理工科数据预处理中,剔除异常值的依据是
- A主观判断
- B专业知识和统计规则
- C随机选择
- D数据量大小
数据生态的核心要素不包括
- A数据生产者
- B数据消费者
- C数据算法
- D数据流通规则
数据处理与理工科实际需求脱节的主要原因是
- A数据量过大
- B未结合专业场景
- C数据格式复杂
- D分析工具先进
理工科数据预处理中,所有缺失值都应直接删除。
- A对
- B错
数据可视化仅用于展示,无法辅助数据分析。
- A对
- B错
数字经济中,理工科数据是重要的生产要素。
- A对
- B错
数据收集阶段无需考虑后续的分析需求。
- A对
- B错
数据生态的健康发展依赖数据流通的规范化。
- A对
- B错
SQL 是关系型数据库,NoSQL 是非关系型数据库。SQL 使用结构化查询语言,NoSQL 使用______查询语言。
数据不一致问题可以使用______,引人一致性协议,使用最终一致性模型来处理。
常见的数据增强方法有图像旋转和______。
数据可视化的类型有折线图、柱状图和______等。
大语言模型本质上是深度神经网络。
- A对
- B错
大语言模型具备一定的语言理解与分析能力。
- A对
- B错
大语言模型就是聊天机器人。
- A对
- B错
大语言模型只能以文本作为输入。
- A对
- B错
大语言模型通常依赖于什么来进行训练?
- A大量标注的语音数据
- B大量的文本数据
- C数学方程
- D视频数据
大语言模型的一个主要挑战是什么?
- A数据标注过于精确
- B偏见、隐私和版权问题
- C缺乏足够的词汇量
- D无法处理文本数据
大语言模型的主要功能是什么?
- A生成和理解自然语言
- B控制物联网设备
- C进行图像识别
- D管理数据库
以下哪些技术是大语言模型产生的重要基础?
- A深度学习技术
- BTransformer
- C注意力机制
- D支持向量机
本页仅提供题目与选项供学习参考,不含答案。如需系统练习、自动判分与错题本,欢迎前往主站《人工智能通识基础》在线练习。