所屬科目：iPAS◆AI應用規劃師◆初級
1 在機器學習中，L1 正則化技術主要用於達成什麼目的，以防止模型的過度擬合？ (A) 增加模型的複雜度，使其能夠捕捉更多的數據特徵 (B) 減少模型的過擬合風險，通過懲罰過大的權重 (C) 增加訓練數據的數量，提供更多的學習樣本 (D) 增強特徵提取的效果，提升模型的表現
2 在情感分析的應用中，主要用於標註情感極性的技術是什麼，以便識別文本中的情感傾向？ (A) 分詞，將句子拆分成單詞 (B) 詞嵌入，將詞語轉換為向量表示 (C) 標註，對文本中的情感進行標記 (D) 聚類，將文本分組到不同的情感類別中
3 BERT 模型在自然語言處理中的主要應用是什麼，特別是在理解和生成語言方面？ (A) 生成文本，自動創建新的句子或段落 (B) 分詞，將句子拆分成單詞 (C) 預訓練語言模型，用於理解上下文和語義 (D) 語音合成，將文本轉換為語音
4 使用 R-CNN 技術在電腦視覺中的主要目的是什麼，特別是在處理圖像中的物體時？ (A) 圖像分類，將整張圖像分類到特定類別 (B) 物體檢測，識別並定位圖像中的特定物體 (C) 圖像生成，創建新的圖像數據 (D) 數據增強，擴展圖像數據集
5 圖像分割技術在電腦視覺中通常應用於哪一種領域，特別是在將圖像中的不同部分進行細分和識別方面？ (A) 文字生成，用於創建新的文本內容 (B) 圖像分類，將圖像分配到不同的類別 (C) 圖像修復，用於修補損壞的圖像部分 (D) 醫療影像分析，用於分割和識別醫療圖像中的不同組織和結構
6 在機器學習的訓練過程中，以下哪一種方法主要用於減少模型過擬合的風險，通過對模型的複雜度進行懲罰來提升模型的泛化能力？ (A) 正則化技術，通過添加懲罰項來控制模型複雜度 (B) 遺傳算法，通過模擬自然選擇來優化模型 (C) 貝葉斯網絡，基於概率推理的模型 (D) K 最近鄰(KNN)算法，基於鄰近樣本進行預測
7 在電腦視覺的應用中，為了縮小圖像的尺寸以減少計算量，通常會使用哪一種方法？ (A) 決策樹算法，用於分類和回歸 (B) 池化層(Pooling)，用於縮小圖像尺寸 (C) 過濾技術，用於圖像增強 (D) 特徵提取方法，用於提取圖像特徵
8 在圖像分類的應用中，以下哪一種神經網絡的縮寫代表了專門用於處理圖像數據的卷積神經網絡？ (A) "循環神經網絡 (RNN)" (B) 卷積神經網絡(CNN)，專為圖像處理設計 (C) 長短期記憶網絡(LSTM) (D) 生成對抗網絡(GAN)
9 在生成式 AI 中，強化學習主要用於什麼目的，特別是在提升生成數據的質量方面？ (A) 訓練生成器，通過獎勵機制優化生成數據 (B) 分類數據，將數據分配到不同的類別中 (C) 提高生成數據的品質，通過獎勵信號指導生成過程 (D) 提取特徵，從數據中提取有用特徵
10 在電腦視覺中，邊緣檢測技術通常用於實現什麼目的，特別是在識別和定位圖像中的目標物體方面？ (A) 強化學習，通過獎勵機制來優化模型 (B) 圖像增強，提升圖像的視覺效果 (C) 目標檢測，識別並定位圖像中的特定物體 (D) 圖像變形，改變圖像的形狀和結構
11 LSTM 模型在自然語言處理中常用於什麼應用，特別是在處理和生成序列數據的任務中？ (A) 圖像分類，將圖像分配到不同的類別 (B) 序列建模，處理時間序列數據和語言數據 (C) 特徵提取，從數據中提取有用的特徵 (D) 降維，減少數據的特徵數量
12 "在生成對抗網絡(GAN)中，主要面臨的挑戰是什麼，特別是在模型訓練過程中經常出現的不穩定性問題？" (A) 數據標註，確保訓練數據的準確性 (B) 訓練不穩定，生成器和鑑別器之間的平衡難以維持 (C) 特徵提取，從數據中提取有用特徵 (D) 訓練速度慢，模型訓練需要較長時間
13 在機器學習領域中，以下哪一種算法被歸類為非監督式學習方法？ (A) "支持向量機 (SVM)，常用於分類和回歸" (B) K-means 聚類算法，一種廣泛應用於數據聚類的非監督式學習方法 (C) 線性回歸，用於預測連續目標變數 (D) 決策樹，主要用於分類和回歸任務
