| 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 | ||
文章標籤
全站熱搜
留言列表