大數(shù)據(jù)技術(shù)及應用題庫

大數(shù)據(jù)技術(shù)及應用題庫大數(shù)據(jù)技術(shù)及應用題庫單選題:從大量數(shù)據(jù)中提取知識的過程通常稱為（ A。.數(shù)據(jù)挖掘.人工智能.數(shù)據(jù)清洗.數(shù)據(jù)倉庫下列論據(jù)中，能夠支撐“大數(shù)據(jù)無所不能”的觀點的是（ A。AB、大數(shù)據(jù)存在泡沫C、大數(shù)據(jù)具有非常高的成本D、個人隱私泄露與信息安全擔憂數(shù)據(jù)倉庫的最終目的是（ D。.收集業(yè)務需求.建立數(shù)據(jù)倉庫邏輯模型.開發(fā)數(shù)據(jù)倉庫的應用分析.為用戶和業(yè)務部門提供決策支持大數(shù)據(jù)處理技術(shù)和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)最大的區(qū)別是（ A。.處理速度快（秒級定律）.算法種類更多.精度更高.更加智能化大數(shù)據(jù)的起源是（ C。.金融.電信.互聯(lián)網(wǎng).公共管理大數(shù)據(jù)不是要教機器像人一樣思考。相反，它是（ A。.把數(shù)學算法運用到海量的數(shù)據(jù)上來預測事情發(fā)生的可能性.被視為人工智能的一部.被視為一種機器學習.預測與懲罰人與人之間溝通信息、傳遞信息的技術(shù)，這指的是（ D。.感測技術(shù).微電子技術(shù).計算機技術(shù).通信技術(shù)數(shù)據(jù)清洗的方法不包括（ D。.缺失值處理.噪聲數(shù)據(jù)清除.一致性檢查.重復數(shù)據(jù)記錄處理下列關(guān)于舍恩伯格對大數(shù)據(jù)特點的說法中，錯誤的是（ D）數(shù)據(jù)規(guī)模大 B.數(shù)據(jù)類型多樣 C. 數(shù)據(jù)處理速度快 D. 數(shù)據(jù)價值密度高的是（D。.富數(shù)據(jù).貧數(shù)據(jù).繁數(shù)據(jù).大數(shù)據(jù)大數(shù)據(jù)正快速發(fā)展為對數(shù)量巨大、來源分散、格式多樣的數(shù)據(jù)進行采集、存儲和關(guān)聯(lián)析，從中發(fā)現(xiàn)新知識、創(chuàng)造新價值、提升新能力的（ D。.新一代信息技術(shù).新一代服務業(yè)態(tài).新一代技術(shù)平臺.新一代信息技術(shù)和服務業(yè)態(tài)萬維網(wǎng)之父是（ C）彼得·德魯克 B. 舍恩伯格C. 蒂姆·伯納斯—李 D. 斯科特·布朗下列演示方式中，不屬于傳統(tǒng)統(tǒng)計圖方式的是（ DA、柱形圖B、餅狀圖CD、網(wǎng)絡圖當前社會中，最為突出的大數(shù)據(jù)環(huán)境是（ A。A、互聯(lián)網(wǎng)15可以對大數(shù)據(jù)進行深度分析的工具是（C）。A15可以對大數(shù)據(jù)進行深度分析的工具是（C）。A、淺層神經(jīng)網(wǎng)絡B、ScalaC、深度學習D、MapReduce大數(shù)據(jù)的起源是（ C。A、金融B、電信C、互聯(lián)網(wǎng)D、公共管理智慧城市的構(gòu)建，不包含（ C。A、數(shù)字城市B、物聯(lián)網(wǎng)C、聯(lián)網(wǎng)監(jiān)控D、云計算大數(shù)據(jù)的 V特征中的 Volume 是指（D。A、價值密度低B、處理速度快C、數(shù)據(jù)類型繁多D、數(shù)據(jù)體量巨大大數(shù)據(jù)的 V特征中的 Variety 是指（C。A、價值密度低B、處理速度快C、數(shù)據(jù)類型繁多D、數(shù)據(jù)體量巨大大數(shù)據(jù)的 V特征中的 Velocity 是指（B。A、價值密度低B、處理速度快C、數(shù)據(jù)類型繁多D、數(shù)據(jù)體量巨大下列關(guān)于大數(shù)據(jù)的分析理念的說法中，錯誤的是（ D。A、在數(shù)據(jù)基礎(chǔ)上傾向于全體數(shù)據(jù)而不是抽樣數(shù)據(jù)B、在分析方法上更注重相關(guān)分析而不是因果分析C、在分析效果上更追究效率而不是絕對精確D、在數(shù)據(jù)規(guī)模上強調(diào)相對數(shù)據(jù)而不是絕對數(shù)據(jù)大數(shù)