大数据开发基础练习题及答案16-2023-练习版

试题说明

本套试题共包括1套试卷

答案和解析在每套试卷后

大数据开发基础练习题及答案16（500题）

大数据开发基础练习题及答案16

L［单选题］HDFS的NameNo加负责管理文件系统的命名空间，将所有的文件和文件夹的元数据保存在

一个文件系统树中，这些信息也会在硬盘上保存成以下文件：

A）日志

B）命名空间镜像

C）两者都是

2.［单选题］反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。

A）永真式

B）包孕式（subsumed）

C）空子句

3.［单选题］以下属于分类分析的是（）

A）、线性回归

B）、平稳序列预测

C）、决策树分析

D）、单因素方差分析

4.［单选题］以下描述不正确的是（_）。

A）干净数据是相对于“脏数据”的一种提法

B）整齐数据是相对于“乱数据”的一种提法

C）存在缺失值的数据是乱数据

D）数据质量有问题是脏数据

5.［单选题］下列关于Python包的说法正确的是（）。

A）利用pip包管理器更新已安装包的代码是pipupdate包名

B）单独导入包名即可导入包中所包含的所有子模块

C）下载安装、更新、查看、移除包等行为可以在命令行中进行，但不可以在Jupyternotebook中

进行

D）下载安装、更新、查看、移除包等行为既可以用pip工具，也可以用conda工具

6.［单选题］下面关于ID3算法中说法错误的是

A）ID3算法要求特征必须离散化

B）信息增益可以用嫡，而不是GINI系数来计算

C）选取信息增益最大的特征，作为树的根节点

D）ID3算法是一个二叉树模型

7.［单选题］执行以下代码段listl=［2445,133,12254,123］print（min（listl）,max（listl））时

,输出为（）o

A）1232445

B）2445133

012312254

D）122542445

8.［单选题］以查准率为纵轴、查全率为横轴作图，就得到了查准率-查全率曲线，简称（_）。

A）双曲线

B）P-R曲线

C）科克曲线

D）共物曲线

9.［单选题］（）情况下，LDA会失败。

A）如果有辨识性的信息不是平均值，而是数据的方差

B）如果有辨识性的信息是平均值，而不是数据方差

0如果有辨识性的信息是数据的均值和方差

D）以上答案都不正确

10.［单选题］在HBase数据模型中，列必须用（）来定义。

A）键

B）族

C）单元格

D）时间戳

11.［单选题］Hadoop中MapReduce组件擅长处理（）场景的计算任务。

A）迭代计算

B）离线计算

C）实时交互计算

D）流式计算

12.［单选题］HBase只有一个针对行健的索引，如果要访问HBase表中的行，下面哪种方式是不可行的

?

A）通过单个行健访问

B）通过时间戳访问

C）通过一个行健的区间来访问

D）全表扫描

13.[单选题]执行a=np.array([[1,2,3],[4,5,6]])；print(np.append(a,[[7,8,9]],axis=

0))结果为？

A)[123456789]

B)[[147]L258][369]]

C)[[123][456][789]]

D)[[1,2,3,4,5,6,7,8,9]]

14.[单选题]执行以下代码段pets=['dog','cat','dog','goldfish1,'cat','rabbit',

'cat']while'cat'inpets：pets,remove('cat')print(pets)输出为(.)0

A)['dog','cat','dog','goldfish','cat','rabbit','cat']

B)['dog','dog','goldfish','rabbit']

C)['dog','dog','goldfish','cat','rabbit','cat']

D)['dog','dog','goldfish','rabbit','cat']

15.[单选题]TF-IDF模型中IDF是指(_)°

A)词频数

B)逆文档频率

C)词频率

D)逆文档频数

16.[单选题]当训练样本近似线性可分时，通过()，学习一个()

A)硬间隔，最大化非线性支持向量机

B)软间隔，最大化线性支持向量机

C)硬间隔，最大化线性支持向量机

D)软间隔，最大化非线性支持向量机

17.[单选题]Stage的Task的数量由什么决定()

A)Partition

B)Job

C)Stage

D)TaskScheduler

18.[单选题]HBase作为数据存储组件封装于大数据平台，用于()存储。

A)关系型数据库

B)分布式文件

0非关系型数据库

D)列式存储

19.[单选题]为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究者找到一

个重要的信息处理的机制是()。

A)A专家系统

B)人工神经网络

C)模式识别

D）智能代理

20.［单选题］已知一个数据集，n为特征数，m为训练样本数，如果n较小，而且m大小中等

（例如n为1〜1000,而m为10〜10000）,则一般选择（）。

A）逻辑回归模型

B）不带核的支持向量机

C）高斯核的支持向量机

D）多项式核的支持向量机

21.［单选题］在大数据计算服务（MaxCompute,原ODPS）的表中存有一批网站及其相互之间链接关

系，开发人员希望通过pagerank算法来分析这批网站的排名，即把网站看做节点，把网站之间的连

接关系看做权重，从而实现对网站的评分。（）计算框架更适合实现这个场景。

A）SQL

B）MapReduce

C）Graph

D）Tunnel

22.［单选题］数据科学家采用（）方法判断数据是否“干净”。

A）、数据处理

B）、数据加工

C）、数据审计

D）、数据化

23.［单选题］D刚常用的激活函数有（）

A）sigmoid

B）tanh

C）ReLU

D）以上答案都正确

24.［单选题］表t中有1000万行数据，想要随意抽取10行数据，在odpscmd中执行消耗时间最短的方式

是：（）。

A）select*fromtwhererownum<=10

B）gett10

C）select*fromtlimit10

D）readt10

25.［单选题］舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中明确指出，大数据时代

最大的转变就是思维方式的三种转变，其中不包括（）

A）全样而非抽样

B）效率而非精确

C）相关而非因果

D）务实而非务虚

26.［单选题］机器学习中做特征选择时，可能用到的方法有？

A)卡方

B)信息增益

C)期望交叉病

D)以上都有

27.［单选题］假设file是文本文件对象，下列哪个选项可读取file的一行内容？()

A)file.read()

B)file.read(200)

C)file.readline()

D)file.readlines()

28.［单选题］下列关于大数据的分析理念的说法中，错误的是()。

A)在数据基础上倾向于全体数据而不是抽样数据

B)在分析方法上更注重相关分析而不是因果分析

C)在分析效果上更追求效率而不是绝对精确

D)在数据规模上强调相对数据而不是绝对数据

29.［单选题］以下关于人机交互，描述错误的是：()

