問題一覧
1
对于监督学习中的分类问题，可以采用（）作为测量指标
准确率指标
2
（）是指数据收集后开始老化，使用老化后的数据进行分析时产生不同的分析结果
时效性
3
当给定的类的数据分布是倾斜的，（ ）是更好的选择。
中位数
4
下列关于图像噪声说法错误的是（ ）
噪声的产生于图像无关
5
（）强调通过特征转换得到一组特征
特征提取
6
传统的数据采集方法的缺点不包括（ ）
成本低
7
基于机器学习的关键词提取方法不包括（ ）
PageRank
8
下面属于 TensorFlow 的优点的是（ ）
可视化功能良好
9
下面属于 TensorBoard 标量可视化的是（ ）
展示模型的准确率
10
OpenCV 是应用非常广泛的（ ）
计算机视觉库
11
Pillow 库是 Python 中的（ ）
图像处理库
12
以下选项不属于典型的图像分割算法（ ）
复杂的图像分割算法
13
在二分类问题中，（ ）是常用的评价指标
以上都是
14
将带有标签的图像数据输入计算机，让计算机进行“学习”，生成模型，实现图像识别功能。这个过程属于以下机器学习的方法（ ）
监督学习
15
图像识别任务中，池化层对卷积结果进行（ ）
降维
16
图像识别任务中，卷积层用来对图像（ ）
特征提取
17
用（ ）来评估算法的性能
测试集
18
异常数据清除属于（ ）
数据清理
19
聚类算法的ARI值越接近（ ），模型的性能越好
1
20
均方误差的值越接近（ ），模型的性能越好
0
21
在模型评价中，（ ）主要是评价模型符合商业目标的程度
评价结果
22
（ ）是检测任务的拓展，描述出目标的轮廓
实例分割
23
卷积神经网络是一类包含卷积计算且具有深度结构的（ ）神经网络
前馈
24
对算法模型指标评估之后，还希望进一步的进行分析，已得到具体算法模型的（ ）
优化方向
25
测试集的（ ）主要考虑测试数据集相互干扰导致测试结果的失真风险
独立性
26
以下选项属于强化学习的算法。（ ）
时序差分法
27
以下选项,属于半监督学习的算法。（ ）
联合训练
28
（ ）是模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的 一种学习方法
半监督学习
29
数据清洗工作的目的主要是要解决数据的完整性、唯一性、合法性和（ ）
一致性
30
如果训练过程中所使用的数据集存在大量（ ），将会导致机器学习训练不充分
噪声
31
在深度学习中，哪种激活函数常被用于解决梯度消失和梯度爆炸问题？
ReLU函数
32
数据插值的精度主要取决于（ ）
插值方法的选择
33
（ ）是指对带有缺失值的变量，根据已有数据和与其有关的其他变量的数据建立拟合 模型来预测缺失的特征值
回归方法
34
在使用多项式插值时，通常选择（ ）
三阶多项式
35
如含有缺失值的特征可以转换为（ ）的特征，则可以将缺失值作为单独的一个类别
间断性
36
一些算法自身能够处理数据缺失的情况，下列选项中（ ）是符合的
随机森林
37
（ ）和背景建模法最常用、最简单的检查算法
帧间差分法
38
在深度神经网络中，以下技术（ ）用于解决过拟合
所有
39
算法分析是对一个算法需要多少计算时间和（ ）作定量的分析
存储空间
40
算法时间复杂度的度量方法是（ ）
执行算法所需要的基本运算次数
41
决策边界是指（ ）模型中各类别之间的分界线
分类
42
（ ）是决策树算法中常用的技术，用来缩小决策树的规模，从而降低最终算法的复杂 度并提高预测准确度
剪枝
43
下列选项中，属于调整学习率常见的方法的是（ ）
随机梯度下降
44
下列选项中，不属于防止过拟合的方法的是（ ）
动量法动态调整
45
（ ）是一种近似逼近的方法，属于基于序列模型优化的算法
贝叶斯优化
46
以下属于预测分析法中的回归预测的是（ ）
线性回归
47
贝叶斯定理是关于随机事件A和B的（ ）的一则定理
条件概率
48
特征提取强调通过（ ）的方式得到一组具有明显物理或统计意义的特征
特征转换
49
（ ）主要是用来反映数据之间的差异程度，常用的指标有方差和标准差
数据离散程度分析
50
（ ）是一种有监督的线性降维算法
线性判别分析
51
在分类算法中，混淆矩阵用于评价（ ）指标
准确率、精确率、召回率和F1分数
52
下列选项中，（ ）函数对应算法模型的评价指标Recall
metrics.recall_score
53
LeNet-5是用于（ ）卷积神经网络
手写体识别
54
（ ）是卷积神经网络首次应用在图像识别的数据集
LeNet-5
55
卷积神经网络通过降维和特征提取，可以（ ）
提高运算效率
56
