【答案】《數(shù)據(jù)智能與應用》(浙江大學)章節(jié)期末慕課答案有些題目順序不一致，下載后按鍵盤ctrl+F進行搜索數(shù)據(jù)智能之起源第一章單元測試1.單選題：任何一列都不可再分的數(shù)據(jù)為下列哪種數(shù)據(jù)？

選項：

A、結(jié)構化數(shù)據(jù)

B、半結(jié)構化數(shù)據(jù)

C、無結(jié)構數(shù)據(jù)

D、文本數(shù)據(jù)

答案：【結(jié)構化數(shù)據(jù)】2.多選題：在《大數(shù)據(jù)時代》中所提到的大數(shù)據(jù)三個特征為（）？

選項：

A、全面而非抽樣

B、效率而非精確

C、相關而非因果

D、種類而非數(shù)量

答案：【全面而非抽樣;效率而非精確;相關而非因果】3.多選題：下列哪些是深度學習框架？

選項：

A、TensorFlow

B、Jupyter

C、PyTorch

D、Scikit-learn

答案：【TensorFlow;PyTorch】4.單選題：隨著互聯(lián)網(wǎng)多媒體應用的出現(xiàn)，非結(jié)構化數(shù)據(jù)將占有更大的比重。

選項：

A、正確

B、錯誤

答案：【正確】5.單選題：大數(shù)據(jù)是人們在大規(guī)模數(shù)據(jù)的基礎上做到的事情，這些事情是在小規(guī)模數(shù)據(jù)的基礎上無法完成的。

選項：

A、正確

B、錯誤

答案：【正確】數(shù)據(jù)智能之發(fā)展第二章單元測試1.單選題：《人工智能北京共識》于2019年5月25日發(fā)布，提出各個參與方應遵循有益于人類共同命運構建和社會發(fā)展的幾條原則？

選項：

A、10

B、15

C、20

D、25

答案：【15】2.單選題：大數(shù)據(jù)產(chǎn)生的萌芽階段為：（）

選項：

A、19世紀90年代到20世紀初

B、20世紀90年代到21世紀初

C、21世紀初到2010年

D、2011年至今

答案：【20世紀90年代到21世紀初】3.多選題：下列屬于數(shù)據(jù)智能的超強魔力的是：（）

選項：

A、描述性分析

B、診斷性分析

C、預測性分析

D、指令性分析

答案：【描述性分析;診斷性分析;預測性分析;指令性分析】4.單選題：機器學習的最佳場景是大數(shù)據(jù)。

選項：

A、正確

B、錯誤

答案：【正確】5.單選題：“深度學習”概念是杰弗里?辛頓及他的學生魯斯蘭?薩拉赫丁諾夫于2005年提出的。

選項：

A、正確

B、錯誤

答案：【錯誤】數(shù)據(jù)智能之利器第三章單元測試1.單選題：卷積神經(jīng)網(wǎng)絡中，原始圖像大小為32x32，卷積核大小為3x3，步長（stride）為2，補邊（padding）為0，則卷積結(jié)果大小為（）

選項：

A、29x29

B、14x14

C、15x15

D、16x16

答案：【15x15】2.單選題：以下屬于分類算法的是（）

選項：

A、K-Means

B、DBSCAN

C、邏輯回歸

D、線性回歸

答案：【邏輯回歸】3.多選題：以下可以展示層級化信息的可視化方法的是（）

選項：

A、等高線圖

B、旭日圖

C、樹圖

D、小提琴圖

答案：【旭日圖;樹圖】4.多選題：以下屬于帶有正則化的回歸算法的是（）

選項：

A、最小二乘回歸

B、Lasso回歸

C、Ridge回歸（嶺回歸）

D、Elastic-Net回歸（彈性網(wǎng)回歸）

答案：【Lasso回歸;Ridge回歸（嶺回歸）;Elastic-Net回歸（彈性網(wǎng)回歸）】5.單選題：LSTM可以緩解RNN梯度消失/梯度爆炸的問題。

