變化模式，將時間序列分解為若干成份或分量，因為許多隨機過程在不同時間顆粒度（年、季、月、週、日…..）上的規律和驅動因子不同 時間序列表達（Time Series Representation）是對數值的預測，例如穩態時間序列的經典方法是自我迴歸整合移動平均法（AutoRegression Integrated Moving Average, ARIMA） None 7. 關於圖表特性的敘述，下列哪一項錯誤？ 散佈圖（Scatter Plot）可以用於觀察群體的分佈形狀、密度和集中趨勢 圓餅圖（Pie Chart）可以呈現兩個變數之間的相關性與趨勢 箱型圖（Box Plot）可以呈現資料的分佈狀況，以及離群值的檢測 長條圖（Bar Chart）適合用於比較類別變數之間的差異 None 8. 關於過度配適（Overfitting）的敘述，下列哪一項正確？ 過度配適是因為模型過度強調測試樣本中未來不會重複出現的型態 k 摺交叉驗證（k-fold cross-validation）可以觀察過度配適的現象 過度配適的現象是訓練集配適不佳，測試集預測能力不好 過度配適只會出現在非監督式學習模型訓練 None 9. 下列一個方法「不」需要進行量綱處理？ 類神經網路（Neural Network） 樹狀模型（Tree Model） K-means 分群（K-means Clustering） 支援向量機（Support Vector Machine） None 10. 下列哪一種建模方法，配適模型前不需要進行各個變量的尺度縮放調整（Scaling）前處理步驟？ k 近鄰法（k Nearest Neighbors） 迴歸樹（Regression Trees） 支援向量機（Support Vector Machines） 多層感知機（Multilayer Oerceptron） None 11. 下列哪一項工作「不」屬於特徵工程（Feature Engineering）？ 挑選（Selection） 萃取（Extraction） 預測（Prediction） 轉換（Transformation） None 12. 關於多層感知模型（Multi-layer Perceptron）的敘述，下列哪一項錯誤？ 多層感知模型可以是非線性的模型 多層感知模型可以透過隱藏層改變模型的輸出 多層感知模型利用反向傳播算法時，一定能找到權重參數的全域最佳解（Global Optimization） 單層感知模型（Single Layer Perceptron）沒有隱藏層 None 13. 對於設備故障診斷與健康管理（Prognostics and Health Management, PHM），可依時間點將維修分為事後維修（Reactive Maintenance）、預防維修（Preventive Maintenance）與主動維修（Proactive Maintenance），下列哪一項屬於預防維修？ 剩餘壽命預測（Residual-life Prediction） 延遲維修（Deferred Maintenance） 緊急搶修（Emergency Maintenance） 基於可靠性的維修（Reliability-based Maintenance） None 14. 關於數值資料的缺失值、異常值處理，下列敘述哪一項錯誤？ 可以透過視覺化的方式，觀察資料的分佈是否有異常之處 缺失值的處理，可在考慮資料集的狀況與特性後，以中位數、平均數或眾數進行填補 若缺失值的資料筆數非常少，大多數情況下可以考慮直接刪除 若資料集中出現異常值，一律直接刪除，以免影響資料分析的結果 None 15. 如附圖所示， [表 1] 為丁丁電子商城網站造訪人數的資料表，丁丁將以 python pandas 進行資料處理，並依序執行選項 A -> 選項 B -> 選項 C -> 選項 D 的程式碼。（df1 為 [表 1]原始資料、df2 為 [表 2]處理後資料。）請以表 2 呈現的內容，判斷各選項所執行的程式碼，下列哪一項可能錯誤？ df2['造訪人數_昨日'] = df2['造訪人數'].shift(1) df2['造訪人數_對比昨日人數'] = round(df2['造訪人數'] - df2['造訪人數_昨日'], 1) df2 = df1.copy() df2['造訪人數_滾動 3 日平均'] = round(df2['造訪人數'].rolling(3).median(), 1) None 16. 如附圖所示為資料視覺化的圖片，分析下列哪一項敘述最準確地反映了銷售、廣告支出和客戶滿意度之間的關係？ 銷售量、廣告支出和客戶滿意度之間沒有明顯的相關性 客戶滿意度的提高導致銷售量的增加，而與廣告支出無關 廣告支出的增加與銷售量和客戶滿意度成正比 即使在廣告支出和客戶滿意度增加的情況下，銷售量也呈現出下降趨勢 None 17. 請問低結構化的文本或圖像資料，下列哪一種特徵工程（Feature Engineering）類型最適合？ 特徵建構（Feature Construction） 特徵改善（Feature Improvement） 特徵選擇（Feature Selection） 特徵學習（Feature Learning） None 18. 在進行文本資料的處理時，通常會需要「將接續的文本轉換為詞彙單位」，以便後續的處理。請問上述所指的是文本資料處理中的哪一個方法？ 斷詞（Tokenization） 詞形還原（Lemmatization） 停用詞移除（Stopword Removal） 詞頻-逆文件頻率（Term Frequency-Inverse Document Frequency, TF-IDF） None 19. 基於注意力的網路（Attention-Based Networks, ABN）也就是注意力機制，下列哪一項不是它取代遞歸神經網路的解決機制？ 位置編碼（Position Encodings）融入序列資料中各元素的位置訊息 多頭的（Multi-head）計算結果集成（Ensemble），以同時關注多個輸入 層層堆疊以獲取序列單元間更高階複雜的關係 門控機制（Gated Mechanism）防止距離較遠時，產生較大的訊息損失 None 20. 如附圖所示，為某知名影音串流平台各「年齡分級」的「電影片長」分佈圖表。圖表 X 軸為「電影片長 (minutes)」，Y 軸為「年齡分級」，關於圖表的敘述，下列敘述哪一項正確？ 所有年齡分級，片長分佈的第 3 四分位數（Q3），皆大於 100 分鐘 觀察圖表來看，Adults 片長的中位數，是所有年齡分級中最長的 Kids 的片長資料分佈中，不存在離群值（Outlier） Older Kids 片長的中位數（Median）小於 100 分鐘 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
