編號按照對應的內容，1-1代表第一大部分遇到的第一題，R代表Review，C代表運行的代碼（Code），
1-1
解：C
具有多個階段/組件的系統，其中幾個可以使用機器學習，
1-2
解：C
200 * 200，每次移動4像素，總共是50 * 50=2500次，
1-3
解：D
復制樣本沒有用途，還是會以與之前訓練相同的結果θ結束，
1-4
解：B
您剛剛加入了一個產品組，該產品組在過去12個月中使用1000個培訓示例開發了一個機器學習應用程式，假設通過手工收集和標注例子，你平均需要10秒鐘才能獲得額外的訓練樣本，假設你每天作業8小時，你需要多少天才能得到10,000個例子？(最接近的答案)
10000/(8 * 60 * 60 / 10)=3.47天，
1-5
解：BC
假設您在流水線機器學習系統上執行上限分析，當我們為其中一個組件插入正確的標簽時，整個系統的性能幾乎沒有什么改善，這可能意味著：(檢查所有應用程式)
這可能不值得投入工程資源來改進系統的組成部分，
如果該組件是一個使用梯度下降的分類器訓練，需要看它是否收斂到最好的引數，
R
R1-1
解：A
1000 * 1000，每次移動2像素（兩個視窗），總共是500 * 500 * 2=500000次，
R1-2
解：A
(10000 * 10)/(4 * 60)約等于400，
R1-3
解：AD
B是學習曲線的優點，
C是人工合成資料的優點，
R1-4
解：A
獲取更多資料，我們可以對原有資料進行鏡像，不會更改資料中的車輛資訊，
R1-5
解：AB
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/293087.html
標籤：AI