在机器学习中，用于评估模型性能，将数据集划分为训练集和测试集以避免过拟合的常见方法是？
交叉验证（Cross-Validation）
主成分分析（PCA）
梯度下降（Gradient Descent）
反向传播（Backpropagation）
在自然语言处理中，用于将文本转换为计算机可处理的数值向量的关键技术通常被称为______。
以下哪一项是监督学习（Supervised Learning）的典型任务？
客户细分（Clustering）
异常检测（Anomaly Detection）
图像分类（Image Classification）
降维（Dimensionality Reduction）
在深度学习中，解决梯度消失问题的一种常用激活函数是______函数。
关于大语言模型（LLM）的“注意力机制”（Attention Mechanism），以下描述最准确的是？
它是一种用于数据压缩的技术。
它是一种让模型在处理序列时，能够动态关注输入中不同部分的技术。
它是一种用于防止模型过拟合的正则化方法。
它是一种用于初始化神经网络权重的算法。
在计算机视觉中，用于从图像中提取特征层次结构的典型神经网络架构是______网络。
在强化学习中，智能体通过与环境交互来学习策略，其核心目标是最大化什么？
训练数据的数量
模型的复杂度
累积奖励（Cumulative Reward）
预测的准确率
在数据预处理阶段，用于处理数据中缺失值的两种常见方法是删除含有缺失值的记录和______。
以下哪项技术主要用于处理非结构化文本数据，并理解其情感倾向？
关联规则挖掘（Association Rule Mining）
情感分析（Sentiment Analysis）
K-均值聚类（K-Means Clustering）
线性回归（Linear Regression）
在模型部署中，将训练好的模型转换为一种标准化格式，以便在不同平台和环境中高效运行，这个过程常被称为模型______。
关于“过拟合”（Overfitting），以下描述正确的是？
模型在训练集上表现差，在测试集上表现好。
模型在训练集和测试集上都表现很差。
模型过于复杂，捕捉了训练数据中的噪声和细节，导致在未见数据上泛化能力下降。
模型过于简单，无法捕捉数据中的基本模式。
在推荐系统中，基于用户历史行为数据，通过矩阵分解等技术来预测用户对未接触物品的偏好，这种方法属于______推荐。
以下哪个概念与“可解释人工智能（XAI）”的目标最直接相关？
提升模型预测速度
降低模型训练成本
使模型的决策过程对人类而言更透明、可理解
增加模型的参数量以提升精度
在软件开发中，用于自动化构建、测试和部署AI模型及应用的实践，通常借鉴了______的理念。
在评估分类模型时，综合考虑了精确率（Precision）和召回率（Recall）的单一指标是？
准确率（Accuracy）
均方误差（MSE）
F1分数（F1-Score）
AUC-ROC曲线下面积
对于处理序列数据（如时间序列、文本），能够捕捉长期依赖关系的神经网络变体是______网络。
在人工智能伦理中，“算法公平性”主要关注的是？
算法的计算效率
算法在不同硬件上的兼容性
算法决策对不同群体（如种族、性别）不产生歧视性影响
算法的商业盈利模式
在云计算环境中，专门为机器学习和AI工作负载提供的、集成了计算、存储和框架的服务，常被称为______服务。
“特征工程”（Feature Engineering）在机器学习流程中的主要作用是？
编写训练模型的代码
选择最优的深度学习框架
从原始数据中构建和选择对预测任务更有用的特征
调试部署后的模型性能
在模型训练中，一种通过轻微扰动输入数据来增强模型鲁棒性和泛化能力的技术被称为数据______。
以下哪种数据库类型最适合存储和查询具有复杂关联关系的大规模图数据（如社交网络、知识图谱）？
关系型数据库（如MySQL）
文档数据库（如MongoDB）
键值数据库（如Redis）
图数据库（如Neo4j）