所屬科目：iPAS◆AI應用規劃師◆初級
101. 在商務應用中,模型導向的見解可以用來解決什 麼問題? (A) 預測客戶需求 (B) 計算數學公式 (C) 編輯圖像 (D) 翻譯語言
102. 哪一項是AI 責任的重要原則? (A) 不需記錄決策過程 (B) 強調AI 透明度 (C) 只由使用者承擔責任 (D) 忽略潛在風險
103. 為何開發者需要關注AI 模型的錯誤率分佈? (A) 識別高錯誤率的資料子集 (B) 避免模型對某些群體產生偏 差 (C) 提高AI準確性與公平性 (D) 以上皆是
104. 錯誤分析如何幫助提升AI的可靠性? (A) 找出系統弱點 (B) 修正高錯誤率的資料子集 (C) 提升模型的準確性與穩定性 (D) 以上皆是
105. 高錯誤率的AI可能導致哪些問題? (A) 影響系統的可靠性 (B) 增加使用風險 (C) 導致預測錯誤 (D) 以上皆是
106. 為何需要對AI 模型進行錯誤分析? (A) 識別高錯誤率的資料群組 (B) 優化AI準確性 (C) 增強模型的公平性與可靠性 (D) 以上皆是
107. 哪些因素可能影響 AI 模型在不同資料子群組間 的錯誤率? (A) 訓練數據的品質 (B) 目標變數的定義 (C) 資料分布的均勻性 (D) 以上皆是
108. 哪些因素可能影響 AI 模型在不同生產批次間的 選取率差異? (A) 原材料品質 (B) 操作流程 (C) 訓練數據的代表性 (D) 以上皆是
109. 如何減少AI 模型在不同批次間的選取率差異? (A) 進行批次間數據分析 (B) 優化模型的學習能力 (C) 持續監測選取率 (D) 以上皆是
110. 哪些措施有助於提升AI系統的公平性? (A) 增加數據多樣性 (B) 減少算法偏見 (C) 進行公平性測試 (D) 以上皆是
111. AI公平性的重要性體現在何處? (A) 確保不同群體獲得相等機會 (B) 減少社會歧視 (C) 增強AI的可信度 (D) 以上皆是
112. 以下哪一項是AI可靠性和安全性的應用案例? (A) 自動駕駛 (B) 醫療診斷 (C) 網路安全監控 (D) 以上皆是
113. Al Act 在AI技術監管上最關注的領域包括哪些? (A) 保護公民健康、安全與基本 權利 (B) 限制所有AI產品的商業化 (C) 僅監管 AI 軍事應用 (D) 禁止所有AI相關的投資
114. Al Act 的目標包括哪些? (A) 確保AI技術的安全、透明與 負責任使用 (B) 促進歐盟在AI安全領域的領 導地位 (C) 平衡技術發展與公共利益保 護 (D) 以上皆是
115. Al Act 希望透過法律框架促進哪些領域的發展? (A) 醫療保健 (B) 安全交通 (C) 公共服務 (D) 以上皆是
116. Al Act 在促進AI發展的同時,還希望達成哪些目 標? (A) 確保 AI技術符合安全與基本 權利 (B) 促進 AI創新與競爭力 (C) 建立統一市場規則 (D) 以上皆是
117. Al Act 特別針對哪類 AI系統提供更嚴格的監 管? (A) 高風險 AI系統 (B) 所有AI系統一視同仁 (C) 低風險娛樂型AI (D) 僅限於軍事AI
118. 行政院及所屬機關(構)以外的機構如何適用本指 引? (A) 可參考指引訂定AI 使用規範 (B) 必須完全遵守指引 (C) 不適用於任何其他機關 (D) 僅限於科技產業
119. 企業在評估導入AI應用時,應考慮哪些關鍵因素? (A) 目標設立 (B) 數據質量 (C) 員工技能與技術基礎 (D) 以上皆是
120. 在評估AI應用時,企業最應關注的數據相關因素 是? (A) 數據質量與可用性 (B) AI算法運行速度 (C) 企業名稱與品牌影響力 (D) 員工的日常工時
121. 企業導入AI應用時,應優先評估哪些需求? (A) 設立具體目標 (B) 識別主要挑戰與痛點 (C) 評估技術與數據基礎 (D) 以上皆是
122. 以下哪項屬於AI數據品質評估的重點? (A) 數據是否完整、無缺失 (B) 數據是否在不同系統間一致 (C) 數據是否準確且真實 (D) 以上皆是
123. AI技術導入成本的主要考量因素有哪些? (A) 硬體與軟體費用 (B) 員工培訓成本 (C) 維護與運營費用 (D) 以上皆是
124. 大數據的5V特性中,代表數據多樣性的是哪一項? (A) Volume 數據量 (B) Velocity (C) Variety (D) Veracity
125. 在大數據時代的轉變中,下列哪一項是其中之一? (A) 專注於少量樣本 (B) 追求數據的因果關係 (C) 接受資料的紛繁複雜 (D) 資料的靜態分析
