iPas AI應用規劃師~ 模擬題庫400題(二) CCChen 2025

嗨, 我是CCChen:

已報名 2025/03/22 參加第一梯次iPas AI應用規劃師檢定.

為了有效了解自己的AI知識, 我收集官方簡報與各種教材,

利用AI分析資料內容, 自動生成模擬試題, 供大量刷題練習用.

AI模擬題庫說明:

參考資料: 產業AI種子三日班1000頁簡報+製造業AI升級引擎~人才培訓線上課程 單元一~七+製造業AI導入指引+行政院及所屬機關(構)使用生成式AI參考指引總說明及規定+ 1131226經濟部iPAS AI應用規劃師推廣說明會簡報(經濟部產業發展署)+其他參考簡報

題目生成: AI工具 NotebookLM

題目重點分布:

一、1~100題: 基礎題(AI基本概念+AI治理+AI道德)

二、101~200題: 初級題 (ML機器學習+DL深度學習+NLP自然語言處理+LLM大語言模型+ETL資料處理與分析)

三、201~300題: 中級題(AI類型+演算法+技術方法+提示技巧+產業應用+AI生成工具+資料科學+數據處理)

四、301~400題: 高級題(AI核心概念+優化技術+應用與規劃+生成式AI+鑑別式AI)

AI應用規劃師檢定測驗 – 初級題 (101-200)

101. 下列何者為機器學習的定義？

(A) 透過程式設計，使電腦執行特定任務

(B) 透過數據訓練，使機器具備預測和分類的能力

(C) 撰寫複雜演算法，解決數學問題

(D) 開發新型電腦硬體

答案：(B)

解析： 機器學習是透過數據訓練模型，使機器具備預測和分類的能力。

102. 監督式學習 (Supervised Learning) 的主要特點為何？

(A) 使用未標記的數據進行訓練   (B) 使用帶標籤的數據進行訓練

(C) 透過獎勵和懲罰機制學習     (D) 結合少量標籤數據和大量無標籤數據進行訓練

答案：(B)

解析： 監督式學習利用帶標籤的數據進行訓練，從而學習規則。

103. 非監督式學習 (Unsupervised Learning) 的主要應用為何？

(A) 垃圾郵件過濾   (B) 自動標籤分類

(C) 客戶分群       (D) 影像分類

答案：(C)

解析： 非監督式學習利用無標籤數據進行訓練，常用於客群分類、降維等。

104. 下列哪一種學習方式是透過獎勵和懲罰機制，使機器學會最佳行為策略？

(A) 監督式學習    (B) 非監督式學習

(C) 半監督式學習  (D) 增強式學習

答案：(D)

解析： 增強式學習透過獎勵和懲罰機制，使機器學會最佳行為策略，應用於機器人控制、遊戲AI等。

105. 深度學習 (Deep Learning) 的核心原理是什麼？

(A) 使用單層神經網路  (B) 模仿人腦的多層神經網路

(C) 基於統計模型的學習方法  (D) 透過獎勵和懲罰機制學習

答案：(B)

解析： 深度學習利用多層神經網路的技術，模仿人腦的工作方式。

106. 自然語言處理 (NLP) 的主要目標是什麼？

(A) 讓機器理解和處理圖像  (B) 讓機器理解和處理人類語言

(C) 讓機器控制硬體設備  (D) 讓機器進行複雜數學運算

答案：(B)

解析： 自然語言處理 (NLP) 的主要目標是讓機器理解和處理人類語言。

107. 下列哪一種技術可以將掃描的文件轉換為可編輯的文本？

(A) 自然語言處理 (NLP)  (B) 機器學習 (ML)

(C) 光學字符識別 (OCR)  (D) 自動化流程 (RPA)

答案：(C)

解析： 光學字符識別 (OCR) 可以將掃描的文件轉換為可編輯的文本。

108. 生成式 AI (Generative AI) 的主要目標是什麼？

(A) 區分不同類別的數據  (B) 透過學習數據的分佈來生成新數據

(C) 預測數據的趨勢  (D) 對數據進行分類

答案：(B)

