大数据基础（专 2022春）

人类自古以来在科学研究上先后历经了哪几种范式：（）。
数据则是构成信息的基本单位，离散的数据没有任何用价值。
大数据年代，因为我们采集了全样数据，而不是一部分数据，数据中的异常、纰漏、疏忽、错误都是数据的实际情况，我们没有必要进行任何清除，其结果是最接近客观事实的，这是什么思维
你可以将Python嵌入到C/C++程序，让你的程序的用户获得（）的能力。
以下关于计算机视觉，描述错误的是：（）。
人类在科学研究上经过了实验科学、理论科学、计算科学（）
通常所说的大数据具有4R4个特点。
Python和Excel都可以用来处理大数据。
常见的数据类型包括文本、图片、音频、视频等。
只要数据量大到一定规模，就需要用到与大数据相关的专门技术。
下面不属于python特性的是（）。
云计算包括哪3种典型的服务模式：（）。
大数据的应用领域包括：（）。
Python的特点：（）。
MACOS系统开发者是（）。
数据很多，但是真正有用的能够提取的有用数据却很少。
智慧城市的构建，不包括（）。
为了让数据变得可用，需要对数据进行三个步骤的处理，分别是：（）。
Python是荷兰数学与计算机科学研究学会的吉多·范罗苏姆设计的计算机编程语言。
以下关于机器学习，描述错误的是：（）。
大数据处理分析技术类型主要包括：（）。
数据采集的三大要点是：（）。
由哈勃和麦克纳布提出——泛可视化流水线的流程包括（）
下列各项中，属于信息可视化的有（）。
高维是指数据具有多个独立属性，多元是指数据具有多个相关属性。
数据是物理性的，是形式、载体；信息是逻辑性、观念性的，是内涵。
Python可视化生成方式需要用户具有一定的编程能力，但是表达能力强，可以基于用户需求定制图表，能实现个性化展示。
科学可视化是以科学和工程领域的数据为对象，探索如何以几何、拓扑和形状特征来呈现数据中蕴含的规律。
20世纪上半叶，政府、商业机构和科研部门大量使用可视化统计图形，可视化在航空、物理、天文和生物等科学与工程领域突破性进展。
编程式数据可视化生成方式需要用户具有一定的编程能力，时间和人力成本较高，但是表达能力强，可以基于用户需求定制图表，实现个性化展示。
数据可视化主要从数据是寻找模式、关系、异常三方面信息，一般异常数据都是错误的数据。
（）是指同一个数据集中存在如结构或属性不同的数据。
（）计算机科学和技术发展让数据可视化产生新动力，从多维静态图向动态统计图发展，并尝试实现动态的交互式数据可视化。
大数据可视化流程的核心环节是（）。
以下哪项不属于数据清洗的内容：（）。
需要反映某日全国各地新冠肺炎现有确诊数量的分布情况，应选择的可视化图表是（）。
适用于无规律或间歇跳跃的方式表达数值随时间的变化的图形是（）
反映美联储近10年的利率水平，适合选择（）进行利率可视化。
过去，为保证抽样得出的结论相对靠谱，人们对抽样的数据精益求精，容不得半点差错。大数据年代，因为我们采集了全样数据，数据中的异常、纰漏、错误都是数据的实际情况，我们没有必要进行任何清洗，其结果是最接近客观事实的。提现了（）。
大数据时代，大数据技术的核心就是海量数据的实时（）。
在大数据时代，无法确定因果关系时，数据为人们提供了解决问题的新方法：（）。
维克托·迈尔-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3种转变，具体包括（）。
下列例子（）体现了通过大数据技术对海量数据进行实时采集、存储和处理。
有了大数据技术的支持，科学分析完全可以直接针对抽样数据，并且可以在短时间内迅速分析结果。
在大数据时代，我们分析强调大概率事件，也即所谓的模糊性。
大数据越多，我们的思维就越全面。
大数据最重要的特点是数据量大，噪声数据少，所以收集数据过程中要力求精确。
机械思维更广泛的影响力是作为一种准则指导人们的行为，其核心思想可概括成不确定性和相关关系。
数据之间的关联性极大地增强在这样的背景下，就出现了大数据，使得“以数据为中心”的思考解决问题的方式优势逐潮得到显现。
大数据的应用注重因果分析，而不是相关分析。
针对分析型应用、事务型应用、互联网应用，分别使用以下哪三种数据库技术作支撑&#