中五 ICT:人工智能與機器學習挑戰十題 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挑戰十題 第三份練計算與取捨:F1 調和平均、每輪步數、影像特徵數、全連接層參數、不平衡資料的假高分,以及卷積輸出尺寸與梯度更新。 挑戰:指標計算與模型規模 本份集中計算:精確率零點八與召回率零點八八九得 F1 約零點八四二、一萬二千樣本批量六十四得一百八十八步、224 見方彩色影像共十五萬零五百二十八個特徵、七百八十四接一百二十八得權重十萬零三百五十二個、三千樣本九成準確即錯三百個、九百九十對十的不平衡資料全猜負類得準確率零點九九而召回率零、28 見方影像用 3 乘 3 卷積核得 26 見方、權重 2.0 與梯度 3.0 及學習率 0.1 更新後得 1.7。 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 挑戰(10 題) 02 題目(10 題) 基礎精確率 0.80、召回率 0.889,F1 分數是多少? 基礎每輪訓練 12 000 個樣本、批量大小 64,一個 epoch 有多少步? 基礎224×224 的彩色影像共多少個輸入特徵? 進階輸入層 784 個節點接 128 個神經元的全連接層,需要多少權重與偏置? 進階3 000 個訓練樣本的準確率為九成,共錯了多少個? 進階把分類門檻調低,對精確率與召回率有什麼影響? 挑戰資料有 990 個負類與 10 個正類,若全部預測為負類,準確率與召回率各是多少? 挑戰28×28 的影像用 3×3 卷積核且不補邊,輸出尺寸是多少? 挑戰權重為 2.0、梯度為 3.0、學習率為 0.1,一次更新後權重是多少? 錯題重練1 000 張原圖各做四種增強,資料量變成多少倍、共多少張? 03 答案與一句解說 題號 答案 一句解說 1 F1 約為 0.842。 F1 是兩者的調和平均,較低的一方會拉低整體分數。 2 188 步。 12000 除以 64 得 187.5,最後一批不足 64 個亦計一步,故取 188。 3 150 528 個。 224 乘 224 乘 3 個色彩通道。 4 權重 100 352 個、偏置 128 個。 784 乘 128 得 100352,每個神經元另配一個偏置。 5 三百個。 3000 乘 0.1 得 300,錯誤樣本往往比正確樣本更值得逐個檢視。 6 召回率上升、精確率下降。 更多樣本被判為正類,漏判減少而誤判增加。 7 準確率 0.99、召回率 0。 資料不平衡時準確率會掩蓋模型完全失效的事實。 8 26×26。 28 減 3 加 1 得 26,卷積核每次只滑動一個像素。 9 1.7。 2.0 減 0.1 乘 3.0 得 1.7,梯度方向決定更新方向。 10 五倍,共 5 000 張。 原圖加四份增強版本,可擴充樣本而不需重新收集。 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。 想親手計一次精確率與召回率?預約 TutorZone 導師,用 25 分鐘把十題的算式與圖表逐一講清。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挑戰十題 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挑戰十題 第三份練計算與取捨:F1 調和平均、每輪步數、影像特徵數、全連接層參數、不平衡資料的假高分,以及卷積輸出尺寸與梯度更新。 挑戰:指標計算與模型規模 本份集中計算:精確率零點八與召回率零點八八九得 F1 約零點八四二、一萬二千樣本批量六十四得一百八十八步、224 見方彩色影像共十五萬零五百二十八個特徵、七百八十四接一百二十八得權重十萬零三百五十二個、三千樣本九成準確即錯三百個、九百九十對十的不平衡資料全猜負類得準確率零點九九而召回率零、28 見方影像用 3 乘 3 卷積核得 26 見方、權重 2.0 與梯度 3.0 及學習率 0.1 更新後得 1.7。 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 挑戰(10 題) 02 題目(10 題) 基礎精確率 0.80、召回率 0.889,F1 分數是多少? 基礎每輪訓練 12 000 個樣本、批量大小 64,一個 epoch 有多少步? 基礎224×224 的彩色影像共多少個輸入特徵? 進階輸入層 784 個節點接 128 個神經元的全連接層,需要多少權重與偏置? 進階3 000 個訓練樣本的準確率為九成,共錯了多少個? 進階把分類門檻調低,對精確率與召回率有什麼影響? 挑戰資料有 990 個負類與 10 個正類,若全部預測為負類,準確率與召回率各是多少? 挑戰28×28 的影像用 3×3 卷積核且不補邊,輸出尺寸是多少? 挑戰權重為 2.0、梯度為 3.0、學習率為 0.1,一次更新後權重是多少? 錯題重練1 000 張原圖各做四種增強,資料量變成多少倍、共多少張? 03 答案與一句解說 題號 答案 一句解說 1 F1 約為 0.842。 F1 是兩者的調和平均,較低的一方會拉低整體分數。 2 188 步。 12000 除以 64 得 187.5,最後一批不足 64 個亦計一步,故取 188。 3 150 528 個。 224 乘 224 乘 3 個色彩通道。 4 權重 100 352 個、偏置 128 個。 784 乘 128 得 100352,每個神經元另配一個偏置。 5 三百個。 3000 乘 0.1 得 300,錯誤樣本往往比正確樣本更值得逐個檢視。 6 召回率上升、精確率下降。 更多樣本被判為正類,漏判減少而誤判增加。 7 準確率 0.99、召回率 0。 資料不平衡時準確率會掩蓋模型完全失效的事實。 8 26×26。 28 減 3 加 1 得 26,卷積核每次只滑動一個像素。 9 1.7。 2.0 減 0.1 乘 3.0 得 1.7,梯度方向決定更新方向。 10 五倍,共 5 000 張。 原圖加四份增強版本,可擴充樣本而不需重新收集。 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。 想親手計一次精確率與召回率?預約 TutorZone 導師,用 25 分鐘把十題的算式與圖表逐一講清。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。