第二屆“強(qiáng)國(guó)杯”技術(shù)技能大賽（“互聯(lián)網(wǎng)+”人工智能賽項(xiàng)）考試題及答案

第二屆“強(qiáng)國(guó)杯”技術(shù)技能大賽(“互聯(lián)網(wǎng)+”人工智能賽項(xiàng))考試題及答案D、提高數(shù)據(jù)加密技術(shù)A、正確預(yù)測(cè)的樣本數(shù)/總樣本數(shù)D、精確率和召回率的加權(quán)調(diào)和平均3.主成分分析中主成分的個(gè)數(shù)通常()原始數(shù)據(jù)的維度。C、不小于A、4G技術(shù)B、5G技術(shù)C、3D打印技術(shù)D、太陽(yáng)能技術(shù)A、人工智能算法D、機(jī)械結(jié)構(gòu)數(shù)據(jù)，通?？捎?)算法將非結(jié)構(gòu)化的客戶提問和問題庫(kù)問題用7.智能客服機(jī)器人知識(shí)庫(kù)的組成通常不包括()。A、專屬知識(shí)庫(kù)C、通用知識(shí)庫(kù)D、圖像知識(shí)庫(kù)D、詞頻統(tǒng)計(jì)B、知識(shí)庫(kù)C、AI模型10.智能客服機(jī)器人的語(yǔ)義理解部分，其技術(shù)要點(diǎn)除了過濾和糾B、AI模型訓(xùn)練D、知識(shí)點(diǎn)匹配11.智能客服機(jī)器人的通用知識(shí)庫(kù)中通常不包含()。D、抽象語(yǔ)義庫(kù)12.智能客服機(jī)器人的通用知識(shí)庫(kù)一般由()提供。B、行業(yè)協(xié)會(huì)D、人工智能訓(xùn)練師語(yǔ)義理解、()和機(jī)器人深度學(xué)習(xí)。B、知識(shí)庫(kù)選擇C、知識(shí)點(diǎn)匹配D、問答匹配()、問答匹配和機(jī)器人深度學(xué)習(xí)。B、AI模型訓(xùn)練15.智能客服機(jī)器人的工作原理主要包括四個(gè)部分：()、語(yǔ)義理A、知識(shí)庫(kù)構(gòu)建B、知識(shí)庫(kù)選擇C、知識(shí)點(diǎn)匹配D、問答匹配B、物理設(shè)計(jì)、邏輯設(shè)計(jì)、硬件設(shè)計(jì)C、結(jié)構(gòu)設(shè)計(jì)、硬件設(shè)計(jì)、軟件設(shè)計(jì)A、所有數(shù)據(jù)點(diǎn)18.支持向量機(jī)是一種常用的()學(xué)習(xí)算法。19.針對(duì)Tensorflow中Keras序列模型model,model的()方法用A、全部樣本中訓(xùn)練樣本的比例為20%B、全部樣本中測(cè)試樣本的比例為20%C、訓(xùn)練樣本用于驗(yàn)證數(shù)據(jù)集的比例為20%D、測(cè)試樣本用于驗(yàn)證數(shù)據(jù)集的比例為20%()可指定訓(xùn)練樣本用于驗(yàn)證數(shù)據(jù)集的比例。22.針對(duì)Tensorflow中Keras序列模型model,pile函數(shù)中用于指定損失函數(shù)的參數(shù)為()。數(shù)，前兩個(gè)參數(shù)一般是()。24.針對(duì)Tensorflow(tf對(duì)象)中Keras序列模型model,關(guān)A、語(yǔ)句用于添加一個(gè)dropout層B、該語(yǔ)句會(huì)以0.25的概率隨機(jī)關(guān)閉上一層的一小部分神經(jīng)元的神經(jīng)元變得過于強(qiáng)大卷積層的構(gòu)造函數(shù)通常為()。A、概率門D、反向傳播門29.長(zhǎng)短期記憶網(wǎng)絡(luò)的英文縮寫是()。30.長(zhǎng)短期記憶網(wǎng)絡(luò)LSTM擅長(zhǎng)的領(lǐng)域不包括()。D、機(jī)器翻譯A、用于實(shí)際工作場(chǎng)景D、擴(kuò)展視覺、聽覺等多個(gè)感知能力交互的()方式。