嗨 我是CCChen
iPAS AI應用規劃師 初級 第二場測試 預計於2025/05/03考試, 您準備好了嗎?分享考前倒數, 整理的一些 "科目一 人工智慧基礎概論" 的練習題目,多少檢驗自己的學習效果:
資料分析與處理實體題（共10題）
1.
你收到一份資料集，有大量空白（null）欄位，第一步最適合的處理方式是？
(A) 直接刪除所有空白資料 (B) 進行缺失值補全或視情況刪除
(C) 用平均值隨機填補所有空值 (D) 忽略空白不處理，直接分析
正確答案： (B)
解析：資料清理時，應根據空白資料的比例與重要性，選擇補值或刪除，不能盲目處理。
2.
某份銷售資料的「價格」欄位，有出現極端異常值（如負數），最佳的初步做法是？
(A) 全部刪除該欄位 (B) 把負數設為0
(C) 標記出異常值進行後續處理 (D) 隨便找個合理值取代
正確答案： (C)
解析：遇到異常值應先標記或分群，依據業務邏輯判斷處理方式，而不是隨便修改。
3.
將「身高（公分）」資料轉換為「身高（公尺）」屬於哪一種資料處理？
(A) 資料標準化（Standardization）(B) 資料正規化（Normalization）
(C) 單位轉換（Unit Transformation） (D) 特徵選擇（Feature Selection）
正確答案： (C)
解析：單位轉換是最基本的資料前處理，方便後續計算一致性。
4.
以下哪一種方法可以有效縮小資料集中「類別變數」的維度？
(A) 標準化處理 (B) One-hot encoding
(C) 特徵合併（Feature Merging） (D) 決策樹建模
正確答案： (C)
解析：如果類別過多，合併相似類別可以減少維度，提升模型效率，避免稀疏。
5.
在資料探索分析（EDA）中，最常用來觀察數值分布的是哪種圖表？
(A) 折線圖（Line Plot）(B) 長條圖（Bar Chart）
(C) 直方圖（Histogram） (D) 圓餅圖（Pie Chart）
正確答案： (C)
解析：直方圖可清楚顯示數值資料的分佈狀況，如集中趨勢、偏態、是否有極端值。
6.
將資料數值從不同範圍（如11000）縮放到01之間，這個步驟稱為？
(A) 標準化（Standardization）(B) 正規化（Normalization）
(C) 轉類別（Categorization） (D) 特徵縮放（Feature Scaling）
正確答案： (B)
解析：正規化是將資料拉到固定區間（通常是0到1），有助於提升模型表現與收斂速度。
7.
若有一份資料集，欄位之間存在強烈的高度相關性（correlation>0.95），建議採取什麼動作？
(A) 保留全部欄位 (B) 刪除其中一個欄位以避免多重共線性
(C) 將所有欄位相加做成新特徵 (D) 用PCA直接降維處理
正確答案： (B)
解析：高度相關的欄位會造成模型過度擬合，建議刪除其中一欄，保留資訊但減少冗餘。
8.
資料中有明顯類別不平衡（例如，90%都是正類，10%是負類），可能對模型造成什麼影響？
(A) 提升模型的泛化能力 (B) 讓模型預測精確度提高
(C) 讓模型只偏向多數類別，忽略少數類 (D) 不會有影響
正確答案： (C)
解析：類別不平衡會使模型偏向預測多數類別，需要採用平衡技巧（如欠取樣、過取樣）。
9.
在資料清理時，若要識別錯字或格式錯誤（如Email、電話），應該使用哪種方法？
(A) 視覺化圖表 (B) 正則表達式（Regular Expression）
(C) 決策樹 (D) 隨機森林分析
正確答案： (B)
解析：正則表達式非常適合檢查格式，例如Email是否合法、電話號碼是否規則。
10.
下列哪個處理方式屬於「特徵工程」的一部分？
(A) 用折線圖探索趨勢 (B) 補齊資料集中的缺值
(C) 從原資料推導出新的變數（例如：BMI=體重/身高²） (D) 進行資料存取與備份
正確答案： (C)
解析：特徵工程是從原有資料推導出更有意義的新變數，以提升分析或模型的效果。
歐盟人工智慧法案（EU AI Act）模擬題（共10題）
1.