解析： 生成式 AI 透過學習數據的分佈來生成新數據。

109. 下列哪一種模型常用於圖像生成？

(A) 邏輯回歸 (Logistic Regression)

(B) 支持向量機 (SVM)

(C) 生成對抗網絡 (GAN)

(D) 卷積神經網絡 (CNN)

答案：(C)

解析： 生成對抗網絡 (GAN) 常用於圖像生成。

110. 下列哪一種模型常用於生成自然語言對話？

(A) 卷積神經網絡 (CNN)

(B) 支持向量機 (SVM)

(C) 變分自動編碼器 (VAE)

(D) ChatGPT (大語言模型)

答案：(D)

解析： ChatGPT (大語言模型) 常用於生成自然語言對話。

111. 在自然語言處理 (NLP) 中，最小的文本單位是什麼？

(A) 句子 (Sentence)   (B) 段落 (Paragraph)

(C) 字符 (Character)  (D) 標記 (Token)

答案：(D)

解析： 標記 (Token) 是自然語言處理 (NLP) 中最小的文本單位。

112. 下列哪一種技術可以用於分析文本中的情感或情緒？

(A) 機器翻譯   (B) 文本摘要

(C) 情感分析   (D) 語音辨識

答案：(C)

解析： 情感分析是一種 NLP 技術，用於分析文本中的情感或情緒，判斷其是正面、負面或中性的。

113. 下列哪一個是大型語言模型 (LLM) 的範例？

(A) Excel        (B) ChatGPT

(C) Photoshop    (D) PowerPoint

答案：(B)

解析： ChatGPT 是一個大型語言模型 (LLM) 的範例。

114. 下列哪一個任務最適合使用大型語言模型 (LLM)？

(A) 圖像分類    (B) 語音識別

(C) 文本生成    (D) 數值預測

答案：(C)

解析： 大型語言模型 (LLM) 最適合用於文本生成。

115. 什麼是提示工程 (Prompt Engineering)？

(A) 開發新的硬體設備

(B) 設計輸入以引導模型生成所需輸出

(C) 訓練模型

(D) 數據清洗

答案：(B)

解析： 提示工程 (Prompt Engineering) 是開發輸入以引導模型生成所需輸出。

116. 下列哪一種模型架構是現代自然語言處理的核心？

(A) 循環神經網絡 (RNN)     (B) 卷積神經網絡 (CNN)

(C) 轉換器模型 (Transformer)   (D) 支持向量機 (SVM)

答案：(C)

解析： 轉換器模型 (Transformer) 是現代自然語言處理的核心架構之一。

117. 在 ETL 流程中，"T" 代表什麼？

(A) 訓練 (Training)   (B) 轉換 (Transform)

(C) 測試 (Testing)    (D) 傳輸 (Transmit)

答案：(B)

解析： 在 ETL 流程中，"T" 代表轉換 (Transform)。

•

118. 資料清理 (Data Cleaning) 的主要目的是什麼？

(A) 增加數據量    (B) 去除遺漏值、錯誤數據

(C) 轉換數據格式  (D) 選擇關鍵變數

答案：(B)

解析： 資料清理 (Data Cleaning) 的主要目的是去除遺漏值、錯誤數據。

119. 特徵工程 (Feature Engineering) 的主要目的是什麼？

(A) 降低模型複雜度   (B) 增加數據量

(C) 選取關鍵變數提升模型表現  (D) 轉換數據格式

答案：(C)

解析： 特徵工程 (Feature Engineering) 的主要目的是選取關鍵變數提升模型表現。

120. 降維 (Dimensionality Reduction) 的主要目的是什麼？

(A) 增加數據特徵數量  (B) 減少數據特徵數量，並保留關鍵資訊

(C) 增加模型複雜度  (D) 提高計算成本

答案：(B)

解析： 降維技術可減少資料特徵數量，並保留關鍵資訊。

•

121. 主成分分析 (PCA) 是一種常用的什麼技術？

(A) 分類技術   (B) 回歸技術

(C) 降維技術   (D) 聚類技術

答案：(C)

解析： 主成分分析 (PCA) 是一種常用的降維技術。

122. 下列哪一個選項不是資料處理流程的步驟？

(A) 資料收集 (Data Collection)     (B) 資料清理 (Data Cleaning)