D、腦機(jī)接口B、噪聲B、噪聲B、語(yǔ)音的清晰度、無噪音等D、語(yǔ)音的語(yǔ)種、方言、發(fā)音特點(diǎn)等B、數(shù)據(jù)分析的方法及工具D、業(yè)務(wù)數(shù)據(jù)的總量及類型A、隱藏層B、輸入層D、激活函數(shù)C、日期時(shí)間型數(shù)據(jù)41.在文本類數(shù)據(jù)清洗中，數(shù)據(jù)清洗中的非空檢查主要是檢查什C、數(shù)據(jù)的準(zhǔn)確性D、數(shù)據(jù)的格式42.在文本類數(shù)據(jù)清洗中，對(duì)于文本非空檢查的描述正確的是哪A、所有數(shù)據(jù)字段都需要進(jìn)行非空檢查間內(nèi)，屬于()。A、數(shù)據(jù)歸一化B、數(shù)據(jù)標(biāo)準(zhǔn)化D、數(shù)據(jù)初始化A、提高數(shù)據(jù)的安全性0,標(biāo)準(zhǔn)差為1的分布?D、PCA降維A、介紹標(biāo)注工具和標(biāo)注技巧C、提供標(biāo)注培訓(xùn)47.在視頻業(yè)務(wù)數(shù)據(jù)中，下列哪種指標(biāo)用于衡量視頻的播放流暢A、合并到同一個(gè)語(yǔ)音段中D、數(shù)據(jù)指標(biāo)分析D、降低質(zhì)量B、將原始數(shù)據(jù)轉(zhuǎn)換為可供模型使用的特征表示C、分析數(shù)據(jù)的分布和相關(guān)性D、計(jì)算數(shù)據(jù)的統(tǒng)計(jì)指標(biāo)和摘要信息D、所有選項(xiàng)都正確A、畫面清晰度B、色彩準(zhǔn)確性C、視頻幀率D、壓縮比特率68.在EasyDL中創(chuàng)建數(shù)據(jù)集可以使用以下哪種方式?A、本地導(dǎo)入B、導(dǎo)入公開數(shù)據(jù)集C、智能標(biāo)注70.遠(yuǎn)程智能診療是指通過什么方式對(duì)患者進(jìn)行疾病診斷及治療B、患者的電子病歷C、患者的面診71.語(yǔ)音識(shí)別模塊涉及的語(yǔ)言模型一般包括()和RNN。D、語(yǔ)音的語(yǔ)種、方言、發(fā)音特點(diǎn)等C、智能電視和智能手環(huán)D、人類基因編輯和太空探索79.用于語(yǔ)義分析問題的文本類業(yè)務(wù)數(shù)據(jù)需要進(jìn)行怎樣的預(yù)處A、需要進(jìn)行標(biāo)注分詞、句法判別等操作。B、需要進(jìn)行數(shù)據(jù)存儲(chǔ)操作。C、需要進(jìn)行文本統(tǒng)計(jì)分析操作。D、不需要進(jìn)行預(yù)處理。80.用戶想設(shè)計(jì)一個(gè)能及時(shí)回復(fù)學(xué)生校園招聘會(huì)信息的智能客服B、建立專屬知識(shí)庫(kù)C、建立領(lǐng)域知識(shí)庫(kù)D、建立通用知識(shí)庫(kù)A、將波形分解為音頻信號(hào)B、將音頻信號(hào)離散成數(shù)字信號(hào)C、對(duì)音頻質(zhì)量進(jìn)行評(píng)級(jí)D、對(duì)聲音波形進(jìn)行抽樣82.以下哪種異常情況可能導(dǎo)致一段語(yǔ)音被判定為無效語(yǔ)音?A、語(yǔ)音中含有短暫的靜音B、說話人的聲音清晰可辨D、腦電圖A、案例分析法C、角色扮演法A、完全相同的兩條數(shù)據(jù)B、同一事物的不同表達(dá)方式B、平行語(yǔ)料標(biāo)注C、修飾關(guān)系標(biāo)注D、語(yǔ)音識(shí)別C、依賴于傳統(tǒng)機(jī)器學(xué)習(xí)算法D、只能處理結(jié)構(gòu)化數(shù)據(jù)90.以下哪個(gè)是scikit-learn中的TruncatedSVD的常見參數(shù)?91.以下哪個(gè)深度學(xué)習(xí)平臺(tái)是專門用于移動(dòng)設(shè)備和嵌入式系統(tǒng)92.