在卷积神经网络中，全连接层的输出节点数通常是（ ）确定的
由输入数据的类别数和卷积层的神经元数决定
57
卷积神经网络本质是一个（ ），降低过拟合
多层感知机
58
人工智能算法通常包含多个需要预先选择或者设置的（ ）
超参数
59
CPU进行训练神经网络，使用（ ）比浮点运算跑得快
定点运算
60
人工智能价格优化的技术包括（ ）来对制药企业的定价优化
回归建模, 弹性方法, 机器学习, 深度学习
61
对于（ ）这些问题，分布式机器学习可以进行解决
计算量大, 训练数据量大, 模型规模大
62
下面属于分布式学习平台的基本设计方法的是（ ）
基本数据流, 高级数据流
63
以下哪些选项不属于强化学习的算法
SVM, KNN
64
下面属于模型常用的损失函数的是（ ）
0-1 损失函数, 平方损失函数
65
聚类分析法是理想的多变量统计技术，主要有以下哪些方法（ ）
分层聚类法, 迭代聚类法, 拟合聚类法, 动态聚类法, 逐步聚类法
66
以下选项属于复杂分布上无监督学习主流方法（ ）
深度信念网络, 生成对抗网络
67
生成对抗网络中所谓的对抗是（ ）之间的关系
生成模型, 判别模型
68
以下选项属于人工智能产品常见的设计原则（ ）
“少即是多”原则, 从微观到宏观逐步深入, 无限节省成本
69
下面属于卷积神经网络的经典模型（ ）
ResNet, VGGNet
70
卷积神经网络池化的作用包括（ ）
增大感受野, 平移不变性, 降低优化难度和参数
71
在基于模型的迁移学习应用中，以下选项不属于图像处理领域中常见的已经训练好的模型（ ）
Word2Vec, GloVe
72
在卷积神经网络中，不是全连接层的主要作用是（ ）
特征提取, 数据降维, 特征映射, 数据升维
73
常见的超参数优化方法有（ ）
网格搜索, 随机搜索
74
CPU 训练神经网络时，对数据结构进行优化可以（ ）
避免高速缓存缺失, 使用向量指令
75
神经网络隐藏层（ ）由用户指定
层数, 每层神经元的个数
76
下面属于激活函数的是（ ）
Sigmoid 函数, Tanh函数, 指数函数
77
在神经网络的训练过程中，常见的优化算法包括（ ）
随机梯度下降, 批量梯度下降, 小批量梯度下降, 反向传播
78
以下选项是监督学习需要注意的问题。（ ）
功能的复杂性和数量的训练数据, 偏置方差权衡, 输入空间的维数, 噪声中的输出值, 输出的特征数量
79
F1-score 是基于（ ）与（ ）的调和平均
召回率, 精确率
80
以下哪个选项属于半监督学习的算法。（）
自训练算法, 联合训练
81
当使用Sigmoid激励函数时，如果权重初始化较小或较大时，训练过程容易出现（）的问题
梯度饱和, 梯度消失
82
智能机器人通过以下哪些人工智能技术分析网络设备质量影响因素。（）
支持向量机, 深度学习, 决策树, 随机森林
83
以下哪些是自然语言处理（NLP）中常用的技术？
词袋模型, 卷积神经网络, 递归神经网络
84
以下哪些是图像处理中常见的任务？
图像分类, 图像生成, 目标检测, 图像分割
85
以下哪些是模型评估指标？
准确率, 召回率, F1-score, AUC-ROC
86
人工智能技术在哪些领域有广泛应用？
医疗保健, 金融, 农业, 教育, 航天
87
关于生成对抗网络，以下哪些是其主要组成部分？
生成器, 判别器
88
以下哪些是计算机视觉任务？
图像分类, 目标检测, 人脸识别, 光学字符识别
89
在机器学习中，以下哪些是用于处理过拟合的技术？
正则化, 交叉验证, Dropout, 数据增强, 特征选择
90
关于深度学习的基本概念，请选择正确的描述：
使用大量标记数据训练模型, 可以自动提取特征, 适用于各种类型的数据
91
下列哪些是常见的深度学习框架？
TensorFlow, PyTorch, Keras, Caffe
92
下列哪些是常见的聚类算法？
K-means, DBSCAN, Agglomerative
93
哪些是常见的自动驾驶技术？
SLAM, PID 控制器, 蒙特卡罗定位, YOLO
94
哪些是常见的图像增强技术？
旋转, 翻转, 裁剪, 噪声添加, 降噪
95
下列哪些是常见的目标检测算法？
YOLO, SSD, R-CNN, Mask R-CNN
96
以下哪些是常见的数据降维技术？
主成分分析, 线性判别分析, t-SNE
97
下列哪些是常见的推荐系统算法？
协同过滤, 矩阵分解
98
下面属于自然语言处理的应用场景的是（ ）
智能问答, 机器翻译
99
通讯设备生产部门可以使用以下哪些机器学习算法分析数据后完成技术可行性研究
支持向量机, 深度学习, 决策树, KNN