第二屆“強國杯”技術(shù)技能大賽（“互聯(lián)網(wǎng)+”人工智能賽項）考試題及答案

第二屆“強國杯”技術(shù)技能大賽(“互聯(lián)網(wǎng)+”人工智能賽項)考試題及答案D、提高數(shù)據(jù)加密技術(shù)A、正確預(yù)測的樣本數(shù)/總樣本數(shù)D、精確率和召回率的加權(quán)調(diào)和平均3.主成分分析中主成分的個數(shù)通常()原始數(shù)據(jù)的維度。C、不小于A、4G技術(shù)B、5G技術(shù)C、3D打印技術(shù)D、太陽能技術(shù)A、人工智能算法D、機械結(jié)構(gòu)數(shù)據(jù)，通?？捎?)算法將非結(jié)構(gòu)化的客戶提問和問題庫問題用7.智能客服機器人知識庫的組成通常不包括()。A、專屬知識庫C、通用知識庫D、圖像知識庫D、詞頻統(tǒng)計B、知識庫C、AI模型10.智能客服機器人的語義理解部分，其技術(shù)要點除了過濾和糾B、AI模型訓(xùn)練D、知識點匹配11.智能客服機器人的通用知識庫中通常不包含()。D、抽象語義庫12.智能客服機器人的通用知識庫一般由()提供。B、行業(yè)協(xié)會D、人工智能訓(xùn)練師語義理解、()和機器人深度學(xué)習。B、知識庫選擇C、知識點匹配D、問答匹配()、問答匹配和機器人深度學(xué)習。B、AI模型訓(xùn)練15.智能客服機器人的工作原理主要包括四個部分：()、語義理A、知識庫構(gòu)建B、知識庫選擇C、知識點匹配D、問答匹配B、物理設(shè)計、邏輯設(shè)計、硬件設(shè)計C、結(jié)構(gòu)設(shè)計、硬件設(shè)計、軟件設(shè)計A、所有數(shù)據(jù)點18.支持向量機是一種常用的()學(xué)習算法。19.針對Tensorflow中Keras序列模型model,model的()方法用A、全部樣本中訓(xùn)練樣本的比例為20%B、全部樣本中測試樣本的比例為20%C、訓(xùn)練樣本用于驗證數(shù)據(jù)集的比例為20%D、測試樣本用于驗證數(shù)據(jù)集的比例為20%()可指定訓(xùn)練樣本用于驗證數(shù)據(jù)集的比例。22.針對Tensorflow中Keras序列模型model,pile函數(shù)中用于指定損失函數(shù)的參數(shù)為()。數(shù)，前兩個參數(shù)一般是()。24.針對Tensorflow(tf對象)中Keras序列模型model,關(guān)A、語句用于添加一個dropout層B、該語句會以0.25的概率隨機關(guān)閉上一層的一小部分神經(jīng)元的神經(jīng)元變得過于強大卷積層的構(gòu)造函數(shù)通常為()。A、概率門D、反向傳播門29.長短期記憶網(wǎng)絡(luò)的英文縮寫是()。30.長短期記憶網(wǎng)絡(luò)LSTM擅長的領(lǐng)域不包括()。D、機器翻譯A、用于實際工作場景D、擴展視覺、聽覺等多個感知能力交互的()方式。D、腦機接口B、噪聲B、噪聲B、語音的清晰度、無噪音等D、語音的語種、方言、發(fā)音特點等B、數(shù)據(jù)分析的方法及工具D、業(yè)務(wù)數(shù)據(jù)的總量及類型A、隱藏層B、輸入層D、激活函數(shù)C、日期時間型數(shù)據(jù)41.在文本類數(shù)據(jù)清洗中，數(shù)據(jù)清洗中的非空檢查主要是檢查什C、數(shù)據(jù)的準確性D、數(shù)據(jù)的格式42.在文本類數(shù)據(jù)清洗中，對于文本非空檢查的描述正確的是哪A、所有數(shù)據(jù)字段都需要進行非空檢查間內(nèi)，屬于()。