以下哪個(gè)深度學(xué)習(xí)框架被設(shè)計(jì)用于構(gòu)建和訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)D、帕累托圖A、應(yīng)用場(chǎng)景D、數(shù)據(jù)標(biāo)注規(guī)則需要符合項(xiàng)目需求98.以下措施中不能對(duì)已有卷積神經(jīng)網(wǎng)絡(luò)模型起到局部?jī)?yōu)化作用B、增加池化層或Dropout層99.以下場(chǎng)合中不一定需要進(jìn)行模型優(yōu)化的是()。A、模型的評(píng)價(jià)指標(biāo)不符合設(shè)計(jì)要求差D、模型在訓(xùn)練集和測(cè)試集上表現(xiàn)都不好100.以下不支持AI在線開發(fā)功能的平臺(tái)是()。A、蘋果手機(jī)“OpenAIChatGPT”應(yīng)用B、百度飛漿EasyDLC、華為云完善知識(shí)庫(kù)。B、無監(jiān)督學(xué)習(xí)D、強(qiáng)化學(xué)習(xí)D、新業(yè)務(wù)流程圖D、經(jīng)驗(yàn)審核105.業(yè)務(wù)數(shù)據(jù)審核內(nèi)容中，哪一項(xiàng)審核數(shù)據(jù)的數(shù)量是否符合預(yù)D、經(jīng)驗(yàn)審核D、技術(shù)支持和自動(dòng)化D、簡(jiǎn)化流程D、技術(shù)評(píng)估C、優(yōu)化業(yè)務(wù)流程D、制定戰(zhàn)略目標(biāo)A、可利用多種感官D、可訓(xùn)練體能儀容和言談舉止B、準(zhǔn)備好所有用具并擱置整齊C、對(duì)每個(gè)受訓(xùn)者的試做給予立即的反饋D、向所有受訓(xùn)人員公布議程表114.訓(xùn)練好的深度學(xué)習(xí)模型需要進(jìn)行()。A、評(píng)估驗(yàn)證C、模型加載D、系統(tǒng)調(diào)用115.循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)在處理序列數(shù)據(jù)時(shí)最適合解決哪種問題?A、圖像分類B、文本生成C、物體檢測(cè)D、強(qiáng)化學(xué)習(xí)116.選擇正確的培訓(xùn)方法不需要考慮以下哪個(gè)因素?A、目標(biāo)受眾B、培訓(xùn)時(shí)間C、培訓(xùn)效果D、戰(zhàn)略目標(biāo)117.虛擬現(xiàn)實(shí)是一種模擬的體驗(yàn)技術(shù)，下列哪個(gè)選項(xiàng)描述了虛擬現(xiàn)實(shí)的主要特點(diǎn)?B、Photoshop軟件B、語(yǔ)音中含有噪聲A、智能客服D、智能空調(diào)121.文本類業(yè)務(wù)數(shù)據(jù)主要審核哪些方面的數(shù)量?A、商品數(shù)量C、業(yè)務(wù)數(shù)據(jù)數(shù)量D、軟件質(zhì)量D、文本類業(yè)務(wù)數(shù)據(jù)難以采集。123.文本類業(yè)務(wù)數(shù)據(jù)通常需要進(jìn)行何種預(yù)處理?C、人工標(biāo)注D、統(tǒng)計(jì)分析124.文本類業(yè)務(wù)數(shù)據(jù)采集與分析的重要目的是什么?A、用于判斷文本數(shù)據(jù)的收益情況。B、用于計(jì)算產(chǎn)品銷售情況C、用于提供營(yíng)銷方案和改進(jìn)產(chǎn)品。法間C、有助于保證數(shù)據(jù)質(zhì)量和標(biāo)注質(zhì)量C、數(shù)據(jù)過濾D、簡(jiǎn)化數(shù)據(jù)處理過程138.屬于主流的語(yǔ)音識(shí)別框架的是()。139.屬于常見語(yǔ)言模型的有()。