(C) 模型部署 (Model Deployment)    (D) 特徵工程 (Feature Engineering)

答案：(C)

解析： 模型部署不是資料處理流程的步驟，而是模型開發後的步驟。

123. 在 AI 專案中，合規性主要關注哪些方面？

(A) 運營費用     (B) 公平性、透明性和安全性

(C) 模型準確度   (D) 數據量

答案：(B)

解析： 合規性主要關注於公平性、透明性和安全性。

124. 什麼是 AI 的可解釋性 (Explainable AI, XAI)？

(A) 模型的精確度   (B) 模型的決策過程是否能被人類理解

(C) 資料的使用量   (D) 模型的準確性

答案：(B)

解析： AI 的「可解釋性」關注的是模型的決策過程是否能被人類理解。

•

125. 什麼是資料增強 (Data Augmentation)？

(A) 減少資料量   (B) 增加資料多樣性，提升模型泛化能力

(C) 簡化資料     (D) 清理資料

答案：(B)

解析： 資料增強 (Data Augmentation) 的目的是增加資料多樣性，提升模型泛化能力。

126. 什麼是模型泛化能力 (Model Generalization)？

(A) 模型處理大量資料的能力      (B) 模型在未知資料上的表現能力

(C) 模型在不同平台上的運行能力  (D) 模型的更新和維護容易程度

答案：(B)

解析： 「模型泛化能力」是指模型在未知資料上的表現能力。

127. 下列哪一個 AI 任務類型適用於預測明天的溫度？

(A) 分類任務    (B) 聚類任務

(C) 迴歸任務    (D) 差異化任務

答案：(C)

解析： 迴歸任務適用於預測數值型數據，如預測明天的溫度。

128. 什麼是 Transformer 模型中的「注意力機制」(Attention Mechanism)？

(A) 用於降低計算複雜度  (B) 用於捕捉句子中的長距離依賴關係

(C) 用於圖像處理        (D) 用於語音識別

答案：(B)

解析： Transformer 模型中的「注意力機制」用於捕捉句子中的長距離依賴關係。

129. 常見的 AI 應用不包括？

(A) 客戶服務（聊天機器人）

(B) 疾病診斷（AI 醫療影像分析）

(C) 智能輔導、個人化學習（AI 教育系統）

(D) 烹飪食譜生成

答案：(D)

解析： 根據所提供的資料，AI 應用包括客戶服務、疾病診斷和智能輔導，但不包括烹飪食譜生成。

130. 下列哪一個選項不是負責任 AI 的原則？

(A) 公平性  (B) 透明度

(C) 責任    (D) 數據量

答案：(D)

解析： 根據文件，公平性、透明度和責任是負責任 AI 的原則。

131. 什麼是邊緣 AI（Edge-Based AI）？

(A) 一種雲端運算技術   (B) 在本地設備上進行運算的 AI

(C) 一種資料儲存技術   (D) 一種高速網路技術

答案：(B)

解析： 邊緣 AI（Edge-Based AI）在本地設備上進行運算，而不是在雲端。

132. 下列何者不是自然語言處理（NLP）的應用？

(A) 情感分析    (B) 圖像生成

(C) 機器翻譯    (D) 文本摘要

答案：(B)

解析： 自然語言處理（NLP）的應用包括情感分析、機器翻譯和文本摘要，但不包括圖像生成。圖像生成通常屬於電腦視覺的範疇。

133. 在機器學習中，什麼是過擬合（Overfitting）？

(A) 模型在訓練資料上表現良好，但在測試資料上表現差26

(B) 模型在訓練資料和測試資料上都表現良好

(C) 模型無法從訓練資料中學習

(D) 模型需要更多的資料才能訓練

答案：(A)

解析： 過擬合是指模型在訓練資料上表現良好，但在測試資料上表現差，表示模型的泛化能力不足。

134. 下列哪一種技術可以用於降低資料的維度，同時保留最重要的資訊？

(A) 特徵工程

(B) 降維

(C) 資料清理

(D) 資料增強

答案：(B)

