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
發表文章
