RT 我趕快更完就不會像其他文章一樣拖超久了 (對我就是在說成大資工特選乙組) --- ## 前言 我發現這篇會被搜尋到 所以決定再補一些可能有用的內容 ### 關於筆試 剛剛查今年(110年)是電資院聯合出題 所以也有可能是20題問答題 (跟去年清大電機一樣) 但如果是20題選擇題模式的話 基本上就不用太擔心 ### 關於備審資料 以清大資工而言的話應該是最大重點 筆試的10%頂多就影響正備取順序而已 最後都能遞補上 但關於這部分我歸納不出什麼建議 可以參考中央資工電神暨本站開發者的[備審](https://file.stoneapp.tech/gsat/中央/109_審查資料_中央資工_楊東翰.pdf) --- 總之清大資工的二階是筆試 占總成績10% 甲乙丙三組共同舉辦 我報的是乙跟丙啦 考題就4篇閱讀題組 一篇5題 共20題單選(1題5分) 然後考60分鐘 老實說我原本以為會是問答題啦 就像清大電機一樣 畢竟他叫我們帶原子筆 既然考單選那幹嘛不畫卡啊 300多份他要改多久( --- 接著來說明考題ㄅ (註1 以下考題各題組內題序不一定正確，敘述用字也有可能失真，請謹慎觀看) (註2 部份文章標題經過我修改，不代表原文立場) (註3 答案是我的答案，有可能錯誤，並且沒有附選項，因為我忘記了) (註4 考題文章有經過修改，與以下連結的文章不完全相同) 巴哈有人有去找原文 [link](https://forum.gamer.com.tw/Co.php?bsn=60076&sn=65195489) 我就直接附在這了 #### 第一篇 [電腦也會挑咖啡豆](https://ejournal.stpi.narl.org.tw/sd/download?source=10902-01.pdf&vlId=00bd3af39b4b4b098915aeeaacfafc0e&nd=1&ds=1) **Q1 為什麼預處理要切割圖片** A 一次一顆咖啡豆 **Q2 資料集太小會造成什麼問題** A 無法正確預測或分類 **Q3 以下哪個不是資料增強的好方法** A 縮放圖片大小 **Q4 以下哪個是OpenCV的功能** A 圖片辨識 **Q5 以下哪個有助於建立有效的AI model** A 提供大量且有用的資料 #### 第二篇 [人工智慧與人文藝術創作](https://yaucenter.nctu.edu.tw/journal/202001/special/main1.php) **Q6 關於端對端 以下哪個不正確** A 可加速基因演算法的運算 **Q7 關於AI分析畫作風格 以下哪個不正確** A 利用大數據分析並歸類 **Q8 關於圖靈測試 以下哪個不正確** A 由圖靈測試的觀念我們可以知道以後文學與音樂創作都會讓我們驚艷 **Q9 關於基因演算法 以下哪個不正確** A 適應函數只有在演化完畢後的評估會用到 **Q10 以下哪個不是人工智慧** A 資料結構 #### 第三篇 [AI v.s. COVID-19](https://sciencebusiness.net/news/computer-science-versus-covid-19) **Q11 以下哪個是AI在COVID-19應用上所不能做的** A 分析感染原因 **Q12 以下哪個是AI應用在COVID-19的最大挑戰** A 他對人類而言是全新的病毒 **Q13 infections in the dark 是指什麼** A 受感染但未被檢測到的人 **Q14 以下哪個不能建立更有用的AI model** A 以上皆非 (提供分類好的資料 同時使用監督與非監督式學習 還有個選項忘了) **Q15 以下哪個是文章中沒有提及的** A 如果沒有足夠的資料 深度學習無法輸出任何東西 #### 第四篇 [AlphaGo Zero](https://deepmind.com/blog/article/alphago-zero-starting-scratch) **Q16 AlphaGo Zero是什麼** A 學下圍棋的程式 **Q17 Zero的原理是什麼** A 使用增強學習 從頭開始學 **Q18 以下哪個是Zero與他的前代最大的不同** A 使用單一神經網路 就像一個人類專家 **Q19 DeepMind 的下一個目標是什麼** A 利用從Zero獲得的經驗研究蛋白質折疊 **Q20 DeepMind專家認為以下哪個是機器學習過程中最重要的** A 演算法 --- 個人認為算簡單啦 至少沒有遇到20題問答題(清大電機ㄨㄚˊ開) 而且他問的都是題目裡找的到答案的 但有幾題我覺得還是有點難判斷 另外他出現英文是真的嚇到我了 幸好文章內容也不太難 是說到時候如果一堆人都超高分那不就沒用了嗎 最後還是看校名跟在校成績(