解析： 降維技術可以減少資料特徵數量，並保留關鍵資訊。

135. 下列哪一個選項是結構化資料（Structured Data）的範例？

(A) 圖像

(B) 影片

(C) 文字

(D) 關聯式資料庫中的表格數據（SQL）

答案：(D)

解析： 結構化資料（Structured Data）如關聯式資料庫中的表格數據（SQL）。

136. 什麼是半結構化資料（Semi-structured Data）？

(A) 無固定格式的資料

(B) 如 JSON、XML

(C) 關聯式資料庫中的表格數

(D) 圖像、影片

答案：(B)

解析： 半結構化資料（Semi-structured Data）如 JSON、XML。

137. 下列何者是資料正規化（Normalization）的目的？

(A) 將數據轉換為相同範圍

(B) 將數據壓縮至 0 到 1 之間

(C) 選取關鍵變數

(D) 去除遺漏值

答案：(B)

解析： 正規化（Normalization）的目的是將數據壓縮至 0 到 1 之間。

138. 下列哪一個是鑑別式 AI（Discriminative AI）的範例？

(A) ChatGPT

(B) Midjourney

(C) CNN（卷積神經網絡）

(D) DALL·E

答案：(C)

解析： 鑑別式 AI（Discriminative AI）的範例包括 CNN（卷積神經網絡）。

139. 什麼是自回歸 (Autoregressive) 方法？

(A) 一次生成所有文本

(B) 一次產生一個 token 或片段

(C) 同時處理多個文本

(D) 隨機生成文本

答案：(B)

解析： 自回歸（Autoregressive）方法，一次產生一個 token 或片段，適合文本生成。

140. 下列哪一個模型適合根據文本描述生成高品質的圖像？

(A) 迴圈神經網路（RNN）

(B) 卷積神經網路（CNN）

(C) 生成對抗網路（GAN）

(D) 穩定擴散（Stable Diffusion）

答案：(D)

解析： 穩定擴散（Stable Diffusion）模型特別適合生成圖像任務。

141. 使用 Stable Diffusion 的主要應用場景是什麼？

(A) 自動對話  (B) 程式碼生成

(C) AI 繪圖、藝術創作  (D) 文本補全

答案：(C)

解析： Stable Diffusion 的主要應用場景是 AI 繪圖、藝術創作。

142. 什麼是主權 AI（Sovereign AI）？

(A) 一個國家或地區自主開發、控制和管理的人工智慧技術

(B) 一種開源的 AI 模型

(C) 一種雲端 AI 服務

(D) 一種 AI 監管標準

答案：(A)

解析： 主權 AI是指一個國家或地區自主開發、控制和管理人工智慧技術。

143. AI Agent 的基本工作流程不包括以下哪個步驟？

(A) 感知和分析（Perception）  (B) 決策和計劃（Planning）

(C) 執行（Action）            (D) 數據加密（Encryption）

答案：(D)

解析： AI Agent 的基本工作流程包括感知和分析、決策和計劃、執行和學習和適應，不包括數據加密。

144. 以下哪一個選項是用於縮小圖像尺寸的技術？

(A) 決策樹算法   (B) 池化層（Pooling）

(C) 過濾技術     (D) 特徵提取方法

答案：(B)

解析： 池化層（Pooling）用於縮小圖像尺寸。

145. 在生成式 AI 中，強化學習主要用於什麼目的？

(A) 分類數據

(B) 提取特徵

(C) 提高生成數據的品質

(D) 將數據分配到不同的類別中

答案：(C)

解析： 在生成式 AI 中，強化學習主要用於提高生成數據的品質，通過獎勵信號指導生成過程。

146. 在自然語言處理中，命名實體識別（Named Entity Recognition, NER）的主要任務是什麼？

(A) 確定文本中的關鍵詞

(B) 將文本分配到不同的類別中

(C) 查找並分類文本中的有名稱的實體

(D) 生成文本

答案：(C)

解析： 命名實體識別（NER）的主要任務是查找並分類文本中的有名稱的實體，如人名、地名和組織名29。

147. 在機器翻譯的應用中，以下哪一種模型類型被廣泛使用？

(A) 卷積神經網絡（CNN）  (B) 循環神經網絡（RNN）

(C) 支持向量機（SVM）    (D) 潛在狄利克雷分配（LDA）

答案：(B)

