所屬科目:iPAS◆AI應用規劃師◆初級
1. 下列何者為鑑別式 AI 的主要目標?(A)學習數據的生成過程(B)生成類似真實數據的新樣本(C)分類或迴歸數據(D)創建多樣化的數據分佈
2. 下列何者屬於生成式 AI 使用之模型?(A)支援向量機(SVM)(B)邏輯迴歸(Logistic Regression)(C)生成對抗網路(GAN)(D)隨機森林(Random Forest)
3. 關於目前生成式 AI 的主要應用,不包括下列哪一項?(A)創建合成數據樣本(B)模擬數據分佈(C)分類醫學影像(D)生成文本
4. 生成對抗網路(GAN)的兩個核心組件是什麼?(A)編碼器與解碼器(B)分類器與生成器(C)生成器與鑑別器(D)訓練器與推斷器
5. 關於鑑別式 AI,下列敘述何者較為正確?(A)學習數據的聯合概率 P(x,y)(B)專注於數據的分類或迴歸任務(C)主要用於生成新數據(D)適合處理無標記數據
6. 在醫學影像中,生成式 AI 和鑑別式 AI 的整合應用主要目的是什麼?(A)減少標記數據需求(B)自動生成診斷結論(C)提高診斷準確性和數據多樣性(D)完全取代醫生的判斷
7. 下列哪項是生成式 AI 支援鑑別式 AI 的典型案例?(A)模擬交通場景以訓練自動駕駛模型(B)使用 CNN 對腫瘤分類(C)使用 SVM 分析風險(D)創建更好的分類演算法
8. 下列哪種方法能解決生成式模型的訓練不穩定性問題?(A)使用更大的數據集(B)採用 Waserstein GAN(WGAN)(C)提高硬體效能(D)增加模型層數
9. 在整合應用中,生成式 AI 提供的數據增強主要解決了哪個問題?(A)模型過擬合(B)數據稀缺或不平衡(C)訓練過程的時間延遲(D)數據隱私問題
10. 未來整合鑑別式 AI 和生成式 AI 的關鍵方向是什麼?(A)增加生成模型的參數數量(B)開發更高效的整合框架(C)減少對標記數據的依賴(D)將兩者獨立使用