A、 规则十分复杂或者无法描述比如人脸识别和语音识别
B、 任务的规会随时间改变,比如生产线上的瑕疵检测比如预测商品销售的趋势
C、 数据分布本身随时间变化,需要程序不停的重新适应
D、 规则复杂程度低且问题的规模较小的问题
答案：ABC
解析：解析:当解决问题所需要的规则较少,但问题规模较大时,专家系统便可派上用场:利用少数的规则来处理大量的数据。但当问题规模不变,规则的复杂度上升时,专家系统已不在适用,这时候机器学习便派上用场了。
A、 规则十分复杂或者无法描述比如人脸识别和语音识别
B、 任务的规会随时间改变,比如生产线上的瑕疵检测比如预测商品销售的趋势
C、 数据分布本身随时间变化,需要程序不停的重新适应
D、 规则复杂程度低且问题的规模较小的问题
答案：ABC
解析：解析:当解决问题所需要的规则较少,但问题规模较大时,专家系统便可派上用场:利用少数的规则来处理大量的数据。但当问题规模不变,规则的复杂度上升时,专家系统已不在适用,这时候机器学习便派上用场了。
A. 决策树是一种监督式学习
B. 监督式学习不可以使用交叉验证进行训练
C. 监督式学习是一种基于规则的算法
D. 监督式学习不需要标签就可以训练
A. MindSpore支持自动整图切分。
B. MindSpore只能采用手动模型并行,需要设计模型切分,感知集群拓扑,开发难度高,难以保证高性能,难以调优。
C. MindSpore可以应对超大规模模型实现高效分布式训练的挑战。
D. MindSpore支持集群拓扑感知调度
A. 动量优化器的学习率不需要手动设置。
B. SGD和动量优化器每次迭代都用相同学习率进行更新。
C. Adagrad优化器学习率不是自动更新的。
D. Adam优化器和RMSprop优化器之间没有任何联系。
A. 激活函数
B. 优化方法
C. 损失函数
D. 处理的任务
A. 模型调用
B. 构造网络
C. 模型训练与验证
D. 数据准备
A. 循环神经网络可以根据时间轴展开
B. LSTM无法解决梯度消失的问题
C. LSTM也是一种循环神经网络
D. 循环神经网络可以简写为RNN
A. 模型训练
B. 全数据格式支持
C. 自动预标注
D. 自动特征挖掘
解析：解析:(AI开发过程中经常需要处理海量数据,数据准备与标注往往耗费整体开发一半以上时间。ModelArts数据处理框架包含数据采集、数据筛选、数据标注、数据集版本管理功能,支持自动化和半自动化的数据筛选功能,自动化的数据预标注及辅助自动化标注工具。AI开发者可基于框架实现数据标注全流程处理。)
A. 自动并行
B. 串行
C. 手动并行
