华为ICT云赛道试题（人工智能试题）

华为ICT云赛道试题（人工智能试题）是一份涵盖了人工智能领域的试题，试题涵盖了神经网络、机器学习、深度学习、自然语言处理、计算机视觉等领域的知识点。以下是本资源的知识点摘要： 1. 神经网络研究属于连接主义学派。 2. ModelArts 开发类型中，不包括零基础建模敏捷开发。 3. HUWEl HIAl Engine 无法提供 IE 引擎。 4. Ll 正则化比 L2 正则化产生更加稀疏的模型。 5. 池化层一般接在卷积层之后。 6. 离散型随机变量没有分布函数。 7. 感知器在空间中可以展现为点。 8. 常见的聚类算法有 K-means、谱聚类、密度聚类、层次聚类等。 9. 泊松分布可以代替二项分布当 n 很大 P 很小时的近似计算。 10. Python3 中 5/2 的结果是 2.5。 11. 人工智能现在的技术应用方向主要有语音识别、计算机视觉、自然语言处理等。 12. ModelArts 开发模式有自定义开发、迭代学习、数据标注、自动学习等。 13. tf.keras.PreProcessing 的作用是 keras 数据处理工具。 14. Python 具备面向对象、开源、简单、解释性等特性。 15. 决策树用于划分节点的依据有 ID3、Gini 系数、信息增益、CART 等。 16. Print 是 Python 的正确命令，If _Oa aθ* 是错误的命令。 17. Python 可以用在网站开发、人工智能、APP、数据科学等领域中。 18. Python 操作 MySQL 数据库的操作步骤有建立数据库连接、执行 SQL 语句、安装 PyMySql、关闭数据库连接等。 19. 随机变量数值特征描述正确的是方差反映的是随机变量和其数学期望之间的偏离程度，期望反映的是随机变量取值的平均水平，相关系数用来度量两个变量间的线性关系。 20. 模型训练中避免过拟合的策略有提前停止训练、Dropout、延迟停止训练、L2、L1 正则等。 21. 张量的相关说法正确的是四阶及以上的张量，如四维及以上的向量一样没有直接的几何意义，数组是一个张量，TensorFlow 中的运算与模型优化过程都是基于张量完成的，一个矩阵是一个二阶张量。 22. 卷积神经网络池化层的相关描述正确的是经过池化的特征图像变小了，池化操作采用扫描窗口实现，池化层可以起到降维的作用，常用的池化方法有最大池化和平均池。 23. 激活函数容易产生梯度消失问题的有 Tanh、SoftPlus、Sigmoid 等。 24. tf.keras.losses 下内置的损失函数有绝对百分比误差、二进制交叉熵损失、误差平方损失等。 25. TensorFlow2.0 支持的服务有 Lite、TensorFlow2.0 核心库、JavaScript、Extended 等。 本资源涵盖了人工智能领域的广泛知识点，包括神经网络、机器学习、深度学习、自然语言处理、计算机视觉等领域的知识点，对人工智能领域的学习和研究具有重要的参考价值。