B、在經(jīng)過編碼后D、在與其他數(shù)據(jù)合成后B、是否符合市場(chǎng)需求B、內(nèi)部審核和外部審核C、質(zhì)量審核和內(nèi)容審核D、主觀審核和客觀審核A、深度相機(jī)C、激光雷達(dá)拍攝D、在很近距離拍攝來控制iPhone及其App,這種交互方式稱為()。D、腦機(jī)接口149.使用AI翻譯軟件翻譯英文文章，屬于人與智能的()交互方D、觸屏A、用戶自行決定B、客戶投票決定D、計(jì)算得出A、人工、軟件、平臺(tái)C、軟件、平臺(tái)、機(jī)器學(xué)習(xí)152.神經(jīng)網(wǎng)絡(luò)中常用的激活函數(shù)一般不包括()。B、Tanh函數(shù)A、將數(shù)據(jù)轉(zhuǎn)化為一定的分布形式D、將數(shù)據(jù)轉(zhuǎn)化為一定的分布形式D、對(duì)程序代碼的審核B、圖像處理技術(shù)C、圖像相似度評(píng)價(jià)指標(biāo)158.設(shè)有以下代碼：ImporttensorflowastfModel=tf.keras.Sequential()Model.add(tf.keras.layers.Conv2D(32,kernel_size=(3n='relu',input_shape=(28,28,1)))則添加的卷積層中輸入層的神經(jīng)元個(gè)數(shù)為_()。32C、無法確定159.設(shè)有以下代碼：ImporttensorflowastfModel=tf.keras.Sequential()Model.add(tf.keras.layers.Conv2D(16,kernel_size=(2n='relu',input_shape=(28,28,1)))則添加的卷積層中隱藏層的神經(jīng)元個(gè)數(shù)為()。D、無法確定160.設(shè)有以下代碼：ImporttensorflowastfModel=tf.keras.Sequential()Model.add(tf.keras.layers.Conv2D(16,kernel_size=(2n='relu',input_shape=(28,28,1)))則添加的卷積層中輸入層的神經(jīng)元個(gè)數(shù)為()。16C、無法確定A、有效語(yǔ)音B、無效語(yǔ)音D、良好的審美眼光際使用過程中進(jìn)行()、()、()、()及其他輔助作業(yè)的人A、數(shù)據(jù)集管理C、人機(jī)交互設(shè)計(jì)D、性能測(cè)試跟蹤B、優(yōu)化生產(chǎn)流程C、開發(fā)新的人工智能產(chǎn)品和應(yīng)用D、提升員工福利待遇168.人工智能訓(xùn)練師包含數(shù)據(jù)標(biāo)注員和()兩類人員。A、人工智能算法測(cè)試員B、軟件開發(fā)人員C、需求分析人員D、系統(tǒng)測(cè)試人員169.人工智能訓(xùn)練師包含()和人工智能算法測(cè)試員兩類人員。B、需求分析人員C、數(shù)據(jù)標(biāo)注員D、系統(tǒng)測(cè)試人員指標(biāo)、()、模型測(cè)試和模型驗(yàn)證B、模型訓(xùn)練B、算法的正確性D、介紹算法的背景和發(fā)展歷程智能知識(shí)、具備熟練的技術(shù)操作能力之外，還需要有具備()。B、行業(yè)領(lǐng)域知識(shí)D、人事管理能力正類的比例稱為()。A、準(zhǔn)確率176.人工智能分類算法測(cè)試常見的評(píng)價(jià)指標(biāo)不包括()。A、運(yùn)行時(shí)間C、建筑設(shè)計(jì)原理178.人工與智能的視覺交互方式不包括()。A、情感識(shí)別C、表情識(shí)別D、姿態(tài)識(shí)別D、識(shí)別A、隱藏層D、所有選項(xiàng)都正確183.區(qū)域標(biāo)注比矩形框標(biāo)注更加準(zhǔn)確，標(biāo)注邊緣可以是什么形D、所有選項(xiàng)都正確D、系統(tǒng)的數(shù)據(jù)處理能力A、內(nèi)容完美、操作易懂、語(yǔ)言多樣C、結(jié)構(gòu)緊湊、內(nèi)容詳盡、邏輯清晰D、創(chuàng)意突出、內(nèi)容豐富、形式多變186.