人工智能訓(xùn)練師職業(yè)技能競賽題庫及答案（501-749單選題）

人工智能訓(xùn)練師職業(yè)技能競賽題庫及答案(501-749單選題)501、以下哪項(xiàng)不是聚類算法的評估指標(biāo)?A、一種無監(jiān)督學(xué)習(xí)方法B、一種特征選擇技術(shù)C、一種分類算法503、以下哪項(xiàng)不是強(qiáng)化學(xué)習(xí)的一個(gè)關(guān)鍵概念?A、一種無監(jiān)督學(xué)習(xí)方法B、一種特征選擇技術(shù)C、一種分類算法505、以下哪項(xiàng)不是強(qiáng)化學(xué)習(xí)算法?A、Q學(xué)習(xí)B、卷積神經(jīng)網(wǎng)絡(luò)A、一種無監(jiān)督學(xué)習(xí)方法B、一種特征選擇技術(shù)C、一種分類算法507、以下哪項(xiàng)不是邏輯回歸的優(yōu)缺點(diǎn)?B、可以處理非線性數(shù)據(jù)C、計(jì)算效率高D、對異常值敏感A、一種無監(jiān)督學(xué)習(xí)方法B、一種特征選擇技術(shù)C、一種分類算法509、以下哪項(xiàng)不是卷積神經(jīng)網(wǎng)絡(luò)的組成部分?B、池化層D、樸素貝葉斯層A、一種無監(jiān)督學(xué)習(xí)方法B、一種特征選擇技術(shù)C、一種分類算法511、以下哪項(xiàng)不是遞歸神經(jīng)網(wǎng)絡(luò)的特點(diǎn)?A、可以處理序列數(shù)據(jù)C、具有記憶能力D、只能處理靜態(tài)數(shù)據(jù)512、什么是生成對抗網(wǎng)絡(luò)(GenerativeAdversarialNetwork)?A、一種無監(jiān)督學(xué)習(xí)方法B、一種特征選擇技術(shù)513、以下哪項(xiàng)不是生成對抗網(wǎng)絡(luò)的組成部分?C、編碼器514、深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)的子領(lǐng)域，其特點(diǎn)是：A、使用深層神經(jīng)網(wǎng)絡(luò)B、使用深層貝葉斯模型C、使用深度聚類算法D、使用深度遺傳算法A、訓(xùn)練神經(jīng)網(wǎng)絡(luò)B、測試神經(jīng)網(wǎng)絡(luò)C、初始化神經(jīng)網(wǎng)絡(luò)權(quán)重D、正則化神經(jīng)網(wǎng)絡(luò)516、深度學(xué)習(xí)使用的最常見的激活函數(shù)A、衡量模型的性能A、SGD(隨機(jī)梯度下降)B、K-means算法519、在深度學(xué)習(xí)中，批量歸一化(BatchNormalization)的作A、加速模型訓(xùn)練B、減少模型復(fù)雜度C、改善模型的泛化能力D、圖像和文本數(shù)據(jù)A、特征提取B、特征選擇525、深度學(xué)習(xí)中的遷移學(xué)習(xí)(TransferLearning)的目的是A、提高模型的訓(xùn)練速度B、提高模型的泛化能力C、減少模型的參數(shù)數(shù)量A、減少模型的參數(shù)數(shù)量B、減少模型的復(fù)雜度A、加速模型訓(xùn)練B、減少模型的參數(shù)數(shù)量C、減少模型的復(fù)雜度D、改善模型的泛化能力531、深度學(xué)習(xí)中的圖像分類任務(wù)中，常用的數(shù)據(jù)增強(qiáng)方法有：532、在深度學(xué)習(xí)中，滑動(dòng)窗口(SlidingWind的?B、目標(biāo)檢測533、在深度學(xué)習(xí)中，數(shù)據(jù)集的劃分常A、60%訓(xùn)練集，20%驗(yàn)證集，20%測試集A、交叉熵?fù)p失函數(shù)B、均方誤差損失函數(shù)C、對數(shù)損失函數(shù)D、KL散度損失函數(shù)535、在深度學(xué)習(xí)中，模型的容量(CapaciA、模型可以容納的樣本數(shù)量B、模型的參數(shù)數(shù)量C、模型的復(fù)雜度D、模型的訓(xùn)練速度A、減少模型的參數(shù)數(shù)量B、減少模型的復(fù)雜度C、改善模型的泛化能力A、將多個(gè)模型的預(yù)測結(jié)果進(jìn)行融合B、將多個(gè)模型的參數(shù)進(jìn)行融合C、將多個(gè)模型的訓(xùn)練樣本進(jìn)行融合D、將多個(gè)模型的特征進(jìn)行融合A、減少模型的參數(shù)數(shù)量B、減少模型的復(fù)雜度C、改善模型的泛化能力D、加速模型訓(xùn)練A、將一個(gè)復(fù)雜模型的知識傳遞給一個(gè)簡單模型B、將一個(gè)簡單模型的知識傳遞給一個(gè)復(fù)雜模型C、將多個(gè)模型的知識進(jìn)行融合D、將多個(gè)模型的預(yù)測結(jié)果進(jìn)行融合A、網(wǎng)格搜索A、將模型部署到生產(chǎn)環(huán)境中B、將模型部署到測試環(huán)境中C、將模型部署到開發(fā)環(huán)境中D、將模型部署到訓(xùn)練環(huán)境中A、可以解釋模型的決策過程B、可以解釋模型的參數(shù)含義C、可以解釋模型的訓(xùn)練過程D、可以解釋模型的泛化能力544、數(shù)據(jù)智能是指利用什么技術(shù)和方法來提取、分析和利用數(shù)據(jù)?B、機(jī)器學(xué)習(xí)D、所有以上答案A、存儲數(shù)據(jù)的地方B、數(shù)據(jù)分析的工具C、數(shù)據(jù)可視化的技術(shù)D、數(shù)據(jù)收集的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式C、檢查和修復(fù)數(shù)據(jù)錯(cuò)誤A、從數(shù)據(jù)中提取有用信息的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式C、存儲數(shù)據(jù)的地方D、數(shù)據(jù)分析的工具A、計(jì)算機(jī)通過學(xué)習(xí)數(shù)據(jù)來改善性能的技術(shù)B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式C、存儲數(shù)據(jù)的地方D、數(shù)據(jù)分析的工具A、通過圖表和圖形展示數(shù)據(jù)的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式C、存儲數(shù)據(jù)的地方A、機(jī)器學(xué)習(xí)算法通過給定的輸入和輸出數(shù)據(jù)進(jìn)行訓(xùn)練B、機(jī)器學(xué)習(xí)算法通過觀察和理解數(shù)據(jù)進(jìn)行訓(xùn)練C、機(jī)器學(xué)習(xí)算法通過試錯(cuò)方法進(jìn)行訓(xùn)練A、機(jī)器學(xué)習(xí)算法通過給定的輸入和輸出數(shù)據(jù)進(jìn)行訓(xùn)練B、機(jī)器學(xué)習(xí)算法通過觀察和理解數(shù)據(jù)進(jìn)行訓(xùn)練C、機(jī)器學(xué)習(xí)算法通過試錯(cuò)方法進(jìn)行訓(xùn)練A、機(jī)器學(xué)習(xí)算法通過給定的輸入和輸出數(shù)據(jù)進(jìn)行訓(xùn)練B、機(jī)器學(xué)習(xí)算法通過觀察和理解數(shù)據(jù)進(jìn)行訓(xùn)練C、機(jī)器學(xué)習(xí)算法通過試錯(cuò)方法進(jìn)行訓(xùn)練A、一種特殊的機(jī)器學(xué)習(xí)算法B、一種特殊的數(shù)據(jù)挖掘技術(shù)C、一種特殊的數(shù)據(jù)可視化方法D、一種特殊的數(shù)據(jù)清洗技術(shù)A、將數(shù)據(jù)轉(zhuǎn)換成特定的格式B、刪除無用的數(shù)據(jù)C、檢查和修復(fù)數(shù)據(jù)錯(cuò)誤D、所有以上答案A、從大量特征中選擇最相關(guān)的特征B、從大量數(shù)據(jù)中選擇最相關(guān)的數(shù)據(jù)C、從大量模型中選擇最相關(guān)的模型D、從大量算法中選擇最相關(guān)的算法A、將數(shù)據(jù