人工智能訓練師職業(yè)技能競賽題庫及答案（501-749單選題）

人工智能訓練師職業(yè)技能競賽題庫及答案(501-749單選題)501、以下哪項不是聚類算法的評估指標?A、一種無監(jiān)督學習方法B、一種特征選擇技術C、一種分類算法503、以下哪項不是強化學習的一個關鍵概念?A、一種無監(jiān)督學習方法B、一種特征選擇技術C、一種分類算法505、以下哪項不是強化學習算法?A、Q學習B、卷積神經(jīng)網(wǎng)絡A、一種無監(jiān)督學習方法B、一種特征選擇技術C、一種分類算法507、以下哪項不是邏輯回歸的優(yōu)缺點?B、可以處理非線性數(shù)據(jù)C、計算效率高D、對異常值敏感A、一種無監(jiān)督學習方法B、一種特征選擇技術C、一種分類算法509、以下哪項不是卷積神經(jīng)網(wǎng)絡的組成部分?B、池化層D、樸素貝葉斯層A、一種無監(jiān)督學習方法B、一種特征選擇技術C、一種分類算法511、以下哪項不是遞歸神經(jīng)網(wǎng)絡的特點?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(GenerativeAdversarialNetwork)?A、一種無監(jiān)督學習方法B、一種特征選擇技術513、以下哪項不是生成對抗網(wǎng)絡的組成部分?C、編碼器514、深度學習是一種機器學習的子領域，其特點是：A、使用深層神經(jīng)網(wǎng)絡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、訓練神經(jīng)網(wǎng)絡B、測試神經(jīng)網(wǎng)絡C、初始化神經(jīng)網(wǎng)絡權重D、正則化神經(jīng)網(wǎng)絡516、深度學習使用的最常見的激活函數(shù)A、衡量模型的性能A、SGD(隨機梯度下降)B、K-means算法519、在深度學習中，批量歸一化(BatchNormalization)的作A、加速模型訓練B、減少模型復雜度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、深度學習中的遷移學習(TransferLearning)的目的是A、提高模型的訓練速度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、減少模型的復雜度A、加速模型訓練B、減少模型的參數(shù)數(shù)量C、減少模型的復雜度D、改善模型的泛化能力531、深度學習中的圖像分類任務中，常用的數(shù)據(jù)增強方法有：532、在深度學習中，滑動窗口(SlidingWind的?B、目標檢測533、在深度學習中，數(shù)據(jù)集的劃分常A、60%訓練集，20%驗證集，20%測試集A、交叉熵損失函數(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、在深度學習中，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、模型的復雜度D、模型的訓練速度A、減少模型的參數(shù)數(shù)量B、減少模型的復雜度C、改善模型的泛化能力A、將多個模型的預測結(jié)果進行融合B、將多個模型的參數(shù)進行融合C、將多個模型的訓練樣本進行融合D、將多個模型的特征進行融合A、減少模型的參數(shù)數(shù)量B、減少模型的復雜度C、改善模型的泛化能力D、加速模型訓練A、將一個復雜模型的知識傳遞給一個簡單模型B、將一個簡單模型的知識傳遞給一個復雜模型C、將多個模型的知識進行融合D、將多個模型的預測結(jié)果進行融合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和方法來提取、分析和利用數(shù)據(jù)?B、機器學習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、檢查和修復數(shù)據(jù)錯誤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、計算機通過學習數(shù)據(jù)來改善性能的技術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、機器學習算法通過給定的輸入和輸出數(shù)據(jù)進行訓練B、機器學習算法通過觀察和理解數(shù)據(jù)進行訓練C、機器學習算法通過試錯方法進行訓練A、機器學習算法通過給定的輸入和輸出數(shù)據(jù)進行訓練B、機器學習算法通過觀察和理解數(shù)據(jù)進行訓練C、機器學習算法通過試錯方法進行訓練A、機器學習算法通過給定的輸入和輸出數(shù)據(jù)進行訓練B、機器學習算法通過觀察和理解數(shù)據(jù)進行訓練C、機器學習算法通過試錯方法進行訓練A、一種特殊的機器學習算法B、一種特殊的數(shù)據(jù)挖掘技術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、檢查和修復數(shù)據(jù)錯誤D、所有以上答案A、從大量特征中選擇最相關的特征B、從大量數(shù)據(jù)中選