113 年 國立中正大學會計與資訊科技學系碩士班資訊組《計算機概論》

本題在考驗對不同網路類型的定義與應用場景的理解。

• 廣域網路 (WAN - Wide Area Network)：連接地理範圍非常廣闊的網路，例如連接不同國家或大陸的網路，網際網路就是一個典型的 WAN。
• 都會網路 (MAN - Metropolitan Area Network)：連接一個城市範圍內的網路，例如連接一座城市內的多個辦公地點。

本題考驗對「高級持續性威脅」(Advanced Persistent Threat, APT) 概念的理解。APT 是一種針對特定目標發動的、持續時間長、且具備高度複雜性的網路攻擊。其核心特徵通常包含以下幾個方面：

• 高級 (Advanced)：攻擊者擁有高超的技術、豐富的資源，並會使用高度客製化的惡意軟體和攻擊技術，以規避傳統的安全防護。

本題考驗對網路型防火牆 (Network Firewall) 的部署位置與功能的理解。

網路型防火牆是一種部署在網路之間的設備，其主要目的是監控和控制進出網路的流量，以保護內部網路免受未經授權的訪問和惡意攻擊。為了達到這個目的，防火牆最常見的部署位置是：

• 網路邊界 (Network Boundary)：這是指內部網路與外部網路（如網際網路）連接的點，也是流量進出的主要通道。將防火牆設置在網路邊界，可以有效地過濾所有進出的流量，確保只有合法的通訊能夠通過。

本題考驗對通用漏洞評分系統 (Common Vulnerability Scoring System, CVSS) 的了解。CVSS 是一個公開的標準，用於評估電腦系統漏洞的嚴重程度，並為其分配一個分數。

CVSS 的分數範圍是從 0.0 到 10.0。分數越高，表示漏洞的嚴重程度越高。這個分數是由一系列指標（基本指標、時間指標、環境指標）計算得出的。

• 基本指標 (Base Metrics)：描述了漏洞本身的固有屬性，例如攻擊向量 (Attack Vector)、攻擊複雜度 (Attack Complexity)、所需權限 (Privileges Required)、用戶互動 (User Interaction)、影響範圍 (Scope)、機密性影響 (Confidentiality Impact)、完整性

本題考驗對 TCP (Transmission Control Protocol) 連接建立過程，也就是「三向交握」(Three-way Handshake) 的理解。三向交握是 TCP 用來在兩個通訊端點之間建立一個可靠連接的過程。

這個過程包含三個步驟：

1. SYN (Synchronize)：客戶端（主動發起連接的一方）向服務器端（被動等待連接的一方）發送一個 SYN 封包，表示客戶端想要建立連接，並在 SYN 封包中包含客戶端初始的序號 (Sequence Number)。
2. SYN-ACK (Synchronize-Acknowledge)：服務器端收到 SYN 封包後，如果同意建立連接，會向客戶端回傳一個 SYN-ACK 封包。這個封包包含兩個部分：
   • SYN：服務器端也發送一個 SYN 封包，表示服務器端同意建立連接，並包含服務器端的初始序號。

本題考驗對 OSI (Open Systems Interconnection) 模型層數的記憶。

OSI 模型是一個概念模型，由國際標準化組織 (ISO) 制定，用於將網路通訊的功能劃分為七個不同的層級。這七層分別是：

1. 實體層 (Physical Layer)：處理原始的位元流傳輸，如電纜、連接器、電壓等。
2. 資料鏈結層 (Data Link Layer)：負責在兩個直接連接的節點之間傳輸資料幀 (Frame)，並處理錯誤偵測和糾正。
3. 網路層 (Network Layer)：負責在不同網路之間傳輸封包 (Packet)，進行路由選擇。

本題考驗對網路協議及其 OSI 模型層次的理解，特別是網路層 (Network Layer) 的功能。

• HTTP (Hypertext Transfer Protocol)：應用層協議，用於傳輸網頁內容。
• TCP (Transmission Control Protocol)：傳輸層協議，提供可靠的端對端資料傳輸。