A)人机交互是一门研究系统与用户之间的交互关系的学科

B)人机交互界面通常是指用户不可见的

C)系统可以是各种各样的机器.也可以是计算机化的系统和软件

D)用户通过人机交互界面与系统交流.并进行操作

30.［单选题］当前社会中，最为突出的大数据环境是()

A)互联网

B)物联网

C)综合国力

D)自然资源

31.［单选题］下面代码运行结果()。a=Itry：a+=1except：a+=lelse：a+=Ifinally：a+=

Iprint(a)

A)2

B)3

04

D)5

32.［单选题］HDFS架构中有两个()。

A)DataNodes

B)JobTracke

C)NameNode

D)SecondayNameNode

33.［单选题］已知一组数据的协方差矩阵P,下面关于主分量说法错误的是()。

A)主分量分析的最佳准则是对一组数据进行按一组正交基分解，在只取相同数量分量的条件下，以均

方误差计算截尾误差最小

B)在经主分量分解后，协方差矩阵成为对角矩阵

C)主分量分析就是K-L变换

D)主分量是通过求协方差矩阵的特征值得到

34.［单选题］ID、F采用了IWF的几次平方？()

A)、一次

B)、二次

0、三次

D)、四次

35.［单选题］下面关于假设检验相关描述不正确的有(_)。

A)先对总体均值进行假设，然后利用样本来检验假设是否成立这属于假设检验

B)区间估计不是假设检验

0非参数假设检验是假设检验

D)点估计是假设检验

36.［单选题］对于信息增益，决策树分裂节点，下面说法正确的是()1纯度高的节点需要更多的信

息去区分2信息增益可以用”1比特-炳”获得3如果选择一个属性具有许多归类值，那么这个信息

增益是有偏差的

A)1

B)2

C)2和3

D)所有以上

37.［单选题］执行以下代码段classfruits：def_init_(self,price)：self,price=priceobj

=fruits(10)obj.quantity=8obj.bags=2print(obj.quantity+len(obj.—diet—))时，输出

为(一)o

A)8

B)9

C)10

D)ll

38.［单选题］把词典中的词按照由长到短递减的顺序逐字搜索整个待处理的材料，一直到把全部的词

切分出来为止。不论分词词典多大，被处理的材料多么小，都得把这个分词词典匹配一遍。这种方

法叫(_)o

A)正向最大匹配法

B)逆向最大匹配法

C)逐词遍历法

D)隐马尔科夫模型

39.［单选题］关于Pandas中数据排序，下列说法正确的是()

A)即可以按照行索引排序，也可以按照列索引排序

B)sort_index()方法表示按照值进行排序

C)sort_values()方法表示按照索引进行排序

D)默认情况下，sort_index()方法按照降序排列

40.［单选题］以下对大数据4V特性描述不正确的是(__)o

A)在大数据中，价值与数据总量的大小不存在线性关系

B)数据量大是相对计算与存储能力而定的

C)Volume是指数据大

D)大数据中所说的“速度”包括两种：增长速度和处理速度

41.［单选题］()的本质是将低层次数据转换为高层次数据的过程。

A)数据处理

B)数据计算

C)数据加工

D)整齐数据

42.［单选题］非关系型数据库不包括

A)Hbase

B)Mapreduce

C)Neo4j

D)MongoDB

43.［单选题］下列方法中，可以对列表元素排序的是()。

A)sort()

B)reverse()

C)max()

D)list()

