*Google的围棋机器人至今已发展有四代，分别是哪四代?*
AlphaGo；
AlphaGo-Master；
AlphaGo-Zero；
AlphaZero。
*AlphaGo是一款什么程序？*
AlphaGo是由谷歌旗下的的一款基于人工智能的围棋程序。
*什么是人工智能？*
通过计算机系统和模型（算法、数据），模拟人类心智的技术体系和实现方法的集合。
*“人工智能”、“机器学习”和“深度学习”之间的关系是怎样的？*
我们将机器学习描述为实现人工智能的一种方式方法。
深度学习是一种实现机器学习的技术，是机器学习的子集。
*我国在语音识别方面领先的公司是哪个？*
科大讯飞。
*哪个会议标志着人工智能正式诞生并且成为一个独立领域？*
达特茅斯会议。
*指纹识别的广泛应用最主要是因为什么？*
是目前最成熟且价格便宜的生物特征识别技术之一。
*人脸识别关键是提取人脸的什么部位？*
眼、口、鼻轮廓等72个关键点定位。
*商业智能包含哪些技术？*
现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术。
*智能监控主要运用那种技术？*
目标检测、目标追踪、三维建模、目标重识别、行为理解和描述。
*哪款机器人目前已获得公民身份证？*
索菲亚。
*如何增强计算能力，加快计算速度？*
使用云计算、高性能计算技术，使用GPU、EPGA以及人工智能专用芯片。
*人工智能的分类方法和种类？*
按智能的能力分:
强人工智能 弱人工智能
按智能的方式分:
计算智能:计算能力和存储能力超强的智能*
认知智能:能听会说人类的语言、看懂世界万物的智能*
感知智能: 够思考并采取行动的智能*
*人工智能产业链是如何划分？*
基础层、技术层和应用层。
*什么是“网络爬虫”？其过程是怎样的？*
网络爬虫（Web crawler），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。其过程主要分为三部：数据采集，处理，储存，即：爬虫通过模拟计算机对服务器端发起Request请求,接收服务器端的Response回应并进行解析、提取所需的信息。*
*数据集研究包含哪几个重要方面？*
数据收集、整理与清洗、数据分析、数据可视化、图像处理。
*MNIST是怎样的一种数据集？*
MNIST是一个简单的计算机视觉数据集，它由28×28像素的手写数字图像组成。
*数据整理包括哪些过程？*
数据的清洗、数据格式转换、归类编码、数字编码。
*Python模块的加载有哪两种方式？*
1、from import。
2、import。
*利用Python来处理excel文件主要用到的包是那几个？*
xlrd和xlwt两个模块分别用来读Excel和写Excel。
*Python数据可视化用到的最基础包是什么？*
Matplotlib包。
*索引号为-1在是Python序列中的含义是什么？*
-1 为从末尾的开始位置。
*列表L*2的含义是什么？*
列表内部的每一个元素都*2。
*数字图像处理技术主要涉及到几个方面？*
图像变换、图像编码压缩、图像增强和复原图像、图像分割、图像描述、图像分类。
*语音数据的应用场景有哪些？*
语音识别、语音合成、语音交互、机器翻译、声纹识别。
*视频应用场景有哪些？*
智能监控、计算机视觉。
*“机器学习”的含义是什么？*
是人工智能的一个重要分支和核心研究内容，通过算法和模型的设计，使机器从已有的数据（训练数据集）中自动分析、习得规律（模型与参数），再利用规律对未知数据进行预测，不同的算法和模型的预测准确率、运算量不同。
*“机器学习”可以怎样分类？分别是哪几类？*
从学习的形式来分类：
有监督学习、无监督学习、半监督学习、强化学习
从学习的任务来分类，机器学习可以分为哪几类？
分类、回归、聚类（事先不知道类别）、降维、异常检测
*什么是有监督学习？*
有监督学习（有标签），指的是事先需要准备好输入与正确 输出（区分方法）相配套的训练数据，让计算加进行学习，以便当它被输入 某个数据时能够得到正确的输出(区分方法)。
*什么是无监督学习？*
无监督学习（基于假设）,类别未知(没有被标记)的训练样本解决模式识别中的各种问题。
*机器学习常见任务中，哪些属于有监督学习，哪些属于无监督学习？*
有监督学习：
分类问题、回归问题
无监督学习：
聚类、异常检测
*在机器学习中，什么是示例、属性、属性值、维数？*
示例：是对某个对象的描述，也叫样本
属性：是对对象的某方面表现或特征
属性值：是属性上的取值
维数：是描述样本属性参数的个数
*机器学习中的分类和聚类的区别是什么？*
分类：有标记，事先明确知道各个类别的信息。
聚类：无标记，把相似的（或距离近的）样本聚为同一类，事先不知道类别。
*分类主要算法有哪些？*
K近邻分类算法
决策树分类算法
贝叶斯分类算法
支持向量机分类算法
神经网络
*什么是分类器？*
在机器学习中，分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别
*如何评价一个二分类分类器的性能？*
准确度、精确度、召回率
*人工神经元模型是怎样的？*
人工神经元是一个多输入单输出的非线性阈值器件。
人工神经元的特点:
神经元是一多输入、单输出元件;
具有非线性的输入、输出特性;
具有可塑性,其塑性变化的部分主要是权值的变化;
神经元的输出响应是各个输入值的综合作用结果;
输入分为兴奋型(正值)和抑制型(负值)两种。
*什么是“激活”？什么是“激活函数”？*
神经元的计算过程称为激活。
激活函数(Activation Function )一般是非线性函数,常用的激活函数:
VSigmoid函数、
双曲正切函数(Tanh)、
VReLu函数(Rectified Linear Units )等。
*搭建一个神经网络需要满足哪些条件？*
输入和输出、权重和阈值，多层网络结构。
*神经网络的分类有哪些，分别是什么？*
按性能分:连续型和离散型网络,或确定型和随机型网络;
按学习方法分:有监督学习网络、半监督学习网络和无监督学习网络;
按拓扑结构分:前馈网络和反馈网络。
*前馈神经网络包含哪些典型网络？*
感知器网络、BP网络、卷积神经网络（CNN）、RBF网络
*一个典型的神经网络的具有哪几层？*
输入层(Input Layer ),对应样本特征;
输出层(Output Layer) ,对应输出结果;
隐层(Hidden Layer,)
通常把需要计算的层次称之为“计算层” 。
*BP网络和卷积神经网络属于哪种类型的网络（拓补分类）？*
前馈神经网络
*卷积神经网络的三大核心思想是什么？*
local receptive fields(局部感受野)
shared weights(参数共享)
pooling(池化)
*卷积神经网络最主要的功能是什么？*
特征提取和降维
*卷积神经网络有哪些特点？*
它的神经元的连接是非全连接的（局部连接或稀疏连接）
同一层中某些神经元之间的连接权重是共享的
*LeNet-5是一种什么网络模型？主要功能是什么？具有几层结构？*
是卷积神经网络（前馈神经网络）
用于手写数字识别
LeNet-5共有7层(不包括输入层) ,分别是2个卷积层、2个下抽样层(池化层)、3个全连接层(其中C5层是卷积层,但使用全连接) 。