培訓(xùn)講義應(yīng)該詳略得當(dāng)，對(duì)于員工難以理解的功能應(yīng)該如A、培訓(xùn)目標(biāo)B、分析受眾C、編寫核心內(nèi)容A、主題C、媒體材料D、內(nèi)容審核190.哪個(gè)領(lǐng)域PSNR是目前應(yīng)用較廣的領(lǐng)域?C、安防領(lǐng)域D、視頻/圖像處理領(lǐng)域191.目前中文票據(jù)OCR識(shí)別中的文本檢測(cè)算法常用的是()和E192.目前國(guó)標(biāo)碼中收錄的一級(jí)字庫(kù)最常用漢字的數(shù)量為()。A、八百多個(gè)C、三千多個(gè)D、六千多個(gè)A、目標(biāo)物體的大小B、目標(biāo)物體的位置和類別D、目標(biāo)物體的運(yùn)動(dòng)軌跡C、不越界原則B、二元標(biāo)簽D、量子比特A、只能處理數(shù)值數(shù)據(jù)C、具有自主學(xué)習(xí)和適應(yīng)能力D、無法處理自然語(yǔ)言198.決策樹由()、()、()元素構(gòu)成A、根節(jié)點(diǎn)B、超節(jié)點(diǎn)C、內(nèi)部節(jié)點(diǎn)D、葉節(jié)點(diǎn)199.決策樹的葉節(jié)點(diǎn)包含()。201.卷積神經(jīng)網(wǎng)絡(luò)包含()、池化層和全連接層。B、輸入層D、中間層A、靜音處理B、預(yù)處理算法D、無需處理C、用一個(gè)或多個(gè)標(biāo)簽標(biāo)注目標(biāo)的屬性D、所有選項(xiàng)都正確A、學(xué)習(xí)效果易受培訓(xùn)師講授的水平影響B(tài)、講授內(nèi)容具有強(qiáng)制性205.假設(shè)已正確加載paddlepaddle中文票據(jù)OCR識(shí)別預(yù)訓(xùn)練模型ocr,則用于實(shí)施OCR識(shí)別的方法是()。206.假設(shè)已創(chuàng)建了Keras的序列模型并添加了相應(yīng)的層次，可以使用模型的()方法對(duì)模型進(jìn)行訓(xùn)練。B、fit207.激活函數(shù)()可將實(shí)數(shù)范圍的自變量值映射到0~1之間的輸208.基于深度學(xué)習(xí)的算法模型通常將OCR識(shí)別分為()兩個(gè)階段。A、圖像載入、圖像分析D、文本掃描、文本分割值的量級(jí)統(tǒng)一，聚類前需進(jìn)行的操作是()。B、標(biāo)準(zhǔn)化C、正則化A、任何視覺上與真實(shí)情況不同的變形或失真B、圖像的亮度、飽和度C、圖像的模糊程度D、視覺檢測(cè)的錯(cuò)誤率A、圖像分類C、物體檢測(cè)B、平行語(yǔ)料標(biāo)注A、自動(dòng)駕駛下的車輛、行人等B、人體面部輪廓、五官定位、身體部位、情緒識(shí)別、運(yùn)動(dòng)追蹤等D、所有選項(xiàng)都正確B、圖像分割C、物體檢測(cè)D、目標(biāo)追蹤A、輸入層B、隱藏層D、視覺類數(shù)據(jù)標(biāo)注的質(zhì)量的好壞與標(biāo)注時(shí)間無關(guān)C、只需要標(biāo)注清晰的目標(biāo)即可D、根據(jù)具體情況決定是否標(biāo)注A、控制實(shí)體數(shù)量B、實(shí)體名稱不能和關(guān)系類型、屬性名稱重復(fù)C、關(guān)系類型名稱不能和實(shí)體名稱相同D、關(guān)系類型名稱應(yīng)該包含語(yǔ)義A、只需要標(biāo)注圖像中完整的目標(biāo)即可B、不需要標(biāo)注被遮擋的目標(biāo)C、應(yīng)該標(biāo)注被遮擋的目標(biāo)，矩形框只需要包含看得見的部分D、應(yīng)該標(biāo)注被遮擋的目標(biāo)，矩形框應(yīng)該包含整個(gè)目標(biāo)A、分詞、情感分析、詞性標(biāo)注等B、數(shù)值計(jì)算、單位轉(zhuǎn)換、加密解密等C、時(shí)間計(jì)算、日期格式轉(zhuǎn)換等D、邏輯運(yùn)算、條件判斷等224.