根據歐盟人工智慧法案，以下哪一類型的AI系統被列為「不可接受風險」而被全面禁止？
(A) 自動駕駛系統 (B) 社會信用評分系統
(C) 聊天機器人 (D) 個人化推薦引擎
正確答案： (B)
解析：EU AI Act禁止會大規模操控人類行為或以社會信用評分方式歧視個人的AI系統，屬於不可接受風險。
2.
歐盟人工智慧法案中，將AI系統風險分為幾個層級？
(A) 2級 (B) 3級 (C) 4級 (D) 5級
正確答案： (C)
解析：EU AI Act把AI系統分為4個層級：不可接受風險、高風險、有限風險、最低風險。
3.
在EU AI Act中，下列哪一項被定義為「高風險」AI應用？
(A) 自動化影片推薦 (B) 智能客服回覆
(C) 用於醫療診斷的AI系統 (D) 遊戲內AI對手行為
正確答案： (C)
解析：醫療診斷AI涉及人類生命健康，被列入高風險範疇，需遵循更嚴格的要求。
4.
在EU AI Act規定中，開發「高風險AI系統」時必須遵循下列哪一項義務？
(A) 無需提供透明性報告 (B) 必須建立風險管理系統
(C) 僅需經使用者同意即可上線 (D) 允許匿名開發與使用
正確答案： (B)
解析：高風險AI系統需建立完整的風險管理系統，從設計到部署全程可追溯。
5.
依據EU AI Act，有限風險（Limited Risk）的AI系統需要滿足什麼最低義務？
(A) 強制認證 (B) 完整風險評估報告
(C) 提供使用者知情權與透明度提示 (D) 不需任何規範
正確答案： (C)
解析：有限風險AI只需提供使用者基本知情權，比如提醒「你正在與AI互動」。
6.
EU AI Act對「生物辨識技術」（如臉部辨識）有何特別規定？
(A) 全面禁止生物辨識 (B) 生物辨識技術被列入最低風險
(C) 生物辨識屬高風險AI，需嚴格審查與授權 (D) 生物辨識無需遵守任何條件
正確答案： (C)
解析：生物辨識技術容易侵犯隱私與人權，屬高風險，必須經過嚴格審核與限制使用。
7.
若某AI系統被判定為「最低風險」級別（Minimal Risk），開發者需要遵循什麼？
(A) 強制外部審查 (B) 自願遵守行為準則（Code of Conduct）
(C) 申請強制認證 (D) 交付完整模型源碼
正確答案： (B)
解析：最低風險AI（如AI遊戲推薦、濾鏡）開發者可以自願遵守倫理準則，但不強制執行法規義務。
8.
根據EU AI Act，高風險AI必須能夠被「解釋」，這屬於哪一個核心要求？
(A) 數據管理 (B) 可解釋性（Explainability）與透明性
(C) 模型壓縮技術 (D) 自動化部署機制
正確答案： (B)
解析：高風險AI必須做到可解釋，讓使用者或監管單位理解AI如何做出判斷與決策。
9.
依EU AI Act，違反高風險AI規定的罰款上限約為多少？
(A) 最高100萬歐元 (B) 最高2000萬歐元或全球年營收的4%
(C) 最高500萬歐元或全球營收的5% (D) 不超過50000歐元
正確答案： (B)
解析：若違反高風險AI規定，可處以最高2,000萬歐元或全球營收4%的罰款，與GDPR罰則相似。
10.
哪一項是歐盟人工智慧法案（EU AI Act）推行的重要目標之一？
(A) 完全禁止AI技術開發 (B) 限制AI的全球應用
(C) 平衡促進創新與保障基本人權 (D) 提升AI模型的市場價格
正確答案： (C)
解析：EU AI Act的核心精神是：促進AI創新同時保護使用者基本權利與自由。
iPAS AI應用規劃師初級 高難度模擬題（共10題）
1.
某企業希望透過AI自動化客訴分類，初步調查顯示資料中80%是重複無效留言，適合優先進行哪個資料處理步驟？
(A) 進行特徵工程提升模型表現(B) 資料正規化 (C) 資料清理（Data Cleaning） (D) 模型參數微調
正確答案： (C)
解析：有大量無效留言時，必須先進行資料清理，把雜訊資料移除，提高資料品質，否則後續訓練無效。
2.
企業利用AI預測市場趨勢，但模型過度依賴過去五年的數據。若未來市場快速變化，會產生哪種風險？
(A) 模型過擬合（Overfitting）(B) 模型欠擬合（Underfitting）
(C) 過度正則化（Overregularization） (D) 訓練資料不足
正確答案： (A)
解析：過度依賴歷史資料，容易導致模型記憶過去的特徵，但對未來新情況失去適應力，這是典型過擬合。
3.