44.［单选题］mkdir()的作用是(—_)o

A)删除指定路径的目录

B)改变当前工作目录到指定的路径

C)以数字权限模式创建目录

D)返回当前工作目录

45.［单选题］图像识别常用softmA、x函数接在模型的输出上，其作用为：()。

A)、增加不同类别之间的区分度

B)、突出输出向量中类标的对应的维度

C）、对输出归一化，同时以概率的更好解释输出向量

D）、过滤无用的环境信息

46.［单选题］建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖

26掘的哪一类任务？

A）、根据内容检索

B）、建模描述

C）、预测建模

D）、寻找模式和规则

47.［单选题］下列哪一项不属于大数据的治理：（）

A）安全问题

B）成本问题

C）针对大用户

D）信息生命周期管理

48.［单选题］大数据计算服务（MaxCompute,原ODPS）是阿里巴巴自主研发的海量数据处理平台

,主要服务于批量结构化数据的存储和计算。以下（）场景不适合使用大数据计算服务实现。

A）大数据的分析建模

B）海量数据仓库

OOLTP

D）网站日志离线分析

49.［单选题］构造方法是类的一个特殊方法，Python中它的名称为。。

A）与类同名

B）construct

C）—init—

D）init

50.［单选题］在HBase系统架构中，HRegionServer主要负责相应用户I/O请求，向（）文件系统中读写

数据

A）HAFS

B）HBFS

OHCFS

D）HDFS

51.［单选题］以下关于机器学习，描述错误的是：。

A）是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、.脑科学等诸多领

域的交叉学科

B）研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能

C）机器学习强调三个关键词：算法、模型、训练

D）基于数据的机器学习是现代智能技术中的重要方法之一

52.［单选题］ClouderaNavigator是唯一企业级Hadoop数据治理平台，以下哪个不是他的功能

?（）

A）支持元数据标签、分类和搜索

B）提供多维分析

C）提供数据溯源和依赖关系

D）提供操作审计

53.［单选题］FusioninsightManager不能够管理哪个对象？

A）Sprk

B）主机OS

OYARN

D）HDFS

54.［单选题］以下不是开源工具特点的是0。

A）免费

B）可以直接获取源代码

C）用户可以修改源代码并不加说明用于自己的软件中

D）开源工具一样具有版权

55.［单选题］MapReduce中在程序的某个位置可以插入（—）,记录数据或进度的变化情况。

A）计数器

B）对象

C数组

D）索引

56.［单选题］按照国家法律法规和公司保密管理规定，制定数据资产脱敏策略，对涉及个人隐私及单

位商密的数据进行（）后方可共享和开放。

A）分类处理

B）清洗处理

C）脱敏处理

D）切片处理

57.［单选题］按照维度将多个矩阵连接起来应该用哪个函数？

A）np.mul

B）np.sum

C）np.concatenat

D）np.mat

58.［单选题］导入模块的方式错误的是

A）importmo

B）frommoimport

C)importmoasm

D)importmfrommo

59.［单选题］长短时记忆神经网络被设计用来解决什么问题？

A）传统RNN存在的梯度消失/爆炸问题

B）传统RNN计算量大的问题

C）传统RNN速度较慢的问题

D）传统RNN容易过过拟合的问题

60.［单选题］多分类LDA将样本投影到NT维空间，NT通常远小于数据原有的属性数，可通过这个投

影来减小样本点的维数，且投影过程中使用了类别信息，因此LDA也常被视为一种经典的（）技术

A）无监督特征选择

B）无监督降维

C）监督特征选择

D）监督降维

61.［单选题］什么关于TFTDF模型描述错误的是？

A）TF意思是词频

B）1DF是逆文本频率

C）该模型基于概率图模型方法

D）是一种信息检索和数据挖掘常用加权技术

62.［单选题］某大数据运维人员想通过shell命令上传某个文件至HDFS文件系统中。以下哪个命令能

帮助他完成这个操作？

A）-cat

B）-upload

C）-put

D）-get

63.［单选题］大数据最显著的特征是：（）。

A）数据规模大

B）数据类型多样

C）数据处理速度快

D）数据价值密度高

64.［单选题］关于Hive在FusioninsightHD中的架构描述错误的是：

A）只要有一个Hiveserver不可用，整个Hive集群便不可用

B）HiveServer负责接受客户端请求、解析、执行HQL命令并返回查询结果

C）MetaDtore用于提供元数据服务，依赖于DBService

D）在用一时间点，HiveServer只有一个处于Active状态，另一个则处于Standby

65.［单选题］调用自定义函数使用（）。-

A)CALL

B)LOAD

C)CREATE

D)SELECT

66.［单选题］集合运算算子指的是？

A)SetOp

B)ArrayOP

C)HashOp

D)ListOp

67.［单选题］在HBase的专用过滤器中，前缀过滤器是()

A)PrefixComparatorFilter

B)PrefixFilter

C)ComparatorFilter

D)PrefixValueFiIter

68.［单选题］Yarn中设置队里queueA的最大使用资源量，需要配置哪个参数

A)yarn.scheduler,capacity,root.Queueuser-limit-factor

B)yarn.scheduler,capacity,root.QueueA.minimum-user-limit-percent

C)yarn,scheduler,capacity,root.QueueA.state

D)yarn.scheduler.capacity,root.QueueA.maxmum-capacity

69.［单选题］下面关于ZooKeeper特性的描述错误的是？

A)消息更新只能成功或者失败，没有中间状态

B)ZooKeeper节点数必须为奇数个

C)一条消息要被超过半数的Server接收，它将可以成功写入磁盘

D)客户端所发送的更新会按照它们被发送的顺序进行应用

70.［单选题］部署HBase时需要依赖于哪个资源协调组件

A)Yarn

B)ZooKeeper

C)Sqoop

D)HDFS

71.［单选题］HBase架构的四大组件中，()分布式协调服务器。

A)Zookeeper

B)Master

C)RegionServer

D)Client

72.［单选题］HBase自动把表水平划分成(一)。

A）块

B）单元

C）域

D）区域

73.［单选题］关于K均值和OBSCAN的比较，以下说法不正确的是（）

A）K均值丢弃被它识别为噪声的对象，而OBSCAN一般聚类所有对象

B）K均值使用簇的基于原型的概念，而OBSCAN使用基于密度的概念

OK均值很难处理非球形的簇和不同大小的簇，OBSCAN可以处理不同大小和不同形状的簇

D）K均佳可以发现不是明显分离的簇，即使簇有重叠也可以发现，但是OBSC剧会合并有重叠的簇

74.［单选题］HBase是一种可伸缩、高可靠、高性能、分布式和面向（）的动态模式数据库。

A）列

B）行

C）行和列

D）元组

75.［单选题］数据资产维护是指为保证数据质量，对数据进行（）等处理的过程。

A）更正

B）删除

C）补充录入

D）以上答案都正确

76.［单选题］如图，以下关于Kafka消息消费者Consumer读取消息的描述，错误的有？

A）Consumer使用Offset来记录读取的位置

B）图片中的蓝色框为Kafka的一个Topic,即可以理解为一个队列，每个格子代表一条消息。

C）生产者产生的消息逐条放到Topic的末尾

D）消费者从右至左顺序读取消息

77.［单选题］人工智能是一门（）

A）数学与生理学

B）心理学与生理学

C）语言学

D）综合性的交叉学科与边缘学科

78.［单选题］有关Hive支持的基本数据类型，以下那个是2byte有符合整数（）

A）Tinyint

B）Smalint

C）Int

D）Bigint

79.［单选题］将关系型数据库中的数据导入到Hadoop平台的工具是。。

A）import

B）export

C）overwrite

D）drop

80.［单选题］以下哪个不是外部客户（）

A）能源供应商

B）政府部门

C）能源服务商

D）生产客户

81.［单选题］修改资源的化导入excel的操作列应该填写（）。

A）插入

B）更新

C）删除

D）追加

82.［单选题］下列不是开源工具特点的是（）。

A）免费

B）可以直接获取源代码

C）用户可以修改源代码并不加说明用于自己的软件中

D）开源工具一样具有版权

83.［单选题］下列对图数据库描述正确的是?Z

A）以图”数据结构存储和查询数据的教据库

B）存储图片的数据库

C）与关系型数据库美似的数据库

D）数据仓库的一种

84.［单选题］下面关于机器学习相关描述不正确的有（_）。

A）机器学习的主要议题是如何实现和优化机器的自我学习

B）机器学习的基本思路是以训练集为输入，通过机器学习算法让机器学习到能够处理更多数据的能

力

C）AlphaGo的核心技术是深度学习与增强学习

D）机器学习的只能是预定义的

85.［单选题］图像降噪的作用（_）»

A）改变图像大小

B）将图像分成多个小单位

C）去除干扰信号

D）使图像变得更加丰富

86.［单选题］执行以下代码段a=21b=10print(a==b)时，输出为()。

A)True

B)False

C)None

D)Error

87.［单选题］下列哪个方法不属于情感分析的评测？

A)COAE评测

B)cifa门0数据集评测

OCCFTCCI评测

D)TAC评测

88.［单选题］根据泛在电力物联网建设战略安排，第二个阶段是到。年，建成泛在电力物联网。

A)2020

B)2021

02024

D)2025

89.［单选题］哪个不是Flume的channel类型?