)分成不同的類別的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式D、數(shù)據(jù)分析的工具A、一種用于將數(shù)據(jù)分成不同類別的算法B、一種用于將數(shù)據(jù)轉(zhuǎn)換成特定格式的算法C、一種用于存儲數(shù)據(jù)的算法D、一種用于數(shù)據(jù)分析的算法A、一種用于預(yù)測數(shù)值的分析方法B、一種用于將數(shù)據(jù)轉(zhuǎn)換成特定格式的分析方法C、一種用于存儲數(shù)據(jù)的分析方法D、一種用于數(shù)據(jù)分析的分析方法A、從大量數(shù)據(jù)中發(fā)現(xiàn)關(guān)聯(lián)關(guān)系的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式D、數(shù)據(jù)分析的工具A、從大量數(shù)據(jù)中找出異常值的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式A、一種用于分析時(shí)間相關(guān)數(shù)據(jù)的方法B、一種用于將數(shù)據(jù)轉(zhuǎn)換成特定格式的方法C、一種用于存儲時(shí)間相關(guān)數(shù)據(jù)的方法D、一種用于數(shù)據(jù)分析的方法A、根據(jù)用戶的興趣和偏好推薦內(nèi)容的系統(tǒng)B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的系統(tǒng)C、存儲數(shù)據(jù)的地方的系統(tǒng)D、數(shù)據(jù)分析的工具的系統(tǒng)A、計(jì)算機(jī)理解和處理人類語言的技術(shù)B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的技術(shù)C、存儲數(shù)據(jù)的地方的技術(shù)D、數(shù)據(jù)分析的工具的技術(shù)A、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的過程B、將數(shù)據(jù)存儲到數(shù)據(jù)庫中的過程C、將數(shù)據(jù)分析并提取有用信息的過程A、通過數(shù)據(jù)分析和解釋來解決現(xiàn)實(shí)問題的學(xué)科B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的學(xué)科C、存儲數(shù)據(jù)的地方的學(xué)科D、數(shù)據(jù)分析的工具的學(xué)科A、數(shù)據(jù)量超過常規(guī)處理軟件能力的數(shù)據(jù)集合B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的數(shù)據(jù)集合C、存儲數(shù)據(jù)的地方的數(shù)據(jù)集合D、數(shù)據(jù)分析的工具的數(shù)據(jù)集合A、通過網(wǎng)絡(luò)提供計(jì)算和存儲資源的方式B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的方式C、存儲數(shù)據(jù)的地方的方式D、數(shù)據(jù)分析的工具的方式A、保護(hù)個(gè)人數(shù)據(jù)不被非法獲取和濫用的措施B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的措施C、存儲數(shù)據(jù)的地方的措施D、數(shù)據(jù)分析的工具的措施A、保護(hù)數(shù)據(jù)不被非法獲取、篡改和破壞的措施B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的措施C、存儲數(shù)據(jù)的地方的措施D、數(shù)據(jù)分析的工具的措施A、管理、保護(hù)和優(yōu)化數(shù)據(jù)的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