iPAS機器學習工程師能力鑑定-(初級)考試樣題公告 發佈留言 / 作者: S學院 / 2025-06-03 iPAS AI應用規劃師(中級) 科目3 機器學習技術與應用 模擬試題，採智能選題，無限次反覆練習。 1. 請問對於深度學習，哪種硬體較適合拿來應用? APU 以上皆是 CPU GPU None 2. Exploratory data analysis (EDA)的功能不包含下列何者? 估測模型 留下/刪除非必要變量 處理缺失值 識別異常值 None 3. 機器學習中使用 Grid Search 通常是對模型的何種參數進行優化? 誤差目標函式的選擇 超參數(Hyperparameter) 模型權重參數 Early stopping 使用與否 None 4. 哪一種學習方法完全不需要標註資料? 加強式學習 半非監督式學習 非監督式學習 監督式學習 None 5. 請問特徵選取 (Feature Selection) 的方法，以下何者正確? 隨機選取法 壓縮法 主成分分析法 過濾法 None 6. 下列何者不是機器學習「機器學習運營化管理」的執行流程? 監控與重新啟動以改進模型 針對業務目標設計模型 針對模型效能給定不同價錢 部署軟體解決方案 None 7. 下列哪個特徵刪除方法會隨每次運行有不同結果? 基於缺失值百分比特徵 單個值特徵 基於特徵重要性 共線特徵 None 8. 下列何者正確 ? 1 3 0 2 None 9. 假設：今有五群考生人數分別為 5、10、15、20、30 人，考試平均分數依序為 90、50、60、80、70 分，請問全體考生平均分數為何? 69.375 分 72.667 分 67.25 分 69.333 分 None 10. 下列何者為「非監督式學習」演算法? 支援向量機(Support Vector Machine) 決策樹(Decision Tree) K 平均法(K-Means) 集成方法(Ensemble Methods) None 11. 關於監督式學習，下列敘述何者不正確? 主成分分析是一種監督式學習的方法 模型的訓練資料必須有應變項 訓練資料過少時，可利用 Bootstrap(拔靴法)進行修正 訓練資料不一定為連續型資料 None 12. 下列關於決策樹敘述何者非? 可以解決分類與回歸問題 可透過設置樹的最大深度限制來修剪樹 葉子分裂過程目的是直到葉子是純 非常深的樹有很多節點，不容易導致過擬合 None 13. 請問在 MapReduce 的計算框架，Map 負責處理資料的問題，與 Reduce負責處理資料的問題，以下敘述何者正確? Map: 地圖式的搜索資料; Reduce: 統合與歸納資料 Map: 一組資料映射成另一組資料; Reduce: 統合與歸納資料 Map: 一組資料映射成另一組資料; Reduce: 過濾不符合的資料 Map: 一組資料映射成另一組資料; Reduce: 生成更多的資料 None 14. 在進行回歸與分類分析，以下對數據前處理的順序何者正確? PCA(降維)→正規化 PCA 數據→訓練資料 正規化數據→PCA(降維)→訓練資料 正規化數據→PCA(降維)→正規化 PCA 數據→訓練資料 以上皆非 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