A)MemoryChannel

B)FileChannel

C)JDBCCHannel

D)HDFSChannel

90.［单选题］python语句print(chr(65))的运行结果是。。

A)65

B)6

05

D)A

91.［单选题］以下关于Hive和关系数据库的区别描述错误的是()

A)Hive的查询语言是HQL,关系型数据库的查询语言是SQL

B)Hive的数据格式是用户定义，关系型数据库的数据格式是系统决定

C)Hive可扩展性高，关系型数据库可扩展性低

D)Hive的数据规模小，关系型数据库的数据规模大

92.［单选题］在Apriori算法中，候选项集划分为不同的桶，存放在()中

A)字典

B)集合

OHash树

D)列表

93.［单选题］Numpy中对数组进行转置的函数是()。

A)transpose()

B)rollaxis()

C)swapaxes()

D)tan()

94.［单选题］关于GaussDB200的两种跨集群方式EC(ExtensionConnector)和FT(Foreign

Table),以下说法正确的是()?

A)在连接之前都要先做好集群互信操作。

B)EC配置简单，理论上可以连接任何支持ODBC的同构/异构数据库。

C)二者都可以充分利用GaussDB200的分布式计算能力。

D)FT配置复杂，只能支持GaussDB200同构数据库。

95.［单选题］Fusioninsight系统中，Flume数据流在单个节点内不需要经过哪个环节？

A)Source

B)Channel

OSink

D)topic

96.［单选题］在Scipy中，想要生成20个服从正态分布的随机数使用函数()。

A)stats,uniform,rvs(size=20)

B)stats,norm,rvs(size=20)

C)stats,beta,rvs(size=20)

D)stats,poisson.rvs(size=20)

97.［单选题］下列是正确的变量名的是(―)。

A)if

B)char

C)input

D)IF

98.［单选题］关于公民的隐私权，下面描述错误的是：()

A)修改权是隐私权利人具有的依法了解自身信息资料是否被行政主体利用的权利

B)支配权是隐私权利人的基本权利之一，隐私权利人对自己的个人信息的收集、储存、传播、使用

、开放等享有支配权

C)保障权是指公民有权要求政府在数据开放的过程中保障涉及其个人隐私的信息资料不被开放、不

被滥用和不被泄露

D)救济权是公民在自身的合法权益受到侵害时，按照法定程序采取法律手段维护自身权益的权利

99.［单选题］Maxcompute中负责对等待提交的task进行排序的模块是：()。

A)scheduler

B)controller

C）executor

D）worker

100.［单选题］不良信用记录会在征信系统里保存（）年

A）1

B）3

C）5

D）10

101.［单选题］关于正则化项，说法错误的是0

A）、在机器学习中，如果单方面追求“误差函数”的取值最小，则很容易造成机器学习

的“欠拟合”现象。

B）、”过拟合（Overfit）”就是目标函数在已知数据（如训练集）上的拟合性能非常高

（如准确率达到100%）,而在未知数据（如测试集或新数据）上的拟合准确率低（如准

确率低于50%）□

C）、为了防止过拟合现象的出现，机器学习通常采取“正则化项”。

D）、正则化项有L1项（LILoss）和L2项（L2Loss）,二者的区别在于所涉及的距离计算

方法和回归方法不同

102.［单选题］数据变换的策略包括（）。

A）平滑处理、特征构造、聚集、标准化、离散化

B）平滑处理、特征构造、聚集、审计、离散化

C）平滑处理、聚集、标准化、审计、离散化

D）特征构造、聚集、标准化、审计、离散化

103.［单选题］TFTDF与该词在整个语言中的出现次数成（_）。

A）正比

B）反比

C）无关

D）嘉次

104.［单选题］Streaming主要通过zookeeper提供以下的（）实现事件侦听。

A）分布式锁机制

B）Watcher

C）Checkpoint

D）ACK

105.［单选题］LSTM的全称是（）。

A）卷积神经网络

B）长短时记忆

C）区域神经网络

D）循环神经网络

106.［单选题］为了提高Kafka的容错性,Kafka支持Partition的复制策略，以下关于Leader

Partition和FollowerPartition的描述错误的是

A)Kafka针对Partition的复制需要选出一个Leader。由该Leader负责Partition的读写操作

o其他的副本节点只是负责数据同步

B)由于LeaderServer承载了全部的请求压力。因此从集群的整体考虑，Kafka会将Leader均衡的分

散在每个实例上，来确保数据均衡

C)一个Kafka集群各个节点间不可能互为Leader和Flower

D)如果Leader失效。那么将会有其他follower来接管答案：成为新的Leader

107.［单选题］大数据在金融领域的应用不包括以下哪项？()

A)股票交易

B)市场情绪分析

C)信贷风险分析

D)大数据征信

108.［单选题］执行以下代码段时tl=(1,2,4,3)t2=(1,2,3,4)print(tl<t2)时，输出为

(一)o

A)True

B)False

C)Error

D)None

109.［单选题］采集数据字典首先应该()。

A)启动extractor

B)对数据库用户授权

C)配置连接信息

D)安装驱动包

110.［单选题］MaxCompute的Mapjoin不支持()。

A)or连接关联条件

B)不等职连接

C)fullouterjoin

D)等值连接

111.［单选题］下面组件哪个是数据挖掘库：()

