1-2 探討負責任AI在產業應用宜有的指導準則 (4) 發佈留言 / 作者: S學院 / 2025-02-13 iPAS AI應用規劃師_1-2探討負責任AI在產業應用宜有的指導準則(4)模擬測驗，採智能選題，無限次反覆練習。 1. 在特徵工程中,最難處理的問題是: 類別編碼 特徵交互作用 缺失值填充 數據標準化 None 2. 在反事實分析中,最關鍵的步驟是: 報告生成 結果驗證 數據收集 合理假設的建立 None 3. 以下哪種情況不適合使用微擾分析? 參數調整 配方優化 分類預測 穩定性測試 None 4. 對於多任務學習系統,最關鍵的公平性考量是: 資源分配 單任務公平性 計算效率 任務間公平性 None 5. 在進行反事實分析時,最重要的驗證步驟是: 假設的合理性檢驗 模型複雜度分析 數據完整性檢查 計算效率評估 None 6. 在自動駕駛系統中,反事實分析主要用於: 降低燃料消耗 識別模型中的潛在偏見 優化導航系統 提升車速 None 7. 公平性評估的主要作用是什麼? 改善用戶界面 發現潛在的偏見和不公正問題 提升系統運算速度 降低硬體成本 None 8. 評估動態系統穩定性最有效的方法是: 單點檢查 擾動響應分析 平均性能測量 靜態測試 None 9. 在自動駕駛案例中,最重要的分析面向是: 操作介面 能源消耗 識別準確性 車速控制 None 10. 下列何者不是反事實分析的步驟? 系統重啟 模擬結果 敏感度分析 創建假設場景 None 11. 在進行微擾分析時,最重要的步驟是: 數據收集 結果驗證 擾動範圍確定 報告生成 None 12. 評估模型穩定性最有效的指標是: 執行時間 資源使用率 敏感度係數 準確率 None 13. 在餐廳咖啡案例中,微擾分析的主要目的是: 降低成本 找出最佳配方 提升效率 節省時間 None 14. 反事實分析在自動駕駛中的應用主要是: 優化導航 提升車速 降低能耗 改善識別系統 None 15. 在公平性評量中,主要評估的對象為何? 數據處理速度 不同敏感群體的表現差異 使用者操作習慣 系統運行效率 None 16. 以下哪種分析方法最不適合評估干預效果? 描述性統計 工具變量法 差分法 匹配估計 None 17. InterpretML工具包的主要優勢是: 運算速度快 支持多種解釋技術 佔用空間小 安裝簡單 None 18. 對於多目標優化問題,最適合的特徵選擇策略是: 帕累托最優化 隨機搜索 順序篩選 單一指標選擇 None 19. 在高維特徵空間中,最有效的數據可視化方法是: t-SNE降維 平行座標圖 主成分投影 散點圖矩陣 None 20. 下列何者不是分析特徵分佈的工具? 甘特圖 散點圖 直方圖 盒鬚圖 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