解析： 循環神經網絡（RNN），特別是長短期記憶網絡（LSTM），被廣泛用於機器翻譯。

•

148. 在圖像處理的過程中，通常使用哪一種技術來去除圖像中的雜訊，從而改善圖像的質量？

(A) 邊緣檢測    (B) 濾波技術

(C) 特徵提取    (D) 圖像分割

答案：(B)

解析： 在圖像處理的過程中，通常使用濾波技術來去除圖像中的雜訊。

149. Azure AI 語言服務提供哪些功能？

(A) 情感分析、語言識別和文本提取  (B) 圖像生成    

(C) 影片編輯  (D) 程式碼編譯

答案：(A)

解析： Azure AI 語言服務提供了情感分析、語言識別和文本提取等功能。

150. 下列哪一個選項不屬於生成式 AI 的應用？

(A) 文本生成    (B) 圖像生成

(C) 程式碼生成  (D) 數據分類

答案：(D)

解析： 根據所提供的資料，生成式 AI 的應用包括文本生成、圖像生成和程式碼生成，不包括數據分類。數據分類通常屬於鑑別式 AI 的範疇。

151. 下列哪一項是機器學習（ML）的主要目標？

A. 創建能夠執行特定任務的硬體設備   B. 讓電腦透過資料學習並自動改進

C. 開發新的程式語言    D. 設計更快的處理器

正確答案：B。機器學習的核心是使機器能夠從資料中學習，而不需要明確地編程。

152. 深度學習（DL）是機器學習的一個子集，它主要基於什麼技術？

A. 決策樹    B. 線性迴歸

C. 神經網路   D. 支援向量機

正確答案：C。深度學習使用多層神經網路來模仿人腦的結構和功能。

153. 自然語言處理（NLP）的主要目標是什麼？

A. 圖像識別   B. 讓機器理解和生成人類語言

C. 機器人控制   D. 資料庫管理

正確答案：B。自然語言處理旨在使機器能夠理解、解釋和生成人類語言。

154. 下列哪一個是生成式AI最常使用的模型？

A. 鑑別式模型   B. 迴圈神經網路（RNN）

C. 卷積神經網路（CNN）   D. 轉換器模型（Transformer）

正確答案：D。轉換器模型，如GPT，特別適合生成自然語言文本。

155. 在ETL過程中，"T"代表什麼？

A. 測試 (Testing)     B. 轉錄 (Transcribe)

C. 轉換 (Transform)   D. 傳輸 (Transmit)

正確答案：C。ETL中的"T"代表轉換，指的是將數據轉換為適合分析的格式。

156. 下列哪一項技術最常用於從非結構化文本中提取資訊？

A. SQL查詢   B. 統計分析

C. 自然語言處理（NLP）  D. 試算表軟體

正確答案：C。自然語言處理技術用於從文字中提取有用的資訊。

157. 哪個模型特別適合生成圖像任務並能產生高品質、多樣化的輸出？

A. 生成對抗網路（GAN）   B. 迴圈神經網路（RNN）

C. 卷積神經網路（CNN）   D. 穩定擴散（Stable Diffusion）

正確答案：D。穩定擴散模型專為生成圖像任務而設計.

158. 下列哪一項是資料清理的主要目的？

A. 增加資料量  B. 去除遺漏值和錯誤數據

C. 提高資料的複雜性  D. 壓縮資料大小

正確答案：B。資料清理的目的是去除不準確和不完整的數據，以提高資料品質.

159. 請問下列哪個選項不是自然語言處理（NLP）的應用？

A. 語音助理    B. 文本翻譯

C. 情感分析    D. AlphaGo

正確答案：D。AlphaGo 是一個透過強化學習來學習最佳行動的程式。

160. 下列哪一項最能描述「特徵工程」？

A. 清理資料中的錯誤  B. 降低資料的維度

C. 選取關鍵變數以提升模型表現  D. 將資料標準化到特定範圍

正確答案：C。特徵工程涉及選擇和轉換資料集中的變數，以提高機器學習模型的性能.

