1-3 解析常見的機器學習技術 (1) 發佈留言 / 作者: S學院 / 2025-02-13 1-3 解析常見的機器學習技術 (1)模擬測驗,採智能選題,無限次反覆練習。 1. 增強式學習最適合應用在: 文本分析 語音辨識 遊戲策略學習 影像辨識 None 2. 關於強人工智慧的描述,下列何者正確? 目前尚未真正出現完整的強人工智慧 只能處理特定領域的問題 AlphaGo是最完整的強人工智慧範例 已經完全實現並廣泛應用 None 3. 下列哪種情況不適合使用機器學習方法? 數據分布複雜且非線性 需要從過往經驗中學習 問題規則難以明確定義 問題具有嚴格的邏輯規則 None 4. AI在智慧城市應用中最不關鍵的是: 藝術創作 能源管理 交通流量分析 安全監控 None 5. 以下何種任務最適合使用監督式學習? 顧客行為分析 市場客群分析 信用卡詐騙偵測 產品推薦 None 6. 機器學習的應用類型不包括: 分類分析 迴歸分析 群集分析 情感分析 None 7. 機器學習系統的基本運作流程順序為: 建模-收集資料-驗證-應用 驗證-收集資料-建模-應用 應用-收集資料-建模-驗證 收集資料-建模-驗證-應用 None 8. 機器學習在風險評估中最不需要的技術是: 異常檢測 模式識別 語音識別 預測模型 None 9. 運用神經網絡進行圖像辨識時,最適合採用下列哪種學習方式? 增強式學習 監督式學習 非監督式學習 混合式學習 None 10. 處理時間序列數據時,最不適合使用: RNN LSTM 時間卷積網絡 支持向量機 None 11. AI在醫學影像分析中最不需要考慮: 特徵提取 圖像分割 病變檢測 語音識別 None 12. 以下哪種技術最不適合用於視頻分析? 決策樹 時空注意力機制 3D卷積網絡 光流估計 None 13. 在開發推薦系統時,最不需要考慮: 用戶行為分析 內容分析 協同過濾 圖像辨識 None 14. 機器學習中的迴歸分析主要用於: 預測數值 識別模式 分類資料 群組數據 None 15. 機器學習的核心概念不包括: 預測分析 模式識別 數據處理 情感理解 None 16. 在開發語音助理時,最不需要考慮: 圖像生成 自然語言處理 對話管理 語音識別 None 17. 機器學習中的過擬合問題指的是: 數據量不足 模型學習不足 運算能力不足 模型過度配合訓練數據 None 18. 增強式學習的特點是: 必須有正確答案 通過試錯學習 需要大量標記數據 完全自主學習 None 19. 監督式學習的應用不包括: 垃圾郵件過濾 顧客行為分群 疾病診斷 手寫辨識 None 20. 在開發AI教育系統時,最不需要考慮: 學習分析 個性化推薦 圖像分割 進度追踪 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