| 題庫總數：19 |
| 是非題：4 (○：2、╳：2) |
| 選擇題：15 (A：3、B：4、C：4、D：4) |
| 多選題：0 |
| roddayeye整理 |
| Q |
|
下列關於數位轉型之描述，何者正確？ |
| |
|
因應疫情發展之無接觸新常態，對於數位轉型並無正面影響 |
| |
|
目前國內大多數機構之重大決策與日常業務，已加入數據維度，並運用資料科學方法/人工智慧實現自動化 |
| v |
|
機構之數位轉型程度取決於最弱的一環 |
| |
|
數位啟蒙程度 (能在工作中運用生活中就能接觸到的工具) 之轉型，即可達到新常態下之領先族群均標 |
| |
|
|
| Q |
|
下列何者為我國個人資料保護法規定之「特種」個人資料？ |
| |
|
姓名 |
| |
|
出生年月日 |
| v |
|
健康檢查 |
| |
|
財務狀況 |
| |
|
|
| Q |
|
下列何者為資料清理可能需要面對之議題？ |
| |
|
大量缺值 |
| |
|
資料格式中途改變 (未正規化) |
| |
|
同一項資料有不同的紀錄方式 |
| v |
|
以上皆非 |
| |
|
|
| Q |
|
運用去識別化技術與資料價值可用性，有呈現 正比現象 |
| |
|
○ |
| v |
|
╳ |
| |
|
|
| Q |
|
下列何者「非」歐盟用以宣示加強個人資料保護，或人工智慧相關發展規管力度之文件？ |
| |
|
人工智慧白皮書 (White Paper on Artificial Intelligence) |
| v |
|
安全港原則 (International Safe Harbor Privacy Principles |
| |
|
歐洲數據戰略 (European Data Strategy) |
| |
|
一般資料保護規範 (General Data Protection Regulation, GDPR) |
| |
|
|
| Q |
|
「信任」是 AI 產業化的基礎 |
| v |
|
○ |
| |
|
╳ |
| |
|
|
| Q |
|
下列有關於機器倫理 (Robot Ethics) 之敘述，何者「錯誤」？ |
| v |
|
只與工程人員有關 |
| |
|
為適用於機器之倫理學 |
| |
|
其重要性會隨著科技演進逐漸增加 |
| |
|
在自動駕駛領域已經開始引起探討 |
| |
|
|
| Q |
|
下列關於對於人工智慧系統解決方案之期待與規劃，何者「錯誤」？ |
| v |
|
可預期初代人工智慧系統即為完美解決方案 |
| |
|
上線後應使用大量資料反饋，重新訓練並快速疊代 |
| |
|
資料循環應在一開始規劃運作模式時就納入考? |
| |
|
配套措施亦為真實系統之重要元素 |
| |
|
|
| Q |
|
下列何者為構成深度學習之基本要件？ |
| |
|
神經網路 |
| |
|
大數據 |
| v |
|
神經網路與大數據 |
| |
|
以上皆非 |
| |
|
|
| Q |
|
關於個人資料保護與數據價值可用性之關聯，下列何者正確？ |
| |
|
如何界定「個人資料已去識別化」，非屬事實認定，且不具有變動性 |
| v |
|
與其他資料的對照、組合、連結等操作，可能使被認為已去識別化的資料被重新識別 |
| |
|
運用去識別化技術與資料價值可用性，有呈現正比現象 |
| |
|
資料持續累積、資訊技術的發展演進與資料儲存成本下降等因素，對於去識別化之難度與不確定性並無影響 |
| |
|
|
| Q |
|
構成深度學習之基本要件是神經網路與大數據 |
| v |
|
○ |
| |
|
╳ |
| |
|
|
| Q |
|
下列何者「非」人工智慧白皮書 (White Paper on Artificial Intelligence) 對於未來技術發展路徑之規管宣示？ |
| |
|
需佐證使用的數據足夠完備，以確保結果有足夠的普適性 |
| v |
|
需確保人工智慧系統運無人為監督，能達到全自動化運作 |
| |
|
需明確釐清人工智慧系統的能力與極限，以避免結果應用的範圍損害人權 |
| |
|
需保證人工智慧系統的穩健性和結果重現性以供驗證 |
| |
|
|
| Q |
|
下列何者為人工智慧有機會應用之公部門領域？ |
| |
|
便民服務 |
| |
|
警政消防 |
| |
|
社會文化 |
| v |
|
以上皆是 |
| |
|
|
| Q |
|
下列何者為一般資料保護規範 (General Data Protection Regulation, GDPR) 賦予當事人的權利？ |
| |
|
拒絕權 (包含個人資料自動化決策反對權) |
| |
|
資料可攜權 |
| |
|
被遺忘權 |
| v |
|
以上皆是 |
| |
|
|
| Q |
|
以下何者為落實系統解決方案過程中，人工智慧主要能發揮優勢的項目？ |
| |
|
決定專案目標 |
| |
|
資料盤點/資料蒐集 |
| v |
|
分析/建模 |
| |
|
資料清理 |
| |
|
|
| Q |
|
圖像識別中最成熟的領域：自動駕駛 |
| |
|
○ |
| v |
|
╳ |
| |
|
|
| Q |
|
下列何者為人工智慧技術已經相當成熟之領域？ |
| |
|
自動駕駛 |
| |
|
人臉識別 |
| |
|
語音辨識 |
| v |
|
以上皆是 |
| |
|
|
| Q |
|
下列何者「非」區塊鏈信用機制之特性？ |
| |
|
去中心化 |
| v |
|
單一機構 (如銀行、清算所) 持有帳目系統 |
| |
|
每個節點皆有一份帳目透明 |
| |
|
共享的帳目系統 |
| |
|
|
| Q |
|
下列何者「非」人工智慧相較於人類較占優之工作內容？ |
| v |
|
需要大量思考及創造的工作 |
| |
|
重複性高的工作 |
| |
|
高度依賴記憶與穩定度的工作 |
| |
|
需處理大量細節的工作 |
阿德 發表在
痞客邦
留言(0)
人氣(
3184
)
請先 登入 以發表留言。