3.下列何者為自然語言處理(NLP)在機器學習應用中的主要用途？
(A)情緒分析
(B)圖像識別
(C)預測性維護
(D)供應鏈優化

4.關於深度學習模型，下列敘述何者不正確？
(A)卷積神經網路(ConvolutionalNeuralNetworks)適合影像辨識
(B)ReLU(RectifiedLinearUnit)比tanh和Sigmoid好，因為ReLU可以減緩梯度爆炸與消失
(C)遞迴神經網路(RecurrentNeuralNetworks)適合處理序列相關資料
(D)Elman神經網路(ElmanNeuralNetworks)適合處理影像辨識

5.下列何者為機器學習模型在業界部署的主要趨勢？
(A)越來越多地採用自動化機器學習(AutoML)技術
(B)轉向使用更簡單的機器學習算法
(C)基於雲的機器學習平台的使用率下降
(D)依賴手動超參數調整進行模型優化

6.在巨量資料分析班中，共有一年級至四年級，每個年級有50個學生，且學生身高呈常態分佈。下列敘述何者不正確？
(A)要檢測一年級和二年級的平均身高是否有差異，可以利用t檢定
(B)要檢測一年級、二年級、三年級之間的平均身高是否有差異，可以利用t檢定
(C)要檢測二年級、三年級、四年級之間的平均身高是否有差異，可以利用F檢定
(D)要檢測一年級的平均身高是否等於170公分，可以利用卡方檢定

7.關於接受者操作特徵(ROC)曲線，下列敘述何者正確？
(A)ROC曲線繪製了真陽性率與假陽性率的關係
(B)ROC曲線用於評估模型的準確性
(C)ROC曲線下的面積(AUC-ROC)始終等於1
(D)ROC曲線只適用於二元分類問題

9.拉拉網路商城的老闆擬透過機器學習的方式，利用過往的產品銷售資料，預測下一季的產品銷售數量，以調整現有的庫存水位。下列哪一個類型的模型，比較適合應用在老闆期望的預測目標？
(A)決策樹分類器(DecisionTreeClassifier)
(B)K-means分群(K-meansClustering)
(C)主成份分析(PrincipalComponentAnalysis,PCA)
(D)線性迴歸(LinearRegression)

10.對於低結構化的文本或圖像資料，下列哪一種特徵工程(FeatureEngineering)方法最為適用？
(A)特徵改善(FeatureImprovement)
(B)特徵建構(FeatureConstruction)
(C)特徵學習(FeatureLearning)
(D)特徵選擇(FeatureSelection)

11.在MapReduce計算框架中，關於Map和Reduce所負責處理資料的問題，下列敘述何者正確？
(A)Map：一組資料映射成另一組資料；Reduce：統合與歸納資料
(B)Map：地圖式的搜索資料；Reduce：統合與歸納資料
(C)Map：一組資料映射成另一組資料；Reduce：過濾不符合的資料
(D)Map：一組資料映射成另一組資料；Reduce：生成更多的資料

13.當模型的訓練誤差(TrainingError)低、但測試誤差(TestError)很大時，這通常是在訓練過程中產生下列哪一種情況？
(A)模型的泛化能力強
(B)模型出現過度擬合(Overfitting)
(C)模型出現欠擬合(Underfitting)
(D)訓練資料和測試資料之間沒有相關性