選項：

A、正確

B、錯誤

答案：【正確】數(shù)據(jù)智能之應用第四章單元測試1.單選題：隨機森林是哪種類型的學習算法？

選項：

A、有監(jiān)督

B、無監(jiān)督

C、半監(jiān)督

D、以上均不是

答案：【有監(jiān)督】2.單選題：在新冠肺炎傳播模型中，患者的傳染能力與什么因素無關？

選項：

A、患者確診前一個月的活動軌跡

B、患者確診前一個月的手機使用頻率

C、患者確診前一個月的接觸人數(shù)

D、與這些因素都有關

答案：【患者確診前一個月的手機使用頻率】3.多選題：目標檢測領域的常見算法有（）

選項：

A、FasterR-CNN

B、FCN

C、ICNet

D、MaskR-CNN

答案：【FasterR-CNN;MaskR-CNN】4.單選題：協(xié)議自動化逆向依據(jù)方法進行分類可以分為基于流量數(shù)據(jù)的逆向和基于程序分析的逆向，由于工控協(xié)議為二進制協(xié)議，缺少文本協(xié)議所具有的分隔符和關鍵字等要素，所以不適合使用基于流量的方法進行逆向。

選項：

A、正確

B、錯誤

答案：【正確】5.單選題：樣本失衡時，可以使用ROC曲線評價分類器的性能好壞。

選項：

A、正確

B、錯誤

答案：【正確】期末考試數(shù)據(jù)智能與應用期末考試1.單選題：2020年開展的第七次全國人口普查，體現(xiàn)了舍恩伯格提出的大數(shù)據(jù)特征中的哪一項？

選項：

A、全面而非抽樣

B、效率而非精確

C、相關而非因果

D、種類而非數(shù)量

答案：【全面而非抽樣】2.單選題：下面哪一項不是“大數(shù)據(jù)”區(qū)別于“小數(shù)據(jù)”的四個關鍵特征之一？

選項：

A、數(shù)據(jù)量大

B、數(shù)據(jù)類型多

C、數(shù)據(jù)來源廣泛

D、數(shù)據(jù)價值高

答案：【數(shù)據(jù)來源廣泛】3.單選題：以下最可能是機器學習的發(fā)展趨勢的是（）。

選項：

A、尋找適用于任何數(shù)據(jù)集及分析要求的機器學習技術

B、向著結(jié)構越來越復雜的機器學習模型發(fā)展

C、尋求現(xiàn)有機器學習技術及分析過程的可解釋性

D、發(fā)展逐漸趨于停滯

答案：【尋求現(xiàn)有機器學習技術及分析過程的可解釋性】4.單選題：在大數(shù)據(jù)時代，數(shù)據(jù)能夠在各行各業(yè)得以放心使用主要是由（）確保的。

選項：

A、數(shù)據(jù)存儲能力

B、數(shù)據(jù)收集能力

C、數(shù)據(jù)的可靠性

D、數(shù)據(jù)分析能力

答案：【數(shù)據(jù)的可靠性】5.單選題：在大數(shù)據(jù)上使用簡單的算法，與在小數(shù)據(jù)上使用復雜的算法，更有可能出現(xiàn)下列哪種效果？

