浙江財(cái)經(jīng)大學(xué)《大數(shù)據(jù)開發(fā)技術(shù)》2022-2023學(xué)年第一學(xué)期期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁浙江財(cái)經(jīng)大學(xué)

《大數(shù)據(jù)開發(fā)技術(shù)》2022-2023學(xué)年第一學(xué)期期末試卷院(系)_______班級(jí)_______學(xué)號(hào)_______姓名_______題號(hào)一二三四總分得分批閱人一、單選題（本大題共15個(gè)小題，每小題1分，共15分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、大數(shù)據(jù)的分析結(jié)果需要以有效的方式呈現(xiàn)給決策者。假設(shè)一個(gè)大數(shù)據(jù)分析項(xiàng)目得出了關(guān)于市場(chǎng)競(jìng)爭(zhēng)態(tài)勢(shì)的結(jié)論。以下哪種報(bào)告形式最能幫助決策者快速理解和做出決策？（）A.詳細(xì)的技術(shù)報(bào)告B.簡(jiǎn)潔的摘要報(bào)告C.交互式的可視化儀表盤D.以上形式結(jié)合使用2、在大數(shù)據(jù)分析中，回歸分析是一種常見的方法。以下關(guān)于線性回歸和邏輯回歸的比較，哪一項(xiàng)是不正確的？（）A.線性回歸用于預(yù)測(cè)連續(xù)值，邏輯回歸用于預(yù)測(cè)分類值B.線性回歸的輸出范圍是實(shí)數(shù)域，邏輯回歸的輸出范圍是[0,1]C.線性回歸的模型復(fù)雜度通常比邏輯回歸高D.邏輯回歸可以通過設(shè)定閾值將輸出轉(zhuǎn)換為分類結(jié)果3、在大數(shù)據(jù)的推薦系統(tǒng)中，除了協(xié)同過濾和基于內(nèi)容的推薦，還有基于模型的推薦方法。假設(shè)一個(gè)電商平臺(tái)需要提供個(gè)性化推薦，以下哪種基于模型的推薦算法可能適用？（）A.邏輯回歸B.決策樹C.深度學(xué)習(xí)模型D.以上算法都可能適用4、在大數(shù)據(jù)項(xiàng)目中，數(shù)據(jù)遷移是一個(gè)常見的任務(wù)。假設(shè)要將大量數(shù)據(jù)從一個(gè)舊的存儲(chǔ)系統(tǒng)遷移到新的存儲(chǔ)系統(tǒng)，以下哪種策略可能不太可行？（）A.一次性全部遷移B.分批次逐步遷移C.先遷移近期使用的數(shù)據(jù)，再遷移歷史數(shù)據(jù)D.隨機(jī)選擇部分?jǐn)?shù)據(jù)進(jìn)行遷移5、某電商平臺(tái)擁有龐大的用戶行為數(shù)據(jù)，包括瀏覽記錄、購(gòu)買記錄、評(píng)價(jià)記錄等。為了更好地了解用戶的興趣和行為模式，從而進(jìn)行精準(zhǔn)的商品推薦，需要對(duì)這些數(shù)據(jù)進(jìn)行深入的分析。在這個(gè)過程中，以下哪項(xiàng)技術(shù)不是必需的？（）A.數(shù)據(jù)清洗和預(yù)處理B.關(guān)聯(lián)規(guī)則挖掘C.分布式文件系統(tǒng)D.傳統(tǒng)的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)6、假設(shè)要對(duì)大量的視頻數(shù)據(jù)進(jìn)行分析，例如行為識(shí)別，以下哪種技術(shù)或框架可能會(huì)被使用？（）A.計(jì)算機(jī)視覺技術(shù)B.深度學(xué)習(xí)框架C.視頻處理庫D.以上都是7、在大數(shù)據(jù)存儲(chǔ)中，為了支持海量小文件的存儲(chǔ)和訪問，以下哪種文件系統(tǒng)通常被使用？（）A.HDFSB.GFSC.CephD.以上都不是8、在大數(shù)據(jù)分析中，數(shù)據(jù)清洗是一個(gè)關(guān)鍵的步驟。假設(shè)我們有一個(gè)包含大量客戶信息的數(shù)據(jù)集，其中存在一些缺失值和錯(cuò)誤數(shù)據(jù)。以下關(guān)于數(shù)據(jù)清洗方法的選擇，正確的是：（）A.對(duì)于缺失值，直接刪除包含缺失值的記錄，以保證數(shù)據(jù)的完整性B.對(duì)于錯(cuò)誤數(shù)據(jù)，通過手動(dòng)檢查和修正來確保數(shù)據(jù)的準(zhǔn)確性C.利用統(tǒng)計(jì)方法填充缺失值，并使用機(jī)器學(xué)習(xí)算法檢測(cè)和糾正錯(cuò)誤數(shù)據(jù)D.忽略所有的缺失值和錯(cuò)誤數(shù)據(jù)，直接進(jìn)行后續(xù)的分析9、大數(shù)據(jù)中的數(shù)據(jù)血緣追蹤可以幫助理解數(shù)據(jù)的來龍去脈。以下關(guān)于數(shù)據(jù)血緣追蹤工具和技術(shù)，哪項(xiàng)說法不準(zhǔn)確？（）A.一些商業(yè)的大數(shù)據(jù)管理平臺(tái)提供了內(nèi)置的數(shù)據(jù)血緣追蹤功能B.可以通過自定義腳本和數(shù)據(jù)庫元數(shù)據(jù)來實(shí)現(xiàn)數(shù)據(jù)血緣的追蹤C(jī).數(shù)據(jù)血緣追蹤技術(shù)能夠自動(dòng)發(fā)現(xiàn)和記錄數(shù)據(jù)處理過程中的所有變化D.