161. 生成對抗網路（GAN）主要由哪兩個部分組成？

A. 編碼器和解碼器  B. 生成器和鑑別器

C. 輸入層和輸出層  D. 卷積層和池化層

正確答案：B。GAN由生成器和鑑別器組成，生成器生成新數據，鑑別器區分真實數據和生成數據。

162. 請問下列哪種技術可以用於降低資料集的維度，同時保留關鍵資訊？

A. 特徵工程      B. 資料增強

C. 資料清理      D. 降維

正確答案：D。降維技術可以減少資料特徵數量，並保留關鍵資訊.

163. 在機器學習中，過度擬合（Overfitting）指的是什麼？

A. 模型在訓練資料上表現不佳

B. 模型過於複雜，在訓練資料上表現良好，但在新資料上表現差

C. 模型欠缺訓練資料

D. 模型無法學習任何模式

正確答案：B。過度擬合發生在模型過於緊密地學習訓練資料的細節和噪音時，導致在新數據上表現不佳。

164. 請問下列哪種技術可以讓AI模型產生類似人類的文本？

A. 迴歸分析     B. 決策樹

C. 支持向量機   D. 大型語言模型（LLM）

正確答案：D。大型語言模型通過學習大量文本數據來生成類似人類的文本.

165. 強化學習（Reinforcement Learning）的主要特點是什麼？

A. 使用標記好的資料進行訓練   B. 透過獎勵機制學習最佳行動

C. 將資料分成不同群組   D. 預測連續數值

正確答案：B。強化學習透過獎勵和懲罰機制，使機器學會最佳行為策略。

166. 下列哪一個是評估AI模型公平性的重要考量？

A. 模型的運算速度  B. 模型的部署成本

C. 確保模型對不同群體沒有偏見  D. 模型的程式碼複雜度

正確答案：C。評估AI模型的公平性，主要關注模型是否對某些群體存在偏見。

167. 在自然語言處理中，Tokenization（分詞）指的是什麼？

A. 情感分析   B. 語法分析

C. 將文本分割成小的單元   D. 詞性標注

正確答案：C。Tokenization 是將文本分割成單詞、子單詞或字符等小單位的過程。

168. 下列哪一種資料類型最適合用於機器學習模型的訓練？

A. 隨機產生的資料     B. 結構化資料

C. 無意義的資料       D. 不完整的資料

正確答案：B。結構化資料（如表格數據）非常適合用於機器學習模型的訓練.

169. 請問下列哪個不是生成式AI的應用？

A. 圖像生成     B. 文字生成

C. 程式碼生成   D. 資料分類

正確答案：D。資料分類屬於鑑別式 AI 的範疇。

170. 什麼是「提示工程」（Prompt Engineering）？

A. 測試模型的硬體效能

B. 清理和準備訓練資料

C. 開發輸入以引導模型生成所需輸出

D. 部署AI模型的過程

正確答案：C。提示工程是指設計特定的輸入，以引導模型產生期望的輸出.

171. 下列何者為大語言模型（LLM）的主要功能？

A. 圖像識別     B. 文本摘要和內容創作

C. 數據壓縮     D. 病毒檢測

正確答案：B。大型語言模型主要用於文本相關的任務，如摘要和內容創作.

172. 請問下列哪個技術可以用於改善圖像的品質，減少雜訊？

A. 邊緣檢測        B. 形態學變換

C. 圖像增強技術    D. 濾波技術

正確答案：D。濾波技術專門用於降噪，改善圖像質量.

173. 在機器學習中，正規化（Normalization）的主要目的是什麼？

A. 增加資料的複雜性   B. 將數據壓縮至 0 到 1 之間

C. 擴大資料的範圍     D. 減少資料量

正確答案：B。正規化的目的是將數據縮放到一個標準範圍內，通常是0到1之間.