在部署一個AI自動客服系統後，發現特定族群（如長者）使用時出現大量誤判，應優先採取哪種改善方法？
(A) 增加對該族群資料的收集與訓練 (B) 提高伺服器記憶體
(C) 刪除異常使用者帳號 (D) 降低模型計算量以加快回應
正確答案： (A)
解析：出現特定群體誤判通常是因為該族群在訓練資料中代表性不足，需要擴充該類資料再訓練。
4.
在No-Code AI平台上建立模型時，使用者應注意什麼以確保模型的泛化能力？
(A) 只用少量資料快速完成模型訓練 (B) 依賴預設模板不調整
(C) 訓練資料需多樣且具代表性 (D) 排除所有低頻資料特徵
正確答案： (C)
解析：好的模型需要有多樣且代表性的資料來源，避免模型只學到特定情境，失去應變能力。
5.
使用生成式AI撰寫醫療報告，哪個行為最可能引發嚴重法律責任？
(A) 加註內容由AI生成 (B) 要求人工最終審核
(C) 忽略驗證內容正確性即直接發布 (D) 引用已公開資料進行撰寫
正確答案： (C)
解析：醫療報告內容涉及人命安全，若直接使用未經審核的AI生成資料，可能導致嚴重後果與法律問題。
6.
在生成式AI應用中，下列哪種策略最能有效降低「幻覺問題」（生成錯誤或虛構內容）的風險？
(A) 提高隨機性設定（增加top-k, temperature參數） (B) 減少訓練資料量以提升模型精確度
(C) 對生成內容進行事後事實查核（Fact-checking） (D) 只用無監督學習建模
正確答案： (C)
解析：生成式AI無法保證100%正確，必須搭配事後的人工作業，如事實查核，確保輸出內容正確。
7.
若企業要導入AI系統支援重大決策，哪一項是必須被納入設計考量的？
(A) 決策過程可解釋性（Explainability） (B) 訓練資料越大越好，不需過濾
(C) 只需考慮效能，不需關心倫理 (D) 完全依賴AI，不保留人為介入
正確答案： (A)
解析：當AI參與重大決策時，「為什麼」做出某個建議必須可被解釋，否則企業與主管無法合理承擔責任。
8.
企業使用生成式AI開發商品文案，但遭遇產出內容「文風偏離品牌形象」的問題，最有效的調整措施是？
(A) 調整模型的溫度參數以提高創意性 (B) 加強品牌風格相關資料作為提示（Prompt）
(C) 讓AI自行學習不同風格，無需人為干預 (D) 改用傳統關鍵字填寫系統
正確答案： (B)
解析：生成式AI可以透過精確的提示（Prompt Engineering）引導生成內容貼近品牌語氣。
9.
在資料分析流程中，「資料可視化」的主要目的是？
(A) 隱藏資料的缺陷 (B) 協助辨識資料中潛在模式與異常
(C) 簡單美化報告格式 (D) 減少資料量以加速運算
正確答案： (B)
解析：資料可視化（如折線圖、長條圖）可以幫助快速發現趨勢、異常點與資料分布特性。
10.
企業將AI導入營運流程，若未進行風險評估與備援計畫，最可能造成什麼問題？
(A) 促使AI效能提升 (B) 加速模型成熟
(C) 當AI系統出錯時無法應變，造成營運中斷 (D) 節省更多人力成本
正確答案： (C)
解析：導入AI必須有風險管理機制與備援計畫，否則一旦AI異常會造成整個作業流程癱瘓。
機器學習概念與應用 情境模擬題（共10題）
1.
某超市想預測顧客是否會購買特定商品，透過顧客的年齡、收入、購物頻率來訓練模型。這種任務屬於哪種類型？
(A) 非監督式學習 (B) 強化學習 (C) 監督式學習 (D) 遺傳演算法
正確答案： (C)
解析：有標籤的「是否購買」作為預測目標，是典型的監督式學習問題。
2.
某物流公司希望根據包裹尺寸與重量，自動將包裹分成「小型」、「中型」、「大型」三類，並沒有預先標註分類，適合使用哪種學習方式？
(A) 監督式學習 (B) 非監督式學習 (C) 遷移學習 (D) 強化學習
正確答案： (B)
解析：資料無標籤，僅希望分群，應使用非監督式學習，如 K-Means 分群。
3.