的過程C、存儲數(shù)據(jù)的地方的過程D、數(shù)據(jù)分析的工具的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的過程C、存儲數(shù)據(jù)的地方的過程D、數(shù)據(jù)分析的工具的過程A、通過分析數(shù)據(jù)來提取有用信息的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的過程C、存儲數(shù)據(jù)的地方的過程D、數(shù)據(jù)分析的工具的過程A、通過圖表和圖形展示數(shù)據(jù)的過程B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的過程C、存儲數(shù)據(jù)的地方的過程D、數(shù)據(jù)分析的工具的過程574、以下哪個(gè)不是AI的主要研究領(lǐng)域?A、機(jī)器學(xué)習(xí)B、計(jì)算機(jī)視覺C、數(shù)據(jù)挖掘D、量子計(jì)算575、機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)AI的方法，它偏重于：A、利用規(guī)則和邏輯推理B、使用大量數(shù)據(jù)和統(tǒng)計(jì)模型C、模仿人類思維和行為D、利用專家知識和經(jīng)驗(yàn)576、下列哪個(gè)是深度學(xué)習(xí)中常用的激活函數(shù)?C、正弦函數(shù)577、以下哪個(gè)算法是用于解決分類問題的?A、K-means算法578、人工智能的發(fā)展歷程中，哪個(gè)階段最早出現(xiàn)?D、遺傳算法581、以下哪個(gè)不是AI的應(yīng)用領(lǐng)域?582、以下哪個(gè)算法是用于增強(qiáng)學(xué)習(xí)的?583、對于監(jiān)督學(xué)習(xí)任務(wù)，以下哪個(gè)是正確的?A、訓(xùn)練數(shù)據(jù)集中不包含標(biāo)簽信息B、模型可以自動(dòng)學(xué)習(xí)規(guī)則和邏輯D、模型只能進(jìn)行預(yù)測，不能進(jìn)行決策584、以下哪個(gè)不是無監(jiān)督學(xué)習(xí)的應(yīng)用?585、以下哪個(gè)不是AI倫理問題?D、偏見和歧視586、以下哪個(gè)是AI系統(tǒng)的局限性?A、可以處理任何任務(wù)B、沒有容量限制C、對數(shù)據(jù)的依賴性較強(qiáng)D、不需要人類監(jiān)督587、以下哪個(gè)不是AI系統(tǒng)的優(yōu)勢?A、高速運(yùn)算能力B、學(xué)習(xí)和適應(yīng)能力C、無需電力供應(yīng)D、大規(guī)模數(shù)據(jù)處理能力588、以下哪個(gè)不屬于AI系統(tǒng)的核心技術(shù)?C、F1分?jǐn)?shù)B、自然語言處理589、神經(jīng)網(wǎng)絡(luò)中的感知機(jī)是由以下哪個(gè)科學(xué)家提出的?590、以下哪個(gè)不是AI系統(tǒng)的評估指標(biāo)?D、數(shù)據(jù)大小591、以下哪個(gè)不是強(qiáng)化學(xué)習(xí)的關(guān)鍵元素?D、無監(jiān)督學(xué)習(xí)592、以下哪個(gè)不是AI系統(tǒng)的應(yīng)用之一?593、以下哪個(gè)不是AI系統(tǒng)的發(fā)展趨勢?A、機(jī)器學(xué)習(xí)B、計(jì)算機(jī)視覺599、BAT是不是下面哪家企業(yè)的簡稱?600、Python中的注釋沒有哪個(gè)符號()?D、社會(huì)公開信息606、處理噪聲數(shù)據(jù)方法不包括()方法。607、數(shù)據(jù)集成的方法不包括有()608、數(shù)據(jù)規(guī)約的策略包括有()A、維歸約B、數(shù)量歸約609、()是用電腦對文本集按照一定的標(biāo)準(zhǔn)進(jìn)行自動(dòng)分類標(biāo)記。