继续分享HCIA-AI 4.0的题库练习题，完整的题库我已经发在题主小程序上了，需要的可以自己去找。
以下关于梯度下降法的描述错误的是哪些项?
A. 负梯度方向是函数下降最快的方向
B. 梯度下降法一定够在凸优化问题中取得全局极值点
C. 梯度下降法不一定能够在凸优化问题中取得全局极值点
D. 负梯度方向是函数上升最快的方向
答案： BD
解析：梯度下降法的核心原理是利用负梯度方向作为函数值下降最快的方向(A正确，D错误)。在凸优化问题中，虽然理论上有唯一全局极值点，但实际应用中若学习率设置不当或迭代次数不足，梯度下降法可能无法收敛到全局极值(B错误月C正确)。因此，错误选项为将负梯度方向误认为上升最快方向(D)以及绝对化凸优化问题的收敛结果(B)。
问诊机器人可能涉及以下哪些技术
A. 语音识别
B. 图像识别
C. 专家系统
D. 知识图谱
答案：ACD
解析：语音识别技术用于将用户的语音输入转化为文字，是交互的基础。医学领域中的专家系统通过规则推理辅助诊断决策。知识图谱整合疾病、症状、药物等关系网络，支撑智能推理。图像识别在特定场景(如皮肤病识别)可能有应用，但未被列为答案。《人工智能在医疗领域的应用》文献指出，核心问诊功能主要基于前三项技术实现。
昇腾AI处理器支持接入以下哪些种类的内存?
A. SATA
B. SSD
C. HBM
D. DDR
答案：CD
下列关于通用表格识别服务返回的type字段说法正确的是?
A. type代表文字识别区域类型
B. type为text时代表文本识别区域
C. type代表表格类型
D. type为table时代表格识别区域
答案：BD
解析：通用表格识别服务的type字段用于区分识别结果的区域类型。[A错误，type并非仅代表文字识别区域类型，而是包括文本、表格等多种区域类型。[B]正确，type为text时对应文本区域。[C]错误，type不描述表格的具体类型(如合并单元格等)，仅标识区域是否为表格。[D]正确，type为table时标识该区域为表格。参考阿里云、腾讯云等主流OCR服务的API文档，type字段通常设计为text或table以区分区域类型。
ModelArts的灵活性特点表现在哪些方面?
A. 支持GPU加速
B. 支持Ascend芯片加速
C. 支持多种开发框架
D. 自定义镜像
答案：ABCD
解析：ModelArts的灵活性体现在其对不同硬件加速环境的兼容性，如GPU和Ascend芯片的支持，满足多样化算力需求。支持TensorFlow、PvTorch、MindSpore等主流开发框架，覆盖不同算法开发场景。自定义镜像功能允许用户灵活定制训练和推理环境，适配个性化配置要求。参考华为云官方文档，ModeArts面向AI开发全流程提供高度可扩展的底层资源及工具链，上述选项均属于其核心能力模块。
下列选项中属于keras下estimator封装的方法有?
A. 评估
B. 训练
C. 预测
D. 输出模型
答案：ABC
解析：在Keras框架下，estimator封装提供了一套高级API，用于简化和规范化模型的开发流程。这些方法涵盖了模型生命周期的各个关键环节。评估(A选项)是模型训练完成后，对模型性能进行量化分析的过程，如计算准确率、损失等。训练(B选项)是模型学习的核心过程，通过迭代优化模型参数，使模型逐渐拟合数据。预测(C选项)是利用训练好的模型对新数据进行预测，输出预测结果。输出模型(D选项)则是将训练好的模型保存或导出，以便后续部署和应用。因此，ABCD四个选项均属于Keras下estimator封装的方法
以下哪些是属于深度学习算法的激活函数?