醫療院所希望透過病患過去的診斷紀錄與用藥紀錄來預測是否會復發疾病。資料具備標籤。適合的模型是？
(A) 協同過濾推薦系統 (B) 協變異數分析 (C) 二元分類模型 (D) 聚類分析
正確答案： (C)
解析：預測「是否復發」是一個二元分類問題（是/否）。
4.
某公司發現模型雖然訓練準確度很高，但新資料準確度很低。最可能原因是？
(A) 資料集太平衡 (B) 模型過擬合 (C) 模型欠擬合 (D) 特徵維度太少
正確答案： (B)
解析：模型在訓練集表現很好、但無法泛化到新資料，是典型「過擬合」問題。
5.
行銷團隊希望了解顧客的「類型」，例如：價格敏感型、品牌忠誠型、衝動型。他們沒有這些標籤。適合用什麼方法？
(A) 群集分析（Clustering） (B) 線性回歸 (C) 支持向量機 (D) 決策樹分類
正確答案： (A)
解析：想探索潛在群體而沒有標籤，用非監督式的群集分析最適合。
6.
某應用程式透過用戶行為不斷優化推薦結果，使用者互動越多，推薦越精準。這類學習方式最接近？
(A) 非監督式學習 (B) 遞迴神經網路 (C) 強化學習 (D) 隨機森林
正確答案： (C)
解析：強化學習透過「試錯回饋」逐步優化行為策略，是常見在互動式應用的學習方式。
7.
某模型在訓練資料上與測試資料表現都很差，可能是？
(A) 模型過擬合 (B) 特徵維度太高 (C) 模型欠擬合 (D) 過度調整超參數
正確答案： (C)
解析：訓練與測試都表現不佳，表示模型太簡單無法學到資料中的規律，屬於欠擬合。
8.
若希望讓模型「預測未來6個月的營收」，這樣的任務是什麼類型？
(A) 分類 (B) 回歸 (C) 分群 (D) 增強學習
正確答案： (B)
解析：預測連續數值（例如金額）屬於回歸問題。
9.
為了評估一個分類模型的預測能力，最適合使用以下哪一個指標？
(A) 平均絕對誤差 MAE(B) 均方誤差 MSE (C) 精確率與召回率（Precision / Recall） (D) R2 決定係數
正確答案： (C)
解析：Precision / Recall 適合衡量分類模型，特別是在樣本不平衡的情況下。
10.
某公司已經在A國市場訓練好一套銷售預測模型，現在想將它應用到B國市場，資料稍有不同，最適合採取什麼策略？
(A) 從頭開始重訓模型(B) 使用遷移學習進行微調 (C) 直接複製使用 (D) 降低模型輸出維度
正確答案： (B)
解析：遷移學習可以將已學好的模型在新環境微調，節省時間並保留泛化能力。
機器學習模型效能指標 中等難度模擬題（共10題）
1.
在二元分類問題中，若特別重視「找出所有正確的正類樣本」，應優先關注哪個指標？
(A) 準確率（Accuracy）(B) 精確率（Precision） (C) 召回率（Recall） (D) F1分數（F1 Score）
正確答案： (C)
解析：召回率關注「能找出多少真正的正類」，適合用於需要降低漏判風險的場景，如醫療診斷。
2.
若模型預測正類時經常「誤報」，即錯把負類當成正類，表示哪個指標較差？
(A) 召回率(B) 精確率 (C) 準確率 (D) 均方誤差
正確答案： (B)
解析：精確率指預測為正類時真正正確的比例，誤報率高時精確率會降低。
3.
當資料集正負類極度不平衡時，哪個評估指標比「準確率」更適合？
(A) 精確率與召回率(B) 準確率依然最適合 (C) 均方根誤差（RMSE） (D) 決定係數（R²）
正確答案： (A)
解析：準確率在樣本極度不平衡時容易誤導，應看Precision、Recall、F1 Score等更細緻的指標。
4.
若模型的Precision為0.90，Recall為0.60，則F1 Score約為多少？
(A) 0.72(B) 0.75 (C) 0.80 (D) 0.85
正確答案： (A)
解析：F1 = 2 × (Precision × Recall) / (Precision + Recall)，代入計算得到大約0.72。
5.