174. 下列哪一個是OpenAI開發的圖像生成模型？

A. Codex      B. DALL·E

C. ChatGPT    D. Bard

正確答案：B。DALL·E是OpenAI開發的，專門用於生成圖像

175. 請問在生成對抗網路（GAN）中，鑑別器的作用是什麼？

A. 訓練生成器   B. 提取特徵

C. 分類數據     D. 區分真實數據和生成數據

正確答案：D。鑑別器的主要作用是區分真實數據和生成數

176. 下列哪一項是負責任AI的核心原則？

A. 提高模型運算速度    B. 降低開發成本

C. 公平性、可靠性和透明度   D. 增加模型複雜性

正確答案：C。負責任AI的核心原則包括公平性、可靠性和透明度

177. 下列哪種模型可以用於預測銀行信用風險？

A. CNN（卷積神經網路）   B. RNN（循環神經網路）

C. ML（機器學習）        D. GAN（生成對抗網路）

正確答案：C。機器學習模型可以直接透過數據學習並改善決策，可以用於銀行信用評估、股票預測。

178. 在AI專案中，哪個階段最需要考慮倫理影響、潛在偏見和隱私問題？

A. 資料收集階段    B. 模型訓練階段

C. 規劃階段        D. 部署階段

正確答案：C。在AI專案的規劃階段，就應該考慮倫理影響、潛在偏見和隱私問題.

179. 請問自然語言處理（NLP）中，哪種技術可以分析文本的情感傾向？

A. 詞性標注   B. 文本摘要

C. 機器翻譯   D. 情感分析

正確答案：D。情感分析是一種 NLP 技術，用於分析文本中的情感或情緒

180. 在機器學習中，什麼是「監督式學習」？

A. 使用未標記的資料進行訓練  B. 使用標記好的資料進行訓練

C. 透過獎勵機制進行學習      D. 自動探索資料結構

正確答案：B。監督式學習使用包含輸入和輸出標籤的資料集來訓練模型

181. 下列哪一項是Azure AI 語言服務的主要功能？

A. 硬體加速   B. 數據儲存

C. 文本理解和分析  D. 圖像處理

正確答案：C。Azure AI 語言服務專為自然語言處理設計，提供文本理解和分析功能.

182. 請問，若要將文字資料轉換成AI模型可以理解的格式，需要使用下列哪種技術？

A. 降維    B. 標記化

C. 濾波    D. 嵌入

正確答案：D。嵌入技術將文字轉換成向量，使AI能夠理解數據間的關係。

183. 下列哪一項描述了機器學習中的「模型泛化能力」？

A. 模型處理大量資料的能力

B. 模型在不同平台上的運行能力

C. 模型的更新和維護容易程度

D. 模型在未知資料上的表現能力

正確答案：D。「模型泛化能力」是指模型在未見過的資料上的表現能力.

184. 下列哪一種AI模型可以用於生成逼真的新圖像？

A. 邏輯回歸        B. 支持向量機

C. 卷積神經網路    D. 生成對抗網絡（GAN）

正確答案：D。生成對抗網絡（GAN）在生成式 AI 中的主要應用是生成逼真的新圖像。

185. 請問以下哪一個不是ETL（Extract, Transform, Load）的步驟？

A. 抽取（Extract）   B. 轉換（Transform）

C. 載入（Load）      D. 驗證（Verify）

正確答案：D。ETL 流程包括抽取、轉換和載入三個步驟。

186. 在自然語言處理中，什麼是「停用詞」（Stop words）？

A. 具有特殊含義的詞

B. 模型無法處理的詞

C. 在文本中頻繁出現但通常沒有實際意義的詞

D. 用於加密文本的詞

正確答案：C。停用詞是在文本中頻繁出現但通常沒有實際意義的詞，例如「的」、「是」等。

187. 如果你想使用AI來分析客戶評論的情感，應該使用哪種技術？

A. 圖像識別   B. 語音識別

C. 情感分析   D. 機器翻譯

正確答案：C。情感分析用於分析文本中的情感傾向

188. 請問下列哪一項是AI風險管理主要考量的風險？

A. 硬體設備損壞風險    B. 企業品牌風險

C. 法律合規風險        D. AI 產生偏見與數據隱私風險

正確答案：D。AI 風險管理主要考量 AI 產生偏見與數據隱私風險，以確保公平性與合規性。

189. 下列哪一種技術可以用來預測市場趨勢？

A. 資料清理    B. 特徵工程

C. 預測分析    D. 降維

正確答案：C。預測分析使用AI來進行市場趨勢預測.