選項：

A、前者效果更好

B、后者效果更好

C、兩者效果類似

D、不具備可比性

答案：【后者效果更好】6.單選題：以下屬于利用深度學習方法處理時序數(shù)據(jù)的是（）。

選項：

A、利用KNN根據(jù)用戶在平臺的行為序列判斷對某電商平臺用戶是否是網(wǎng)球愛好者

B、通過CNN根據(jù)一張256x256大小的全彩圖片判斷其中是否包含貓

C、利用DNN根據(jù)花瓣顏色、尺寸等一系列特征判斷其是否為玫瑰花

D、利用RNN根據(jù)一段單人朗讀錄音判斷朗讀者是否為女性

答案：【利用RNN根據(jù)一段單人朗讀錄音判斷朗讀者是否為女性】7.單選題：以下對聚類算法描述正確的是（）。

選項：

A、聚類算法必須已知全部樣本的標注

B、一般來說，同一聚類簇中的樣本間的相似度比不同聚類簇間樣本的相似度更高

C、聚類算法必須已知樣本將分成幾類

D、一般來說，不同的聚類方法得到的聚類結(jié)果是完全相同的

答案：【一般來說，同一聚類簇中的樣本間的相似度比不同聚類簇間樣本的相似度更高】8.單選題：下列不屬于過擬合原因的是（）。

選項：

A、特征維度過多

B、模型假設過于復雜

C、訓練數(shù)據(jù)過多

D、噪聲過多

答案：【訓練數(shù)據(jù)過多】9.單選題：在新冠肺炎的接觸模型中，疫情在空間上的傳播近似呈現(xiàn)（）。

選項：

A、線性分布

B、指數(shù)分布

C、冪律分布

D、多項式分布

答案：【冪律分布】10.單選題：在各種大數(shù)據(jù)應用領域下，對于隱私方面的擔憂主要表現(xiàn)為（）。

選項：

A、個人信息被識別與暴露

B、大數(shù)據(jù)分析的錯誤結(jié)果

C、惡意廣告的推送

D、病毒的侵入

答案：【個人信息被識別與暴露】11.單選題：導致模型遭受竊取攻擊的因素包括（）。

選項：

A、模型過擬合

B、模型結(jié)構

C、模型類型

D、以上都是

答案：【以上都是】12.單選題：對抗攻擊發(fā)生在模型生命周期的（）。

選項：

A、訓練階段

B、測試階段

C、應用階段

D、以上都是

答案：【測試階段】13.單選題：以下對聚類算法描述正確的是（）。

選項：

A、聚類算法必須已知全部樣本的標注

B、一般來說，同一聚類簇中的樣本間的相似度比不同聚類簇間樣本的相似度更高

C、聚類算法必須已知樣本將分成幾類

D、一般來說，不同的聚類方法得到的聚類結(jié)果是完全相同的

答案：【一般來說，同一聚類簇中的樣本間的相似度比不同聚類簇間樣本的相似度更高】14.單選題：下面哪項操作能實現(xiàn)跟神經(jīng)網(wǎng)絡中Dropout的類似效果（）。

選項：

A、Boosting

B、Bagging

C、Stacking

D、Mapping

答案：【Bagging】15.單選題：大數(shù)據(jù)的特點不包括（）。

選項：

A、實時性

B、單一性

C、真實性

D、規(guī)模性

答案：【單一性】16.單選題：對線下零售行業(yè)這一應用領域而言，做好大數(shù)據(jù)分析應用的前提是（）。

選項：

A、提升服務質(zhì)量

B、增加營業(yè)時間

C、開展優(yōu)惠促銷

D、增加數(shù)據(jù)來源

答案：【增加數(shù)據(jù)來源】17.單選題：關于弱平穩(wěn)性，下列說法錯誤的是（）。

選項：

A、具有強平穩(wěn)性的序列一定具有弱平穩(wěn)性

B、弱平穩(wěn)性不涉及高階矩(>2)

C、均值函數(shù)是常數(shù)函數(shù)

D、協(xié)方差函數(shù)僅與時間差相關

答案：【具有強平穩(wěn)性的序列一定具有弱平穩(wěn)性】18.單選題：典型的工業(yè)控制系統(tǒng)網(wǎng)絡拓撲不包括以下哪一層網(wǎng)絡結(jié)構（）。

選項：

A、管理層

B、監(jiān)控層

C、控制層

D、現(xiàn)場層

答案：【現(xiàn)場層】19.單選題：小紅和小剛經(jīng)常寫信分享生活，但是小紅、小剛之間需要郵差小明傳遞信息，為了防止小明偷看信件具體內(nèi)容，那么小紅、小剛可以使用下列哪種隱私保護方法（）。

選項：

A、匿名化方法

B、對稱加密方法

C、非對稱加密方法

D、差分隱私方法

答案：【非對稱加密方法】20.單選題：以下哪一項不是Github的特色？

選項：

A、提供訂閱、討論組、文本渲染、在線文件編輯器、協(xié)作圖譜報表、代碼片段分享等功能

B、網(wǎng)站提供社交網(wǎng)絡功能，用戶可以通過復刻(fork)他人項目的形式參與開發(fā)