A)Zookeeper

B)Mahout

C)MySQL

D)HBase

112.［单选题］大数据正快速发展为对数量巨大.来源分散.格式多样的数据进行采集.存储和关联分析

,从中发现新知识.创造新价值.提升新能力的（）。

A）新一代技术平台

B）新一代信息技术和服务业态

C）新一代服务业态

D）新一代信息技术

113.［单选题］下列Python语法表述不正确的是

A）if语句的第二行必须有缩进

B）while语句的第二行必须有缩进

C）else后不加冒号

D）while循环语句的条件之后必须有冒号

114.［单选题］为了防止个人信息泄露，下列做法不正确的是（）o

A）关闭电脑摄像头

B）不下载不明APP

C）抖音发布个人地址

D）手机设置多重密码

115.［单选题］下对GaussDB200双AZ集群描述不正确是？

A）灾备集群不同步数据时，可以提供读写服务

B）主集群不可用时，灾备集群提供正常服务

C）主集群提供正常服务，文备集群只同步数据

D）周期性数据同步

116.［单选题］关于过拟合下面说法错误的是（）

A）过拟合是可以避免的

B）过拟合是训练过度使泛化能力下降

C）相比过拟合，欠拟合比较容易解决

D）根据少量训练记录做出分类决策的模型也容易受过分拟合的影响

117.［单选题］根据《大数据风控平台项目操作手册》，财务智能分析中的财务科目异动分析模块

，点击（）可切换变化率的两种计算方式（选择该期财报科目的去年同比值或与今年年初的比较值

）O

A）合并/本部

B）B.按报告期/按年度切换

OC.同比变化率/比年初变化率

D）D.以上都不对

118.［单选题］下列对于Sigmoid函数的说法，错误的是（）

A）存在梯度爆炸的问题

B）不是关于原点对称

C）计算exp比较耗时

D）存在梯度消失的问题

119.［单选题］数据产品的定义是（）。

A）数据产品是指能够供给市场，被人们使用和消费，并能满足人们某种需求的任何东西

B）数据产品是可以发挥数据价值去辅助用户更优地做决策（甚至行动）的一种产品形式

C）数据产品是指为了满足自身的需要，通过科技发明或经验总结而形成的技术

D）数据产品是数据科学的结果，创造了新的实物形态和使用价值的产品。

120.［单选题］大数据的最显著特征是（）o

A）数据规模大

B）数据类型多样

C）数据处理速度快

D）数据价值密度高

121.［单选题］池化层的作用是（）o

A）标准化处理输入特征

B）对特征图进行特征选择和信息过滤

C）对提取的特征进行非线性组合以得到输出

D）直接输出每个像素的分类结果

122.［单选题］python语句s=，hello'；print（s［1:3］）输出结果是。（）

A）hel

B）he

Oell

D）el

123.［单选题］（一）代表了Oracle数据库中最小粒度的逻辑数据存储层次。

A）表空间

B）盘区

C）数据文件

D）数据块

124.［单选题］假设您已在数据集上拟合了一个复杂的回归模型。现在，您正在使用Ridge回归，并调

整参数人以减少其复杂性。下面的描述哪个表达了偏差和方差与人的关系（）。

A）在人非常小的情况下，偏差低，方差低

B）在人非常小的情况下，偏差低，方差高

C）在人非常小的情况下，偏差高，方差低

D）在人非常小的情况下，偏差低，方差低

125.［单选题］阅读下列程序defe_check（n）：t=Oif（n>500）：t=n0.9elif（n

>200）：t=nO.7else：t=n0.6returntprint（"电费:>e_check（100））运行结果是

A）电费：90

B）电费:80

C）电费：60

D）以上都不对

126.［单选题］（）就是“平台提供的数据超过一定规模后,产生的用户交互会越少”。

A）逆向互作用定律

B）最小数据原则

C）最大交互原则

D）数据-交互平衡原则

127.［单选题］下面哪个Flume功能可以给Event添加Header信息。

A）数仓与大数据的并行架构

B）低成本高扩震性的传统数仓架构

C）以数仓为核心，大数据平台为延伸的融合架构

D）大数据平台为核心的架构

128.［单选题］数据故事话的‘情景'不包括（）。

A）还原情景

B）统计情景

C）移植情景

D）虚构情景

129.［单选题］（）反映数据的精细化程度，越细化的数据，价值越高。

A）规模

B）活性

C）关联度

D）颗粒度

130.［单选题］载入和保存niatlab文件的方法在scipy的（—）模块中。

A）scipy.cluster

B）scipy.io

C）scipy.constants

D）scipy.linalg

131.［单选题］关于Redis集群拓扑信息，下面描述正确的是：（）。

A）客户端缓存有集群的拓扑信息

B）服务端缓存有集群的拓扑信息

C）两者都是

D）两者多不是

132.［单选题］根据《大数据风控平台项目操作手册》，系统在【审查审批管理】一级菜单下增加【

征信报告审批】二级菜单，审批人员可在此菜单下的（）节点查看已审批批准的征信报告查询申请

A）待处理

B）B.审批批准

0C.审批否决

D）D.以上都不对

133.［单选题］如果使用split分割字符串，返回的数据类型是

A）list

B）str

C）int

D）float

134.［单选题］下列选项描述错误的是？（）

A）HadoopHA即集群中包含SecondaryNameNode作为备份节点存在。

B）ResourceManager负责的是整个Yarn集群资源的监控、分配和管理工作

C）NodeManager负责定时的向ResourceManager汇报所在节点的资源使用情况以及接收并处理来自

ApplicationMaster的启动停止容器（Container）的各种请求。

D）初次启动HadoopHA集群时，需要将格式化文件系统后的目录拷贝至另外一台

135.［单选题］np.eye（2）函数的作用是（）。

A）输出一个全都是0的数组

B）输出一个全都是1的数组

C）输出一个全都是2的数组

D）输出一个二维单位矩阵

136.［单选题］根据《大数据风控平台项目操作手册》，财务智能分析中的上市公司行业标准值比对