點(diǎn)云數(shù)據(jù)中每一個(gè)點(diǎn)包含什么信息?A、二維坐標(biāo)和角度信息B、天空的云朵分布D、特征提取C、確定點(diǎn)云的幾何和紋理等特征點(diǎn)D、將不同視角下的坐標(biāo)系變換到統(tǒng)一視角下理技術(shù)和算法模型理解用戶表達(dá)的含義，然后在()中找出與該A、知識(shí)庫(kù)D、關(guān)系數(shù)據(jù)庫(kù)C、冗余消除法D、功能整合法造成雖然訓(xùn)練誤差相對(duì)較低但測(cè)試誤差高的現(xiàn)象，這種稱為()B、欠擬合C、過擬合D、不飽和擬合D、可以直接用于學(xué)習(xí)和研究C、咨詢法236.常見的深度學(xué)習(xí)網(wǎng)絡(luò)模型不包括()。C、排出的廢氣廢水D、活動(dòng)的輸出物B、標(biāo)注框大小和位置的不合適會(huì)導(dǎo)致目標(biāo)檢測(cè)任務(wù)的漏檢和誤檢C、標(biāo)注框大小和位置的不合適會(huì)導(dǎo)致目標(biāo)檢測(cè)任務(wù)的準(zhǔn)確率和D、標(biāo)注框大小和位置的合適與否對(duì)目標(biāo)檢測(cè)任務(wù)的效果具有重D、通過播放用戶反饋數(shù)據(jù)A、C語(yǔ)言宏語(yǔ)言241.Transformer模型是一種采用()機(jī)制的深度學(xué)習(xí)模型。B、自注意力C、門控循環(huán)D、雙向循環(huán)242.Transformer模型是2017年由()提出的模型。243.Tensorflow中Keras序列模型的fit方法，其功能是()。A、函數(shù)擬合B、模型訓(xùn)練D、模型評(píng)估246.scikit-learn中的make類數(shù)據(jù)集是指：D、讀取文件中的數(shù)據(jù)集247.scikit-learn中的cross_val_score方法的作用是：252.PSNR是評(píng)價(jià)什么的數(shù)值評(píng)估指標(biāo)?A、圖像大小B、圖像分辨率C、圖像質(zhì)量D、圖像顏色B、無監(jiān)督學(xué)習(xí)256.LSTM(長(zhǎng)短期記憶網(wǎng)絡(luò))相對(duì)于普通循環(huán)神經(jīng)網(wǎng)絡(luò)的主要改A、更少的計(jì)算資源消耗D、更好地處理長(zhǎng)期依賴關(guān)系C、3D建模軟件258.KNN算法的關(guān)鍵在訓(xùn)練集中找到最接近一個(gè)目標(biāo)數(shù)據(jù)點(diǎn)的()個(gè)最近鄰居A、-1到1之間B、0到1之間C、0到100之間D、1到10之間D、精確率和召回率的加權(quán)調(diào)和平均261.Excel數(shù)據(jù)處理支持以下哪種格式的數(shù)據(jù)?C、日期時(shí)間3.中文票據(jù)OCR識(shí)別相比英文識(shí)別，增加的困難包括()。C、語(yǔ)音增強(qiáng)5.智能系統(tǒng)改造法是通過對(duì)現(xiàn)有業(yè)務(wù)流程進(jìn)行以下哪些活動(dòng)來A、冗余消除C、功能拆分D、全新設(shè)計(jì)A、智能汽車軟件研發(fā)B、智能硬件的設(shè)計(jì)和制造D、汽車售后服務(wù)A、工業(yè)機(jī)器人C、智能家居D、人工智能開發(fā)A、自然語(yǔ)言理解B、語(yǔ)義分析D、模型優(yōu)化9.智能客服機(jī)器人的工作原理主要包括()。