- 人工智能導(dǎo)論
- 周蘇 張泳主編
- 1495字
- 2020-09-18 17:50:26
【作業(yè)】
1.19世紀以來,當(dāng)面臨大量數(shù)據(jù)時,社會都依賴于采樣分析。但是采樣分析是( )時代的產(chǎn)物。
A. 計算機
B. 青銅器
C. 模擬數(shù)據(jù)
D. 云
2.長期以來,人們已經(jīng)發(fā)展了一些使用盡可能少的信息的技術(shù)。例如,統(tǒng)計學(xué)的一個目的就是( )。
A. 用盡可能多的數(shù)據(jù)來驗證一般的發(fā)現(xiàn)
B. 用盡可能少的數(shù)據(jù)來驗證盡可能簡單的發(fā)現(xiàn)
C. 用盡可能少的數(shù)據(jù)來證實盡可能重大的發(fā)現(xiàn)
D. 用盡可能少的數(shù)據(jù)來驗證一般的發(fā)現(xiàn)
3.因為大數(shù)據(jù)是建立在( ),所以我們就可以正確地考察細節(jié)并進行新的分析。
A. 掌握所有數(shù)據(jù),至少是盡可能多的數(shù)據(jù)的基礎(chǔ)上的
B. 在掌握少量精確數(shù)據(jù)的基礎(chǔ)上,盡可能多地收集其他數(shù)據(jù)
C. 掌握少量數(shù)據(jù),至少是盡可能精確的數(shù)據(jù)的基礎(chǔ)上的
D. 盡可能掌握精確數(shù)據(jù)的基礎(chǔ)上
4.直到今天,我們的數(shù)字技術(shù)依然建立在精準的基礎(chǔ)上,這種思維方式適用于掌握( )的情況。
A. 小數(shù)據(jù)量
B. 大數(shù)據(jù)量
C. 無數(shù)據(jù)
D. 多數(shù)據(jù)
5.當(dāng)人們擁有海量即時數(shù)據(jù)時,絕對的精準不再是人們追求的主要目標。當(dāng)然,( )。
A. 我們應(yīng)該完全放棄精確度,不再沉迷于此
B. 我們不能放棄精確度,需要努力追求精確度
C. 我們也不是完全放棄了精確度,只是不再沉迷于此
D. 我們是確保精確度的前提下,適當(dāng)尋求更多數(shù)據(jù)
6.為了獲得更廣泛的數(shù)據(jù)而犧牲了精確性,也因此看到了很多無法被關(guān)注到的細節(jié)。( )。
A. 在很多情況下,與致力于避免錯誤相比,對錯誤的包容會帶給我們更多問題
B. 在很多情況下,與致力于避免錯誤相比,對錯誤的包容會帶給我們更多好處
C. 無論什么情況,我們都不能容忍錯誤的存在
D. 無論什么情況,我們都可以包容錯誤
7.以前,統(tǒng)計學(xué)家們總是把他們的興趣放在提高樣本的隨機性而不是數(shù)量上。這是因為( )。
A. 提高樣本隨機性可以減少對數(shù)據(jù)量的需求
B. 樣本隨機性優(yōu)于對大數(shù)據(jù)的分析
C. 可以獲取的數(shù)據(jù)少,提高樣本隨機性可以提高分析準確率
D. 提高樣本隨機性是為了減少統(tǒng)計分析的工作量
8.研究表明,在少量數(shù)據(jù)情況下運行得最好的算法,當(dāng)加入更多的數(shù)據(jù)時,( )。
A. 也會像其他的算法一樣有所提高,但是卻變成了在大量數(shù)據(jù)條件下運行得最不好的
B. 與其他的算法一樣有所提高,仍然是在大量數(shù)據(jù)條件下運行得最好的
C. 與其他的算法一樣有所提高,在大量數(shù)據(jù)條件下運行得還是比較好的
D. 雖然沒有提高,還是在大量數(shù)據(jù)條件下運行得最好的
9.如今,要想獲得大規(guī)模數(shù)據(jù)帶來的好處,混亂應(yīng)該是一種( )。
A. 不正確途徑,需要竭力避免的
B. 非標準途徑,應(yīng)該盡量避免的
C. 非標準途徑,但可以勉強接受的
D. 標準途徑,而不應(yīng)該是竭力避免的
10.研究表明,只有( )的數(shù)字數(shù)據(jù)是結(jié)構(gòu)化的且能適用于傳統(tǒng)數(shù)據(jù)庫。如果不接受混亂,剩下( )的非結(jié)構(gòu)化數(shù)據(jù)都無法被利用。
A. 95%,5%
B. 30%,70%
C. 5%,95%
D. 70%,30%
11.尋找( )是人類長久以來的習(xí)慣,即使確定這樣的關(guān)系很困難而且用途不大,人們還是習(xí)慣性地尋找緣由。
A. 相關(guān)關(guān)系
B. 因果關(guān)系
C. 信息關(guān)系
D. 組織關(guān)系
12.在大數(shù)據(jù)時代,我們無需再緊盯事物之間的( ),而應(yīng)該尋找事物之間的( ),這會給我們提供非常新穎且有價值的觀點。
A. 因果關(guān)系,相關(guān)關(guān)系
B. 相關(guān)關(guān)系,因果關(guān)系
C. 復(fù)雜關(guān)系,簡單關(guān)系
D. 簡單關(guān)系,復(fù)雜關(guān)系
13.所謂相關(guān)關(guān)系,其核心是指量化兩個數(shù)據(jù)值之間的數(shù)理關(guān)系。相關(guān)關(guān)系強是指當(dāng)一個數(shù)據(jù)值增加時,另一個數(shù)據(jù)值很有可能會隨之( )。
A. 減少
B. 顯現(xiàn)
C. 增加
D. 隱藏
14.通過找到一個現(xiàn)象的( ),相關(guān)關(guān)系可以幫助我們捕捉現(xiàn)在和預(yù)測未來。
A. 出現(xiàn)原因
B. 隱藏原因
C. 一般的關(guān)聯(lián)物
D. 良好的關(guān)聯(lián)物
15.大數(shù)據(jù)時代,專家們正在研發(fā)能發(fā)現(xiàn)并對比分析非線性關(guān)系的技術(shù)工具。通過( ),相關(guān)關(guān)系幫助我們更好地了解了這個世界。
A. 探求“是什么”而不是“為什么”
B. 探求“為什么”而不是“是什么”
C. 探求“原因”而不是“結(jié)果”
D. 探求“結(jié)果”而不是“原因”
- Python人工智能
- 空間智能原理與應(yīng)用
- 大模型浪潮:商業(yè)機遇、產(chǎn)業(yè)變革與未來趨勢
- 深度學(xué)習(xí)之人臉圖像處理:核心算法與案例實戰(zhàn)
- 深度學(xué)習(xí)及加速技術(shù):入門與實踐
- 從大數(shù)據(jù)到智能制造
- 人工智能算法
- 從機器學(xué)習(xí)到深度學(xué)習(xí):基于scikit-learn與TensorFlow的高效開發(fā)實戰(zhàn)
- 豆包:人人都能上手的AI工具
- 圖靈的大教堂:數(shù)字宇宙開啟智能時代
- AI會取代我們嗎?(The Big Idea 21世紀讀本)
- 聊天機器人:對話式體驗產(chǎn)品設(shè)計
- 人工智能注意力機制:體系、模型與算法剖析
- 大型語言模型實戰(zhàn)指南:應(yīng)用實踐與場景落地
- Linux人工智能開發(fā)實例