模块，上市公司行业标准值比对仅提供（）的标准值比对，不区分大型行业、中型行业、小型行业

O

A）全行业

B）B.大型行业

0C.中型行业

D）D.小型行业

137.［单选题］数据使用环节的安全技术措施除防火墙、（）、防病毒、防DDOS、漏洞检测等网络

安全防护技术措施外，还需实现以下安全技术能力：账号权限管理、数据安全域、数据脱敏、日志

管理和审计、异常行为实时监控和终端数据防泄漏。

A）入侵检测

B）病毒检测

C）程序检测

D）进程检测

138.［单选题］以某一图表中的项为单位对关联图表进行数据筛选，建立图表间联动关系的功能是？（

）

A）全局筛选

B）计量单位

C）图表联动

D）数据凸显

139.［单选题］下列语句描述错误的是（）

A）可以通过CLI方式、Java

B）Sqoop底层会将Sqoop命令转换为MapReduce任务，并通过Sqoop连接器进行数据的导入导出操作。

OSqoop是独立的数据迁移工具，可以在任何系统上执行。

D）如果在Hadoop分布式集群环境下，连接MySQL服务器参数不能是localhost或127.0.0.1。

140.［单选题］（_）不是遗传算法基本算子。

A）选择

B）感染

C）突变

D）交叉

141.［单选题］使用MaxcomputeSQL：createtabletlliket2；建表时，表tl不会具有表t2的（

）属性。

A）分区

B）生命周期

C）二级分区

D）字段的注释

142.［单选题］关于KNN说法错误的是0

A）、为寻找k个最近的邻居

B）、当一个样本在特征空间中的k个最相邻的样本中的大多数都属于某一个类别时，该

29样本也属于这个类别，并具有这个类别上样本的特性。

C）、该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分类样

本所属的类别。

D）、KNN算法主要靠判别类域的方法来确定所属类别。

143.［单选题］GoogleAPP为人们提供的云计算服务属于下面哪种服务？

A）SaaS

B）PaaS

C）laaS

D）DaaS

144.［单选题］在HDFS的数据读取过程中，客户端读取完所有数据块后，调用（）的close。接口关闭

这个文件。

A）DistributedFileSystem

B)FSDatalnputStream

C)FSDataOutputStream

D)InputSystem

145.［单选题］HBase底层依赖于Hadoop环境，它们是基于（）系统开发的

A）windows7

B）Unix/Linux

C）XP

D）windows10

146.［单选题］信息增益对可取值数目（）的属性有所偏好，增益率对可取值数目（）的属性有所偏好

A）较高，较高

B）较高，较低

C）较低，较高

D）较低，较低

147.［单选题］下列描述中不属于数据治理内容的是（）。

A）理解自己的数据

B）行为规范的制定

C）岗位职责的定义

D）获得更多的数据

148.［单选题］大数据涌现现象的形式有多种，不属于大数据涌现形式的是（）。

A）价值涌现

B）隐私涌现

C）物质涌现

D）质量涌现

149.［单选题］Hadoop环境下HDFS系统中的NameNode实现的功能是（）。

A）管理文件系统的命名空间

B）管理存储空间

C）分配算力

D）调控算法

150.［单选题］决策树的基本流程遵循（_）的策略。

A）贪心

B）最优化

C）分而治之

D）顺序

151.［单选题］下列关于GaussDB200的数据类型转换说法正确的是。

A）如果需要保留空字符串时，需要新建兼容性为Postgres的数据库。

B）在查询中，对常量不需要显式指定数据类型。

C）在ORACLE兼容模式下，在导入数据时，空字符串会自动过滤。

D）不同数据类型比较或转换时，使用强制类型转换，以防隐式类型转换结果与预期不符。

152.［单选题］以下变量名中不是关键字的是（一）。

A）message

B）nonlocal

C）assert

D）lambda

153.［单选题］FusioninsightHD部署时，同一集群内的Flumeserve节点建议至少部署几个

A）1

B）2

03

D）4

154.［单选题］下面关于政府信息公开与政府数据开放的描述，错误的是：（）

A）政府信息公开与政府数据开放是一对既相互区别又相互联系的概念

B）信息是没有经过任何加工与解读的原始记录，没有明确的含义，而数据则是经过加工处理并被赋

予一定含义的

C）政府信息公开主要是为了对公众知情权的满足而出现的

D）政府数据开放强调的是数据的再利用，公众可以分享数据利用创造的经济和社会价值

155.［单选题］现实中往往会遇到“不完整”的训练样本，在这种存在属性变量值未知的情形下，可

用（_）。

A）边际似然

B）EM算法

C）贝叶斯决策

D）贝叶斯分类器

156.［单选题］下面哪个操作肯定是宽依赖（）

A）map

B）flatMap

C）reduceByKey

D）sample

157.［单选题］下列关于数据交易市场的说法中，错的是（）o

A）数据交易市场是大数据产业发展到一定程度的产物

B）商业化的数据交易活动催生了多方参与的第三方数据交易市场

C）数据交易市场通过生产数据、研发和分析数据，为数据交易提供帮助

D）数据交易市场是大数据资源化的必然产物

158.［单选题］利用到每个聚类中心和的远近判断离群值的方法，可以基于的算法为0。

A)K-means

B)KNN

OSVM

D)LinearRegression

159.［单选题］任一随机事件出现的概率P为()。

A)TWPW1

B)P<0

C)P21

D)OWPW1

160.［单选题］当原始数据的存在形式不符合目标算法的要求时，需要对原始数据进行(_)。

A)数据变换

B)数据加工

C)数据清洗

D)数据集成

161.［单选题］下列对数据定义语言(DDL)描述正确的是(—)。

A)DDL关心的是数据库中的数据

B)完成数据的增删改查操作

C)控制对数据库的访问

D)定义数据库的结构

162.［单选题］Shark与SparkSQL的关系是：()