A. Sigmoid
B. ReLU
C. Tanh
D. Sin
答案：ABC
解析：在深度学习中，激活函数对于神经网络的性能至关重要，它们能够引入非线性，使得神经网络能够学习和表示更复杂的函数关系。Sigmoid、ReLu和Tanh都是常用的激活函数。Sigmoid函数能够将输入值压缩到0和1之间，常用于二分类问题的输出层。ReLU(Rectified Linear Unit)函数则是一种非线性修正函数，对于输入值大于0的部分直接输出，小于0的部分则输出0，它在解决梯度消失问题方面表现优异。Tanh函数是双曲正切函数，能够将输入值压缩到-1和1之间，它具有Sigmoid函数的优点，同时能够输出负值。而Sin函数是正弦函数，虽然它是一种非线性函数但在深度学习中并不作为激活函数使用，因为它不满足激活函数的一些关键特性，如单调性、非线性放大效果等,因此，正确答案是ABC。
人工智能包括哪些要素?
A. 算法
B. 场景
C. 算力
D. 数据
答案：ABCD
解析：人工智能是集算法、算力、数据和场景于一体的技术。 A选项算法，是人工智能的核心，它指导机器学习和决策的过程。 B选项算力，即计算能力，是人工智能实现的基础，只有强大的算力才能处理大量的数据和复杂的算法。C选项数据，是人工智能的基础资源，没有数据就无法训练模型，也就无法实现人工智能。 D选项场景，是指人工智能的应用场景，不同场景需要不同的人工智能技术和应用方式。因此，正确答案为ABCD。
TensorFlow2.0中可以用来查看是否是tensor的方法有?
A. dtype
B. isinstance
C. is tensor
D. device
答案：BD
解析：这道题考查TensorFlow2.0中判断是否为 tensor 的方法。isinstance 可用于类型判断，is_tensor 专门用于判断是否为 tensor。而 dtype 是获取数据类型，device 是获取设备信息，它们都不是用于判断是否为 tensor 的方法。
以下哪些属于AI训练和推理框架?
A. MindSpore
B. Matlab
C. Pytorch
D. TensorFlow
答案：ACD
解析：AI训练和推理框架用于支撑人工智能模型的训练与推理工作。MindSpore是华为开发的开源框架，可支持深度学习模型全流程操作。PvTorch以动态计算图和易用性被广泛使用。TensorFlow由Google开发，支持分布式训练和多种硬件加速。而Matlab主要用于工程和科学计算，并非专门的AI训练和推理框架
如果把寻找最优值的过程看做小球滚到山底的过程，以下关于动量优化器的描述，正确的是哪些项?
A. 带有惯性的小球更容易滚过一些狭窄的局部极值，
B. 仍需要手动设置学习率和动量系数。
C. 动量梯度下降是小球在下降的过程中不断积累速度，这有助于小球快速中过平坦区域，加快收敛
D. 动量梯度下降可以解决振荡导致学习速度降低的问题
答案：ABCD
解析：动量优化器模拟物理动量，结合历史梯度调整更新方向。A项正确因惯性帮助小球越过狭窄局部极值;B项正确因学习率和动量系数需手动设定;C项正确因动量积累速度加快平坦区域收敛;D项正确因动量减少峡谷地形振荡。参考an Goodfelow《Deep Learning》对动量方法的解释，动量通过指数衰减平均历史梯度，加速收敛并减少震荡。选项均符合动量梯度下降机制。
SVM中常用的核函数包括哪些?
A. 高斯核函数
B. 多项式核函数
C. Sigmiod核函数
D. 线性核函数
答案：ABCD
解析：SVM核函数主要用于将数据映射到高维空间以实现线性可分。高斯核函数(RBF核)通过计算样本间相似性实现非线性划分;多项式核函数通过多项式组合特征;Sigmoid核函数模拟神经网络激活函数，适用于二分类问题;线性核函数直接处理线性可分数据。李航《统计学习方法》及周志华《机器学习》均明确列举上述核函数为SVM常用选项。四个选项均为标准核函数，涵盖不同数据特性场景。
最近几次在题主小程序上模拟考试都不及格，看来还是太菜，需要继续练呀，哈哈！
)
