iPAS AI應用規劃師初級能力鑑定-考試樣題
科目一:人工智慧基礎概論
下列何者最適合訓練 電腦下圍棋、自動駕駛 等 動態重複地互動 的問題?
(A) 監督式學習(Supervised Learning)
(B) 非監督式學習(Unsupervised Learning)
(C) 半監督式學習(Semi-supervised Learning)
(D)強化學習(Reinforcement Learning)
關於 AI,下列敘述何者正確?
(A)AI 僅能處理結構化數據的分析
(B) AI 涵蓋多種專業領域與技術
(C) AI 系統只能在學術研究中應用
(D)AI 無法應用於金融領域
深度學習模型中,下列哪一項通常用來 降低過擬合(Overfitting)問題?
(A) 增加訓練數據量
(B) 增加模型的複雜度
(C) 增加學習率
(D) 增加正則化項
在 AI 治理中,下列何者是國際合作的重要性?
(A) 統一 AI 發展標準
(B) 避免 AI 技術的濫用
(C) 促進 AI 技術的轉移
(D) 以上皆是
若要設計一個能夠辨識並過濾垃圾郵件的系統,應該選擇下列
哪一種機 器學習演算法以實現最佳效果?
(A) 監督式學習(Supervised Learning)
(B) 非監督式學習(Unsupervised Learning)
(C) 半監督式學習(Semi-supervised Learning)
(D) 強化學習(Reinforcement Learning)
假設某國正在考慮使用 AI 技術來進行社會信用評分,
並根據年齡、缺 陷、種族等特徵來評定個人的信用;
同時,該國計劃在公眾場所使用遠 程生物辨識系統進行執法,
目的在於提高社會秩序和安全。
上述 AI 應用 可能會引發對隱私和個人權利的重大關注,
根據歐盟《人工智慧法》 (Artificial Intelligence Act, AIA)的風險分級,
這類應用屬於哪一風險 等級?
(A) 不可接受風險
(B) 高風險
(C) 有限風險
(D) 小或低風險
下列何者非大數據時代資料的特性?
(A) 資料量大
(B) 資料變動速度快
(C) 資料多樣性
(D) 資料存儲位置固定
關於 K 平均法(K-means),下列敘述何者「不」正確?
(A) 希望找出 k 個互不交集的群集
(B) 不同的起始群集中心,可能會造成不同的分群結果
(C) 容易受雜訊與離群值(Outlier)影響其群集中心
(D) 可以處理類別型資料
下列哪一種資料類型 不屬於 非結構化資料?
(A) X 光醫學影像
(B) 監控錄影畫面
(C) 客服電話錄音
(D) 組織內部的關係型資料庫記錄
下列資料型態,何者最常用來 儲存 員工年齡、員工年資、貨品銷售量等 資料?
(A) 文字型(Text)
(B) 數值型(Numeric)
(C) 日期型(Date)
(D) 布林型(Boolean)
在品質管理中,若一產品的 生產過程 中 標準差顯著偏大,通常意味著什 麼?
(A) 資料點高度集中,產品質量穩定
(B) 生產過程波動大,產品品質不穩定
(C) 資料無法反映產品實際狀況
(D) 中位數數值高,品質良率較高
在檢視資料品質時,可參考 資料的 變異程度 及 資料的 集中趨勢。
下列何 者 不屬於 資料集中趨勢衡量 的方法?
(A) 平均數(Mean)
(B) 中位數(Median)
(C) 眾數(Mode)
(D) 標準差(Standard Deviation)
某醫院研究特定心血管疾病的成因,收集了 50 名病患與 150 名正常人 的
年齡、血壓、血型等三項屬性變數。
此研究適合使用下列 哪一種 機器 學習模型來建立?
(A) 決策樹(Decision Tree)
(B) 線性廻歸(Linear Regression)
(C) 基於密度之含噪空間聚類法
(Density-Based Spatial Clustering of Application with Noise, DBSCAN)
(D) K-means 聚類(K-means Clustering)
銀行想建立聊天機器人,可透過下列哪一種領域技術來達成?
(A) 資料庫管理技術
(B) 機器學習與自然語言處理
(C) 網頁開發技術
(D) 網路安全技術
線性迴歸模型 最適合 解決 哪 種類 型 的 問題?
(A) 圖像分類
(B) 銷售額預測
(C) 聚類分析
(D) 遊戲策略學習
請問下列何者不是常見的 特 徵選取 技術或方法?
(A) 皮爾森積差相關分析(Pearson Correlation)
(B) 主成分分析(Principal Components Analysis, PCA)
(C) 迴歸分析(Regression Analysis)
(D) 隨機森林(Random Forest)
交叉驗證 的主要目的是什麼?
(A) 提高模型的訓練速度
(B) 驗證數據是否線性可分
(C) 減少模型的過擬合風險
(D) 測試模型的容錯能力
神經網路 與 傳統機器學習模型 的 主要區別 是什麼?
(A) 神經網路無法處理非線性數據
(B) 神經網路透過多層結構學習複雜特徵
(C) 神經網路只適用於迴歸問題
(D) 神經網路不需要大量數據支持
下列關於生成對抗網路(GAN)的描述正確的是哪一項?
(A) GAN由生成器和鑑別器組成
(B) GAN僅用於分類問題
(C) GAN的結果始終高度可解釋
(D) GAN不能生成高品質的數據
在下列哪一種應用領域中,生成式AI 最有可能被使用來
創建新的 圖像或 影片內容?
(A) 產品品質檢測
(B) 醫學影像分析
(C) 監控系統
(D) 虛擬現實圖像
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
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
關於自然語言處理(NLP)核心技術,下列敘述 何者不正確?
(A) 語音識別技術將語音轉換為文本,並用於語音助理和語音輸入
(B) 自然語言生成技術可以生成自然流暢的文本,用於聊天機器人和自 動文案生成
(C) 語意分析技術理解文本的語意,並主要用於語音識別和機器翻譯
(D) 機器翻譯技術自動翻譯文本,促進多語言支援和全球溝通
關於「負責任的AI」,下列敘述何者較為正確?
(A) AI系統的開發者對AI系統的行為負責
(B) AI系統的使用者對AI系統的結果負責
(C) AI系統本身對其行為負責
(D) 政府對AI系統的發展負責
關於生成式AI的基本原理,下列敘述何者較正確?
(A) 生成式AI通過分析大量數據來生成新數據,模擬數據分佈
以 創造 與 訓練數據 相似 的結果
(B) 生成式AI主要通過預定義的規則來進行數據處理和分類
(C) 生成式AI專注於數據分類和迴歸預測,幫助識別已知數據中的模式
(D) 生成式AI通過自動化的方式清洗數據,提升數據分析的準確性