人工智能面试题及答案 - [ 人工智能 ]

人工智能面试题及答案

人工智能是一个广泛的计算机科学领域,它使机器看起来像人类智能,可以执行学习,视觉,交谈,解决问题等任务。 它将对象,类别,属性和关系放在一起,以启动计算机中的推理,常识和解决问题的功能。 人工智能是机器学习,知识工程和机器人技术的完美融合。

1. 请列出机器学习中的算法技术。

机器学习中的算法技术如下 -

  • 监督学习
  • 无监督学习
  • 半监督学习
  • 强化学习
  • 学习如何学习
  • 传导
详细答案>>

2. 机器学习中的正规化是什么?

正则化是一种用于解决任何统计模型中的过度拟合或欠拟合问题的技术。 它主要用于减少数据集中的拟合误差。 新的信息适合数据集,以最小化或减少拟合问题。

详细答案>>

3. 什么是哈希表?

哈希表是一种数据结构,用于创建任意大小的关联数组,主要用于数据库索引。

详细答案>>

4. 什么是模型精度和模型性能?

模型精度是模型性能的一个子集。 模型性能对数据集提要进行操作,作为算法的输入,模型准确性基于模型性能算法。

详细答案>>

5. 用于降维的提取技术有哪些?

用于降维的提取技术有以下几种 -

  • 主成分分析
  • 独立成分分析
  • 基于核的主成分分析
  • 线性判别分析
  • 广义判别分析
详细答案>>

6. Tensorflow是什么?

TensorFlow是一个开源的机器学习框架。 它快速,灵活,是一个低级工具包,用于执行复杂的算法,并提供可定制性来构建实验性学习架构。 AlphaGo和Google Cloud Vision基于Tensorflow框架构建。 参考:http://www.yiibai.com/tensorflow/详细答案>>

7. 归纳机器学习和演绎机器学习有什么区别?

归纳机器学习和演绎机器学习有以下区别 - 归纳机器学习 观察并学习一组实例,然后得出结论。它是KNN(K-最近邻居)或SVM(支持向量机)等统计机器学习。A ⋀B ⊢ A → B(归纳) 演绎机器学习 得出结论,然后根据先前的决定进行处理。机器学习算法使用决策树进行演绎推理。A⋀(A→B)⊢B(演绎)详细答案>>

8. 什么时候使用分类而不使用回归?

当输出变量是诸如“红色”或“蓝色”,“垃圾邮件”或“非垃圾邮件”的类别时,使用分类。 它用于从观察值中得出结论。 与输出变量是真实的或连续的值如“年龄”,“薪水”等时使用回归。当我们必须识别类时,数据属于使用分类而不是回归。 就像必须确定一个名字是男性还是女性,而不是发现它们与这个人的相关性。详细答案>>

9. 博弈论和人工智能如何相关?

游戏是AI系统中最明显的进步领域。 AI系统可以使用博弈论进行改进,这需要不止一个参与者来缩小该领域。它有两个基本作用: 参与者设计:博弈论用于改善参与者获得最大效用的决策。机制设计:反向博弈论,致力于为一组智能参与者设计游戏。详细答案>>

10. 参数和非参数模型有什么区别?

参数和非参数模型以下区别 - 参数模型 非参数模型 使用有限数量的参数来预测新数据 使用无限数量的参数 简单,快速和更少的数据 功能强大,灵活且无限的数据 数据预测仅取决于参数 数据预测取决于参数和当前数据状态 详细答案>>

11. 什么是深度优先搜索算法?

深度优先搜索(DFS)算法是一种使用回溯方法的递归算法。 如果可能的话,它涉及通过所有节点的广泛遍历,否则通过回溯。 当向前移动并且当前路径上没有剩余节点时,将返回相同的路径以查找要遍历的新节点。 仅当访问当前路径上的所有节点时,才会选择下一个路径。 DFS使用堆栈执行,如下所示: 选择源/起始节点并将所有相邻节点推入堆栈。 现在从堆栈中选择一个节点以选择要访问的下一个节点,并将其所有相邻节点推入堆栈。 重复此过程,直到堆栈为空。 确保标记所有访问的节点,因为这将阻止您重新访问同一节点。 如果不标记受访...详细答案>>

12. 梯度检查的重要性是什么?

进行梯度检查以检测在非常特定的条件下表现出来的复杂软件中的隐藏错误。 它是在后支撑算法上完成的调试过程,它还执行派生检查过程,并确保实现正确。

详细答案>>

13. 什么是广度优先搜索算法?

广度优先搜索涉及一次遍历二级搜索树。 从根节点开始,继续通过相邻节点向下一级节点移动。 由于该过程可以利用FIFO(先进先出)数据结构来执行。 该策略提供了解决方案的最短路径。 BFS为每个节点分配两个值:距离和前驱者。 通过给出从源节点到节点“v”的任何路径中的最小边数来计算距离。“v”的前导节点以及来自源节点的一些最短路径。 源节点的前驱是一些特殊值,例如null,表示它没有前驱者。 如果没有从源节点到节点“v”的路径,那么v的距离是无限的,并且假设前驱者具有与源的前任相同的特殊值。详细答案>>

14. 你如何向外行解释机器学习?

基本上,机器学习是模式识别。 像Youtube的视频推荐,Facebook的新闻节目等都是模式识别的完美范例。 机器观察模式并从示例中学习。 您在YouTube上看到的视频类型,您会收到类似类型的视频推荐。 机器学习计划的结果随着每次尝试和试验而不断改进。详细答案>>
注: 此试题仅作为相关知识水平测试,不能作为权威试题和答案。非商业转载注明原文链接即可;商业转载需本站授权同意。

相关面试题

人工智能面试题及答案   14
layui

微信扫码关注 考评师 公众号