A、知識(shí)庫(kù)構(gòu)建D、制定輸入輸出關(guān)系A(chǔ)、數(shù)據(jù)的有效應(yīng)用C、數(shù)據(jù)量大的圖像D、改善訓(xùn)練模型質(zhì)量A、以說話人的整句話為單位進(jìn)行切割B、E選取含有突發(fā)噪音的語(yǔ)音段進(jìn)行切割C、盡可能保留0.2至0.3秒的靜音段D、將每個(gè)語(yǔ)音段的時(shí)間邊界設(shè)置在語(yǔ)音波形圖的最低點(diǎn)D、數(shù)據(jù)采集人員D、ExtraTreesClassifierD、標(biāo)點(diǎn)符號(hào)C、聲音時(shí)長(zhǎng)D、節(jié)奏和旋律B、時(shí)長(zhǎng)D、字幕多少29.以下屬于AI云平臺(tái)的是()。A、百度飛漿EasyDL30.以下人機(jī)交互方式中屬于視覺交互的是()。B、語(yǔ)音識(shí)別C、表情識(shí)別D、姿態(tài)識(shí)別A、神經(jīng)科學(xué)B、神經(jīng)科學(xué)C、仿生學(xué)A、去除冗余步驟B、簡(jiǎn)化流程C、優(yōu)化資源利用D、培訓(xùn)和教育D、跟蹤流程優(yōu)化的效果D、可訓(xùn)練體能儀容和言談舉止A、指紋識(shí)別D、血壓測(cè)量A、自動(dòng)駕駛C、機(jī)器翻譯A、人為性因素對(duì)培訓(xùn)效果有較大的影響C、容易影響態(tài)度、不易影響行為B、整段語(yǔ)音只含有噪聲或靜音B、需求分析人員D、人工智能算法測(cè)試員D、特殊格式49.文本識(shí)別算法CRNN中采用的神經(jīng)網(wǎng)絡(luò)模型包括()。A、文本統(tǒng)計(jì)分析B、輿情分析D、網(wǎng)絡(luò)優(yōu)化A、自然語(yǔ)言處理D、機(jī)器學(xué)習(xí)D、標(biāo)簽數(shù)據(jù)量過少A、歸一化D、梯度下降61.人工與智能的交互方式有_()。D、腦機(jī)接口A、物體遮擋B、模糊目標(biāo)D、標(biāo)注框的大小A、信息流B、物流D、操作內(nèi)容A、目標(biāo)物體的名稱B、目標(biāo)物體的位置C、目標(biāo)物體的類別A、機(jī)器人技術(shù)C、金融風(fēng)險(xiǎn)評(píng)估D、太空探索A、是否存在聲音重疊現(xiàn)象D、語(yǔ)音數(shù)據(jù)的正確語(yǔ)序則能夠成功構(gòu)建Keras序列模型的語(yǔ)句為()。70.假設(shè)數(shù)組乙由以下代碼產(chǎn)生，則語(yǔ)句()可實(shí)現(xiàn)對(duì)數(shù)組乙的歸A、人臉識(shí)別D、標(biāo)注好的分詞必須考慮文本的上下文B、停留時(shí)間中的模型構(gòu)建模塊提供了以下哪些常見的分類算A、動(dòng)態(tài)圖計(jì)算B、靜態(tài)圖計(jì)算A、對(duì)圖像進(jìn)行多邊形標(biāo)注83.EasyDL中可以使用以下哪些人工智能模型?B、圖像分割D、目標(biāo)追蹤84.EasyDL平臺(tái)上可以選擇哪些算法?85.EasyDL的智能標(biāo)注支持以下哪些功能?A、根據(jù)所選模型自動(dòng)標(biāo)注B、自動(dòng)篩選出數(shù)據(jù)集中難例圖片D、一鍵標(biāo)注難例圖片86.AI模型優(yōu)化的步驟一般包括()。D、模型調(diào)整10.智能客服機(jī)器人通過自主深度學(xué)習(xí)來不斷積累新知識(shí)和完善11.智能客服機(jī)器人能夠通過以監(jiān)督學(xué)習(xí)為代表的深度學(xué)習(xí)技術(shù)12.智能客服機(jī)器人的通用知識(shí)庫(kù)通常由該客服機(jī)器人的用戶根常用于自然語(yǔ)言處理等領(lǐng)域。20.在人工智能業(yè)務(wù)中，所有的業(yè)務(wù)數(shù)據(jù)都是可直接用于模型訓(xùn)練21.在人工智能訓(xùn)練的模型驗(yàn)證階段