14 在機器翻譯的應用中，以下哪一種模型類型被廣泛使用，以實現不同語言之間的自動翻譯？ (A) "卷積神經網絡 (CNN)" (B) "循環神經網絡(RNN)，特別是長短期記憶網絡 (LSTM)" (C) 隨機森林算法，用於分類和回歸 (D) 決策樹算法，用於分類和回歸
15 隨機森林算法在機器學習中屬於哪一類型的算法，其主要特點是結合多個基礎模型以提升整體性能？ (A) 聚類算法，用於將數據分組 (B) 集成學習方法，通過結合多個基礎模型來提高預測準確性 (C) 強化學習方法，通過與環境互動來學習策略 (D) 降維技術，用於減少數據的特徵數量
16 "在自然語言處理中，命名實體識別(NER)的主要用途是什麼，特別是在識別和分類文本中的專有名詞時？" (A) 確定文本中的關鍵詞，提取重要信息 (B) 將文本分配到不同的類別中，如主題分類 (C) 查找並分類文本中的有名稱的實體，如人名、地名和組織名 (D) 生成文本，自動創建新的句子
17 在自然語言處理中，TF-IDF 技術的主要作用是什麼？ (A) 分詞，將句子拆分成單詞 (B) 計算詞語在文本中的重要性，通過詞頻和逆文檔頻率 (C) 生成文本，自動創建新的句子 (D) 音樂標注，標記語音中的音素
18 在生成式 AI 的應用中，以下哪一種模型通常用於生成自然語言文本，特別是在創建連貫且有意義的句子方面？ (A) "生成對抗網絡(GAN) ，主要用於生成圖像" (B) 卷積神經網絡 (CNN)，主要用於圖像處理 (C) 循環神經網絡 (RNN)，特別是長短期記憶網絡 (LSTM) (D) "變換器模型 (Transformer)，如GPT ，用於生成自然語言文本"
19 在處理高維數據時，以下哪一種方法通常被用來減少特徵數量，從而簡化模型並提高計算效率？ (A) 主成分分析 (PCA)，一種常用的降維技術 (B) 決策樹，主要用於分類和回歸 (C) K 最近鄰 (KNN)，用於分類和回歸 (D) 隨機森林，集成多個決策樹來提高預測準確性
20 在圖像處理的過程中，通常使用哪一種技術來去除圖像中的雜訊，從而改善圖像的質量？ (A) 邊緣檢測，用於識別圖像邊緣 (B) 濾波技術，專門用於降噪 (C) 形態學變換，用於處理圖像的形狀 (D) 圖像增強技術，用於提升圖像的視覺效果
21 生成模型在生成式 AI 中的主要目的是什麼，特別是在創建與訓練數據相似的新數據方面？ (A) 提取特徵，從數據中提取有用特徵 (B) 生成新數據，創建與原始數據相似的數據 (C) 分類數據，將數據分配到不同的類別中 (D) 聚類數據，將數據分組到不同的集群中
22 "生成對抗網絡(GAN)在生成式 AI 中的主要應用是什麼，特別是在創建新的圖像方面？" (A) 圖像分類，將圖像分配到不同的類別 (B) 生成圖像，創建逼真的新圖像 (C) 自然語言處理，處理和生成文本 (D) 數據增強，擴展訓練數據集
23 在生成對抗網絡(GAN)中，鑑別器的主要作用是什麼，特別是在區分真實數據和生成數據方面？ (A) 訓練生成器，通過反饋來改進生成數據 (B) 區分真實數據和生成數據，提供反饋給生成器 (C) 提取特徵，從數據中提取有用特徵 (D) 分類數據，將數據分配到不同的類別中
24 在決策樹算法的應用中，通常使用哪一種指標來選擇最適合的分裂點，以便有效地劃分數據？ (A) 平均絕對誤差，用於衡量預測值與實際值之間的平均差異 (B) 熵，作為衡量數據純度和不確定性的指標 (C) 均方誤差，用於衡量預測值與實際值之間的平方差 (D) 精確度，評估模型正確預測的比例
25 交叉驗證技術在機器學習中主要用來達成什麼目的，以確保模型的泛化能力？ (A) 減少模型過擬合的風險，提升模型在新數據上的表現 (B) 增加數據集的大小，提供更多訓練數據 (C) 提高模型的計算速度，縮短訓練時間 (D) 提升模型的複雜度，使其能夠捕捉更多的數據特徵
26 在生成文本的過程中，以下哪一種模型被廣泛使用，以實現自然流暢的文本生成？(A) 卷積神經網絡 (CNN) (B) 生成對抗網絡 (GAN) (C) "GPT (生成預訓練變換器 )，用於生成自然語言文本" (D) 循環神經網絡 (RNN)
