全媒体大数据分析师考前冲刺题(四)

A使用开源工具做报表，界面效果不佳，人力维护成本高

B分析系统的数据报表开发周期长，灵活性低

C人员变动频繁，学习门槛高，报表维护困难

D直连公司内部生产系统，进行海量数据即席查询

A传统的关系型数据库采用行存储，分布式数据库大多采用列式存储；

B列式存储按列存放，只读取查询到的列，能有效减少IO消耗；

C列式存储通过建立索引，来降低查询响应时间；

D列式存储不适合更新和删除的实时操作；

A通过搭建数据仓库，实现传统的数据分析

B通过智能算法，实现语音、图像、文本分析处理等

C通过数据大屏实时展现数据

D通过数据库上云，加快交易数据的增删改查速度

A广点通

B财付通

C粉丝通

D小灵通

AB2:C5

BB2,C5

CB2-C5

DB2C5

A数据清单是由包含相似数据组成的带标题的一组工作表数据行组成的

B一张工作表中可以包含多个数据清单

C数据清单实质上是一个二维数据表

D清单中的每一行相当于数据库中的一条'记录'

ADOC

BXLS

CTXT

DPOT

A环形图

B气泡图

C柱形图

D树图

A元数据按其用途分为技术元数据和业务元数据

B技术元数据是存储关于数据仓库系统技术细节的数据，是用于开发和管理数据仓库使用的数据

C业务元数据主要包括业务术语、信息分类、指标定义和业务规则等信息

D元数据也可以是业务数据，是业务行为的一种体现

A一致性

B及时性

C准确性

D唯一性

A在免费版中提供尽量丰富的功能，然后统计免费版本的新用户数量以及增长速度，如果这两项都在提高，说明该策略正确。

B应该将这些功能保留在收费版本中，促使用户为高级功能付费，统计销售额及增长速度，如果这两项都在提高，说明该策略正确。

C应该设定一个新客单价指数=日均收入/日均新用户数，然后通过调控免费版本和收费版本的功能数，优化新客单价指数

D应该先理清业务阶段（如创业期、上升期、成熟期和衰落期等），据此确定核心指标后，再决定如何取舍

A接近性

B相似性

C连续性

D顿悟性

A信息转变为数据

B万事万物量化为数据

C信息转变为知识

D知识转变为智慧

A决策树

B回归分析

C回溯算法

D时序分析

A掌握学情

B客观反馈

C开展合作学习

D掌控动态

A大数据以数据为核心资源，将产生的数据进行采集、存储、处理、分析、应用和展示，最终实现数据的价值。

B大数据是指在一定时间和范围内用常规软件工具进行捕捉、管理和处理的数据集合。

C大数据是需要运用新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率、多样化的信息资产。

D大数据不是存储在一台计算机上的数据，而是存储在不同地方的大量非聚合的原始数据，其大小变化为PB级。

A 词频分析法

B 弗兰德斯分析方法FIAS

C 改进型弗兰德斯iFIAS分析方法

D T-S分析法

A

B

C

D

A拼音字母

B笔画

C偏旁部首

D区位码

A趣味性

B微小性

C单一性

D泛在性

A领域本体

B元数据

C学习内容

D聚合模型

A整理文献和进行文献综述

B提出课题或假设

C搜集文献

D验证假设

A评估可视化作品是否满足用户对数据可视化的需求

B确定现有可视化作品中可能存在的问题

C使用不恰当的数据去引导用户得出与真实数据相悖的结论

D对于交互式可视化，需要评估用户的交互体验

A1.5米

B2米

C2.5米

D3米

A学习者特征

B学习目标

C学习内容

D学习环境

A作者

B机构

C关键词

D摘要

A'大数据'是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。--高德纳咨询公司（Gartner Group)

BThe belief that the more data you havethe more insights and answers will ise automatically from the pool of ones and zeros.（大数据是一种信念，你掌握的数据越多，就有越多的洞见涌现）。

C大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。--维克托·迈尔-舍恩伯格及肯尼斯·库克耶

D大数据是指那些超过传统数据库系统处理能力的数据。

A无监督学习又称归纳性学习(clustering)。

B无监督学习通过算法让机器自我减少误差。

C无监督学习的方法分为两大类∶基于概率密度函数估计的直接方法、基于样本间相似性度量的简洁聚类方法

D无监督学习主要应用于数据挖掘，模式识别，图像处理等。

A关联分析、分类、回归分析、聚类分析、孤立点挖掘、演变分析和特异组群分析

B线性判别分析、分类、回归分析、聚类分析、孤立点挖掘、演变分析和特异组群分析

C线性判别分析、分类、回归分析、聚类分析、孤立点挖掘、演变分析

D独立分量分析、聚类分析、孤立点挖掘、演变分析和特异组群分析

A人工智能（Artificial Intelligence，Al的定义可以分为两部分∶人工和智能。

B关于人工智能的定义主要与拟人思维、理性思维、拟人行为、理性行为有关。

C人工智能是研究并模仿人的某些思维过程和智能行为（学习、推理、思考、决策），构造具有一定智能的人工系统

D关于人工智能的认知观中，符号主义主要为神经网络及神经网络间的连接机制与学习算法。

A主成分分析法（PCA）、线性判别分析（LDA）、过滤式（flter）

B过滤式（filter）、包裹式（wrapper）、嵌入式（embedding）。

C线性判别分析（LDA）、独立分量分析（ICA）、嵌入式（embedding）

D主成分分析法（PCA）、线性判别分析（LDA）、独立分量分析（ICA）

AVolume, Velocity, Variety,Valid, Value

BVolume, Velocity,Variety, Veracity,Value

CVolume, Velocity, Various, Veracity,Value

DVolume,Velocity,Variety, Veracity,Valid

A通用网络爬虫、增量式网络爬虫、聚焦网络爬虫、深层网络爬虫

B通用网络爬虫、全量式网络爬虫、聚焦网络爬虫、深层网络爬虫

C增量式网络爬虫、聚焦网络爬虫、深层网络爬虫

D通用网络爬虫、增量式网络爬虫、聚焦网络爬虫、浅层网络爬虫

A孕育期、成熟期

B孕育期、成熟期、应用期

C萌芽期、应用期

D萌芽期、成熟期

A学生家庭背景

B校园建筑

C学生学习空间

D学校环境