對於回歸問題（例如預測房價），下列哪一個是常見的評估指標？
(A) F1分數(B) 精確率 (C) 均方誤差（MSE） (D) AUC值
正確答案： (C)
解析：回歸問題關心預測數值與真實數值的誤差，MSE（均方誤差）最常使用。
6.
在二元分類中，ROC曲線的橫軸與縱軸分別是什麼？
(A) F1 Score vs Accuracy (B) True Positive Rate vs False Positive Rate (C) Recall vs Precision (D) Sensitivity vs Specificity
正確答案： (B)
解析：ROC曲線橫軸是FPR（假陽性率），縱軸是TPR（真正率，也就是Recall）。
7.
如果一個模型的R²（決定係數）接近0，這代表？
(A) 模型解釋變異能力很強(B) 模型解釋變異能力很弱 (C) 預測結果非常準確 (D) 資料集中完全沒有噪聲
正確答案： (B)
解析：R²接近0表示模型無法有效解釋輸出結果的變異性，預測力弱。
8.
AUC值（Area Under Curve）越接近哪個數字，代表分類模型性能越好？
(A) 0 (B) 0.5 (C) 1 (D) -1
正確答案： (C)
解析：AUC接近1表示分類效果越好，接近0.5則代表跟亂猜沒兩樣。
9.
某分類模型在新資料集上表現大幅下降，可能反映了什麼現象？
(A) 模型過擬合(B) 模型欠擬合 (C) 特徵選擇過少 (D) 超參數調整過度
正確答案： (A)
解析：過擬合指模型在訓練集表現很好，但在新資料集上效果大幅下滑。
10.
以下哪一個是回歸模型的錯誤度量指標？
(A) ROC曲線下的面積（AUC）(B) 平均絕對誤差（MAE） (C) 均方根誤差（RMSE） (D) 均方誤差（MSE）
正確答案： (A)
解析：AUC是用來評估分類模型，不適用於回歸；回歸常用MSE、RMSE、MAE等指標。
生成式 vs 鑑別式 AI 技術判別題（共 10 題）
1.
下列哪一個屬於「生成式 AI」模型？
(A) 支援向量機（SVM） (B) 邏輯回歸（Logistic Regression） (C) 生成對抗網路（GAN） (D) 隨機森林（Random Forest）
正確答案： (C)
解析：
GAN 可用來產生新資料（如影像），屬於生成式模型，其他皆為鑑別式。
2.
哪一種 AI 模型專注於「判別樣本屬於哪一類」？
(A) Transformer (B) GAN (C) 邏輯回歸（Logistic Regression） (D) DALL·E
正確答案： (C)
解析：
邏輯回歸是典型的分類器，屬於鑑別式 AI，用於判斷資料所屬的類別。
3.
下列何者屬於「生成式 AI」的應用情境？
(A) 根據身高與體重預測是否罹病 (B) 產生虛擬人物肖像 (C) 根據影像辨識是否為貓 (D) 對資料做分群分析
正確答案： (B)
解析：
生成虛擬人物屬於資料「創造」，是生成式 AI 的代表應用。
4.
哪一項屬於「鑑別式 AI」模型？
(A) ChatGPT (B) Naive Bayes (C) DALL·E 2 (D) Stable Diffusion
正確答案： (B)
解析：
Naive Bayes 是用於分類任務的機率型鑑別模型，並非用來生成資料。
5.
「生成式模型」的核心能力是？
(A) 學習資料之間的分類邊界 (B) 預測屬性所屬的機率分佈 (C) 重建輸入資料或產生類似新資料 (D) 排除資料中的異常點
正確答案： (C)
解析：
生成式模型學習資料的整體分佈，可用來產生新樣本。
6.
哪一種模型最適合用來分類電子郵件是否為垃圾信？
(A) GAN (B) BERT生成器 (C) 支援向量機（SVM） (D) 變分自編碼器（VAE）
正確答案： (C)
解析：
SVM 是強大的鑑別式分類器，適用於二元分類任務如垃圾信偵測。
7.
哪一種技術同時具備「生成」與「分類」能力，但最常用於生成新影像？
(A) 隨機森林 (B) GAN (C) 支援向量機 (D) K-Means
正確答案： (B)
解析：
GAN 雖然具備生成與鑑別雙模組，但其主力功能仍在資料生成上。
8.
