你的購物車目前是空的！
暫存
{
no: 14
title: \語義分割\(Semantic Segmentation)中的\全卷積網路\主要解決：
記憶體使用問題
模型複雜度問題
運算效率問題
密集預測問題
]
answer: 3
}
{
no: 13
title: \可微分優化\(Differentiable Optimization)的應用場景是：
簡化模型結構
提高運算速度
降低能源消耗
端到端優化問題求解
]
answer: 3
}
{
no: 20
title: \自適應神經網路\(Adaptive Neural Networks)的主要優勢是：
降低訓練成本
動態調整網路結構
提高預測準確率
減少記憶體使用
]
answer: 1
}
{
no: 6
title: \神經圖形處理\(Neural Graphics Processing)的突破在於：
提高渲染速度
結合傳統圖形學與深度學習
優化記憶體使用
降低計算成本
]
answer: 1
}
{
no: 20
title: \神經編程\(Neural Programming)的主要目標是：
提高程式執行效率
學習程式邏輯結構
自動除錯
代碼優化
]
answer: 1
}
{
title: 生成式AI能力認證評測-生成式AI基本概念
contents: [
{
no: 15
title: 生成式AI的表徵學習可以描述為？
線性子空間
簡單特徵映射
確定性轉換
概率流形學習
]
answer: 3
}
{
no: 17
title: 生成式AI模型的本質是？
確定性映射
聯合概率分佈的非參數估計
簡單的函數逼近
線性分類
]
answer: 1
}
{
no: 1
title: 大規模語言模型如ChatGPT的重大突破發生在？
2015年
2022年
2005年
2010年
]
answer: 1
}
{
no: 4
title: 生成式AI的根本目標是？
完全自主
純技術突破
增強人類能力
取代人類
]
answer: 2
}
{
no: 6
title: 生成式AI系統的熱力學類比最接近？
熱力學第零定律
封閉系統
漲落耗散定理的熵產生
絕熱過程
]
answer: 2
}
{
title: iPAS AI應用規劃師 1-1 探索產業常見AI應用（1）
contents: [
{
no: 18
title: 在強化學習環境設計中，最具挑戰性的是：
狀態定義
終止條件
獎勵設計
動作空間
]
answer: 2
}
{
no: 8
title: 自然語言處理在文本分析中的主要功能是：
視頻剪輯
圖片處理
溫度監控
關鍵詞提取
]
answer: 3
}
{
no: 8
title: AI在處理多源數據融合時，最難解決的是：
模型選擇
數據同步
結果整合
特徵對齊
]
answer: 3
}
{
no: 4
title: AI翻譯系統最難處理的語言現象是：
專業術語
文化隱喻
標點符號
文法錯誤
]
answer: 1
}
{
no: 17
title: 醫療影像AI診斷系統的主要挑戰不包括：
假陽性控制
模型可解釋性
硬體成本
標註資料取得
]
answer: 2
}
{
title: iPAS AI應用規劃師 1-1 探索產業常見AI應用（2）
contents: [
{
no: 17
title: 在虛擬現實環境中，生成式AI如何優化用戶體驗？
使用預設場景
隨機生成元素
固定環境參數
根據用戶行為動態調整環境細節
]
answer: 3
}
{
no: 15
title: 生成式AI在音樂創作中的主要應用是：
管理音樂設備
維護錄音室
自動生成音樂作品
規劃練習空間
]
answer: 2
}
{
no: 19
title: 製造業中的預測性維護系統主要依據什麼原理運作？
人工經驗判斷
設備故障後的緊急維修
多維度感測數據分析結合機器學習模型
固定時間週期的例行檢查
]
answer: 2
}
{
no: 11
title: 藝術設計中的設計輔助功能主要用於：
規劃工作室
提供創意建議與優化設計
維護設計軟體
管理設計工具
]
answer: 1
}
{
no: 15
title: 生成式AI在個人助理中的提醒功能主要是：
維護系統效能
提供即時重要事項提醒
管理個人設備
規劃辦公空間
]
answer: 1
} contents: [
{
no: 271
title: 在處理AI系統的錯誤率差異時，最需要注意的是？
存儲容量
介面優化
運算速度
誤差累積效應
]
answer: 3
}
{
no: 124
title: AI系統的責任歸屬評估中，最難實現的目標是？
資源配置
效能監控
系統維護
複雜決策的追溯
]
answer: 3
}
{
no: 26
title: AI系統在數據應用中應避免？
效能評估
隱私侵犯
數據分析
品質控制
]
answer: 1
}
{
no: 221
title: 下列哪項不是評估AI系統公平性的考量因素？
群體差異
開發時間
決策結果
服務對象
]
answer: 1
}
{
no: 233
title: AI系統的責任追溯中，最容易出現盲點的環節是？
資料處理速度
硬體效能
多系統協作決策
使用者介面
]
answer: 2
}{
no: 19
title: 透明度對利害關係人的影響包括：
只影響系統維護
有助於決策、監控和風險管理
只影響開發效率
僅關係到成本控制
]
answer: 1
}
{
no: 12
title: 提升AI系統透明度時，最有效的策略是：
簡化系統功能
提供詳細的使用說明
建立分層次的解釋機制
公開所有技術細節
]
answer: 2
}
{
no: 14
title: 評估AI模型可靠性的最佳方法是：
監測運行效能
分析極端情況的表現
測試準確率
檢查穩定性
]
answer: 1
}
{
no: 14
title: 模型可解釋性元件的功能包含：
全域說明、局部說明和模型說明
只有全域說明
僅提供錯誤分析
只做效能評估
]
answer: 0
}
{
no: 6
title: 當機器學習模型在某特定群體中表現較差時，下列何種分析方法最有效？
結合局部說明和反事實分析
提高模型複雜度
增加整體訓練數據量
降低模型敏感度
]
answer: 0
}title: 關於AI系統的資安管理，最關鍵的是：
存儲效率
處理速度
數據完整性保護
成本控制
]
answer: 2
}
{
no: 6
title: 關於錯誤分析元件的主要功能是：
自動修正模型錯誤
了解模型失敗分布
加速模型訓練
優化模型參數
]
answer: 1
}
{
no: 15
title: 以下哪種情況最不利於AI系統的問責制：
決策過程無法追蹤
資源使用過多
維護成本高
系統效能不足
]
answer: 0
}
{
no: 10
title: 在處理AI系統的錯誤分析時，最重要的考量是：
錯誤修復的速度
資源使用的優化
錯誤影響的全面評估
系統效能的提升
]
answer: 2
}
{
no: 12
title: 在建立AI監管機制時，最優先的考慮應該是：
確保系統高效運行
建立多層次的審核機制
簡化管理流程
降低營運成本
]
answer: 1
}title: 1-2 探討負責任AI在產業應用宜有的指導準則 (4)
contents: [
{
no: 8
title: 評估模型穩定性最有效的方法是:
壓力測試與敏感度分析
性能監控
誤差分析
交叉驗證
]
answer: 0
}
{
no: 11
title: 在貸款審批案例中反事實分析主要用於:
降低運營成本
優化流程設計
加快審批速度
探索決策影響因素
]
answer: 3
}
{
no: 14
title: InterpretML工具包的主要功能是什麼?
