網易雲課堂-深度學習工程師微專業
第一周測驗 - 深度學習簡介
1.和“AI是新電力”相類似的說法是什麼？
【 】AI為我們的家庭和辦公室的個人裝置供電，類似于電力。
【 】通過“智能電網”，AI提供新的電能。
【 】AI在計算機上運作，并由電力驅動，但是它正在讓以前的計算機不能做的事情變為可能。
【★】就像100年前産生電能一樣，AI正在改變很多的行業。
2.哪些是深度學習快速發展的原因？ (兩個選項)
【★】 現在我們有了更好更快的計算能力。
【 】神經網絡是一個全新的領域。
【★】 我們現在可以獲得更多的資料。
【 】深度學習已經取得了重大的進展，比如在線上廣告、語音識别和圖像識别方面有了很多的應用。
3.回想一下關于不同的機器學習思想的疊代圖。下面哪(個/些)陳述是正确的？
【★】能夠讓深度學習工程師快速地實作自己的想法。
【★】在更好更快的計算機上能夠幫助一個團隊減少疊代(訓練)的時間。
【 】在資料量很多的資料集上訓練上的時間要快于小資料集。
【★】 使用更新的深度學習算法可以使我們能夠更快地訓練好模型（即使更換CPU / GPU硬體）。
4.當一個經驗豐富的深度學習工程師在處理一個新的問題的時候，他們通常可以利用先前的經驗來在第一次嘗試中訓練一個表現很好的模型，而不需要通過不同的模型疊代多次進而選擇一個較好的模型，這個說法是正确的嗎？
【 】正确
【★】 錯誤
5.ReLU函數：
6.用于識别貓的圖像是“結構化”資料的一個例子，因為它在計算機中被表示為結構化矩陣，是真的嗎？
【 】正确
【★】 錯誤
注：
結構化資料，簡單來說就是資料庫。
非結構化資料，是指其字段長度可變，并且每個字段的記錄又可以由可重複或不可重複的子字段構成的資料庫，用它不僅可以處理結構化資料（如數字、符号等資訊）而且更适合處理非結構化資料（全文文本、圖象、聲音、影視、超媒體等資訊）。
7.統計不同城市人口、人均GDP、經濟增長的人口統計資料集是“非結構化”資料的一個例子，因為它包含來自不同來源的資料，是真的嗎？
【 】正确
【★】 錯誤
8.為什麼在上RNN（循環神經網絡）可以應用機器翻譯将英語翻譯成法語？
【★】 因為它可以被用做監督學習。
【 】嚴格意義上它比卷積神經網絡（CNN）效果更好。
【★】 它比較适合用于當輸入/輸出是一個序列的時候（例如：一個單詞序列）
【 】RNNs代表遞歸過程：想法->編碼->實驗->想法->…
.9.在我們手繪的這張圖中，橫軸（x軸）和縱軸（y軸）代表什麼?
x軸是資料量
y軸（垂直軸）是算法的性能
10.假設上一個問題圖中描述的是準确的（并且希望您的軸标簽正确），以下哪一項是正确的?
【★】 增加訓練集的大小通常不會影響算法的性能，這可能會有很大的幫助。
【★】 增加神經網絡的大小通常不會影響算法的性能，這可能會有很大的幫助。
【 】減小訓練集的大小通常不會影響算法的性能，這可能會有很大的幫助。
【 】減小神經網絡的大小通常不會影響算法的性能，這可能會有很大的幫助。