49.上圖(b)中，檢查或更換填料函中的那些環時需吊活塞裝置？

(A)3
(B)4
(C)5＆6
(D)7＆8

答案：登入後查看
統計： 尚無統計資料

相關試題

50. MC型主機氣壓遙控管路系統中，排氣閥之AIR SPRING屬於哪一控制區？ (A)AIR SOURCE (B)SAFETY DEVICE (C)STARTING LINE (D)SPEED SETTING LINE

1. 某量化投資團隊需估算某投資組合未來 30 日的風險值。由於衍生性金融商品的定價模型過於複雜，無法以解析解直接求得，工程師因此採用隨機模擬方式，產生大量市場情境模擬並估計損失分布。此方法屬於下列哪一種技術框架？ (A)馬可夫鏈(Markov Chain)：以狀態轉移機率描述系統演變的隨機過程； (B)梯度下降最佳化(Gradient Descent)：透過迭代更新參數以最小化損失函數； (C)蒙地卡羅方法(Monte Carlo Method)：透過大量隨機抽樣近似機率分布或數值結果； (D)貝氏推論(Bayesian Inference)：結合先驗分布與資料更新後驗機率

2. 某工程師在建立房價預測模型時，訓練資料中存在少數豪宅(成交價超過一般物件 10 倍以上)。若工程師希望模型對這些極端高價物件的預測誤差更敏感，並在訓練時產生較大的梯度更新影響，應優先選擇下列哪種損失函數？ (A)平均絕對誤差(MAE)：對誤差進行線性懲罰，對離群值較不敏感，梯度近似固定； (B)Huber 損失(Huber Loss)：小誤差採平方懲罰，大誤差轉為線性懲罰，以降低離群值影響； (C)均方誤差(MSE)：對誤差進行平方處理，使大誤差產生更大的懲罰與梯度； (D)交叉熵損失(Cross-Entropy Loss)：用於分類問題的機率分布差異衡量

3. 某工程師在撰寫 Transformer 的 Attention 層時，需手動驗證矩陣維度是否相容。輸入矩陣 Q 已攤平成形狀為(1, 10)，Query 投影權重矩陣 WQ形狀為(10, 64)。執行 Q x WQ後輸出的形狀為何？ (A)(1, 64)； (B)(10, 10)； (C)(64, 1)； (D)維度不相容，無法相乘

4. 某 AI 團隊同時開發多個影像辨識系統，並在訓練流程中統一加入資料擴增策略 (包含隨機水平翻轉)以提升模型泛化能力。實驗後發現，部分任務的測試表現明顯下降。下列哪一項任務最可能因該資料擴增策略引入語意錯誤(Semantic Inconsistency)，使同一樣本在翻轉後對應不同類別標籤，進而影響模型學習？ (A)寵物監控中的貓狗分類； (B)車輛辨識中的車型分類； (C)手寫數字辨識； (D)道路場景中的行人偵測

5. 某工程師完成多元線性迴歸模型後，繪製殘差圖(Residual Plot)，發現殘差隨預測值增大而呈現擴散現象(右側明顯比左側分散)。此現象最可能代表什麼問題？ (A)殘差之間存在關聯； (B)特徵之間高度相關； (C)殘差變異數不一致； (D)殘差不符合常態分布

6. 某資料科學家欲對 512 維詞嵌入向量(共 10 萬筆)進行視覺化以探索群集結構，同時另一工程師需將 200 個製程特徵降維後作為 XGBoost 的輸入特徵。關於 tSNE 與 PCA 選型，下列敘述何者最正確？ (A)t-SNE 保留全局線性結構，適合作為 XGBoost 的降維前處理； (B)t-SNE 保留局部鄰域結構，適合視覺化；但不保留全局結構，不適合作為模型輸入特徵； (C)PCA 為非線性降維方法，能保留複雜流形結構； (D)t-SNE 與 PCA 皆可直接對新資料進行線性外推

7. 某金融團隊建立信貸風險模型，特徵工程後共產生 200 個變數，其中「月收入」、「年收入」、「季收入」三者高度相關。模型上線後業務單位反映：每次重新訓練後，模型輸出的重要特徵清單在這些高度相關特徵間反覆變動，難以向審查單位解釋。請問下列何者為造成此現象最可能的原因？ (A)模型使用 L2 正則化，導致所有特徵係數被壓縮至接近零，重要性難以區分； (B)模型使用 L1 正則化，面對高度相關特徵時隨機保留其中之一，導致每次訓練保留的特徵不穩定； (C)模型未使用任何正則化，過擬合導致係數每次收斂至不同極值； (D)特徵數量過多導致梯度消失，應優先進行 PCA 降維再套用正則化

8. 某深度學習工程師訓練 ResNet 時，發現模型在前幾個 Epoch 驗證損失快速下降，但從第 15 個 Epoch 起驗證損失開始上升，而訓練損失持續下降。工程師將學習率調高後，訓練損失反而開始明顯震盪。學習率過大最直接導致下列哪種現象？ (A)梯度消失(Gradient Vanishing)：梯度在反向傳播中逐層縮小趨近於零，底層無法學習； (B)損失函數震盪或發散(Oscillation / Divergence)：每次更新步伐過大，參數在最優點兩側反覆跳越，無法穩定收斂； (C)過擬合(Overfitting)：模型記憶訓練資料的雜訊，泛化能力下降； (D)死亡 ReLU(Dying ReLU)：大量神經元輸出永久為零，停止參與梯度更新

9. 某工程師訓練深度神經網路時發現損失函數震盪嚴重且收斂速度慢，改用 Adam 優化器後訓練變得穩定且收斂更快。下列何者為 Adam 能改善此問題的主要原因？ 115 年第一次 AI 應用規劃師-中級能力鑑定【公告試題】第三科：機器學習技術與應用考試日期：115 年 05 月 23 日第 3 頁，共 18 頁答案題目 (A)同時結合一階動量(Momentum)與自適應學習率(Adaptive Learning Rate)，為每個參數調整更新步長； (B)強制所有參數使用相同學習率(Learning Rate)，避免梯度差異造成不穩定； (C)透過批次正規化(Batch Normalization)重新分布輸入資料； (D)將梯度裁剪為固定範圍以避免梯度爆炸(Gradient Explosion)

相關試卷

115年 - 115-1 交通部航港局_船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#141028

2026 年 · #141028

114年 - 114-3 交通部航港局_船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#141074

2025 年 · #141074

113年 - 113-1 交通部航港局_船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#122541

2024 年 · #122541

112年 - 112-2 交通部航港局船員岸上晉升適任性評估筆試測驗_二等大管輪：維修保養與輔機#116861

2023 年 · #116861

111年 - 111-1 交通部航港局船員岸上晉升適任性評估筆試測驗_二等大管輪：輪維修保養與輔機#110219

2022 年 · #110219

98年 - 98-1 交通部航港局_船員岸上晉升訓練及適任性評估_一二等大管輪：維修保養與輔機#100327

2009 年 · #100327