A、數(shù)據(jù)歸一化B、數(shù)據(jù)標準化D、數(shù)據(jù)初始化A、提高數(shù)據(jù)的安全性0,標準差為1的分布?D、PCA降維A、介紹標注工具和標注技巧C、提供標注培訓(xùn)47.在視頻業(yè)務(wù)數(shù)據(jù)中，下列哪種指標用于衡量視頻的播放流暢A、合并到同一個語音段中D、數(shù)據(jù)指標分析D、降低質(zhì)量B、將原始數(shù)據(jù)轉(zhuǎn)換為可供模型使用的特征表示C、分析數(shù)據(jù)的分布和相關(guān)性D、計算數(shù)據(jù)的統(tǒng)計指標和摘要信息D、所有選項都正確A、畫面清晰度B、色彩準確性C、視頻幀率D、壓縮比特率68.在EasyDL中創(chuàng)建數(shù)據(jù)集可以使用以下哪種方式?A、本地導(dǎo)入B、導(dǎo)入公開數(shù)據(jù)集C、智能標注70.遠程智能診療是指通過什么方式對患者進行疾病診斷及治療B、患者的電子病歷C、患者的面診71.語音識別模塊涉及的語言模型一般包括()和RNN。D、語音的語種、方言、發(fā)音特點等C、智能電視和智能手環(huán)D、人類基因編輯和太空探索79.用于語義分析問題的文本類業(yè)務(wù)數(shù)據(jù)需要進行怎樣的預(yù)處A、需要進行標注分詞、句法判別等操作。B、需要進行數(shù)據(jù)存儲操作。C、需要進行文本統(tǒng)計分析操作。D、不需要進行預(yù)處理。80.用戶想設(shè)計一個能及時回復(fù)學(xué)生校園招聘會信息的智能客服B、建立專屬知識庫C、建立領(lǐng)域知識庫D、建立通用知識庫A、將波形分解為音頻信號B、將音頻信號離散成數(shù)字信號C、對音頻質(zhì)量進行評級D、對聲音波形進行抽樣82.以下哪種異常情況可能導(dǎo)致一段語音被判定為無效語音?A、語音中含有短暫的靜音B、說話人的聲音清晰可辨D、腦電圖A、案例分析法C、角色扮演法A、完全相同的兩條數(shù)據(jù)B、同一事物的不同表達方式B、平行語料標注C、修飾關(guān)系標注D、語音識別C、依賴于傳統(tǒng)機器學(xué)習算法D、只能處理結(jié)構(gòu)化數(shù)據(jù)90.以下哪個是scikit-learn中的TruncatedSVD的常見參數(shù)?91.以下哪個深度學(xué)習平臺是專門用于移動設(shè)備和嵌入式系統(tǒng)92.以下哪個深度學(xué)習框架被設(shè)計用于構(gòu)建和訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)D、帕累托圖A、應(yīng)用場景D、數(shù)據(jù)標注規(guī)則需要符合項目需求98.以下措施中不能對已有卷積神經(jīng)網(wǎng)絡(luò)模型起到局部優(yōu)化作用B、增加池化層或Dropout層99.以下場合中不一定需要進行模型優(yōu)化的是()。A、模型的評價指標不符合設(shè)計要求差D、模型在訓(xùn)練集和測試集上表現(xiàn)都不好100.以下不支持AI在線開發(fā)功能的平臺是()。A、蘋果手機“OpenAIChatGPT”應(yīng)用B、百度飛漿EasyDLC、華為云完善知識庫。B、無監(jiān)督學(xué)習D、強化學(xué)習D、新業(yè)務(wù)流程圖D、經(jīng)驗審核105.業(yè)務(wù)數(shù)據(jù)審核內(nèi)容中，哪一項審核數(shù)據(jù)的數(shù)量是否符合預(yù)D、經(jīng)驗審核D、技術(shù)支持和自動化D、簡化流程D、技術(shù)評估C、優(yōu)化業(yè)務(wù)流程D、制定戰(zhàn)略目標A、可利用多種感官D、可訓(xùn)練體能儀容和言談舉止B、準備好所有用具并擱置整齊C、對每個受訓(xùn)者的試做給予立即的反饋D、向所有受訓(xùn)人員公布議程表114.