擇最相關的數(shù)據(jù)C、從大量模型中選擇最相關的模型D、從大量算法中選擇最相關的算法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)關聯(lián)關系的過程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、一種用于分析時間相關數(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、一種用于存儲時間相關數(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、計算機理解和處理人類語言的技術B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的技術C、存儲數(shù)據(jù)的地方的技術D、數(shù)據(jù)分析的工具的技術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)實問題的學科B、將數(shù)據(jù)轉(zhuǎn)換成特定的格式的學科C、存儲數(shù)據(jù)的地方的學科D、數(shù)據(jù)分析的工具的學科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)絡提供計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、保護個人數(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、以下哪個不是AI的主要研究領域?A、機器學習B、計算機視覺C、數(shù)據(jù)挖掘D、量子計算575、機器學習是一種實現(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)計模型C、模仿人類思維和行為D、利用專家知識和經(jīng)驗576、下列哪個是深度學習中常用的激活函數(shù)?C、正弦函數(shù)577、以下哪個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，哪個階段最早出現(xiàn)?D、遺傳算法581、以下哪個不是AI的應用領域?582、以下哪個算法是用于增強學習的?583、對于監(jiān)督學習任務，以下哪個是正確的?A、訓練數(shù)據(jù)集中不包含標簽信息B、模型可以自動學習規(guī)則和邏輯D、模型只能進行預測，不能進行決策584、以下哪個不是無監(jiān)督學習的應用?585、以下哪個不是AI倫理問題?D、偏見和歧視586、以下哪個是AI系統(tǒng)的局限性?A、可以處理任何任務B、沒有容量限制C、對數(shù)據(jù)的依賴性較強D、不需要人類監(jiān)督587、以下哪個不是AI系統(tǒng)的優(yōu)勢?A、高速運算能力B、學習和適應能力C、無需電力供應D、大規(guī)模數(shù)據(jù)處理能力588、以下哪個不屬于AI系統(tǒng)的核心技術?C、F1分數(shù)B、自然語言處理589、神經(jīng)網(wǎng)絡中的感知機是由以下哪個科學家提出的?590、以下哪個不是AI系統(tǒng)的評估指標?D、數(shù)據(jù)大小591、以下哪個不是強化學習的關鍵元素?D、無監(jiān)督學習592、以下哪個不是AI系統(tǒng)的應用之一?593、以下哪個不是AI系統(tǒng)的發(fā)展趨勢?A、機器學習B、計算機視覺599、BAT是不是下面哪家企業(yè)的簡稱?600、Python中的注釋沒有哪個符號()?D、社會公開信息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準進行自動分類標記。610、人工智能對數(shù)據(jù)集進行數(shù)據(jù)標注時，以下符合標注規(guī)范的B、標注框貼近目標C、標注類別越多越好D、標注命名可隨意命名，不影響后期訓練611、以下不是數(shù)據(jù)標注員需要具備的素質(zhì)D、有興趣612、關于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、下面關于函數(shù)說法錯誤的是()D、聯(lián)想存儲功能616、神經(jīng)網(wǎng)絡不可以按()分類A、學習方式分類B、網(wǎng)絡結(jié)構分類C、網(wǎng)絡的協(xié)議類型分類D、網(wǎng)絡的活動方式分類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、自主學習系統(tǒng)618、機器學習相關算法不包括A、軌跡跟蹤C、數(shù)據(jù)挖掘619、以下不屬于仿生算法的是()620、關于卷積神經(jīng)網(wǎng)絡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，是以掃描窗口的方式對圖像做卷積D、卷積神經(jīng)網(wǎng)絡可以包含卷積層，池化層和全連接層621、以下是人工智能深度學習技術先尋找的是622、下面對數(shù)據(jù)標注描述哪個是正確的()A、所有的數(shù)據