190. 生成式AI模型通常使用哪種方法來學習數據中的模式？

A. 人工編碼規則   B. 機器學習算法

C. 隨機猜測       D. 資料壓縮技術

正確答案：B。生成式AI透過使用機器學習算法來學習數據中的模式和規律.

191. 在導入AI應用時，哪個步驟最重要？

A. 選擇最新的硬體設備     B. 聘請AI專家

C. 掌握企業課題並選定應用範圍   D. 購買昂貴的AI軟體

正確答案：C。在導入AI應用時，首先需要掌握企業的具體問題和選定適合的應用範圍.

192. 根據文件，大型語言模型（LLM）的主要功能不包含下列哪一項？

A. 文本分類    B. 摘要

C. 內容創作    D. 圖像識別

正確答案：D。大型語言模型（LLM）的主要功能是文本分類、摘要和內容創作.

193. 什麼是小樣本學習 (Few-shot Learning)？

A. 使用大量標記數據訓練模型      B. 使用極少量標記數據訓練模型

C. 不使用任何標記數據訓練模型    D. 僅使用合成數據訓練模型

正確答案：B。小樣本學習 (Few-shot Learning) 允許模型通過最少的訓練適應特定的使用案例，並用最少的示例數據生成內容。

194. 下列哪一項是自然語言處理（NLP）的應用？

A. 疾病診斷    B. 信用風險評估

C. 客戶服務聊天機器人   D. 智能輔導

正確答案：C。自然語言處理可用於客戶服務聊天機器人

195. 在AI領域中，哪種技術能夠讓電腦從圖像或影片中提取有用資訊？

A. 自然語言處理（NLP）   B. 機器學習（ML）

C. 深度學習（DL）        D. 電腦視覺（Computer Vision）

正確答案：D。電腦視覺能夠讓機器 "看見"、理解和解釋視覺資訊。

196. 下列哪一個是光學字符識別（OCR）的主要功能？

A. 進行情感分析   B. 自動翻譯文本

C. 將掃描的文件轉換為可編輯的文本   D. 生成圖像

正確答案：C。光學字符識別（OCR）的主要功能是將掃描的文件轉換為可編輯的文本.

197. 請問在機器學習中，為什麼需要將資料標準化（Standardization）？

A. 增加數據量    B. 減少數據量

C. 將數據轉換為相同範圍   D. 提高數據的準確性

正確答案：C。標準化是將數據轉換為相同範圍，以避免某些特徵對模型產生過大影響。

198. 下列哪個模型最適合用於生成自然語言文本，特別是在創建連貫且有意義的句子方面？

A. 生成對抗網路 (GAN)

B. 卷積神經網絡 (CNN)

C. 循環神經網絡 (RNN)，特別是長短期記憶網絡 (LSTM)

D. 變換器模型 (Transformer)，如GPT4

正確答案：D。變換器模型 (Transformer)，如GPT，用於生成自然語言文本。

199. 下列哪一種技術主要用於檢測產品的瑕疵？

A. 自然語言處理  B. 機器翻譯

C. 機器視覺      D. 情感分析

正確答案：C。機器視覺技術通常用於產品檢測，確保品質一致性.

200. 自然語言模型在生成新內容時，是如何逐步產生的？

A. 一次性生成所有輸出

B. 一次生成多個令牌

C. 以不具決定性的方式一次生成一個令牌

D. 隨機生成輸出

正確答案：C。自然語言模型（如GPT-4）在處理文本時，以不具決定性的方式逐步產生令牌。

以上 101~200題 分享模擬題目, 皆為AI自動生成, 非官方正式題目, 僅供參考, 請自行判斷.

如果你有其他想知道的AI關鍵字或需要生成考題的範圍, 請留言一起討論

後續 201~400題 持續整理中, 待更新中.

我是CCChen:

如果你覺得這篇文章對你有幫助，

請幫我按個愛心，也歡迎 按讚 + 收藏 + 分享，

我將持續分享更多AI學習攻略、考試技巧、AI 工具應用 等精彩內容！