數(shù)據(jù)血緣追蹤只適用于關(guān)系型數(shù)據(jù)庫，對(duì)非關(guān)系型數(shù)據(jù)庫不適用10、大數(shù)據(jù)分析中的機(jī)器學(xué)習(xí)算法能夠幫助發(fā)現(xiàn)數(shù)據(jù)中的隱藏模式和規(guī)律。以下關(guān)于機(jī)器學(xué)習(xí)在大數(shù)據(jù)中的應(yīng)用，哪項(xiàng)描述不準(zhǔn)確？（）A.可以使用監(jiān)督學(xué)習(xí)算法進(jìn)行分類和預(yù)測(cè)，如預(yù)測(cè)客戶流失、商品銷量等B.無監(jiān)督學(xué)習(xí)算法可用于數(shù)據(jù)聚類、異常檢測(cè)等任務(wù)C.強(qiáng)化學(xué)習(xí)在大數(shù)據(jù)分析中的應(yīng)用較少，因?yàn)槠鋵?duì)數(shù)據(jù)量和計(jì)算資源要求過高D.深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)，在圖像、語音等大數(shù)據(jù)處理中表現(xiàn)出色11、在大數(shù)據(jù)處理中，常常需要對(duì)海量數(shù)據(jù)進(jìn)行快速的排序和檢索。假設(shè)有一個(gè)包含數(shù)億條用戶交易記錄的數(shù)據(jù)集，每條記錄包含交易時(shí)間、交易金額、交易地點(diǎn)等信息?，F(xiàn)在需要快速找出在特定時(shí)間段內(nèi)交易金額最高的前100筆交易。以下哪種技術(shù)或算法最適合解決這個(gè)問題？（）A.冒泡排序算法B.快速排序算法C.基于Hadoop生態(tài)系統(tǒng)的MapReduce編程模型D.二叉搜索樹12、當(dāng)對(duì)大數(shù)據(jù)進(jìn)行特征工程時(shí)，為了提取有意義的特征，以下哪種方法通常被采用？（）A.特征縮放B.特征編碼C.特征構(gòu)建D.以上都是13、在大數(shù)據(jù)分析中，為了發(fā)現(xiàn)數(shù)據(jù)中的異常模式和離群點(diǎn)，以下哪種方法經(jīng)常被使用？（）A.聚類分析B.異常檢測(cè)C.關(guān)聯(lián)規(guī)則挖掘D.分類算法14、在大數(shù)據(jù)處理中，為了處理海量的日志數(shù)據(jù)，以下哪種工具或技術(shù)經(jīng)常被使用？（）A.LogstashB.FlumeC.SplunkD.以上都是15、在大數(shù)據(jù)項(xiàng)目中，數(shù)據(jù)質(zhì)量評(píng)估至關(guān)重要。假設(shè)我們有一個(gè)電商網(wǎng)站的用戶行為數(shù)據(jù)集，包含瀏覽記錄、購(gòu)買記錄等。以下哪項(xiàng)不是數(shù)據(jù)質(zhì)量評(píng)估的關(guān)鍵指標(biāo)？（）A.數(shù)據(jù)的準(zhǔn)確性，即數(shù)據(jù)是否真實(shí)反映用戶行為B.數(shù)據(jù)的一致性，不同來源的數(shù)據(jù)是否相互匹配C.數(shù)據(jù)的時(shí)效性，數(shù)據(jù)產(chǎn)生和收集的時(shí)間間隔D.數(shù)據(jù)的美觀性，數(shù)據(jù)在展示時(shí)的視覺效果二、簡(jiǎn)答題（本大題共4個(gè)小題，共20分)1、（本題5分）說明大數(shù)據(jù)在旅游需求預(yù)測(cè)中的作用。2、（本題5分）解釋MapReduce如何處理大規(guī)模數(shù)據(jù)。3、（本題5分）簡(jiǎn)述大數(shù)據(jù)在旅游行業(yè)的影響。4、（本題5分）什么是數(shù)據(jù)治理，在大數(shù)據(jù)中的重要性體現(xiàn)在哪里？三、編程題（本大題共5個(gè)小題，共25分)1、（本題5分）使用Python的Keras庫，對(duì)一個(gè)大規(guī)模的語音數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)模型訓(xùn)練，實(shí)現(xiàn)語音識(shí)別任務(wù)。2、（本題5分）使用Python的TensorFlow庫，對(duì)一個(gè)包含圖像數(shù)據(jù)的大數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)模型訓(xùn)練，實(shí)現(xiàn)圖像分類任務(wù)。3、（本題5分）利用Hadoop框架，編寫MapReduce程序?qū)σ粋€(gè)包含文本數(shù)據(jù)的大規(guī)模數(shù)據(jù)集進(jìn)行詞頻統(tǒng)計(jì)，找出出現(xiàn)頻率最高的前10個(gè)單詞。4、（本題5分）使用Python的Pandas庫，分析一個(gè)包含電影演員票房號(hào)召力數(shù)據(jù)的大規(guī)模數(shù)據(jù)集。找出票房號(hào)召力最強(qiáng)的10個(gè)演員，并計(jì)算他們的平均票房號(hào)召力。5、（本題5分）利用Python的數(shù)據(jù)分析庫，讀取一個(gè)包含股票價(jià)格歷史數(shù)據(jù)的文件，計(jì)算某只股票在過去一年中的最高價(jià)格、最低價(jià)格以及價(jià)格波動(dòng)的標(biāo)準(zhǔn)差。四、綜合分析題（本大題共4個(gè)小題，共40分)1、（本題10分）根據(jù)某城市的智能交通攝像頭數(shù)據(jù)，優(yōu)化交通信號(hào)燈設(shè)置。