訓(xùn)練好的深度學(xué)習模型需要進行()。A、評估驗證C、模型加載D、系統(tǒng)調(diào)用115.循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)在處理序列數(shù)據(jù)時最適合解決哪種問題?A、圖像分類B、文本生成C、物體檢測D、強化學(xué)習116.選擇正確的培訓(xùn)方法不需要考慮以下哪個因素?A、目標受眾B、培訓(xùn)時間C、培訓(xùn)效果D、戰(zhàn)略目標117.虛擬現(xiàn)實是一種模擬的體驗技術(shù)，下列哪個選項描述了虛擬現(xiàn)實的主要特點?B、Photoshop軟件B、語音中含有噪聲A、智能客服D、智能空調(diào)121.文本類業(yè)務(wù)數(shù)據(jù)主要審核哪些方面的數(shù)量?A、商品數(shù)量C、業(yè)務(wù)數(shù)據(jù)數(shù)量D、軟件質(zhì)量D、文本類業(yè)務(wù)數(shù)據(jù)難以采集。123.文本類業(yè)務(wù)數(shù)據(jù)通常需要進行何種預(yù)處理?C、人工標注D、統(tǒng)計分析124.文本類業(yè)務(wù)數(shù)據(jù)采集與分析的重要目的是什么?A、用于判斷文本數(shù)據(jù)的收益情況。B、用于計算產(chǎn)品銷售情況C、用于提供營銷方案和改進產(chǎn)品。法間C、有助于保證數(shù)據(jù)質(zhì)量和標注質(zhì)量C、數(shù)據(jù)過濾D、簡化數(shù)據(jù)處理過程138.屬于主流的語音識別框架的是()。139.屬于常見語言模型的有()。B、在經(jīng)過編碼后D、在與其他數(shù)據(jù)合成后B、是否符合市場需求B、內(nèi)部審核和外部審核C、質(zhì)量審核和內(nèi)容審核D、主觀審核和客觀審核A、深度相機C、激光雷達拍攝D、在很近距離拍攝來控制iPhone及其App,這種交互方式稱為()。D、腦機接口149.使用AI翻譯軟件翻譯英文文章，屬于人與智能的()交互方D、觸屏A、用戶自行決定B、客戶投票決定D、計算得出A、人工、軟件、平臺C、軟件、平臺、機器學(xué)習152.神經(jīng)網(wǎng)絡(luò)中常用的激活函數(shù)一般不包括()。B、Tanh函數(shù)A、將數(shù)據(jù)轉(zhuǎn)化為一定的分布形式D、將數(shù)據(jù)轉(zhuǎn)化為一定的分布形式D、對程序代碼的審核B、圖像處理技術(shù)C、圖像相似度評價指標158.設(shè)有以下代碼：ImporttensorflowastfModel=tf.keras.Sequential()Model.add(tf.keras.layers.Conv2D(32,kernel_size=(3n='relu',input_shape=(28,28,1)))則添加的卷積層中輸入層的神經(jīng)元個數(shù)為_()。32C、無法確定159.設(shè)有以下代碼：ImporttensorflowastfModel=tf.keras.Sequential()Model.add(tf.keras.layers.Conv2D(16,kernel_size=(2n='relu',input_shape=(28,28,1)))則添加的卷積層中隱藏層的神經(jīng)元個數(shù)為()。D、無法確定160.