A)二者没有任何关系

B)Shark是Spark

C)Spark

D)二者是一个软件的两个不同名称，本质上是一个东西

163.［单选题］打开一个已有文件，在文件末尾添加信息，正确的打开方式为()。

A)r

B)w

C)a

D)w+

164.［单选题］Loader作业运行前后，需要保证哪些节点与外部数据源通讯？

A)Loader进程所在的节点

B)运行MapReduce作业的节点

C)前面两个都需要

D)前面两个都不需要

165.［单选题］基于Boosting的集成学习代表算法有（）

A）Adaboost

B）GBDT

OXGB00ST

D）随机森林

166.［单选题］著名的C4.5决策树算法使用（_）来选择最优划分属性。

A）信息增益

B）增益率

C）基尼指数

D）均值

167.［单选题］kafka-clustermirroring工具可以实现以下那些功能？

A）kafka集群数据同步方案

B）kafka单集群内数据备份

Okafka单集群内数据恢复

D）以全部不对

168.［单选题］下面关于词袋模型的说法，错误的是（）

A）饲袋模型使用一个多重集对文本中出现的单词进行编码

B）词袋模型不考虑词语原本在句子中的顺序

C）词袋模型可以应用于文档分类和检索，同时受到编码信息的限制

D）饲袋模型产生的灵感来源于包含类似单坷的文档经常有相似的含义

169.［单选题］关于ADS中的ECU,（）说法是正确的。

A）接入节点和计算节点可以指定不同类型的ECU,并且需要在创建DB时就确定，DB一旦创建，ECU类

型不能修改

B）ECU的数量，在DB创建后可以修改。即使在DB的使用过程中，也可以随时调整（扩容或者缩容）

C）接入节点和计算节点必须指定相同类型的ECU,并且需要在创建DB时就确定，DB一旦创建，ECU类

型不能修改

D）创建DB时可以指定ECU的数量，必须为偶数，最小为4

170.［单选题］在方差分析中，（）反映的是样本数据与其组平均值的差异。

A）总离差

B）组间误差

C）抽样误差

D）组内误差

171.［单选题］以下不属于数据科学的研究目的的是（一）o

A）大数据及其运动规律的揭示

B）从数据到智慧的转化

C）数据解释

D)数据驱动型决策支持

172.［单选题］YARN的基于标准调度，是对下列选项中的哪个进行标签化？

A)AppMaster

B)ResourceManager

C)NodeManager

D)Container

173.［单选题］使用sklearn中的留一法对大小为n的数据进行交叉验证时，需要(_)次模型训练。

A)n-2

B)n-1

C)n

D)1

174.［单选题］决策树模型的规模应当是()

A)越复杂越好

B)越简单越好

C)适当限制其复杂程度

D)尽可能利用所有特征

175.［单选题］以下程序输出到文件text,csv里的结果是：fo=open("text,csv","w')x=

［90,87,93］fo.write(",join(str(x)))fo.close()

A)［90,87,93］

B)90,87,93

C),9,0,,,,8,7,,,,9,3,

D)［,9t0,,,,8,7,,,,9,3,］

176.［单选题］当我们需要在一张图表中特意指出某个特殊点，并加上标注达到醒目的目的时，需要

用到()函数。

A)pit.axvspan()

B)pit.axhspan()

C)pit.annotate()

D)plt.text()

177.［单选题］大数据计算服务支持基于标签的安全，它是项目空间级别的一种强制访问控制策略

,它的引入是为了让项目空间管理员能更加灵活地控制用户对敏感数据的访问。LabelSecurity可以

对敏感数据的()粒度进行控制。

A)分区

B)表

C)列

D)行

178.［单选题］数据集成的基本类型是（）。

A）内容集成、结构集成

B）内容集成、规约集成

C）规约集成、结构集成

D）模式集成、结构集成

179.［单选题］特征工程的目的是（）。

A）找到最合适的算法

B）得到最好的输入数据

C）减低模型复杂度

D）加快计算速度

180.［单选题］在Flink的运行过程中，负责申请资源的角色是：（）。

A）ResourceManager

B）JobManager

OClient

D）TaskManager

181.［单选题］以下描述不正确的是（_）。

A）平滑处理是为了去掉噪声

B）聚集是进行粗粒度计算

C）标准化是用区间或概念标签表示数据

D）特征构造是构造出新的特征

182.［单选题］大数据对影视行业的影响不包括下列哪项？（）

A）利用大数据对海量用户数据进行分析，帮助投资方做出明智的选择

B）了解用户当前关注的题材，以便觉得拍什么作品

C）业内人士根据多年的市场经验分析观众认可的作品类型

D）了解观众追棒的明星，邀请合适的演员

183.［单选题］以下说法对的是：（）

A）当前云公司提供的公有云存储只能通过互联网访问

B）对象存储不可以在客户机房建设

C）对象存储可以存储数据库数据

D）客户数据传输慢与客户开通的资源池带宽大小有关系

184.［单选题］万维网的实施国家是（）

A）英国

B）美国

C）德国

D）印度

185.［单选题］决策树中的叶结点对应于（）。

A）属性

B）样本

C）决策结果

D）标签值

186.［单选题］关于层次聚类算法:①不断重复直到达到预设的聚类簇数;②不断合并距离最近的聚类

簇;③对初始聚类簇和相应的距离矩阵初始化;④对合并得到的聚类簇进行更新正确的执行顺序为0

A）①②③④

B）①③②④

C）③②④①

D）③④①②

187.［单选题］关于Hive与传统数据仓库的对比，下列描述错误的是：（）。

A）Hive元数据存储独立于数据存储之外，从而解耦合元数据和数据，灵活性高，二传统数据仓库数

据应用单一，灵活性低

B）Hive基于HDFS存储，理论上存储可以无限扩容，而传统数据仓库存储量有上限

C）由于Hive的数据存储在HDFS上，所以可以保证数据的高容错，高可靠

D）由于Hive基于大数据平台，所以查询效率比传统数据仓库快

188.［单选题］傅里叶变换得到的频谱中，低频系数对应于（）o

A）物体边缘

B）噪声

C）变化平缓部分

D）变化剧烈部分

189.［单选题］下列关于线性模型的描述错误的是0。

A）支持向量机的判别函数一定属于线性函数

B）在样本为某些分布情况时，线性判别函数可以成为最小错误率或最小风险意义

下的最优分类器

C）在一般情况下，线性分类器只能是次优分类器

D）线性分类器简单而且在很多期情况下效果接近最优，所以应用比较广泛

190.［单选题］下列哪些不属于词袋模型的应用？

A）文档分类

B）提取文章主题

C）文本向量化

D）统计词频

191.［单选题］在Hive的连接查询中，内连接通过关键字（）进行标识

A）innerjoin

B）leftouterjoin

C)rightouterjoin

D)fullouterjoin

192.［单选题］检测一元正态分布中的离群点，属于异常检测中的基于()的离群点检测。

A)统计方法

B)邻近皮

C)密度

D)机器学习技术

193.［单选题］执行以下代码段t=(1,2)print(2*t)时，输出为(.)0

A)(1,2,1,2)

B)［1,2,1,2］

0(1,1,2,2)

D)［l,1,2,2］

194.［单选题］scikitTearn中的k-means类，哪个参数是用来调节k值的()

A)n_clusters

B)maxiter

C)n_init

D)init

195.［单选题］在配置Linux网络参数时，固定IP地址是将路由协议配置为()。

A)static

B)dynamic

C)immutable

D)variable

196.［单选题］在数据添加过滤规则后，在源库执行更新操作的处理原则，应以：()为首要目标。

A)数据一致

B)数据规范

C)数量相同

D)数据唯一

197.［单选题］以下()只有完全符合给定的判断条件才返回1。-

A)带ANY关键字的子查询

B)带ALL关键字的子查询

C)带IN关键字的子查询

D)以上答案都不正确

198.［单选题］在HDFS文件系统根目录下创建一个名为mydir的文件夹的命令是()。

A)hdfs.create(newPath("hdfs：/mydir"))