本題考驗對網路卡「混亂模式」(Promiscuous Mode) 的理解。

網路卡在預設的「非混亂模式」(Non-promiscuous Mode) 下，只會接收和處理發往自己 MAC 位址的封包，以及廣播封包 (Broadcast) 和多播封包 (Multicast)（如果該網卡被設定接收的話）。

本題考驗對不同網路攻擊類型的識別。題目描述的攻擊特徵是：針對錯誤配置的網路服務和協議，攻擊者偽裝成合法設備以欺騙其他設備。

• ARP SPOOF (ARP 欺騙)：攻擊者發送偽造的 ARP (Address Resolution Protocol) 訊息，將自己的 MAC 位址與其他主機的 IP 位址綁定，或者將自己的 MAC 位址與閘道 (Gateway) 的 IP 位址綁定。這樣，網路上的其他主機就會將發往目標 IP 位址的封包誤傳給攻擊者，從而實現中間人攻擊 (Man-in-the-Middle, MITM)。這符合「偽裝成合法設備以欺騙其他設備」的描述，且 ARP 協議的錯誤配置或利用是其基礎。
• IP SPOOF (IP 欺騙)：攻擊者在發送封包時，偽造來源 IP 位址，使其看起來像是來自一個可信賴的主機。

本題考驗對 Web 代理自動發現協議 (WPAD) 的理解。

WPAD 是一個協議，用於讓客戶端自動發現其所在的網路的代理伺服器配置。當客戶端瀏覽器或應用程式需要訪問網際網路時，它會嘗試自動尋找一個 PAC (Proxy Auto-Configuration) 檔案。這個 PAC 檔案包含了如何決定是否使用代理伺服器以及使用哪個代理伺服器的規則。

WPAD 的主要機制是：

1. 客戶端發送一個 DHCP 請求，詢問是否有 WPAD 記錄。
2. 如果 DHCP 伺服器返回 WPAD 記錄，客戶端會嘗試通過 DNS 查詢 wpad.domain.com 或 wpad.yourdomain.com 來定位 PAC 檔

本題考驗對 Microsoft Active Directory (AD) 的理解。

Active Directory 是一個目錄服務，由 Microsoft 為 Windows 域網路開發。它主要用於集中管理企業網路中的各種資源和使用者。其核心功能包括：

• 身份驗證與授權：管理使用者帳戶、群組，並控制他們對網路資源（如文件伺服器、印表機、應用程式）的訪問權限。
• 資源管理：集中管理網路中的電腦、伺服器、印表機等設備。
• 策略管理：通過群組原則 (Group Policy) 來統一配置和管理用戶和電腦的設定，例如軟體安裝、安全設定、桌面環境等。

本題考驗對軟體開發專案管理中常見的「三大限制」或「鐵三角」(Iron Triangle) 的理解。在傳統的專案管理中，一個專案的成功通常受到三個主要因素的制約和權衡：

• 範圍 (Scope)：專案要交付的產品或服務的具體內容和功能。
• 時程 (Schedule)：專案完成所需的時間。
• 預算/成本 (Budget/Cost)：專案完成所需的費用。

本題考驗對軟體安全分類的理解，特別是針對輸入驗證 (Input Validation) 的考量。

軟體安全問題的分類方式有很多，但題目中給出的選項直接指向了對輸入數據進行檢查和處理的環節。

• API 誤用 (API Abuse)：指惡意利用 API 的功能，例如過度請求、濫用權限等。
• 安全特性 (Security Features)：這是比較寬泛的說法，指軟體中用於提供安全保障的功能，如加密、認證、授權等。

本題考驗對資訊安全三大基本原則（CIA Triad）及授權 (Authorization) 的理解。

• 保密 (Confidentiality)：確保資訊只被授權的個體所訪問，防止未經授權的洩漏。
• 完整性 (Integrity)：確保資訊的準確性和完整性，防止資訊被未經授權地修改或破壞。

本題考驗對 ISO 27001 標準的理解。

ISO 27001 是國際標準化組織 (ISO) 和國際電工委員會 (IEC) 共同發布的一項國際標準，用於建立、實施、維護和持續改進資訊安全管理系統 (Information Security Management System, ISMS)。

ISO 27001 的核心目標是：

• 保護資訊資產 (Information Assets)：確保資訊的機密性 (Confidentiality)、完整性 (Integrity) 和可用性 (Availability)。

