中五 ICT:人工智能與機器學習基礎十題 2026-11-20 導師備課指引 · 小學數學 中五 ICT:人工智能與機器學習基礎十題 第一份打穩概念:人工智能、機器學習與深度學習的範圍關係,監督式與非監督式學習之別,訓練集與測試集的分割,分類對迴歸,準確率與混淆矩陣的計算,過度擬合的徵狀與神經網絡的權重數。 基礎:概念、數據分割與三項指標 本份由定義入手:範圍由人工智能到機器學習再到深度學習逐層收窄。監督式學習靠帶標籤的資料,非監督式沒有標籤。五百張照片八成訓練得四百張,測試一百張;一千二百個樣本七成訓練得八百四十個,測試三百六十個。五十個個案答對四十五個是九成準確率。混淆矩陣總數三十,召回率與準確率同為八成。輸出是類別叫分類,輸出是連續數值叫迴歸。訓練九十九而測試六十二,相差三十七個百分點,屬過度擬合。三乘四得十二條權重連線。一千張六十四乘六十四彩色圖共 12 288 000 位元組,約 11.72 MB。 01 本卷資料(做完才看答案) 項目 內容 題數 10 建議時間 25 難度分佈 基礎 3 · 進階 3 · 挑戰 3 · 錯題重練 1 對應章節 所屬章節:中五 ICT:人工智能與機器學習 適用年級 基礎(10 題) 02 題目(10 題) 基礎人工智能、機器學習與深度學習三者的關係是甚麼? 基礎監督式與非監督式學習最重要的分別是甚麼? 基礎500 張照片,八成作訓練集、其餘作測試集,兩者各有多少張? 進階用 1 200 個已標籤樣本,七成作訓練,測試集有多少個? 進階50 個測試個案中模型答對 45 個,準確率是多少? 進階混淆矩陣中命中 12、漏判 3、誤報 3、正確排除 12,召回率與準確率各是多少? 挑戰預測「及格或不及格」與預測「分數 0 至 100」分別屬於哪一類任務? 挑戰訓練集準確率 99% 而測試集只有 62%,這是甚麼問題?可以怎樣改善? 挑戰輸入層有 3 個神經元、隱藏層有 4 個,兩層之間共有多少條權重連線? 錯題重練1 000 張 64 乘 64 像素的彩色圖片(每像素 3 位元組)作訓練集,共佔多少位元組、約多少 MB? 03 答案與一句解說 題號 答案 一句解說 1 機器學習是人工智能的一部分,深度學習是機器學習之中用多層神經網絡的一種方法。 範圍由大到小:人工智能最廣,機器學習次之,深度學習最窄,三者不是並列關係。 2 監督式學習的訓練資料帶標籤(有正確答案),非監督式學習的資料沒有標籤。 有標籤才能算出誤差再調整模型;沒有標籤時通常靠分群或找規律。 3 訓練集 400 張,測試集 100 張。 500 乘 0.8 得 400,餘下 500 減 400 得 100。 4 訓練集 840 個,測試集 360 個。 1 200 乘 7 除以 10 得 840,1 200 減 840 得 360。 5 90%。 45 除以 50 得 0.9,化成百分數是 90%。 6 兩者都是 80%。 總數 30;召回率 12 除以 12 加 3 得 80%,準確率 12 加 12 除以 30 亦得 80%,本例剛好相同。 7 前者是分類,後者是迴歸。 輸出是類別標籤叫分類;輸出是連續數值叫迴歸。 8 是過度擬合(overfitting);可增加訓練資料、簡化模型或加強正則化。 兩者相差 37 個百分點,代表模型記住了訓練樣本而不是學到規律。 9 12 條。 全連接時每個輸入神經元連到每個隱藏神經元,3 乘 4 得 12。 10 12 288 000 位元組,約 11.72 MB。 1 000 乘 64 乘 64 乘 3 得 12 288 000,再除以 1 048 576 得 11.72 MB。 04 做完之後怎樣跟進 對完答案,只重做錯的那幾題,並在錯題旁寫出錯在哪一步(公式、單位還是抄錯數)。 同一題隔兩日再做一次;兩次都對才可以移到下一份練習。 家長只需看答案欄與解說欄,不必逐題講解。 想親手試一次訓練與測試的分割?預約 TutorZone 導師,用 25 分鐘把十題的數據與指標逐項核對。導師登記 → 本卷題目與答案由 TutorZone 團隊原創編寫,並非任何學校、出版社或考試局的試題;數值與答案均以程式核算。