提升網絡安全
優化系統架構
加速數據處理
解釋機器學習模型
]
answer: 3
}
{
no: 12
title: 對於實時推薦系統最關鍵的公平性指標是:
群組平等
整體準確率
計算效率
動態公平性
]
answer: 3
}
{
no: 5
title: 在進行公平性評估時最重要的前提是:
保護屬性的明確定義
高效算法
大規模數據集
完整文檔
]
answer: 0
}{
no: 18
title: 關於AI系統的用戶體驗，最重要的是：
使用過程的流暢性和直觀性
響應速度
功能豐富度
界面設計
]
answer: 0
}
{
no: 16
title: 關於AI系統的跨境數據流通，最關鍵的考量因素是：
數據傳輸的技術成本
市場接受度
不同地區的數據保護法規差異
系統處理效率
]
answer: 2
}
{
no: 18
title: AI系統的創新應用最應該注重：
創新速度
技術先進性
創新成本
實際問題解決能力
]
answer: 3
}
{
no: 2
title: 以下哪項不屬於AI技術為企業帶來的效益？
減少人力需求
改善服務品質
提高生產效率
降低運營成本
]
answer: 0
}
{
no: 11
title: 以下哪項不是評估AI系統效能的指標？
設備數量
效率提升
成本節省
品質改善
]
answer: 0
}{
no: 1
title: 以下何者不是監督式學習的特點？
可進行預測
需要標記數據
自動發現數據模式
有明確的學習目標
]
answer: 2
}
{
no: 17
title: 機器學習模型的評估標準不包括：
準確率
效能
創意性
穩定性
]
answer: 2
}
{
no: 4
title: 在開發自動作曲系統時，最不需要的技術是：
圖像處理
序列生成
和聲分析
模式識別
]
answer: 0
}
{
no: 19
title: 下列何者是弱人工智慧的特點？
具有通用智能
專注於特定任務
可以自主思考
具有自我意識
]
answer: 1
}
{
no: 14
title: 下列何者最適合使用增強式學習？
機器人控制
客戶分類
銷售預測
文本分析
]
answer: 0
}{
no: 12
title: 深度學習網路中的輸出層功能是？
輸出最終結果
轉換資料格式
處理原始資料
儲存中間結果
]
answer: 0
}
{
no: 12
title: 在深度學習中，為什麼批次標準化層通常位於激活函數之前？
加快訓練速度
減少記憶體使用
避免激活函數的非線性影響標準化效果
降低計算複雜度
]
answer: 2
}
{
no: 16
title: 在多任務學習中，硬參數共享和軟參數共享的主要區別是？
訓練速度不同
內存使用量不同
模型大小不同
參數共享方式不同
]
answer: 3
}
{
no: 18
title: 在深度學習中，為什麼要使用權重初始化？
加快訓練速度
減少內存使用
提高最終準確率
避免深層網絡訓練問題
]
answer: 3
}
{
no: 13
title: 長短期記憶網路(LSTM)的主要特點是？
生成新的資料
記憶長期依賴關係
快速處理圖像
壓縮資料大小
]
answer: 1
}{
no: 17
title: 在資料收集過程中，最不需要考慮的因素是：
可擴展性
數據取得方式
資料代表性
資料存儲格式
]
answer: 3
}
{
no: 18
title: 在進行特徵分箱時，最不適合的情況是：
特徵本身已經是類別型
特徵分布不均勻
特徵範圍過大
特徵與目標變數呈非線性關係
]
answer: 0
}
{
no: 17
title: 下列何者不是特徵工程的目標：
提高模型準確度
增強模型解釋性
減少訓練時間
增加資料量
]
answer: 3
}
{
no: 6
title: 在機器學習中，特徵的定義不包括：
反映原始資料的關鍵資訊
是模型的輸入變量
代表資料的屬性
必須是數值型態
]
answer: 3
}
{
no: 13
title: 資料集分割的主要目的是：
評估模型效能
增加資料量
加快處理速度
簡化模型結構
]
answer: 0
}