上期考试答案及解析：

1、A,B,C,D

解析：A、全连接神经网络可以应用在回归问题

B、全连接神经网络可以应用在分类问题C、全连接神经网络可以应用在量化预测，也就是回归问题D、虽然效果不如CNN，但是全连接神经网络可以应用在图像识别中

2、A,B,C,D

解析：A、自然语言并不规范，虽然可以找一些基本规则，但是自然语言太灵活了，同一个意思可以用多种方式来表达，不管是基于规则来理解自然语言还是通过机器学习来学习数据内在的特征都显得比较困难。

B、在处理文本时，我们会发现有大量的错别字，怎么样让计算机理解这些错别字想表达的真正含义，也是NLP的一大难点C、我们处在互联网高速发展的时代，网上每天都会产生大量的新词，我们如何快速地发现这些新词，并让计算机理解也是NLP的难点D、用词向量来表示词汇的方法仍然有很多不足

3、A

解析：Attention机制确实可以有效提高模型的表现

4、D

5、B

解析：随着数据的变多，训练误差会上升，测试误差会逐渐下降，如果训练误差较高可以视为拟合不足

↓↓↓

今日考试

本次考试共5道题，每题20分，共100分，考试时间30分钟。

30分钟后，小C会准时放出评论区哦，记得别超时哦

大家把答案写在评论区，比如：ABCD...，先给出答案者视为先交卷，同等分数先交卷者排名优先。

1、以下哪些方法可以缓解过拟合问题？

A、扩大训练数据集

B、正则化

C、随机失活

D、数据增强

2、下面哪些是有效的模型参数初始化的方法？

A、全零

B、Xavier

C、He

D、Pre-trained（迁移学习）

3、以下说法是否正确

对于学习速率的优化可以设定一个变量，随着训练时间变长而学习速率逐渐下降

A、正确

B、错误

4、Sklearn模块主要包含哪些功能

A、分类Classification

B、回归Regression

C、聚类Clustering

D、降维Dimensionality Reduction

5、深度学习项目开发的大体流程是？

A、任务和模型定义，数据处理与特征工程，模型搭建与训练

B、任务和模型定义，模型搭建与训练，模型测试与优化、数据处理与特征工程，

C、任务和模型定义，数据处理与特征工程，模型搭建与训练，模型测试与优化

D、数据处理与特征工程，模型搭建与训练，任务和模型定义，模型测试与优化

tips：正确答案及解析小C会在下次考试中给出，本次考试小C老师只打分，希望小伙伴们认真对待，把答案写在下方评论区。

=好课推荐=

推荐理由

1、计算机专业的核心课程，科班出身的核心竞争力，非科班必须补足的基础

2、理论知识+案例解析，50+更贴近日常工作的案例，在编程的过程中理解原理

3、无需语言基础，小白也可轻松入门