iPAS 考題解析近年來，深度學習研究與應用蓬勃發展，但數據本身可能存在什麼潛在問題？
你的作答
在題目頁作答不會存進學習紀錄，想留下紀錄可以到題庫練習。
解析
正確答案：A. 數據標註品質鮮少被討論，但它卻直接影響模型性能
在深度學習快速發展的背景下，資料標註品質（Annotation Quality）常被忽視。標籤噪聲（Label Noise）、標注一致性差、類別不平衡等資料品質問題會直接影響模型訓練效果和泛化能力。實際上，「資料為王」：高品質標注資料比複雜模型架構更重要。
每個選項為什麼對或錯
-
A 數據標註品質鮮少被討論，但它卻直接影響模型性能 正解
數據標註品質被忽視但直接影響模型性能，此為正確描述。
-
B 數據品質是完美可信賴的 錯誤選項
實際上數據充滿雜訊、偏差和不完整性，不是完美的。
-
C 大部分情況下，數據不存在類別不平衡問題 錯誤選項
類別不平衡是機器學習中的常見問題，廣泛存在。
-
D 數據不需要領域知識的輔助 錯誤選項
領域知識在特徵工程和資料標注中至關重要。
答案、題目或解析有問題？回報這題