本題考驗對資訊安全威脅來源分類的理解。資訊安全威脅的來源通常可以從不同角度進行分類，常見的分類方式包括：

• 威脅主體 (Threat Actor)：
  • 外部威脅：來自組織外部的攻擊者，如駭客、競爭對手、恐怖分子等。
  • 內部威脅：來自組織內部的個人，包括惡意的內部員工（內部授權人員威脅）和無意的內部人員。
• 威脅類型：
  • 惡意軟體 (Malware)
  • 社交工程 (Social Engineering)
  • 拒絕服務攻擊 (DoS/DDoS)
  • 零日漏洞 (Zero-day Vulnerabilities)
• 威脅環境：

本題考驗對古典密碼學中替換密碼 (Substitution Cipher) 不同類型的理解。

• 簡單替代法 (Simple Substitution)：明文中每個字母被一個固定的、不同的字母或符號所替代。例如，'A' 總是替換成 'X'，'B' 總是替換成 'Q'。這種密碼容易被頻率分析破解。
• 同音異字替代法 (Homophonic Substitution)：為了對抗頻率分析，這種方法為明文中的每一個字母定義了多個不同的密文符號。例如，'A' 可能被替換成 '3', '7', '12' 中的一個。這樣，密文中相同符號出現的頻率就不再直接對應明文中單一字母的頻率，增加了破解難度。

本題考驗對古典密碼學中「鐵軌法」(Rail Fence Cipher) 的分類。

鐵軌法是一種簡單的換位密碼 (Transposition Cipher)。在這種加密方法中，明文的字母順序被改變，但字母本身不變。

鐵軌法的原理是將明文寫成一個或多個「軌道」上，然後按順序讀出。例如，使用兩條軌道（兩行），明文會以鋸齒狀寫入：

本題考驗對 PKI (Public Key Infrastructure, 公鑰基礎設施) 的理解。

PKI 是一個用於管理數位憑證和公鑰加密的系統。它的主要目的是在一個不安全的網路環境中，建立信任的基礎，以便進行安全的通訊和交易。

PKI 的核心功能和目標包括：

• 身份認證 (Authentication)：確認使用者的身份。透過數位憑證，可以驗證一個公鑰確實屬於聲稱擁有它的人或實體。
• 資料保密性 (Confidentiality)：公鑰加密本身可以用來保護資料的機密性，但 PKI 提供的是管理這些公鑰和憑證的框架。

本題考驗對 DES (Data Encryption Standard) 加密演算法的理解，特別是其金鑰長度。

DES 是一種對稱式分組密碼演算法，它以 64 位元的區塊大小對資料進行加密。然而，其金鑰長度 (Key Length) 是 56 位元。

本題考驗對以太坊 (Ethereum) 區塊鏈中「Gas」概念的理解。

在以太坊中，Gas 是一種計算單元，用來衡量執行特定操作（如發送交易、運行智能合約）所需的計算資源量。每種操作都有一個對應的 Gas 數量，計算量越大，所需的 Gas 就越多。

而交易手續費 (Transaction Fee) 是根據執行的 Gas 量和當時的 Gas 價格 (Gas Price) 來計算的。用戶需要支付一定數量的以太幣 (Ether, ETH) 作為交易手續費，以激勵礦工（或驗證者）驗證和打包交易。

因此，Gas 本身不是貨幣，也不是代碼執行過程，而是衡量計算量並據此計算手續費的單位。

本題考驗對數位簽章 (Digital Signature) 主要功能的理解。

數位簽章是一種使用公鑰加密技術來驗證訊息來源和內容完整性的方法。它通常包含以下三個主要屬性：

1. 身份驗證 (Authentication)：確認訊息的發送者是其聲稱的身份。
2. 完整性 (Integrity)：確保訊息在傳輸過程中沒有被修改或損壞。
3. 不可否認性 (Non-repudiation)：發送者無法否認自己發送了該訊息。

