資訊推薦

• 25. 下列哪項非屬指數平滑法(Exponential Smoothing Method)之特性？(A)可以平滑資料中的季節特徵(Seasonal Components)(B)可以平滑資料中的循環特徵
• 26. 在機器學習中，深度強化學習(Deep Reinforcement Learning)主要面臨的挑戰為下列何者？(A)過擬合(Overfitting) (B)計算效率(C)缺乏大規模資料 (D)
• 27. 在機器學習中，遞迴類神經網路(RNN)主要用於處理下列何種類型之資料？(A)非結構化資料 (B)圖像資料 (C)時序資料 (D)結構化資料
• 28. 在巨量資料分析中，下列何者為主成分分析(PCA)之用途？(A)資料壓縮 (B)資料可視化 (C)資料備份 (D)特徵選擇與降維
• 29. 在巨量資料分析中，推薦系統的主要目標為何？(A)評估資料相關性 (B)預測未來趨勢 (C)辨識異常行為 (D)提供個性化建議
• 30. 維度災難(Curse of Dimensionality)指下列何者？(A)資料集的數據維度過多 (B)資料集的數據維度過少，導致計算困難(C)資料集的數據分佈不平均 (D)資料集中的數據缺乏
• 31. 考慮巨量資料的特性，下列何者最能描述「Velocity」之特性？(A)資料的快速產生、傳輸、即時處理 (B)資料多樣性(C)資料的大規模與容量 (D)資料的真實性與準確性
• 32. 當面對結構化和非結構化的巨量資料時，下列哪項存儲技術最適合存放非結構化資料？(A)資料倉儲 (B)關聯式資料庫 (C) NoSQL資料庫 (D) OLAP立方體
• 33. 在資料工程項目中為確保資料完整性，下列哪種技術是必要的？(A)資料加密(Encryption) (B)資料驗證(Validation)(C)資料壓縮(Compression) (D)資料隨機化
• 34. 針對巨量資料處理，台灣的一家公司決定使用MapReduce進行數據處理，下列何者最能說明MapReduce之操作方式？(A)首先彙整資料，然後再分配給不同的節點進行處理(B)在單一伺服器上進行
• 35. 在數據科學領域中，當數據分佈不均衡時，下列哪個評估指標最適合用於分類器性能評估？(A)精確度(Accuracy) (B) F1分數(F1-Score)(C)正確率(Precision) (D)
• 36. 下列有關過擬合(Overfitting)之處理策略，何者有誤？(A)利用數據增強如圖片旋轉，增加數據多樣性(B)不斷增加訓練次數，直到訓練誤差趨近於零(C)使用Dropout技巧隨機丟棄神經元
• 37. 下列何者屬於資料探勘研究的範疇？(A)專家系統的推論 (B) SQL查詢處理(C)敘述統計處理 (D)分群處理
• 38. 使用卷積神經網路(CNN)進行圖像辨識時，下列哪一層負責提取圖像的基本特徵？(A)全連接層(Fully Connected Layer) (B)池化層(Pooling Layer)(C)歸一化
• 39. 當一家醫院希望分析病人的醫療紀錄以預測其再入院的風險時，最適合使用下列哪一種機器學習任務？(A)廻歸(Regression) (B)分類(Classification)(C)聚類(Cluste
• 40. 在機器學習中，哪一種演算法是基於樹狀結構，且適用於分類與預測問題？(A)支持向量機(Support Vector Machine) (B)隨機森林(Random Forest)(C) K均值聚
• 41. 在機器學習中，特徵工程(Feature Engineering)指下列何者？(A)創造新的數據特徵以提高模型的特性 (B)調整模型的超參數以改善性能(C)清理數據以去除離群值 (D)壓縮數據以
• 42. 在類神經網路中，反向傳播(Backpropagation)是用來執行下列哪個關鍵任務？(A)將資料從輸入層傳遞至輸出層 (B)調整神經元的啟動函數(Activation Function)(C
• 43. 假設銷售點有3類項目集{a，b，c}；資料庫共有3筆交易：{b}，{b、c}，{a、b、c}。若關聯規則要求最小支持度為2/3，最小信心度為0.7。下列哪條關聯規則符合該要求？(A) b→a
• 44. 下列哪項目標不易透過資料探勘客戶交易資料達成？(A)顧客的薪資預測 (B)顧客會一起購買的產品項(C)猜測那些產品會先後購買 (D)猜測顧客信用卡被盜刷與否
• 45. 下列何者非屬OLAP操作？(A)下鑽(Drill down) (B)資料修改(Update) (C)切片(Slicing) (D)切丁(Dicing)
• 46. 下列何者非屬資料倉儲用的資料模型？(A)物件導向(OOP) (B)星型(Star) (C)雪花(Snowflake) (D)星雲(Constellation)
• 47. 下列哪項方法較合適使用在進行數據分析時，可有效評估機器學習模型的性能以確保其在實際應用中具有良好的泛化能力？(A)使用全部數據進行訓練 (B)增加特徵數量(C)使用交叉驗證 (D)增加神經網路
• 48. 在分群演算法中，下列哪種度量不會用來衡量節點不純度(Node Impurity)？(A)變異數 (B) TF/IDF(C)基尼係數(Gini index) (D)分類誤差
• 49. 下列何者非屬基於內容推薦(Content-Based Recommendation)之優點？(A)沒有稀疏(Sparsity)問題 (B)可建立使用者輪廓檔案(C)能夠提供推薦的原因 (D)對