中五 ICT:人工智能與機器學習基礎十題 2026-11-20 導師備課指引 · 小學數學 中五 ICT:人工智能與機器學習基礎十題 第一份打穩概念:人工智能、機器學習與深度學習的範圍關係,監督式與非監督式學習之別,訓練集與測試集的分割,分類對迴歸,準確率與混淆矩陣的計算,過度擬合的徵狀與神經網絡的權重數。 基礎:概念、數據分割與三項指標 本份由定義入手:範圍由人工智能到機器學習再到深度學習逐層收窄。監督式學習靠帶標籤的資料,非監督式沒有標籤。五百張照片八成訓練得四百張,測試一百張;一千二百個樣本七成訓練得八百四十個,測試三百六十個。五十個個案答對四十五個是九成準確率。混淆矩陣總數三十,召回率與準確率同為八成。輸出是類別叫分類,輸出是連續數值叫迴歸。訓練九十九而測試六十二,相差三十七個百分點,屬過度擬合。三乘四得十二條權重連線。一千張六十四乘六十四彩色圖共 12 288 000 位元組,約 11.72 MB。 01 本卷資料(做完才看答案) 項目 內容 題數 10 建議時間 25 難度分佈 基礎 3 · 進階 3 · 挑戰 3 · 錯題重練 1 對應章節 所屬章節:中五 ICT:人工智能與機器學習 適用年級 基礎(10 題) 02 題目(10 題) 基礎人工智能、機器學習與深度學習三者的關係是甚麼? 基礎監督式與非監督式學習最重要的分別是甚麼? 基礎500 張照片,八成作訓練集、其餘作測試集,兩者各有多少張? 進階用 1 200 個已標籤樣本,七成作訓練,測試集有多少個? 進階50 個測試個案中模型答對 45 個,準確率是多少? 進階混淆矩陣中命中 12、漏判 3、誤報 3、正確排除 12,召回率與準確率各是多少? 挑戰預測「及格或不及格」與預測「分數 0 至 100」分別屬於哪一類任務? 挑戰訓練集準確率 99% 而測試集只有 62%,這是甚麼問題?可以怎樣改善? 挑戰輸入層有 3 個神經元、隱藏層有 4 個,兩層之間共有多少條權重連線? 錯題重練1 000 張 64 乘 64 像素的彩色圖片(每像素 3 位元組)作訓練集,共佔多少位元組、約多少 MB? 03 答案與一句解說 題號 答案 一句解說 1 機器學習是人工智能的一部分,深度學習是機器學習之中用多層神經網絡的一種方法。 範圍由大到小:人工智能最廣,機器學習次之,深度學習最窄,三者不是並列關係。 2 監督式學習的訓練資料帶標籤(有正確答案),非監督式學習的資料沒有標籤。 有標籤才能算出誤差再調整模型;沒有標籤時通常靠分群或找規律。 3 訓練集 400 張,測試集 100 張。 500 乘 0.8 得 400,餘下 500 減 400 得 100。 4 訓練集 840 個,測試集 360 個。 1 200 乘 7 除以 10 得 840,1 200 減 840 得 360。 5 90%。 45 除以 50 得 0.9,化成百分數是 90%。 6 兩者都是 80%。 總數 30;召回率 12 除以 12 加 3 得 80%,準確率 12 加 12 除以 30 亦得 80%,本例剛好相同。 7 前者是分類,後者是迴歸。 輸出是類別標籤叫分類;輸出是連續數值叫迴歸。 8 是過度擬合(overfitting);可增加訓練資料、簡化模型或加強正則化。 兩者相差 37 個百分點,代表模型記住了訓練樣本而不是學到規律。 9 12 條。 全連接時每個輸入神經元連到每個隱藏神經元,3 乘 4 得 12。 10 12 288 000 位元組,約 11.72 MB。 1 000 乘 64 乘 64 乘 3 得 12 288 000,再除以 1 048 576 得 11.72 MB。 04 做完之後怎樣跟進 對完答案,只重做錯的那幾題,並在錯題旁寫出錯在哪一步(公式、單位還是抄錯數)。 同一題隔兩日再做一次;兩次都對才可以移到下一份練習。 家長只需看答案欄與解說欄,不必逐題講解。 想親手試一次訓練與測試的分割?預約 TutorZone 導師,用 25 分鐘把十題的數據與指標逐項核對。導師登記 → 本卷題目與答案由 TutorZone 團隊原創編寫,並非任何學校、出版社或考試局的試題;數值與答案均以程式核算。