以下用C语言开发的Python解释器是（ ）
JPython
lronPython
CPython
PyPy
图像处理一般指数字图像处理。常见的处理有图像数字化、图像编码、图像增强、（ ）等。
图像复原
图像分割
图像分析
A, B 和 C
自然语言处理是Al研究中（ ）的领域之一
研究历史最长、研究最多、要求最高
研究历史较短、但研 究最多、要求最高
研究历史最长、研究最多、但要求不高
研究历史最短、研究较少、要求不高
根据美国汽车工程师协会(SAE)将自动驾驶按照车辆行驶对于系统依赖程度分为哪些级别？
L1~L4
L1~L5
L0~L4
L0~L5
数据的存储结构分为两种，它们是（ ）
线性存储和数组存储
顺序存储和链式存储
线性存储和树型存储
数组存储和指针存储
随著句子的长度越来越多，神经翻译机器将句意表征为固定维度向里的过程将愈加困难，为 了解决这类问题，下面哪项是我们可以采用的？
使用递归单元代替循环单元
使用注意力机制 (attentionmechanism)
使用字符级别翻译(characterIeveItransIation)
所有选项均不对
假设我们已经在 lmageNet数据集（物体识别）上训练好了一个卷积神经网络。然后给这张卷积神经网络输入一张全臼的图片。对于这个输入的输出结果为任何种类的物体的可能性都是一样的，对吗？
对的
不知道
看情况
不对
在以下模型中 ，训练集不需要标注信息的是（ ）
k-means
线性回归
神经网络
决策树
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（ ）
定呈思维
相关思维
因果思维
实验思维
以下哪种方法不属于特征选择的标准方法（ ）
嵌入
过滤
包装
抽样
通常使用的处理图像数据的网络模型是（ ）
卷积神经网络
循环神经网络
word2vec
bert
基于检索的模型和生成式模型是建立聊天机器人的两个主流技术，下面那个选项分别包含检索模型和生成式模型例子？
基于辞典的学习和词向量模型
基于规则的学习和序列到序列模型
词向量和句子到向量模型
循环神经网络和卷积神经网络
假定你正在处理类展特征，并且没有查看分类变呈在测试集中的分布。现在你想将onehotencoding ( OHE) 应用到 类属特征中。 那么 在训练集中将OHE应用到分类变呈可能要面临的困难是什么？
分类变量所有的类别没有全部出现在测试集中
类别的频率分布在训练集和测试集是不同的
训练集和测试集通常会有一样的分布
A 和 B都正确
在语音识别应用中，如在游戏场景识别效果较差，可以使用的技术是（ ）来进行效果优化
声学个性化
语言模型个性化（增加游戏场景中的常见词语进入语言模型扩充词库）
文本顺滑
发音人音库制作
2017 年，卡内基挴隆大学开发的一个人工智能程序在（ ） 大赛上战胜了四位人类玩家，这在人工智能发展史上具有里程碑式的意义。
国际象棋
五子棋
围棋
德州扑克
给定三个点 (1, 4) 、（2, 3) 、（2 , 5) ，它们的 欧氏距离最小值是（ ）
1
1.4
0
2
关于主题建模，下述语句中总 共有几句是正确的？ （ ）
1．它是一 个监督学习模型
2．线性判别分析 ( LOA) 可用于执行主题建模
3．模型中主题数量的选择不取决于数据的大小
4．主题术语的数量与数据的大小成正比
1
2
3
4
传统的机器学习方法包括监督学习、无监督学习和半监督学习，其中监督学习是学习给定标签的数据集。请问标签为离散的类型，称为分类，标签为连续的数字，又称为什么呢？
给定标签
离散
分类
回归
知识图谱构建过程中对每个实体进行分类打标签操作的是？
实体命名识别
关系抽取
实体统一
指代消减
（ ）是指直接通 过肢体动作与周边数字设备和环境进行交互。
体感交互
指纹识别
人脸识别
虹膜识别
阿兰•图灵在1955 年提出图灵测试的概念。
TensorFlow既支持使用 CPU 也支持使用GPU， 进行模型训练和计算。
大数据是通过传统数据库技术和数据处理工具不能处理的庞大而复杂的数据集合。
传统神经网络常用的激活函数是sigmoid与 tanh。
目前，人工智能仅适用于特定的、专用的问题。
缩小训练误差与测试误差间的差距会产生过拟合， 防止过拟合的方法包括（ ）。
交叉验证
集成方法
增加正则化
特征工程
梯度为0的点可以是（ ）
局部最优解
全局最优解
鞍点
转折点
关于聚类的描述正确的是（ ）。
聚类是一种非监督式学习
聚类是一种监督式学习
使用的数据不需要包含类别卷标
使用的数据需要包含类别卷标
关于归一化描述正确的是（ ）。
归一化可以预防过拟合
归一化没有实质作用
归一化将所有数据样本之缩放到0-1之间
归一化是一种激活函数
达芬奇架构计算单元主要包含的计算资源有?
向量计算单元
标量计算单元
张量计算单元
矩阵计算单元