iPAS AI應用規劃師-初級 (9) 發佈留言 / 作者: S學院 / 2025-05-04 iPAS AI應用規劃師-初級 (9) 模擬測驗，採智能選題，無限次反覆練習。 1. 在Azure AI服務中，訂閱層級(Pricing Tier)主要決定？ 可用算法類型 數據存儲位置 服務限制和成本 模型準確度 None 2. 從Kaggle下載的數據集通常需要進行哪種處理? 加密保護 重新命名 數據清理 壓縮存儲 None 3. 神經架構搜索（Neural Architecture Search）的主要創新是： 自動化設計最優神經網絡結構 模擬人腦結構構建AI系統 自動生成訓練數據 動態調整模型參數 None 4. 在文件智能化處理中，OCR技術之後通常需要進行什麼處理？ 文件加密 文本語義分析 影像壓縮 水印添加 None 5. 若要確保 AI 模型能持續保持高準確度，最佳的長期維護策略是： 增加模型的複雜度以適應新情境 定期更換為最新的演算法 限制模型的使用場景以避免誤判 建立監控系統並使用新數據重新訓練模型 None 6. 在A/B測試中評估AI模型時，最重要的考量因素是： 參與測試的用戶數量 測試持續的時間長度 模型迭代的頻率 明確定義的評估指標和統計顯著性 None 7. 模型的整體準確率為 100% 該輪胎一定有實際瑕疵 模型完全確信該輪胎屬於瑕疵類別 該判定結果不需要人工複查 None 8. 在工業焊接檢測應用中，物件偵測模型相較於影像分類模型的主要優勢是： 能同時識別並定位多個瑕疵位置 處理速度更快 需要較少的訓練資料 不需要專家知識進行標記 None 9. Azure視覺服務中的"標籤"功能主要用於？ 為AI訓練提供分類信息 圖像版權保護 減少存儲空間 提高圖像解析度 None 10. 在AI模型生命週期管理中，"模型監控"(Model Monitoring)的主要目的是？ 提高運行速度 增加模型知名度 檢測性能下降和異常 減少網絡流量 None 11. 在 Azure AI Studio 中進行文件分析時，以下哪種文件類型不適合使用預建的「Contracts」分析模型？ 服務條款文件 供應商合約 企業間合作協議 含大量表格數據的財務報表 None 12. 在 Azure 上部署 AI 模型時，選擇合適的計算類型主要取決於： 資料的敏感性 預期的請求量和延遲要求 模型的準確率 開發團隊的技術背景 None 13. 在處理生產環境中的 AI 模型漂移（Model Drift）問題時，最有效的方法是： 降低預測閾值以提高靈敏度 實施持續監控並使用新數據定期重新訓練模型 提高原始訓練數據的多樣性 使用更複雜的模型架構 None 14. 在Azure AI服務中，文件智能化服務的主要優勢是? 增加文件安全性 自動化處理大量文字資料 提高文件美觀度 降低存儲成本 None 15. 模型蒸餾（Model Distillation）的核心思想是： 使用大型教師模型引導小型學生模型的訓練 減少模型所需的訓練數據 自動搜索最優的神經網絡架構 逐漸移除網絡中不重要的連接 None 16. 在Custom Vision中建立物件偵測專案時，應該選擇哪種專案類型? Classification OCR Object Detection Face Recognition None 17. 在機器學習專案中，數據分割為訓練集和測試集的常見比例是？ 95% 訓練，5% 測試 80% 訓練，20% 測試 50% 訓練，50% 測試 30% 訓練，70% 測試 None 18. 在物件偵測模型中，調整「重疊閾值」（Overlap Threshold）參數主要會影響： 非極大值抑制（NMS）處理重複檢測框的嚴格程度 訓練過程中的梯度計算 模型識別物件的最小尺寸 模型對不同光照條件的適應能力 None 19. 在建立商業級AI視覺系統時，「MLOps」實踐主要解決： 模型精度不足問題 用戶界面設計問題 模型從開發到部署和監控的全生命週期管理 硬件資源分配問題 None 20. 使用 Azure Document Intelligence 服務進行合約分析時，以下哪項不屬於其能自動提取的合約元素？ 合約標題（Title） 合約條款違反的潛在法律風險 簽署方（Parties） 生效日期（Effective Date） 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