610、人工智能對數(shù)據(jù)集進(jìn)行數(shù)據(jù)標(biāo)注時(shí)，以下符合標(biāo)注規(guī)范的B、標(biāo)注框貼近目標(biāo)C、標(biāo)注類別越多越好D、標(biāo)注命名可隨意命名，不影響后期訓(xùn)練611、以下不是數(shù)據(jù)標(biāo)注員需要具備的素質(zhì)D、有興趣612、關(guān)于python編程語言，下列描述正確的是()A、Python中整型有限制大小B、append函數(shù)用于給列表增加元C、del用于增加變量D、Python中列表無法嵌套613、下面關(guān)于函數(shù)說法錯(cuò)誤的是()D、聯(lián)想存儲功能616、神經(jīng)網(wǎng)絡(luò)不可以按()分類A、學(xué)習(xí)方式分類B、網(wǎng)絡(luò)結(jié)構(gòu)分類C、網(wǎng)絡(luò)的協(xié)議類型分類D、網(wǎng)絡(luò)的活動(dòng)方式分類617、專家系統(tǒng)的主要組成部分不包括A、知識庫B、推理引擎C、用戶接口D、自主學(xué)習(xí)系統(tǒng)618、機(jī)器學(xué)習(xí)相關(guān)算法不包括A、軌跡跟蹤C(jī)、數(shù)據(jù)挖掘619、以下不屬于仿生算法的是()620、關(guān)于卷積神經(jīng)網(wǎng)絡(luò)以下說法不正確的是A、常見池化層有最大池化與平均池化B、卷積核不可以用來提取圖片全局特性C、處理圖片時(shí)，是以掃描窗口的方式對圖像做卷積D、卷積神經(jīng)網(wǎng)絡(luò)可以包含卷積層，池化層和全連接層621、以下是人工智能深度學(xué)習(xí)技術(shù)先尋找的是622、下面對數(shù)據(jù)標(biāo)注描述哪個(gè)是正確的()A、所有的數(shù)據(jù)標(biāo)注都可以使用腳本語言自動(dòng)標(biāo)注B、可以通過算法來實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)標(biāo)注C、OCR手寫轉(zhuǎn)錄完全可以通過識別工具實(shí)現(xiàn)自動(dòng)轉(zhuǎn)錄D、數(shù)據(jù)標(biāo)注是個(gè)重復(fù)性很強(qiáng)的工作626、盲目搜索策略不包括下列那個(gè)A、廣度優(yōu)先搜索C、有界深度優(yōu)先搜索627、人工智能中不是用“如果…則…“關(guān)聯(lián)起來的說法不包括B、規(guī)則C、關(guān)系式628、下面不屬于人工神經(jīng)網(wǎng)絡(luò)的是()A、卷積神經(jīng)網(wǎng)絡(luò)B、循環(huán)神經(jīng)網(wǎng)絡(luò)D、深度信念網(wǎng)絡(luò)629、決策樹中的分類結(jié)果是最末端的節(jié)點(diǎn)的有A、根節(jié)點(diǎn)B、父節(jié)點(diǎn)630、機(jī)器學(xué)習(xí)從不同的角度，有不同的分類方式，以下哪項(xiàng)不屬于按系統(tǒng)學(xué)習(xí)能力分類的類別A、監(jiān)督學(xué)習(xí)B、無監(jiān)督學(xué)習(xí)C、弱監(jiān)督學(xué)習(xí)D、函數(shù)學(xué)習(xí)631、以下不屬于人工智能在計(jì)算機(jī)視覺領(lǐng)域應(yīng)用的是A、車站人臉識別進(jìn)站B、拍照識別植物C、醫(yī)療影像診斷D、實(shí)時(shí)字幕632、人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和優(yōu)越性不包括B、自動(dòng)識別功能C、高速尋找優(yōu)化解的能力D、聯(lián)想存儲功能633、不是專家系統(tǒng)組成部分的是D、特征提取B、多邊形標(biāo)注D、線標(biāo)注A、類的實(shí)例方法必須創(chuàng)建對象后才可以調(diào)用B、類的實(shí)例方法必須創(chuàng)建對象前才可以調(diào)用C、類的類方法可以用對象和類名來調(diào)用D、類的靜態(tài)屬性可以用類名和對象來調(diào)用638、python有關(guān)異常說法正確的是A、程序中拋出異常終止程序B、程序中拋出異常不一定終止程序C、拼寫錯(cuò)誤會(huì)導(dǎo)致程序終止D、縮進(jìn)錯(cuò)誤會(huì)導(dǎo)致程序終止640、以下關(guān)于模塊說法不正確的是B、任何一個(gè)普通的xx.py文件可以作為模塊導(dǎo)入C、模塊文件的擴(kuò)展名不一定是.pyD、運(yùn)行時(shí)會(huì)從指定的目錄搜索導(dǎo)入的模塊，如果沒有，會(huì)報(bào)錯(cuò)異常641、關(guān)于Python內(nèi)存管理，下列說法不正確的是A、變量不必事先聲明B、變量無須先創(chuàng)建和賦值而直接使用C、變量無須指定類型D、可以使用del釋放資源642、知識圖譜構(gòu)建過程中不涉及下列哪些內(nèi)容?643、下面哪項(xiàng)不屬于神經(jīng)網(wǎng)絡(luò)的范疇?646、下列數(shù)據(jù)預(yù)處理任務(wù)，()可以用來平滑數(shù)據(jù)，消除數(shù)據(jù)噪B、數(shù)據(jù)集成647、下列不是用于大數(shù)據(jù)查詢分析計(jì)算的產(chǎn)品是()。648、數(shù)據(jù)倉庫—般都是存在層次架構(gòu)的，比如可以分為ODS、DW、DM層，不同粒度的表，不同作用的表，一般會(huì)分布在不同的層級中，如下相關(guān)信息表存放在ODS層的有()。A、從源系統(tǒng)同步至數(shù)倉的粒度相同的一張登錄日志表B、日期為天粒度的登錄統(tǒng)計(jì)表C、從人的角度統(tǒng)計(jì)的登錄情況表D、日期為月粒度的登錄統(tǒng)計(jì)表649、從數(shù)據(jù)量方面來看，互聯(lián)網(wǎng)系統(tǒng)和機(jī)器系統(tǒng)產(chǎn)生的數(shù)據(jù)量要()企業(yè)系統(tǒng)的數(shù)據(jù)量。650、數(shù)據(jù)規(guī)約的目的是()。A、填補(bǔ)數(shù)據(jù)中的空缺值B、集成多個(gè)數(shù)據(jù)源的數(shù)據(jù)C、得到數(shù)據(jù)集的壓縮表示651、下列陳述不的是()。A、大數(shù)據(jù)將實(shí)現(xiàn)科學(xué)決策B、大數(shù)據(jù)使政府決策更加精準(zhǔn)化C、大數(shù)據(jù)徹底將群體性事件化解在萌芽狀態(tài)D、大數(shù)據(jù)將實(shí)現(xiàn)預(yù)測式?jīng)Q策652、下列哪項(xiàng)不是用于數(shù)據(jù)查詢()。B、基于Hadoop的數(shù)據(jù)倉庫參數(shù)為()。658、下列哪項(xiàng)不是大數(shù)據(jù)發(fā)展的技術(shù)支撐()。A、存儲設(shè)備容量不斷增加B、網(wǎng)絡(luò)帶寬不斷增加C、CUP處理能力大幅提升D、互聯(lián)網(wǎng)數(shù)據(jù)量增加659、數(shù)據(jù)合并(combine)是MapReduceShuffle中一個(gè)重要環(huán)<brclass=""markdown_rA、求平均值B、求最大值660、散點(diǎn)矩陣圖用于哪種類型的數(shù)據(jù)()。661、DataWorks底層分布式集群使用的是()。662、Spark的部署模式中哪種不是集群部署模式()。A、從“流程”核心轉(zhuǎn)變?yōu)椤皵?shù)據(jù)”核心B、由關(guān)注相關(guān)性轉(zhuǎn)變?yōu)橐蚬P(guān)系C、從抽樣轉(zhuǎn)變?yōu)樾枰繑?shù)據(jù)樣本D、從關(guān)注精確性轉(zhuǎn)變?yōu)殛P(guān)注效率666、()將傳統(tǒng)數(shù)據(jù)挖掘的思想和方法應(yīng)用于Web,從Web資源和Web活動(dòng)中爬取感興趣的、潛在的、有用的模式和隱藏信息。C、數(shù)據(jù)采集667、關(guān)于探索性指標(biāo)和報(bào)告性指標(biāo)的描述錯(cuò)誤的是()。