C、允許用戶在不登陸的情況下，對在線倉庫進行修改

D、只支持Git作為唯一的版本庫格式進行托管

答案：【允許用戶在不登陸的情況下，對在線倉庫進行修改】21.單選題：下列哪種方法屬于常見的信息保隱私技術且具有較好的數(shù)據(jù)保真度（）。

選項：

A、K匿名方法

B、對稱加密方法

C、差分隱私方法

D、L多樣性方法

答案：【對稱加密方法】22.單選題：下列常見的保隱私技術中，哪一個技術是在用戶端加入噪聲且具有較強的隱私保護能力（）。

選項：

A、同態(tài)加密

B、安全多方計算

C、集中式差分隱私

D、本地差分隱私

答案：【本地差分隱私】23.單選題：卷積神經(jīng)網(wǎng)絡中，輸入圖片為RGB3個通道，每個通道大小為32x32，即輸入大小為32x32x3，單個卷積核大小為5x5x3，卷積核個數(shù)為6，步長為1，無補邊，則輸出的大小為（）。

選項：

A、27x27x3

B、14x14x3

C、14x14

D、27x27x6

答案：【27x27x6】24.單選題：可以對數(shù)據(jù)進行降維的可視化處理方法是（）。

選項：

A、TSNE

B、直方圖

C、散點圖

D、熱力圖

答案：【TSNE】25.單選題：以下關于神經(jīng)網(wǎng)絡的說法中，正確的是（）。

選項：

A、增加網(wǎng)絡層數(shù)，總能減小訓練集錯誤率

B、減小網(wǎng)絡層數(shù)，總能減小測試集錯誤率

C、增加網(wǎng)絡層數(shù)，可能增加測試集錯誤率

D、以上都不正確

答案：【增加網(wǎng)絡層數(shù)，可能增加測試集錯誤率】26.單選題：下列哪一項在神經(jīng)網(wǎng)絡中引入了非線性？

選項：

A、隨機梯度下降

B、修正線性單元（ReLU）

C、卷積函數(shù)

D、正則化

答案：【修正線性單元（ReLU）】27.單選題：已知：大腦是有很多個叫做神經(jīng)元的東西構成，神經(jīng)網(wǎng)絡是對大腦的簡單的數(shù)學表達。每一個神經(jīng)元都有輸入、處理函數(shù)和輸出。神經(jīng)元組合起來形成了網(wǎng)絡，可以擬合任何函數(shù)。為了得到最佳的神經(jīng)網(wǎng)絡，我們用梯度下降方法不斷更新模型。給定上述關于神經(jīng)網(wǎng)絡的描述，什么情況下神經(jīng)網(wǎng)絡模型被稱為深度學習模型？

選項：

A、加入更多層，使神經(jīng)網(wǎng)絡的深度增加

B、有維度更高的數(shù)據(jù)

C、當這是一個圖形識別的問題時

D、有卷積運算操作

答案：【加入更多層，使神經(jīng)網(wǎng)絡的深度增加】28.單選題：隨機森林的數(shù)據(jù)集的選取是（）的。

選項：

A、無放回

B、有放回

C、都含有

D、不確定

答案：【有放回】29.單選題：假設我們擁有一個已完成訓練的、用來解決車輛檢測問題的深度神經(jīng)網(wǎng)絡模型，訓練所用的數(shù)據(jù)集由汽車和卡車的照片構成，而訓練目標是檢測出每種車輛的名稱（車輛共有10種類型）?，F(xiàn)在想要使用這個模型來解決另外一個問題，問題數(shù)據(jù)集中僅包含少量的一種車（福特野馬），而目標變?yōu)槎ㄎ卉囕v在照片中的位置，下面哪種方法可行？

選項：

A、除去神經(jīng)網(wǎng)絡中的最后一層，凍結(jié)所有層然后重新訓練

B、對神經(jīng)網(wǎng)絡中的最后幾層進行微調(diào)，同時將最后一層（分類層）更改為回歸層

C、使用新的數(shù)據(jù)集重新訓練模型

D、所有答案均不對

答案：【對神經(jīng)網(wǎng)絡中的最后幾層進行微調(diào)，同時將最后一層（分類層）更改為回歸層】30.單選題：在一個神經(jīng)網(wǎng)絡中，下面哪種方法可以用來處理過擬合？