B)hdfs.open(newPath("hdfs：/mydir"))

C)hdfs.mkdirs("hdfs：/mydir")

D)hdfs.mkdirs(newPath("hdfs：/mydir"))

199.［单选题］图像识别常用softmax函数接在模型的输出上，其作用为：（）。

A）增加不同类别之间的区分度

B）突出输出向量中类标的对应的维度

C）对输出归一化，同时以概率的更好解释输出向量

D）过滤无用的环境信息

200.［单选题］以下哪个组件是Spark中用于结构化数据处理的组件：（）

A）SparkSQL

B）SparkCore

C）Sparkstreaming

D）Structuredstreaming

201.［单选题］关于GaussDB200的数据并行导出，下列说法正确的是（?

A）Remote模式效率受网终带宽影响

B）Local模式效率受网络带宽影响

ORemote模式是指将数据导出到集群本地服务器上。

D）Loca模式是导出文件到本地电脑

202.［单选题］关于支持向量机SVM,下列说法错误的是（）

A）L2正则项，作用是最大化分类间隔，使得分类器拥有更强的泛化能力

B）Hinge损失函数，作用是最小化经验分类错误

C）分类间隔为代表向量的模

D）当参数C越小时，分类间隔越大，分类错误越多，趋于欠学习

203.［单选题］当训练集特征非常多，而实例非常少的时候，可以采用（）

A）sigmoid拔的支持向量机

B）不带核的支持向量机

C）高斯核的支持向量机

D）多项式核的支持向量机

204.［单选题］如果Python程序执行时，产生了“unexpectedindent”的错误，其原因是：

A）代码中使用了错误的关键字

B）代码中缺少“：”符号

C）代码里的语句嵌套层次太多

D）代码中出现了缩进不匹配的问题

205.［单选题］在GaussDB200中常用的逻辑操作符有AND.OR和NOT,它们之间的运算优先级顺序为

（）?

A）AND,OR>NOT

B)NOT>AND>OR

C)OR>AND>NOT

D)NOT>OR>AND

206.［单选题］根据《大数据风控平台项目操作手册》，财务智能分析模块，【财务指标趋势分析】

页面的左上角图表部分，最多支持()种财务指标的图表分析，超过3种后，再次选择则予以提示。

A)1

B)B.3

C)C.30

D)D.50

207.［单选题］HBase使用一个()节点协调管理一个或多个RegionServer从属机。

A)NameNode

B)DataNode

C)JobTracker

D)Master

208.［单选题］以下哪个场景适合使用ZooKeeper?

A)对象存储

B)故障检测

C)热点访问

D)流式计算

209.［单选题］以下哪个属于大数据在电信行业的数据商业化方面的应用()

A)客服中心优化

B)网络优化

C)网络管理

D)精准广告

210.［单选题］有关MapReduce的输入输出，说法错误的是()

A)链接多个MapReduce作业时，序列文件是首选格式

B)FileInputFormat中实现的getSplits()可以把输入数据划分为分片，分片数目和大小任意定义

C)想完全禁止输出，可以使用NullOutputFormat

D)每个reduce需将它的输出写入自己的文件中，输出无需分片

211.［单选题］以下不属于大数据在社会活动中的典型应用的是()。

A)美团实现了快速精准的送餐服务

B)共享单车、滴滴打车方便了人们的日常出行

C)快递实现了订单的实时跟踪

D)供电公司提供电费账单查询

212.［单选题］具有体量大、来源多样、生成极快和多变等特征并且难以用传统数据体系机构有效处

理的包含大量数据集的数据是（）。

A）海量数据

B）大数据

C）厚数据

D）异构数据

213.［单选题］Python语言属于□（）

A）机器语言

B）汇编语言

C）高级语言

D）以上都不是

214.［单选题］Hadoop中，Reducer的三个阶段是（）

A）Shuffle-Sort-Reduce

B）Shuffle-Reduce-Sort

C）Reduce-Shuffle-Sort

D）Sort-Shuffle-Reduce

215.［单选题］与HMM和MEMM模型相比，CRF模型的优势不包含（）。

A）特征灵活

B）速度快

C）可容纳较多上下文信息

D）全局最优

216.［单选题］MacOS系统的开发者是（）

A）微软公司

B）惠普公司

C）苹果公司

D）IBM公司

217.［单选题］MaxComputeSQL提供touch操作用来修改分区的（）属性。

A）CreateTime

B）LastDataUsedTime

C）LastDataAccessTime

D）LastDataModifiedTime

218.［单选题］下面关于分析学习描述不正确的是（_）。

A）分析学习是相对归纳学习的一种提法

B）分析学习使用先验知识来减小待搜索假设空间的复杂度

C）分析学习的优点是可以从稀疏数据中学习

D）分析学习通过统计推理来论证

219.［单选题］下列选项中，用于向文件中写入数据的是（）

A）open（）

B）write（）

C）close（）

D）read（）

220.［单选题］如果我们现有一个安装2.6.5版本的Hadoop集群，在不修改默认配置的情况下存储

200个200M的文本文件，请问最终会在集群中产生（）个数据块（包括副本）。

A）200

B）40000

O400

D)1200

221.［单选题］下面关于"WHEREiD、<>ANY（子查询语句）”描述正确的是（）。-

A）表示只有id不等于子查询语句的任意一个结果时才成立

B）当“<〉”替换为“<=>”时,ANY子查询的执行效果等价于IN关键字

C）表示只有id不等于子查询语句的全部结果时才成立

D）以上说法都不正确

222.［单选题］下列关于k-means的优点不正确的是（）

A）原理简单

B）k值容易选取

C）聚类效果较好

D）可解释性强

223.［单选题］以下哪个不是HDFS的进程()

A)SecondaryNode

B)NameNode

C)ResourceManager

D)DataNode

224.［单选题］下列选项中，符合类的命名规范的是（）o

A）HolidayResort

B）HolidayResort

C)holidayResort

D)hol