A、探索性指標(biāo)是推測性質(zhì)的，去發(fā)現(xiàn)一些未知的東西B、報(bào)告性指標(biāo)是關(guān)于公司日常運(yùn)營、管理相關(guān)的指標(biāo)C、營業(yè)額屬于報(bào)告性指標(biāo)D、銷售量屬于探索性指標(biāo)668、數(shù)據(jù)集成主要解決數(shù)據(jù)的分布性和()問題。669、下列哪項(xiàng)不是Spark比MapReduce計(jì)算快的原因()。A、基于內(nèi)存的計(jì)算B、基于DAG的調(diào)度框架C、基于Lineage的容錯(cuò)機(jī)制D、基于分布式計(jì)算的框架670、關(guān)于HRegionServer功能描述，錯(cuò)誤的是()。A、響應(yīng)用戶I/0C、HLog記錄日志D、實(shí)現(xiàn)Region負(fù)載均衡671、從底層次數(shù)據(jù)抽象出高層次的描述過程叫做()。C、數(shù)據(jù)立方體聚集D、屬性子集選擇672、下列關(guān)于MapReduce任務(wù)描述不的是()。A、不同的Map任務(wù)之間不會(huì)進(jìn)行通信B、不同的Reduce任務(wù)之間不會(huì)發(fā)生任何信息交換C、Map需要考慮數(shù)據(jù)全局性675、“全國疫情新增趨勢”可能是可視化圖形中的哪部分()。676、通過大數(shù)據(jù)分析深入數(shù)據(jù)挖掘，無法實(shí)現(xiàn)()。A、個(gè)性化營銷和服務(wù)B、實(shí)現(xiàn)預(yù)測性營銷677、從數(shù)據(jù)產(chǎn)生速度來看，傳統(tǒng)數(shù)據(jù)采集的數(shù)據(jù)幾乎都是由人操作生成的，()機(jī)器生成數(shù)據(jù)的效率。680、數(shù)據(jù)更重要的是能滿足分析需求。靈活、快速自定義數(shù)據(jù)的多種屬性和不同類型，從而滿足不同的分析目標(biāo)，這指的是數(shù)據(jù)采集的()。681、下列描述的是()。B、關(guān)系型數(shù)據(jù)不支持分區(qū)C、Hive延遲低D、關(guān)系型數(shù)據(jù)庫延遲高682、Hadoop生態(tài)的組件不包括()。683、數(shù)據(jù)采集中的數(shù)據(jù)包括RFID數(shù)據(jù)、()數(shù)據(jù)、社交網(wǎng)絡(luò)交互數(shù)據(jù)及移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)等海量數(shù)據(jù)。B、傳感器684、大數(shù)據(jù)的多樣性使得數(shù)據(jù)被分為三種數(shù)據(jù)結(jié)構(gòu)，那么以下不是三種數(shù)據(jù)結(jié)構(gòu)之一的是C、調(diào)度數(shù)據(jù)690、電信行業(yè)的客戶關(guān)系管理中，客服中心優(yōu)化可以實(shí)現(xiàn)嚴(yán)重問題及時(shí)預(yù)警，請問是用的什么技術(shù)實(shí)現(xiàn)的?A、大數(shù)據(jù)技術(shù)B、互聯(lián)網(wǎng)技術(shù)D、影像技術(shù)691、隨著閉源軟件在數(shù)據(jù)分析領(lǐng)域的地盤不斷縮小，老牌IT廠商正在改變商業(yè)模式，向著什么靠攏?B、開源692、以下不是非結(jié)構(gòu)化數(shù)據(jù)的項(xiàng)是?B、音頻C、數(shù)據(jù)庫二維表數(shù)據(jù)693、以下數(shù)據(jù)單位換算錯(cuò)誤的是?694、下列選項(xiàng)中，不是Flume的特點(diǎn)的是?A、可靠性695、BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)不包括B、隱層D、語音喚醒699、下列選項(xiàng)中，哪項(xiàng)是分布式文件存儲系統(tǒng)?700、下列選項(xiàng)中，描述Flume對數(shù)據(jù)源的支持的是A、只能使用HDFS數(shù)據