126. 以下哪一項不是大數據的核心特性? (A) Volume (B) Velocity (C) Viability (可行性) (D) Value
127. 大數據中,數據的真實性代表什麼? (A) 確保數據準確性 (B) 資料的即時更新 (C) 數據的多樣性 (D) 數據的價值
128. 以下哪些數據屬於非結構化數據的範疇? (A) 學生成績資料庫 (B) 會議的發言記錄 (C) 公文資料 (D) 銷售報表
129. 在評估AI模型的泛化能力時，最需要警惕： (A) 過擬合現象 (B) 響應延遲 (C) 訓練時間過長 (D) 資源消耗過大
130. 以下哪個「V」並不屬於大數據4V的重要特徵？ (A) Volume (數據量) (B) Variety (數據多樣性) (C) Velocity (數據速度) (D) Veracity (數據真實性)
131. 大數據應用於AI的步驟順序為何？ (A) 資料解釋 (B) 資料收集 (C) 資料分析 (D) 資料前處理 決策應用
132. 以下哪一項是 GDPR(歐盟通用數據保護法)的 要求？ (A) 數據收集與處理透明 (B) 禁止數據跨境傳輸 (C) 僅允許靜態數據存儲 (D) 強制採用匿名化技術
133. 資料最小化的主要原則是什麼？ (A) 收集所有相關數據 (B) 僅收集完成任務所需的最少 數據 (C) 刪除無效數據 (D) 使用加密技術保護數據
134. 資料加密的傳輸加密通常使用哪種技術？ (A) VPN 或 HTTPS (B) RSA 或 AES (C) 防火牆 (D) IDS
135. 資料訪問控制中的身份驗證可以使用以下哪一 項？ (A) 密碼或雙因素驗證 (B) 防火牆 (C) 數據備份 (D) 訪問日誌審查
136. 生成式 AI 的資料安全措施包括以下哪一項？ (A) 在本地端部署模型以避免敏 感數據外流 (B) 禁止使用 AI 模型 (C) 僅允許加密存儲 (D) 刪除所有生成的數據
137. 資料清理 中，處理缺失值的常見方法不包括以下 哪一項？ (A) 刪除缺失數據行 (B) 用均值填補 (C) 插值法 (D) 移除重複數值
138. 資料轉換中的標準化(Normalization)的主要 目的是什麼？ (A) 將數據轉換為均值為0、標準 差為1的分布 (B) 消除單位影響 (C) 壓縮數據以接近常態分布 (D) 類別型數據編碼
139. 以下哪一項屬於資料 整合 的過程？ (A) 移除冗餘特徵 (B) 處理缺失值 (C) 使用 Z 分數處理異常值 (D) 標準化數據
140. 特徵工程中的特徵選擇方法包括以下哪一項？ (A) 使用 PCA 提取信息 (B) 使用信息增益方法選擇重要 特徵 (C) 根據時間序列生成新特徵 (D) 類別型數據編碼
141. 資料降維技術如 PCA 的主要作用是什麼？ (A) 減少特徵數量，降低計算複 雜度 (B) 增強數據一致性 (C) 移除異常值 (D) 增加樣本數據
142. 深度學習模仿哪一個生物系統？ (A) 人體免疫系統 (B) 人類神經系統 (C) 動物的消化系統 (D) 人體循環系統
143. 以下哪一項是 CNN (卷積神經網路) 的主要應 用？ (A) 語音辨識 (B) 圖像處理和物體檢測 (C) 生成新數據 (D) 預測數據趨勢
144. GAN 的主要功能是什麼？ (A) 對數據進行聚類分析 (B) 創建類似於訓練數據的新數 據 (C) 優化模型性能 (D) 過濾垃圾數據
145. TensorFlow 是由哪個公司開發的？ (A) Microsoft (B) Amazon (C) Google (D) Facebook
146. LSTM 的主要特性是什麼？ (A) 學習長期依賴關係 (B) 處理靜態數據 (C) 用於圖像識別 (D) 僅適用於分類任務
147. 特徵工程的目的是什麼？ (A) 減少數據量 (B) 增強模型對數據的解釋能力 (C) 優化模型訓練速度 (D) 建立數據儲存系統
148. 以下哪一項是特徵選取的主要原則之一？ (A) 選擇全部可用數據 (B) 確保數據集的平衡性 (C) 測試特徵對模型性能的影響 (D) 僅使用文本數據
149. 在監督式學習中，標籤的作用是什麼？ (A) 提供模型的輸入數據 (B) 確定模型的輸出結果 (C) 提高訓練數據的質量 (D) 減少數據的噪聲
150. 數據集劃分時，驗證集的主要用途是什麼？ (A) 用於模型訓練 (B) 調整模型的超參數 (C) 測試模型性能 (D) 確保數據隨機分布
阿摩線上測驗
登入
阿摩線上測驗
登入