112 晕年度第一學期期中考試試題
1.
悶答題
(100 分)簡答題
# 何為機器學習、深度學習、大數據、人工智慧．
人工智慧包含機器學習，機器學習又包含深度學習

1. 人工智慧
使機器展現人類的智慧

2. 機器學習
大致上包括輸入、特徵提取（由人類完成）、分類、回歸（數值），最後輸出結果。
實現人工智慧的途徑之一（訓練電腦從數據中學習，再透過經驗去改進，無需明確的程式碼）
以不同類型的學習方式分為：
* 監督式（有標準答案的選擇or是非題）
* 非監督式（無標準答案的簡答題）
* 強化式（有獎懲機制，學習效果更強）

3. 深度學習
深度學習與機器學習大致相同，差異在會自動提取特徵，且有更多的隱藏層以及計算量。

4. 大數據
3V:量(Volume)多樣性(Variety) 即時性(Velocity)
4V:+真實性(Veracity)
5V:+價值(Value)

# 何謂 DNN CNN RNN LSTM，用於解決何種問題？應用領域？

1. DNN:深度神經網路
- 主要用於解決分類、回歸和模式識別等問題，如圖像分類、語音識別、自然語言處理等。
- 應用領域包括計算機視覺、語音處理、自然語言處理、推薦系統等。

2. CNN:卷積神經網路
- 主要用於圖像分類、物體檢測、圖像生成等計算機視覺任務。
- 應用領域包括圖像識別、人臉識別、自動駕駛、醫學影像分析等。

3. RNN:循環神經網路（語音識別、語言建模、機器翻譯、為圖像取標題）
- 主要用於自然語言處理、語音識別、時間序列預測等。
- 應用領域包括語言模型、機器翻譯、語音合成、股票價格預測等。

4. LSTM:長短期記憶神經網路
- 主要用於長序列數據的處理，如機器翻譯、語音識別、文本生成等。
- 應用領域包括語言模型、語音識別、機器翻譯、音樂生成等。
1. 視覺辨別
2. 聲音辨別
3. 推論
4. 深度/機器學習
5. 移動控制
6. 自然語言處理

# 何謂對抗式生成網路(GAN？其架構為何)

對抗網路是一種深度學習模型，它的主要目的是用來生成逼真的數據，例如圖像、音訊、文本等，而這些數據看似來自真實世界，但實際上是由模型生成的。

GAN模型由兩個主要部分組成：生成器和判別器。這兩個部分彼此競爭，從而推動模型的學習過程。

# 何謂 CycleGAN ？應用於何種領域？解決何種問題？

CycleGAN(循环生成对抗网络)是個用來產生不同風格/材質轉換的深度學習模型，主要用在影像對影像的變換。

# AphaGo 使用那些技術？

AlphaGo= 蒙地卡羅樹搜尋法＋ 監督式學習 ＋深度強化式學習

**大數據**
* 定義：大數據指的是處理和分析龐大和複雜的數據集的能力，這些數據通常無法用傳統方法來處理。大數據可以處理諸如社交媒體數據、傳感器數據、日誌內容數據。用於提取有意義的資料