設(shè)有以下代碼：ImporttensorflowastfModel=tf.keras.Sequential()Model.add(tf.keras.layers.Conv2D(16,kernel_size=(2n='relu',input_shape=(28,28,1)))則添加的卷積層中輸入層的神經(jīng)元個數(shù)為()。16C、無法確定A、有效語音B、無效語音D、良好的審美眼光際使用過程中進行()、()、()、()及其他輔助作業(yè)的人A、數(shù)據(jù)集管理C、人機交互設(shè)計D、性能測試跟蹤B、優(yōu)化生產(chǎn)流程C、開發(fā)新的人工智能產(chǎn)品和應(yīng)用D、提升員工福利待遇168.人工智能訓(xùn)練師包含數(shù)據(jù)標注員和()兩類人員。A、人工智能算法測試員B、軟件開發(fā)人員C、需求分析人員D、系統(tǒng)測試人員169.人工智能訓(xùn)練師包含()和人工智能算法測試員兩類人員。B、需求分析人員C、數(shù)據(jù)標注員D、系統(tǒng)測試人員指標、()、模型測試和模型驗證B、模型訓(xùn)練B、算法的正確性D、介紹算法的背景和發(fā)展歷程智能知識、具備熟練的技術(shù)操作能力之外，還需要有具備()。B、行業(yè)領(lǐng)域知識D、人事管理能力正類的比例稱為()。A、準確率176.人工智能分類算法測試常見的評價指標不包括()。A、運行時間C、建筑設(shè)計原理178.人工與智能的視覺交互方式不包括()。A、情感識別C、表情識別D、姿態(tài)識別D、識別A、隱藏層D、所有選項都正確183.區(qū)域標注比矩形框標注更加準確，標注邊緣可以是什么形D、所有選項都正確D、系統(tǒng)的數(shù)據(jù)處理能力A、內(nèi)容完美、操作易懂、語言多樣C、結(jié)構(gòu)緊湊、內(nèi)容詳盡、邏輯清晰D、創(chuàng)意突出、內(nèi)容豐富、形式多變186.培訓(xùn)講義應(yīng)該詳略得當，對于員工難以理解的功能應(yīng)該如A、培訓(xùn)目標B、分析受眾C、編寫核心內(nèi)容A、主題C、媒體材料D、內(nèi)容審核190.哪個領(lǐng)域PSNR是目前應(yīng)用較廣的領(lǐng)域?C、安防領(lǐng)域D、視頻/圖像處理領(lǐng)域191.目前中文票據(jù)OCR識別中的文本檢測算法常用的是()和E192.目前國標碼中收錄的一級字庫最常用漢字的數(shù)量為()。A、八百多個C、三千多個D、六千多個A、目標物體的大小B、目標物體的位置和類別D、目標物體的運動軌跡C、不越界原則B、二元標簽D、量子比特A、只能處理數(shù)值數(shù)據(jù)C、具有自主學(xué)習和適應(yīng)能力D、無法處理自然語言198.決策樹由()、()、()元素構(gòu)成A、根節(jié)點B、超節(jié)點C、內(nèi)部節(jié)點D、葉節(jié)點199.決策樹的葉節(jié)點包含()。201.卷積神經(jīng)網(wǎng)絡(luò)包含()、池化層和全連接層。B、輸入層D、中間層A、靜音處理B、預(yù)處理算法D、無需處理C、用一個或多個標簽標注目標的屬性D、所有選項都正確A、學(xué)習效果易受培訓(xùn)師講授的水平影響B(tài)、講授內(nèi)容具有強制性205.假設(shè)已正確加載paddlepaddle中文票據(jù)OCR識別預(yù)訓(xùn)練模型ocr,則用于實施OCR識別的方法是()。206.假設(shè)已創(chuàng)建了Keras的序列模型并添加了相應(yīng)的層次，可以使用模型的()方法對模型進行訓(xùn)練。B、fit207.激活函數(shù)()可將實數(shù)范圍的自變量值映射到0~1之間的輸208.