(jù)源B、可以配置數(shù)據(jù)源C、不能使用文件系統(tǒng)D、不能使用目錄方式701、機(jī)器學(xué)習(xí)研究如何通過計(jì)算的手段，利用經(jīng)驗(yàn)來改善系統(tǒng)自身的性能，請問機(jī)器學(xué)習(xí)利用數(shù)據(jù)訓(xùn)練出什么?702、下列選項(xiàng)中，不是人工智能的算法中的學(xué)習(xí)方法的是A、重復(fù)學(xué)習(xí)B、深度學(xué)習(xí)C、遷移學(xué)習(xí)703、語音識別產(chǎn)品體系有四部分，下列哪項(xiàng)不是體系之一?D、語義理解704、今年，大數(shù)據(jù)分析將出現(xiàn)革命性的新方法，從前的很多算法和基礎(chǔ)理論可能會(huì)產(chǎn)生理論級別的突破。而哪項(xiàng)技術(shù)將繼續(xù)成為大數(shù)據(jù)智能分析的核心技術(shù)705、以下哪個(gè)不屬于大數(shù)據(jù)在電信行業(yè)的數(shù)據(jù)商業(yè)化方面的應(yīng)用D、大數(shù)據(jù)檢測和決策706、RDD是由多個(gè)什么組成?707、下列選項(xiàng)中，不是大數(shù)據(jù)的一部分的是?B、大量數(shù)據(jù)管理708、屬于“人造智能”,具有意識，達(dá)到或超越人類智慧水平的人工看能稱為()A、高人工智能B、低人工智能709、mapreduce計(jì)算模型適用于哪種任務(wù)?B、有關(guān)聯(lián)的行處理D、實(shí)時(shí)數(shù)據(jù)變化處理710、當(dāng)前世界產(chǎn)生的數(shù)據(jù)總量的單位是?711、IBM提出的大數(shù)據(jù)5V特征包括更大(Volume)、更快B、更充分712、Spark.是基于什么的迭代計(jì)算框架?它適用于需要多次操作特定數(shù)據(jù)集的應(yīng)用場合。需要反復(fù)操作的次數(shù)越多，所需讀取的數(shù)據(jù)量越大，受益越大，數(shù)據(jù)量小但是計(jì)算密集度較大的場合，受益就相對較小C、磁帶713、下列選項(xiàng)中，不是kafka適合的應(yīng)用場景是?A、日志收集B、消息系統(tǒng)C、業(yè)務(wù)系統(tǒng)D、流式處理714、數(shù)據(jù)采集的基本步驟(ETL)中不包括哪項(xiàng)?B、加載715、以下哪種學(xué)習(xí)方法不屬于人工智能算法?A、遷移學(xué)習(xí)B、對抗學(xué)習(xí)C、強(qiáng)化學(xué)習(xí)D、自由學(xué)習(xí)716、語音識別常用的應(yīng)用有四個(gè)，下列不是常用應(yīng)用的是?717、下列選項(xiàng)中，哪項(xiàng)是由谷歌開發(fā)的人工能算法框架?發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)()、高增長率和多樣化的信息資產(chǎn)。719、MPP是指A、大規(guī)模并行處理系統(tǒng)B、受限的分布式計(jì)算模型C、集群計(jì)算資源管理框架D、分布式計(jì)算編程框架720、Hadoop是()年誕生的?721、在Spark的軟件棧中，用于流計(jì)算的是?722、以下數(shù)據(jù)量可以稱為大數(shù)據(jù)的是723、人工智能通過輸入的圖片，解析出圖片的內(nèi)容，這種技術(shù)叫什么?B、語音識別<brclass=""markdown_return"">人工智能計(jì)算機(jī)。D、深度學(xué)習(xí)機(jī)器人725、下列選項(xiàng)中，不是人工智能的基礎(chǔ)設(shè)施的是?726、以下哪個(gè)不屬于大數(shù)據(jù)在電信行業(yè)的應(yīng)用?727、客服中心是運(yùn)營商和客戶接觸較為頻繁的通道，我們可以利用()在后端給客服中心建立龐大的知識庫，供接線員們使用幫忙他們快速精準(zhǔn)的找到答案。A、大數(shù)據(jù)技術(shù)728、IBM提出的大數(shù)據(jù)5V特征包括()、