核心觀念

本題考查數位浮水印技術的用途與不同技術名稱的功能差異。

數位浮水印是將識別資訊、版權資訊或驗證資訊，以可見或不可見的方式嵌入數位媒體中，例如影像、音訊或影片。依可嵌入資料量與應用目的，可分為：

• 可嵌入較完整的版權或識別資訊，甚至影像內容。
• 僅能嵌入少量資料，例如短序號、授權碼或識別碼。

題目問的是「僅能藏入一簡短的序號，不能藏入影像」的技術，因此應辨認各選項的功能定位。

解題方法

逐一判斷各選項是否屬於數位浮水印技術，以及其可嵌入的資料型態：

1. 若技術可將版權或識別資訊嵌入影像，則不符合題目描述。
2. 若技術主要只能嵌入短序號，則符合題意。
3. 若技術是用於身分驗證或不可否認性，而非將資訊藏入媒體，則不是本題所稱的浮水印技術。

依此判斷，符合條件的是 Digilock。

選項分析

• (A) Digimarc：錯誤

  Digimarc 是著名的數位浮水印技術，可將版權、作者、識別資訊等嵌入數位影像，也可應用於音訊、影片等媒體。其功能不僅限於藏入一組簡短序號，因此不符合題目描述。

• (B) Digilock：正確

本題考驗對不同雲端服務模型 (IaaS, PaaS, SaaS, BaaS) 的理解及其適用場景。

• IaaS (Infrastructure as a Service)：提供基本的計算、儲存和網路資源，使用者需要自行管理作業系統、中間件和應用程式。例如 AWS EC2, Google Compute Engine。
• PaaS (Platform as a Service)：提供一個開發和部署應用程式的平台，使用者無需管理底層基礎設施，只需專注於應用程式開發。例如 AWS Elastic Beanstalk, Google App Engine。
• SaaS (Software as a Service)：提供完整的軟體應用程式，使用者通過網路直接使用，無需管理任何軟硬體。

本題考驗對雲端運算優點的理解，並找出不屬於其優點的選項。

雲端運算的主要優點通常包括：

• 成本效益 (Cost-effectiveness)：按需付費 (Pay-as-you-go)，避免了前期高額的硬體投資，可以降低總體擁有成本。
• 彈性與擴展性 (Elasticity and Scalability)：可以根據需求快速擴展或縮減資源。
• 高可用性與可靠性 (High Availability and Reliability)：雲端服務商通常擁有冗餘的基礎設施，提供較高的服務可用性。
• 方便的備份與災難恢復 (Easy Backup and Disaster Recovery)：雲端服務通常提供自動化的備份和恢復機制。
• 簡化管理 (Simplified Management)：使用者無需關心底層硬體的維護。

本題考驗對 NoSQL (Not Only SQL) 資料庫特點的理解。NoSQL 資料庫與傳統的關聯式資料庫 (SQL) 在設計理念和應用場景上有所不同。

NoSQL 資料庫的特點包括：

• 彈性的資料模型：通常不使用固定的表格結構，而是支持鍵值 (Key-Value)、文件 (Document)、列族 (Column-family) 或圖形 (Graph) 等多樣化的資料模型，這使得開發更加靈活，能夠快速適應變化的需求。
• 高擴展性 (High Scalability)：設計上更容易實現水平擴展（Scale-out），即通過增加更多伺服器來處理更大的數據量和更高的流量，這使得它們非常適合處理大數據和高併發場景。
• 通常犧牲強一致性以換取可用性和分區容錯性 (CAP Theorem)：許多 NoSQL 資料庫遵循 BASE (Basically Available, Soft state, Eventually consistent) 原則，而不是 ACID (Atomicity, Consistency, Isolation, Durability) 原則。

本題考驗對 CAP 理論的理解。CAP 理論是分散式系統設計中的一個重要定理，它指出在一個分散式系統中，同時滿足以下三個特性是不可能的：

• 一致性 (Consistency, C)：所有節點在同一時間都擁有相同最新的資料。
• 可用性 (Availability, A)：任何請求都能在有限的時間內得到回應（不保證是最新資料）。
• 分割槽容錯性 (Partition Tolerance, P)：系統能夠在網路發生分割（節點之間無法正常通訊）的情況下，仍然繼續運行。