以下哪個敘述正確區分生成式與鑑別式模型？
(A) 鑑別式模型可以創造全新內容 (B) 生成式模型只能用在分類問題 (C) 生成式模型可估計資料分佈，鑑別式模型則是分界線 (D) 兩者本質無差異，只是命名不同
正確答案： (C)
解析：
生成式模型學習整體資料分佈，鑑別式只學類別間的邊界，這是兩者本質差異。
9.
在 AI 模型訓練中，若目標是「生成文字描述圖片內容」，應使用何種模型？
(A) 鑑別式模型 (B) 生成式模型 (C) 分群模型 (D) 決策樹模型
正確答案： (B)
解析：
文字生成（如 image captioning）需理解與產生語言內容，屬於生成式應用。
10.
下列何者不是「生成式 AI」的代表模型？
(A) GAN (B) VAE（變分自編碼器） (C) GPT-4 (D) 決策樹分類器
正確答案： (D)
解析：
決策樹專門做分類，屬於鑑別式，不產生新資料。
生成式 vs 鑑別式 AI 工具應用判別題（共10題）
1.
下列哪一個生成式AI工具可用於「根據文字生成圖像」？
(A) Random Forest (B) DALL·E 2 (C) SVM Classifier (D) AutoML Tables
正確答案： (B)
解析：
DALL·E 是 OpenAI 開發的文字轉圖像生成式AI工具，非分類模型。
2.
若你使用 ChatGPT 撰寫商業文案，這屬於哪一種AI技術應用？
(A) 鑑別式 AI (B) 分群 AI (C) 生成式 AI (D) 強化學習應用
正確答案： (C)
解析：
ChatGPT 是基於 GPT 的大型語言模型，用於生成內容，屬於生成式AI。
3.
BERT 模型雖然可用於文字生成，但在 Google 搜尋排序中主要扮演什麼角色？
(A) 資料產生器(B) 分群器 (C) 文本分類與鑑別模型 (D) 圖像生成模型
正確答案： (C)
解析：
BERT 在搜尋引擎中用於語意判斷與文本分類，屬於鑑別式應用。
4.
若某系統使用 Stable Diffusion 進行 AI 圖像創作，它主要採用了哪一類技術？
(A) 鑑別式模型(B) 聚類分析模型 (C) 回歸模型 (D) 生成式擴散模型
正確答案： (D)
解析：
Stable Diffusion 是生成式AI，採用擴散模型逐步重建圖像。
5.
你使用 AutoML Tables 來訓練一個「客戶流失預測」模型，這屬於？
(A) 生成式AI任務(B) 鑑別式AI任務 (C) 圖像辨識任務 (D) 音訊合成任務
正確答案： (B)
解析：
AutoML Tables 是用於分類與回歸任務的工具，處理有標籤資料，屬於鑑別式AI。
6.
你用 GAN（生成對抗網絡） 建立一個生成虛擬人臉資料庫，這屬於哪類AI應用？
(A) 鑑別式分類應用(B) 生成式AI應用 (C) 特徵降維應用 (D) 音訊辨識應用
正確答案： (B)
解析：
GAN 可生成全新的樣本資料（如臉），是典型生成式AI工具。
7.
若使用 支援向量機（SVM） 進行疾病診斷分類，這屬於？
(A) 資料合成應用(B) 圖像生成應用 (C) 鑑別式學習應用 (D) 生成式文本應用
正確答案： (C)
解析：
SVM 是分類器，適用於監督式學習，為鑑別式AI模型之一。
8.
某模型可以學習資料分佈，進而合成類似語音或影像樣本。這代表它屬於哪類AI工具？
(A) 鑑別式分類工具(B) 回歸模型工具 (C) 聚類工具 (D) 生成式建模工具
正確答案： (D)
解析：
能夠學習資料分佈並產生類似樣本，是生成式模型的典型功能。
9.
哪一個平台整合了 生成式AI文字生成 與 鑑別式分類分析 功能，屬於混合型應用？
(A) Notion AI(B) ChatGPT (C) TensorFlow Playground (D) Google Vertex AI
正確答案： (D)
解析：
Google Vertex AI 平台提供生成式與鑑別式模型訓練、部署與服務，是典型混合AI平台。
10.
哪一個工具最適合用來「生成商品描述」、「自動改寫部落格內容」？
(A) XGBoost(B) Midjourney (C) Jasper AI (D) LightGBM
正確答案： (C)
解析：
Jasper AI 是文案生成工具，屬於文字型生成式AI，應用於行銷與寫作。
我是CCChen
祝大家05/03 考試順利+合格取證