课程1_第1周_测验题
目录：目录
第一题
1.“人工智能是新电力” 这个比喻指的是什么？
A. 【 】人工智能为我们的家庭和办公室的个人设备供电，类似于电力。
B. 【 】通过“智能电网”，人工智能正在传递新一波的电力。
C. 【 】人工智能在计算机上运行，因此由电力驱动，但它让计算机做以前不可能做的事情。
D. 【 】与100年前开始的电力类似，人工智能正在改变多个行业。
答案：
D.【 √ 】与100年前开始的电力类似，人工智能正在改变多个行业。
第二题
2.以下哪些是最近深度学习开始崛起的原因？（选2个答案）
A. 【 】我们拥有了更多的计算能力。
B. 【 】神经网络是一个崭新的领域。
C. 【 】我们有了更多的数据。
D. 【 】深度学习在诸如在线广告、语音识别和图像识别等重要应用方面取得了显著的改进。
答案：
A.【 √ 】我们拥有了更多的计算能力
C.【 √ 】我们有了更多的数据。
第三题
3.回想一下这个机器学习迭代的图。以下哪项陈述是正确的？（选出所有正确项）
A. 【 】能够快速地尝试各种想法可以让深入学习的工程师更快地迭代。
B. 【 】更快的计算有助于加快团队迭代一个好主意所需的时间。
C. 【 】在大数据集上训练比在小数据集上训练更快。
D. 【 】深度学习算法的最新进展使我们能够更快地训练好的模型（即使不改变CPU/GPU硬件）。
答案：
A.【 √ 】能够快速地尝试各种想法可以让深入学习的工程师更快地迭代。
B.【 √ 】更快的计算有助于加快团队迭代一个好主意所需的时间。
D.【 √ 】深度学习算法的最新进展使我们能够更快地训练好的模型（即使不改变CPU/GPU硬件）。
第四题
4.当一个有经验的深度学习工程师处理一个新问题时，他们通常可以在第一次尝试时利用以前问题的洞察力来训练一个好的模型，而不需要在不同的模型中重复多次。
A. 【 】对
B. 【 】不对
答案：
B.【 √ 】不对
第五题
5.这些图中的哪一个表示ReLU激活函数？
A. 【 】
B. 【 】
C. 【 】
D. 【 】
答案：
C.【 √ 】
第六题
6.用于猫识别的图像是“结构化”数据的一个例子，因为它在计算机中表示为结构化的数组。
A. 【 】对
B. 【 】不对
答案：
B.【 √ 】不对
第七题
7.人口数据集包含不同城市人口、人均GDP、经济增长的统计数据，这是“非结构化”数据的一个例子，因为它包含来自不同来源的数据。
A. 【 】对
B. 【 】不对
答案：
B.【 √ 】不对
第八题
8.为什么RNN（递归神经网络）被用于机器翻译，比如说将英语翻译成法语？（选出所有正确项）
A. 【 】它可以训练成一个有监督的学习问题。
B. 【 】它比卷积神经网络（CNN）更强大。
C. 【 】当输入/输出是一个序列（例如，一个单词序列）时适用。
D. 【 】RNN表示 想法->代码->实验->想法->… 的循环过程。
答案：
A.【 √ 】它可以训练成一个有监督的学习问题
C.【 √ 】当输入/输出是一个序列（例如，一个单词序列）时适用
第九题
9.在这PPT截图中，水平轴（X轴）和垂直轴（Y轴）代表什么？
A. 【 】X轴代表数据量，Y轴代表模型规模
B. 【 】X轴代表数据量，Y轴代表模型表现
C. 【 】X轴代表模型表现，Y轴代表数据量
D. 【 】X轴代表模型的输入，Y轴代表输出
答案：
B.【 √ 】X轴代表数据量，Y轴代表模型表现
第十题
10.假设前一个问题中所描述的趋势是准确的（并且希望你的坐标轴标签正确），下列哪一个是正确的？（选出所有正确项）
A. 【 】增加训练集的大小通常不会影响算法的性能，而且可能会有很大帮助。
B. 【 】增加神经网络的规模通常不会影响算法的性能，而且可能会有很大帮助。
C. 【 】减小训练集的大小通常不会影响算法的性能，而且可能会有很大帮助。
D. 【 】减小神经网络的规模通常不会影响算法的性能，而且可能会有很大帮助。
答案：
A.【 √ 】增加训练集的大小通常不会影响算法的性能，而且可能会有很大帮助。
B.【 √ 】增加神经网络的规模通常不会影响算法的性能，而且可能会有很大帮助。