基于深度學(xué)習的算法模型通常將OCR識別分為()兩個階段。A、圖像載入、圖像分析D、文本掃描、文本分割值的量級統(tǒng)一，聚類前需進行的操作是()。B、標準化C、正則化A、任何視覺上與真實情況不同的變形或失真B、圖像的亮度、飽和度C、圖像的模糊程度D、視覺檢測的錯誤率A、圖像分類C、物體檢測B、平行語料標注A、自動駕駛下的車輛、行人等B、人體面部輪廓、五官定位、身體部位、情緒識別、運動追蹤等D、所有選項都正確B、圖像分割C、物體檢測D、目標追蹤A、輸入層B、隱藏層D、視覺類數(shù)據(jù)標注的質(zhì)量的好壞與標注時間無關(guān)C、只需要標注清晰的目標即可D、根據(jù)具體情況決定是否標注A、控制實體數(shù)量B、實體名稱不能和關(guān)系類型、屬性名稱重復(fù)C、關(guān)系類型名稱不能和實體名稱相同D、關(guān)系類型名稱應(yīng)該包含語義A、只需要標注圖像中完整的目標即可B、不需要標注被遮擋的目標C、應(yīng)該標注被遮擋的目標，矩形框只需要包含看得見的部分D、應(yīng)該標注被遮擋的目標，矩形框應(yīng)該包含整個目標A、分詞、情感分析、詞性標注等B、數(shù)值計算、單位轉(zhuǎn)換、加密解密等C、時間計算、日期格式轉(zhuǎn)換等D、邏輯運算、條件判斷等224.點云數(shù)據(jù)中每一個點包含什么信息?A、二維坐標和角度信息B、天空的云朵分布D、特征提取C、確定點云的幾何和紋理等特征點D、將不同視角下的坐標系變換到統(tǒng)一視角下理技術(shù)和算法模型理解用戶表達的含義，然后在()中找出與該A、知識庫D、關(guān)系數(shù)據(jù)庫C、冗余消除法D、功能整合法造成雖然訓(xùn)練誤差相對較低但測試誤差高的現(xiàn)象，這種稱為()B、欠擬合C、過擬合D、不飽和擬合D、可以直接用于學(xué)習和研究C、咨詢法236.常見的深度學(xué)習網(wǎng)絡(luò)模型不包括()。C、排出的廢氣廢水D、活動的輸出物B、標注框大小和位置的不合適會導(dǎo)致目標檢測任務(wù)的漏檢和誤檢C、標注框大小和位置的不合適會導(dǎo)致目標檢測任務(wù)的準確率和D、標注框大小和位置的合適與否對目標檢測任務(wù)的效果具有重D、通過播放用戶反饋數(shù)據(jù)A、C語言宏語言241.Transformer模型是一種采用()機制的深度學(xué)習模型。B、自注意力C、門控循環(huán)D、雙向循環(huán)242.Transformer模型是2017年由()提出的模型。243.Tensorflow中Keras序列模型的fit方法，其功能是()。A、函數(shù)擬合B、模型訓(xùn)練D、模型評估246.scikit-learn中的make類數(shù)據(jù)集是指：D、讀取文件中的數(shù)據(jù)集247.scikit-learn中的cross_val_score方法的作用是：252.PSNR是評價什么的數(shù)值評估指標?A、圖像大小B、圖像分辨率C、圖像質(zhì)量D、圖像顏色B、無監(jiān)督學(xué)習256.LSTM(長短期記憶網(wǎng)絡(luò))相對于普通循環(huán)神經(jīng)網(wǎng)絡(luò)的主要改A、更少的計算資源消耗D、更好地處理長期依賴關(guān)系C、3D建模軟件258.KNN算法的關(guān)鍵在訓(xùn)練集中找到最接近一個目標數(shù)據(jù)點的()個最近鄰居A、-1到1之間B、0到1之間C、0到100之間D、1到10之間D、精確率和召回率的加權(quán)調(diào)和平均261.Excel數(shù)據(jù)處理支持以下哪種格式的數(shù)據(jù)?C、日期時間3.