本題考驗對 Linux 作業系統特點的理解。

Linux 作業系統以其開源、自由和靈活而聞名。其主要特色包括：

• 自由開放 (Free and Open Source)：Linux 的原始碼是公開的，任何人都可以查看、修改和分發。這也使得 Linux 成為一個龐大的開源社群貢獻的專案。
• 龐大的 GNU 軟體生態系統：許多 Linux 發行版都基於 GNU 工具集，提供了豐富的開源軟體和工具，如 Bash shell、GCC 編譯器、Emacs 編輯器等。
• 高度可定制性 (Highly Customizable)：Linux 可以根據不同的硬體和應用需求進行高度配置和定制。
• 穩定性與可靠性 (Stability and Reliability)：尤其在伺服器領域，Linux 以其穩定性而聞名。

本題考驗對 MariaDB 的理解，以及它與 MySQL 的關係。

MariaDB 是 MySQL 的一個分支（fork），由 MySQL 的原始開發者創建。它旨在成為 MySQL 的一個更開放、更具社群驅動力的替代品。

MariaDB 的優點和特點通常包括：

• 與 MySQL 高度兼容：MariaDB 保留了 MySQL 的核心功能和語法，因此從 MySQL 遷移到 MariaDB 通常非常容易。
• 開源和社群驅動：由一個活躍的社群維護，開發更加透明和開放。
• 性能改進：MariaDB 在某些方面進行了性能優化，例如引入了新的存儲引擎（如 Aria, ColumnStore）或改進了現有引擎（如 InnoDB 的某些優化）。
• 新功能：MariaDB 引入了一些 MySQL 沒有的新功能，例如更豐富的數據類型、更強大的時間序列支持、更好的 JSON 支持等。

本題考驗對常見密碼弱點的理解。密碼弱點通常源於用戶的習慣或對安全認知的不足。

常見的密碼弱點包括：

• 常見/慣用密碼 (Common/Weak Passwords)：如 "123456", "password", "qwerty" 等，這些密碼非常容易被猜測。
• 與使用者名稱相同 (Same as Username)：直接使用用戶名作為密碼，極易被猜測。
• 過於簡單 (Too Simple)：密碼長度不足、僅包含數字或小寫字母，缺乏複雜性。
• 個人資訊 (Personal Information)：如生日、電話號碼、寵物名字等，容易被熟人或通過資訊收集猜到。

本題考驗對社交工程攻擊不同類型的識別。社交工程攻擊是指利用人性的弱點，通過欺騙、誘導等方式獲取敏感資訊。

• 假託 (Pretexting)：攻擊者虛構一個情境或身份（例如，冒充 IT 技術人員、客服人員、調查員等），建立一個「藉口」，以獲取受害者信任，進而誘使受害者透露敏感資訊。題目描述的「偽裝成公司內部技術人員或問卷調查人員，要求受害者提供密碼等關鍵資訊」正是 Pretexting 的典型應用。
• 調虎離山 (Diversion Theft)：這種攻擊方式通常是指轉移受害者的注意力，讓他們離開，以便進行盜竊。在網路安全中，可能指將受害者導向一個假網站，使其暫時離開真實的登錄頁面。

本題考驗對資訊系統弱點管理（漏洞管理）流程的理解。一個完整的漏洞管理流程通常包含以下幾個關鍵步驟：

1. 準備 (Preparation)：規劃漏洞掃描的範圍、時間、工具，並進行相關設定。
2. 掃描/識別 (Scanning/Discovery)：使用工具掃描系統，識別潛在的漏洞。
3. 評估/分析 (Assessment/Analysis)：對掃描出的漏洞進行風險評估，確定其嚴重性、影響範圍和優先級。
4. 修補/緩解 (Remediation/Mitigation)：根據評估結果，採取措施修補漏洞，例如更新補丁、修改配置、隔離系統等。
5. 驗證/復測 (Verification/Re-testing)：在修補後，重新掃描或測試，確認漏洞已被成功修補。

本題考驗對非監督式學習 (Unsupervised Learning) 與監督式學習 (Supervised Learning) 的區別。

• 監督式學習 (Supervised Learning)：訓練資料包含輸入特徵 (Input Features) 和對應的輸出標籤 (Output Labels)。模型通過學習輸入和輸出之間的映射關係來進行預測。例如，圖像分類，輸入是圖像，輸出是圖像的類別（貓、狗）。
• 非監督式學習 (Unsupervised Learning)：訓練資料只包含輸入特徵 (Input Features)，沒有對應的輸出標籤。