27 在自然語言處理中，用於測試語言模型性能的常見指標是什麼，特別是在衡量模型預測能力方面？ (A) 精確度，評估模型正確預測的比例 (B) 召回率，評估模型捕捉相關樣本的能力 (C) 困惑度(Perplexity)，衡量語言模型對數據的預測不確定性 (D) 特徵提取，從數據中提取有用特徵
28 在以下提供的選項中，請仔細考慮並指出哪一個選項不屬於監督式學習的範疇？ (A) 回歸分析方法，主要用於預測連續型目標變數 (B) 分類技術，主要用於將數據分類到不同的類別中 (C) K-means 聚類算法，一種常見的非監督式學習方法 (D) 降維技術，用於減少數據的特徵數量
29 在自然語言處理中，文本分類的主要目的是什麼，特別是在將文本內容組織到不同預定義類別的過程 中？ (A) 分詞，將句子拆分成單詞 (B) 情感分析，識別文本中的情感傾向 (C) 將文本分配到預定義的類別中，如主題分類 (D) 信息檢索，從大量數據中找到相關信息
30 在機器翻譯的應用中，以下哪一種模型類型被廣泛使用，特別是在實現不同語言之間的自動翻譯功能方面？(A) "循環神經網絡 (RNN)，特別是長短期記憶網絡 (LSTM)" (B) 卷積神經網絡(CNN)，主要用於圖像處理 (C) 支持向量機(SVM)，主要用於分類和回歸 (D) "潛在狄利克雷分配 (LDA)，主要用於主題建模"
31 在電腦視覺的應用中，以下哪一種技術主要用於物體檢測，特別是在即時識別和定位圖像中的物體方面？ (A) "卷積神經網絡 (CNN)，專門用於處理和分析圖像數據" (B) "長短期記憶網絡 (LSTM)，主要用於處理序列數據" (C) 自然語言處理技術，用於處理和理解人類語言 (D) 強化學習方法，通過與環境互動來學習策略
32 在自然語言處理中，詞嵌入技術主要用於什麼目的，以表示詞語之間的語義關係？ (A) 分詞，將句子拆分成單詞 (B) 表示詞語的語義，將詞語轉換為向量表示 (C) 生成文本，自動創建新的句子 (D) 語音識別，將語音轉換為文本
33 在圖像增強技術中，以下哪一種方法不屬於圖像增強的範圍，並且主要用於數據降維？ (A) 直方圖均衡，用於改善圖像對比度 (B) 高斯模糊，用於平滑圖像 (C) 主成分分析 (PCA)，主要用於降維 (D) 形態學變換，用於處理圖像的形狀
34 "下列哪一個指標常用於評估語言模 型生成文本的流暢度和連貫性？" (A) 精確率 (Precision) (B) 召回率 (Recall) (C) 困惑度 (Perplexity) (D) F1 分數 (F1-score)
35 在評估語言模型進行文本分類任務時，下列哪一個指標衡量了模型預測為正例的樣本中，真正為正例的比例？ (A) 召回率 (Recall) (B) 精確率 (Precision) (C) 準確率 (Accuracy) (D) "BLEU 分數 (BLEU score)"
36 下列哪一個指標常用於評估機器翻譯的品質，通過比較模型生成的譯文與人工參考譯文之間的 n-gram 重疊程度？ (A) "困惑度 (Perplexity)" (B) "ROUGE 分數 (ROUGE score)" (C) BLEU 分數 (BLEU score) (D) 準確率 (Accuracy)
37 當評估一個可以回答問題的語言模型時，下列哪一個指標最能直接衡量模型是否正確回答了問題？ (A) "困惑度 (Perplexity)" (B) "BLEU 分數 (BLEU score)" (C) 準確率 (Accuracy) (D) F1 分數 (F1-score)
38 "下列哪一個指標著重於衡量模型預測出的所有正例中，實際為正例的比例(精確率)以及所有實際正例中，被模型正確預測為正例的比例 (召回率)的調和平均數？" (A) 準確率 (Accuracy) (B) 困惑度 (Perplexity) (C) F1 分數 (F1-score) (D) "BLEU 分數 (BLEU score)"
阿摩線上測驗
登入
阿摩線上測驗
登入