33. 在工業物聯網架構中，進行設備預測性維護(Predictive Maintenance) 時，若面對異常事件發生頻率極低、樣本高度不平衡的時間序列資料，下列哪一種方法最能兼顧模型穩定性與異常偵測效能？ (A)將每筆異常事件資料複製多次以提升模型對異常的辨識敏感度，搭配全序列訓練模型(如 LSTM)； (B)對時間序列進行差分與標準化後，使用傳統監督式學習模型(如 SVM)進行分類訓練； (C)使用經過時間序列特化的 SMOTE 技術生成異常樣本，以平衡異常與正常資料比例； (D) 採用基於重建誤差的自編碼器模型( Sequence-to-Sequence Autoencoder)進行異常偵測，並僅使用正常資料進行訓練