本題考驗對不同機器學習方法應用場景的理解。

• 監督式學習 (Supervised Learning)：常用於需要明確預測結果的任務，例如：

  • 圖像分類：給定圖像，預測其類別（貓、狗、車輛等）。這需要大量的標記圖像數據。
  • 詐騙偵測 (Fraud Detection)：根據交易數據、用戶行為等特徵，判斷交易是否為詐騙。這需要標記為「詐騙」或「非詐騙」的歷史數據。
  • 預測、回歸等任務。

• 非監督式學習 (Unsupervised Learning)：常用於發現數據中的結構，如聚類、降維。例如，用戶分群、異常偵測（但詐騙偵測通常用監督式學習效果更好）。

本題考驗對不同機器學習方法應用場景的理解。

• 維度縮減 (Dimensionality Reduction)：將高維數據轉換為低維數據，同時保留重要資訊。例如主成分分析 (PCA)。
• 分群 (Clustering)：將數據點分組到不同的簇中，使得同一簇內的數據點相似，不同簇之間的數據點不相似。例如 K-Means。
• 壓縮 (Compression)：指數據壓縮，將數據表示得更緊湊。

這些任務的共同點是，它們都是在沒有預先定義的輸出標籤的情況下，從數據本身發現其內在結構或模式。

本題考驗對增強式學習 (Reinforcement Learning, RL) 主要組成部分的理解。

增強式學習是一種機器學習範式，其中一個代理機器人 (Agent) 在一個環境 (Environment) 中學習如何行動，以最大化其獲得的累積獎勵 (Cumulative Reward)。

其核心組成部分包括：

1. 代理機器人 (Agent)：學習者和決策者。
2. 環境 (Environment)：代理機器人所處的外部世界。
3. 狀態 (State)：環境的當前情況。

本題考驗對 AI 風險類型的理解。題目問的是涵蓋範圍最廣，且涉及多種 AI 技術（NLP, ML, CV）的風險。

• 集中委外風險 (Centralized Outsourcing Risk)：指將 AI 研發或部署過度依賴單一外部供應商，可能導致供應商出問題時，自身業務受到嚴重影響。這不是最廣泛的 AI 風險。
• 隱私風險 (Privacy Risk)：AI 系統在處理大量數據時，可能侵犯個人隱私。例如，人臉識別技術可能被濫用，訓練數據可能包含敏感個人資訊。這個風險確實很普遍，但主要集中在數據方面。
• 市場價格操縱問題 (Market Price Manipulation)：一些 AI 交易算法可能被用於操縱金融市場價格，這是一個特定領域的風險。
• 決策黑箱風險 (Black Box Decision Risk)：許多先進的 AI 模型（尤其是深度學習模型）的決策過程非常複雜，難以解釋其為何做出某個特定決策，這種「黑箱」特性可能導致以下問題：

本題考驗對暗網 (Dark Web) 特徵的理解。

暗網是指網際網路上需要特定軟體、授權或配置才能訪問的區域，它不被標準的搜尋引擎索引。暗網的特點是匿名性和隱私性。

為了實現這種匿名性和隱私性，暗網的連線和溝通通常依賴於：

• 特殊軟體和協議：例如 Tor (The Onion Router) 瀏覽器。Tor 通過多層加密和路由，將網路流量通過一系列志願者運營的中繼節點進行傳輸，使得追蹤流量的來源和目的地變得極其困難。
• 特殊網路結構：例如 Tor 網路上的「隱藏服務」(Hidden Services)，這些服務運行在 Tor 網路內部，其真實 IP 位址和伺服器位置被隱藏起來。

