阿摩線上測驗
登入
首頁
>
iPAS◆資料導向程式設計◆初級
>
110年 - 110-1 初級巨量資料分析師能力鑑定試題_科目1:資料導向程式設計#119180
> 試題詳解
49. 一般而言,程式設計師透過下列程序偵查與解決代碼的錯誤,請問流 程順序應為何者?1.找出錯誤的原因、2.尋找相似的錯誤並修正之、3. 讓錯誤可以重製、4.修正錯誤並測試、5.意識到錯誤的存在
(A) 1>2>3>4>5
(B) 5>3>1>4>2
(C) 5>4>3>2>1
(D) 3>5>1>2>4
答案:
登入後查看
統計:
A(0), B(8), C(1), D(0), E(0) #3219383
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/10/26
#6971153
1. 題目解析 這道題目考察的是程式設...
(共 850 字,隱藏中)
前往觀看
0
0
相關試題
50. 在 Python 3 環境中進行變數命名,下列何者「不」會產生錯誤 (SyntaxError)? (A) get-the-data (B) totalCaculated$ (C) 10yearsSum (D) print_all_relatedMemberInfo_cn
#3219384
1. 在資料分析時常產生一些特殊值,下列何者「不是」R 語言的特殊值? (A) NULL (B) NA (C) Inf (D) Error
#3219385
2. 關於資料之遺缺值處理,下列敘述何者「不正確」? (A) 無須考慮遺缺值比例,全部刪除 (B) 類別資料補上眾數之值 (C) 利用模型補上估計產生之值 (D) 透過差值法(interpolation method)補上該值
#3219386
3. 在正規表達式中,下列何者可以完整比對出手機號碼:0912-345678? (A) [0-9]+ (B) 09[0-9]{8} (C) [0-9]{4}-?[0-9]{3}?[0-9]{3} (D) 09{2}-[0-9]{8}
#3219387
4. 在資料清理過程中,下列何者「不適合」用來找出極端值(outlier)或雜訊(noisy)資料? (A) 盒鬚圖法(box plot) (B) 漢佩爾辨識法(Hampel identifier) (C) 標準化分數法(standardization) (D) 迴歸係數正規化法(regularized regression)
#3219388
5. 關於資料前處理(data preprocessing),下列敘述何者「不正確」? (A) 屬性尺度調整(feature scaling)可幫助大部分模型有更快的收斂 與提升準確度 (B) 類別資料的處理須注意其有序與無序的特性 (C) 所有的模型建置前,事前都需要進行資料特徵縮放 (D) 類別無序資料之數值空間轉換,可用單熱編碼(one-hot encoding) 方法
#3219389
6. 下列何者在繪製時需要使用到資料的四分位數? (A) 盒鬚圖(box plot) (B) 目標投影追蹤(targeted projection pursuit) (C) 散點圖(scatter plot) (D) 平行座標圖(parallel coordinates)
#3219390
7. 關於資料敘述與摘要統計之內容,下列敘述何者「不正確」? (A) 資料抽樣常見的有:簡單隨機抽樣、系統抽樣、分層隨機抽樣 (B) 進行資料計算與圖表製作,例如:次數分配表、直方圖 (C) 衡量資料集中趨勢的統計量,例如:平均數、中位數、眾數 (D) 比較兩筆資料的分散程度,例如:相關係數
#3219391
8. 在一份 100 位員工的薪資報告中,最低薪的員工薪水為 28,000 元, 最高薪員工的薪水為 98,000 元,如果我們要將最低薪資的員工歸為 薪資介於 20,000 ~ 29,999 元的區間,假設各區間之寬度相等,那所有 員工的薪水應該分為幾個級距? (A) 6 (B) 7 (C) 8 (D) 9
#3219392
9. 關於變異係數(Coefficient of Variation, CV)與標準分數(Z-Score), 下列敘述何者較「不正確」? (A) 變異係數(Coefficient of Variation, CV)為無單位數值,所以適合 對兩組不同單位資料的分散程度進行比較 (B) 標準分數(Z-Score)就是要把原來是不同評分尺度的分數,轉換 成具有同一評分尺度的分數,以利彼此間的比較和運算之用 (C) 變異係數(Coefficient of Variation, CV)適合對兩組單位相同但平 均數(Mean)相差很大的資料進行比較 (D) 標準分數(Z-Score)是將原始資料映射到[0,1]區間
#3219393
相關試卷
113年 - 113-1 巨量資料分析師能力鑑定初級試題:資料導向程式設計#122979
2024 年 · #122979
112年 - 112 初級巨量資料分析師能力鑑定試題_科目1:資料導向程式設計#116823
2023 年 · #116823
111年 - 111 巨量資料分析師能力鑑定考試01:資料導向程式設計#114286
2022 年 · #114286
110年 - 110-1 初級巨量資料分析師能力鑑定試題_科目1:資料導向程式設計#119180
2021 年 · #119180
110年 - 110-2 初級巨量資料分析師能力鑑定試題_科目1:資料導向程式設計#119178
2021 年 · #119178
109年 - 109-2 初級巨量資料分析師能力鑑定試題:資料導向程式設計#119177
2020 年 · #119177
109年 - 109 初級巨量資料分析師能力鑑定試題_科目1:資料導向程式設計#114325
2020 年 · #114325
108年 - 108 初級巨量資料分析師能力鑑定試題:資料導向程式設計#119182
2019 年 · #119182