中文票據(jù)OCR識別相比英文識別，增加的困難包括()。C、語音增強5.智能系統(tǒng)改造法是通過對現(xiàn)有業(yè)務(wù)流程進行以下哪些活動來A、冗余消除C、功能拆分D、全新設(shè)計A、智能汽車軟件研發(fā)B、智能硬件的設(shè)計和制造D、汽車售后服務(wù)A、工業(yè)機器人C、智能家居D、人工智能開發(fā)A、自然語言理解B、語義分析D、模型優(yōu)化9.智能客服機器人的工作原理主要包括()。A、知識庫構(gòu)建D、制定輸入輸出關(guān)系A(chǔ)、數(shù)據(jù)的有效應(yīng)用C、數(shù)據(jù)量大的圖像D、改善訓(xùn)練模型質(zhì)量A、以說話人的整句話為單位進行切割B、E選取含有突發(fā)噪音的語音段進行切割C、盡可能保留0.2至0.3秒的靜音段D、將每個語音段的時間邊界設(shè)置在語音波形圖的最低點D、數(shù)據(jù)采集人員D、ExtraTreesClassifierD、標點符號C、聲音時長D、節(jié)奏和旋律B、時長D、字幕多少29.以下屬于AI云平臺的是()。A、百度飛漿EasyDL30.以下人機交互方式中屬于視覺交互的是()。B、語音識別C、表情識別D、姿態(tài)識別A、神經(jīng)科學(xué)B、神經(jīng)科學(xué)C、仿生學(xué)A、去除冗余步驟B、簡化流程C、優(yōu)化資源利用D、培訓(xùn)和教育D、跟蹤流程優(yōu)化的效果D、可訓(xùn)練體能儀容和言談舉止A、指紋識別D、血壓測量A、自動駕駛C、機器翻譯A、人為性因素對培訓(xùn)效果有較大的影響C、容易影響態(tài)度、不易影響行為B、整段語音只含有噪聲或靜音B、需求分析人員D、人工智能算法測試員D、特殊格式49.文本識別算法CRNN中采用的神經(jīng)網(wǎng)絡(luò)模型包括()。A、文本統(tǒng)計分析B、輿情分析D、網(wǎng)絡(luò)優(yōu)化A、自然語言處理D、機器學(xué)習D、標簽數(shù)據(jù)量過少A、歸一化D、梯度下降61.人工與智能的交互方式有_()。D、腦機接口A、物體遮擋B、模糊目標D、標注框的大小A、信息流B、物流D、操作內(nèi)容A、目標物體的名稱B、目標物體的位置C、目標物體的類別A、機器人技術(shù)C、金融風險評估D、太空探索A、是否存在聲音重疊現(xiàn)象D、語音數(shù)據(jù)的正確語序則能夠成功構(gòu)建Keras序列模型的語句為()。70.假設(shè)數(shù)組乙由以下代碼產(chǎn)生，則語句()可實現(xiàn)對數(shù)組乙的歸A、人臉識別D、標注好的分詞必須考慮文本的上下文B、停留時間中的模型構(gòu)建模塊提供了以下哪些常見的分類算A、動態(tài)圖計算B、靜態(tài)圖計算A、對圖像進行多邊形標注83.EasyDL中可以使用以下哪些人工智能模型?B、圖像分割D、目標追蹤84.EasyDL平臺上可以選擇哪些算法?85.EasyDL的智能標注支持以下哪些功能?A、根據(jù)所選模型自動標注B、自動篩選出數(shù)據(jù)集中難例圖片D、一鍵標注難例圖片86.AI模型優(yōu)化的步驟一般包括()。D、模型調(diào)整10.智能客服機器人通過自主深度學(xué)習來不斷積累新知識和完善11.智能客服機器人能夠通過以監(jiān)督學(xué)習為代表的深度學(xué)習技術(shù)12.智能客服機器人的通用知識庫通常由該客服機器人的用戶根常用于自然語言處理等領(lǐng)域。20.在人工智能業(yè)務(wù)中，所有的業(yè)務(wù)數(shù)據(jù)都是可直接用于模型訓(xùn)練21.在人工智能訓(xùn)練的模型驗證階段