本題考驗對機器學習中特徵縮放 (Feature Scaling) 方法的理解，以及它們與不同數據分佈的適用性。

特徵縮放的目的是將不同特徵的數值範圍調整到一個相似的區間，以防止數值範圍較大的特徵對模型訓練產生過大的影響，並有助於某些算法（如梯度下降）的收斂。

常見的特徵縮放方法包括：

1. 標準化 (Standardization)：也稱為 Z-score 標準化。它將數據轉換為均值為 0，標準差為 1 的分佈。公式為 $x' = \frac{x - \mu}{\sigma}$。標準化對異常值 (outliers) 較不敏感，且不會改變數據的相對差異。
2. 最小最大化 (Min-Max Scaling)：也稱為歸一化 (Normalization)，但通常指將數據縮放到一個固定的範圍，最常見的是 [0, 1] 或 [-1, 1]。公式為 $x' = \frac{x - \min(x)}{\max(x) - \min(x)}$。它會將數據壓縮到指定的範圍。
3. 歸一化 (Normalization)：這個術語有時會與 Min-Max Scaling 混淆。在某些上下文中，「歸一化」可以指將數據向量的長度縮放到 1（L1 或 L2 歸一化）。在這裡，選項 (C) 可能是指 Min-Max Scaling。

正規化 (Regularization)：這是一種用於防止模型過擬合的技術，通過在損失函數中添加懲罰項來約束模型參數的複雜度。它與特徵縮放是不同的概念。

關於均勻分佈 (Uniform Distribution)：

• 標準化 (Standardization)：如果數據本身已經大致遵循某種分佈（如近似正態分佈），標準化

本題考驗對 GAN (Generative Adversarial Network) 和 CNN (Convolutional Neural Network) 的理解，以及它們的分類。

• CNN (Convolutional Neural Network, 卷積神經網路)：

  • CNN 是一種深度學習模型，主要用於處理網格狀數據，如圖像。
  • 它通過卷積層、池化層等結構，能夠有效地提取空間層次的特徵。
  • CNN 最常見的應用是圖像分類、目標檢測、圖像分割等。這些任務通常是監督式學習的範疇，因為需要標記數據來訓練模型進行預測。雖然 CNN 也可以用於無監督學習任務（如特徵提取），但其最經典和廣泛的應用是監督式學習。

• GAN (Generative Adversarial Network, 生成對抗網路)：

本題考驗對 SQL SELECT 語句的基本語法掌握。

查詢資料表 Section 中，Course_id 為 'CS-102' 的所有欄位資料，可以使用 SELECT * 來選擇所有欄位，並使用 WHERE 子句來指定條件。

SQL 語法如下：

SELECT *
FROM Section
WHERE Course_id = 'CS-102';

本題考驗對 SQL SELECT 語句中多條件查詢的掌握。

查詢資料表 Teach 中，在 2009 年 Fall 有開課的資料，需要使用 WHERE 子句指定兩個條件：Year 為 2009，Semester 為 'Fall'。

SQL 語法如下：

SELECT *
FROM Teach
WHERE Year = 2009 AND Semester = 'Fall';

說明：

• SELECT *: 表示選取所有欄位。
• FROM Teach: 指定要從哪個資料表查詢。

核心觀念

本題考查 SQL 的：

• SELECT：指定要查詢的欄位。
• FROM：指定資料表。
• JOIN ... ON：依共同欄位連結兩個資料表。
• Course_id 為兩表的連結鍵值，將 Teach.Course_id 與 Session.Course_id 相等的資料配對。

題目要求輸出三個欄位：

1. Teach.id
2. Teach.course_id
3. Session.Building

解題方法

以 Teach 為主要資料表，依照 Course_id 連接 Session：

$$Teach.Course\_id = Session.Course\_id$$

為避免兩個資料表的 Course_id 欄位產生歧義，使用資料表名稱限定欄位來源。

SQL 語法

SELECT
    Teach.id,
    Teach.course_id,
    Session.Building
FROM Teach
JOIN Session
    ON Teach.course_id = Session.course_id;

也可以使用資料表別名簡化寫法：

本題考驗對 SQL UPDATE 語句的掌握，用於修改資料表中的記錄。

要求修改資料表 Teach 中，Id 為 1004 的記錄，將 Semester 欄位更新為 'Spring'，並將 Year 欄位更新為 2010。

SQL 語法如下：

UPDATE Teach
SET Semester = 'Spring', Year = 2010
WHERE Id = 1004;