選項：

A、Dropout

B、分批歸一化(BatchNormalization)

C、正則化(regularization)

D、都可以

答案：【都可以】31.多選題：當前主要機器學習在發(fā)展過程中的挑戰(zhàn)主要包括（）。

選項：

A、硬件計算能力瓶頸

B、數(shù)據(jù)質(zhì)量參差不齊

C、投入科研經(jīng)費不足

D、數(shù)據(jù)標注代價昂貴

答案：【硬件計算能力瓶頸;數(shù)據(jù)質(zhì)量參差不齊;數(shù)據(jù)標注代價昂貴】32.多選題：Scikit-learn是基于以下哪幾項進行構建的？

選項：

A、NumPy

B、SciPy

C、Matplotlib

D、PyTorch

答案：【NumPy;SciPy;Matplotlib】33.多選題：下列屬于常用的過濾法的是（）。

選項：

A、方差選擇

B、相關系數(shù)

C、卡方檢驗

D、互信息

答案：【方差選擇;相關系數(shù);卡方檢驗;互信息】34.多選題：下列屬于數(shù)據(jù)智能道德規(guī)范范疇的是（）。

選項：

A、數(shù)據(jù)收集

B、數(shù)據(jù)壟斷

C、算法黑箱

D、主觀歧視

答案：【數(shù)據(jù)收集;數(shù)據(jù)壟斷;算法黑箱;主觀歧視】35.多選題：下列關于大數(shù)據(jù)說法正確的有哪些？

選項：

A、錯誤性是大數(shù)據(jù)本身固有的。

B、大數(shù)據(jù)不僅不注重精確性，而且無法實現(xiàn)精確性。

C、在基本用途完成之后，數(shù)據(jù)的價值依然存在。

D、由于數(shù)據(jù)可以被再利用，因此數(shù)據(jù)應該永久被保存。

答案：【大數(shù)據(jù)不僅不注重精確性，而且無法實現(xiàn)精確性。;在基本用途完成之后，數(shù)據(jù)的價值依然存在?！?6.多選題：關于非平穩(wěn)的數(shù)據(jù)，下列說法正確的是（）。

選項：

A、服從相同的分布

B、肯定不能使用同一個的模型進行監(jiān)測

C、統(tǒng)計特性（均值、方差等）發(fā)生了變化

D、變量間可能存在長期穩(wěn)定的關系

答案：【統(tǒng)計特性（均值、方差等）發(fā)生了變化;變量間可能存在長期穩(wěn)定的關系】37.多選題：下面哪些屬于常見的處理時間序列的模型？

選項：

A、RNN循環(huán)神經(jīng)網(wǎng)絡

B、ARIMA移動平均自回歸模型

C、LDA隱狄利克雷分布

D、HMM隱馬爾可夫模型

答案：【RNN循環(huán)神經(jīng)網(wǎng)絡;ARIMA移動平均自回歸模型;HMM隱馬爾可夫模型】38.多選題：下列屬于數(shù)據(jù)智能的陷阱的是（）。

選項：

A、數(shù)據(jù)造假

B、采樣不當

C、結(jié)論不客觀

D、描述性分析

答案：【數(shù)據(jù)造假;采樣不當;結(jié)論不客觀】39.多選題：相比標準神經(jīng)網(wǎng)絡DNN，循環(huán)神經(jīng)網(wǎng)絡RNN處理序列數(shù)據(jù)的優(yōu)勢是（）。

選項：

A、RNN可以處理不同長度的序列數(shù)據(jù)

B、RNN可以讓數(shù)據(jù)中不同位置的特征可以共享

C、RNN可以對數(shù)據(jù)進行預處理減少計算量

D、RNN可以緩解模型的欠擬合

答案：【RNN可以處理不同長度的序列數(shù)據(jù);RNN可以讓數(shù)據(jù)中不同位置的特征可以共享】40.多選題：LightGBM是一個梯度Boosting框架，它具有以下優(yōu)勢（）。

選項：

A、更快