(jù)標注都可以使用腳本語言自動標注B、可以通過算法來實現(xiàn)數(shù)據(jù)的自動標注C、OCR手寫轉(zhuǎn)錄完全可以通過識別工具實現(xiàn)自動轉(zhuǎn)錄D、數(shù)據(jù)標注是個重復性很強的工作626、盲目搜索策略不包括下列那個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…“關聯(lián)起來的說法不包括B、規(guī)則C、關系式628、下面不屬于人工神經(jīng)網(wǎng)絡的是()A、卷積神經(jīng)網(wǎng)絡B、循環(huán)神經(jīng)網(wǎng)絡D、深度信念網(wǎng)絡629、決策樹中的分類結(jié)果是最末端的節(jié)點的有A、根節(jié)點B、父節(jié)點630、機器學習從不同的角度，有不同的分類方式，以下哪項不屬于按系統(tǒng)學習能力分類的類別A、監(jiān)督學習B、無監(jiān)督學習C、弱監(jiān)督學習D、函數(shù)學習631、以下不屬于人工智能在計算機視覺領域應用的是A、車站人臉識別進站B、拍照識別植物C、醫(yī)療影像診斷D、實時字幕632、人工神經(jīng)網(wǎng)絡的特點和優(yōu)越性不包括B、自動識別功能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、多邊形標注D、線標注A、類的實例方法必須創(chuàng)建對象后才可以調(diào)用B、類的實例方法必須創(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、拼寫錯誤會導致程序終止D、縮進錯誤會導致程序終止640、以下關于模塊說法不正確的是B、任何一個普通的xx.py文件可以作為模塊導入C、模塊文件的擴展名不一定是.pyD、運行時會從指定的目錄搜索導入的模塊，如果沒有，會報錯異常641、關于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、知識圖譜構建過程中不涉及下列哪些內(nèi)容?643、下面哪項不屬于神經(jīng)網(wǎng)絡的范疇?646、下列數(shù)據(jù)預處理任務，()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)查詢分析計算的產(chǎn)品是()。648、數(shù)據(jù)倉庫—般都是存在層次架構的，比如可以分為ODS、DW、DM層，不同粒度的表，不同作用的表，一般會分布在不同的層級中，如下相關信息表存放在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)計表C、從人的角度統(tǒng)計的登錄情況表D、日期為月粒度的登錄統(tǒng)計表649、從數(shù)據(jù)量方面來看，互聯(lián)網(wǎng)系統(tǒng)和機器系統(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、填補數(shù)據(jù)中的空缺值B、集成多個數(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)將實現(xiàn)科學決策B、大數(shù)據(jù)使政府決策更加精準化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)將實現(xiàn)預測式?jīng)Q策652、下列哪項不是用于數(shù)據(jù)查詢()。B、基于Hadoop的數(shù)據(jù)倉庫參數(shù)為()。658、下列哪項不是大數(shù)據(jù)發(fā)展的技術支撐()。A、存儲設備容量不斷增加B、網(wǎng)絡帶寬不斷增加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中一個重要環(huán)<brclass=""markdown_rA、求平均值B、求最大值660、散點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、由關注相關性轉(zhuǎn)變?yōu)橐蚬P系C、從抽樣轉(zhuǎn)變?yōu)樾枰繑?shù)據(jù)樣本D、從關注精確性轉(zhuǎn)變?yōu)殛P注效率666、()將傳統(tǒng)數(shù)據(jù)挖掘的思想和方法應用于Web,從Web資源和Web活動中爬取感興趣的、潛在的、有用的模式和隱藏信息。C、數(shù)據(jù)采集667、關于探索性指標和報告性指標的描述錯誤的是()。A、探索性指標是推測性質(zhì)的，去發(fā)現(xiàn)一些未知的東西B、報告性指標是關于公司日常運營、管理相關的指標C、營業(yè)額屬于報告性指標D、銷售量屬于探索性指標668、數(shù)據(jù)集成主要解決數(shù)據(jù)的分布性和()問題。669、下列哪項不是Spark比MapReduce計算快的原因()。A、基于內(nèi)存的計算B、基于DAG的調(diào)度框架C、基于Lineage的容錯機制D、基于分布式計算的框架670、關于HRegionServer功能描述，錯誤的是()。A、響應用戶I/0C、HLog記錄日志D、實現(xiàn)Region負載均衡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、下列關于MapReduce任務描述不的是()。A、不同的Map任務之間不會進行通信B、不同的Reduce任務之間不會發(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，無法實現(xiàn)()。A、個性化營銷和服務B、實現(xiàn)預測性營銷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，這指的是數(shù)據(jù)采集的()。681、下列描述的是()。B、關系型數(shù)據(jù)不支持分區(qū)C、Hive延遲低D、關系型數(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)絡交互數(shù)據(jù)及移動互聯(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，那么以下不是三種數(shù)據(jù)結(jié)構之一的是C、調(diào)度數(shù)據(jù)690、電信行業(yè)的客戶關系管理中，客服中心優(yōu)化可以實現(xiàn)嚴重問題及時預警，請問是用的什么技術實現(xiàn)的?A、大數(shù)據(jù)技術B、互聯(lián)網(wǎng)技術D、影像技術691、隨著閉源軟件在數(shù)據(jù)分析領域的地盤不斷縮小，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)構化數(shù)據(jù)的項是?B、音頻C、數(shù)據(jù)庫二維表數(shù)據(jù)693、以下數(shù)據(jù)單位換算錯誤的是?694、下列選項中，不是Flume的特點的是?A、可靠性695、BP神經(jīng)網(wǎng)絡模型拓撲結(jié)構不包括B、隱層D、語音喚醒699、下列選項中，哪項是分布式文件存儲系統(tǒng)?700、下列選項中，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、機器學習研究如何通過計算的手段，利用經(jīng)驗來改善系統(tǒng)自身的性能，請問機器學習利用數(shù)據(jù)訓練出什么?702、下列選項中，不是人工智能的算法中的學習方法的是A、重復學習B、深度學習C、遷移學習703、語音識別產(chǎn)品體系有四部分，下列哪項不是體系之一?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理論可能會產(chǎn)生理論級別的突破。而哪項技術將繼續(xù)成為大數(shù)據(jù)智能分析的核心技術705、以下哪個不屬于大數(shù)據(jù)在電信行業(yè)的數(shù)據(jù)商業(yè)化方面的應用D、大數(shù)據(jù)檢測和決策706、RDD是由多個什么組成?707、下列選項中，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計算模型適用于哪種任務?B、有關聯(lián)的行處理D、實時數(shù)據(jù)變化處理710、當前世界產(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算框架?它適用于需要多次操作特定數(shù)據(jù)集的應用場合。需要反復操作的次數(shù)越多，所需讀取的數(shù)據(jù)量越大，受益越大，數(shù)據(jù)量小但是計算密集度較大的場合，受益就相對較小C、磁帶713、下列選項中，不是kafka適合的應用場景是?A、日志收集B、消息系統(tǒng)C、業(yè)務系統(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?B、加載715、以下哪種學習方法不屬于人工智能算法?A、遷移學習B、對抗學習C、強化學習D、自由學習716、語音識別常用的應用有四個，下列不是常用應用的是?717、下列選項中，哪項是由谷歌開發(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()、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、受限的分布式計算模型C、集群計算資源管理框架D、分布式計算編程框架720、Hadoop是()年誕生的?721、在Spark的軟件棧中，用于流計算的是?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，這種技術叫什么?B、語音識別<brclass=""markdown_return"">人工智能計算機。D、深度學習機器人725、下列選項中，不是人工智能的基礎設施的是?726、以下哪個不屬于大數(shù)據(jù)在電信行業(yè)的應用?727、客服中心是運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的找到答案。A、大數(shù)據(jù)技術728、IBM提出的大數(shù)據(jù)5V特征包括()、