人工智能应用技术测试题含参考答案.docxVIP

人工智能应用技术测试题含参考答案

一、单选题（共28题，每题1分，共28分）

1.优秀的编程规范应该是

A、模块的内聚程度要尽量高,且各模块间的耦合程度要尽量弱

B、模块的内聚程度要尽量低,且各模块间的耦合程度要尽量强

C、模块的内聚程度要尽量高,且各模块间的耦合程度要尽量强

D、自模块的内聚程度要尽量低,且各模块间的耦合程度要尽量弱

正确答案：A

2.给定一个长度为n的不完整单词序列，我们希望预测下一个字母是什么。比如输入是“predictio”(9个字母组成)，希望预测第十个字母是什么。下面哪种神经网络结构适用于解决这个工作？

A、循环神经网络

B、全连接神经网络

C、卷积神经网络

D、受限波尔兹曼机

正确答案：A

3.感知器在空间中可以展现为?

A、超平面

B、线

C、点

D、平面

正确答案：A

4.图像数字化需要经过的步骤包括

A、采样

B、裁剪

C、旋转

D、量化

正确答案：D

5.构建一个神经网络，将前一层的输出和它自身作为输入。下列哪一种架构有反馈连接？

A、循环神经网络

B、卷积神经网络

C、都不是

D、限制玻尔兹曼机

正确答案：A

6.下列选项中不属于华为全栈解决方案范畴的是?

A、芯片使能

B、应用使能

C、边缘计算

D、开源框架

正确答案：C

7.一切皆可试，大数据分析的效果好坏，可以通过模拟仿真或者实际运行来验证，这体现了大数据思维维度中的（）

A、定量思维

B、实验思维

C、因果思维

D、相关思维

正确答案：B

8.下面哪种不属于数据预处理的方法？

A、聚集

B、估计遗漏值

C、离散化38

D、变量代换

正确答案：B

9.以下关于人工智能、机器学习和神经网络三者间关系的描述，哪一项是正确的？

A、机器学习和神经网络是人工智能里面并列的两类技术

B、人工智能是神经网络的一个分支4

C、神经网络属于机器学习中的一种技术

D、人工智能是机器学习的一个分支

正确答案：C

10.机械学习是最简单的机器学习方法，机械学习就是

A、记忆

B、计算和推理

C、规划

D、以上都不对48

正确答案：A

11.以下哪个关于监督式学习的说法是正确的?

A、决策树是一种监督式学习15

B、监督式学习不可以使用交叉验证进行训练

C、监督式学习不需要标签就可以训练

D、监督式学习是一种基于规则的算法

正确答案：A

12.对于线性可分的数据，支持向量机的解决方式是

A、软间隔

B、硬间隔

C、核函数

D、以上选项均不正确

正确答案：B

13.所谓几率，是指发生概率和不发生概率的比值。所以，抛掷一枚正常硬币，正面朝上的几率（odds）为多少？

A、1

B、0.5

C、都不是

正确答案：A

14.在华为云EI中，以下哪项可以将AI技术融入各行各业的应用场景中，发挥AI技术的优势，从而提高效率，提升体验。

A、EI智能体

B、OBS对象存储服务

C、云数据库

D、EI大数据服务

正确答案：A

15.在语音识别中当某个人名效果很差时，通常会用到热词技术激励热词的得分，那么热词技术主要激励了语音识别中哪一模块的分数？

A、提特征模块（声音波形转换成计算机可以计算的数字序列）

B、声学模型（发音特征的规律统计模型）

C、语言模型（含有上下文语义信息的文本空间构建）

D、语音端点检测（判断录音片段中什么时间点开始有声音）

正确答案：A

16.考虑某个具体问题时，你可能只有少量数据来解决这个问题。不过幸运的是你有一个类似问题已经预先训练好的神经网络。可以用下面哪种方法来利用这个预先训练好的网络？

A、把除了最后一层外所有的层都冻结，重新训练最后一层

B、对新数据重新训练整个模型

C、只对最后几层进行调参(finetune)

D、对每一层模型进行评估，选择其中的少数来用

正确答案：C

17.大数据的最显著特征是（）

A、数据价值密度高

B、数据规模大

C、数据类型多样

D、数据处理速度快

正确答案：B

18.下列哪些包是图像处理时常用的？

A、gensim

B、numpy

C、matplotlib

D、opencv

正确答案：C

19.逻辑域构建了协议、（）、数据等组成的信息活动域。

A、附件

B、软件

C、网络

D、硬件

正确答案：B

20.以下对经典K-means聚类算法解释正确的是（）

A、能自动识别类的个数,不是随机挑选初始点为中心点计算

B、能自动识别类的个数,随机挑选初始点为中心点计算

C、不能自动识别类的个数,随机挑选初始点为中心点计算

D、不能自动识别类的个数,不是随机挑选初始点为中心点计算

正确答案：C

21.假定你正在处理类属特征，并且没有查看分类变量在测试集中的分布。现在你想将onehotencoding（OHE）应用到类属特征中。那么在训练集中将OHE应用到分类变量可能要面临的困难是什么？

A、分类变量所有的类别没