第6部分_人工智能训练师_3级_操作技能模拟试卷

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 练习进度 0 / 0

随机练习 自定义设置练习量

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

试题代码：1.1.1 试题名称：智能医疗系统中的业务数据处理流程设计考核时间：30min 配分：25分 1.场地设备要求人工智能训练师主机:CPU(intel i5 及以上)、内存(不少于 16GB)、操作系统(windows10)、支持深度学习训练； 2.工作任务某医疗机构计划引入智能医疗系统，以提升诊断效率和准确性。通过分析患者的历史数据，使用机器学习算法预测患者的健康风险，从而辅助医生进行诊断和治疗。为此，该机构需要设计一套全面的业务数据处理流程，确保数据处理的高效性和准确性，为人工智能模型提供可靠的输入数据。我们提供一个患者数据集（patient_data.csv），包含以下字段： ● PatientID: 患者ID ● Age: 年龄 ● BMI: 体重指数 ● BloodPressure: 血压 ● Cholesterol: 胆固醇水平 ● DaysInHospital: 住院天数你作为人工智能训练师，根据提供的数据集和Python代码框架（1.1.1.ipynb），完成以下数据的统计和分析，为智能医疗系统提供可靠的数据支持。（1）通过补全并运行Python代码（1.1.1.ipynb）分别统计住院天数超过7天的患者数量以及其占比。这类患者被定义为高风险患者，反之为低风险患者。将上述统计结果截图以JPG的格式保存，命名为“1.1.1-1”。（2）通过补全并运行Python代码（1.1.1.ipynb）统计不同BMI区间中高风险患者的比例和统计不同BMI区间中的患者数。BMI区间分类设置为：偏瘦(低于18.5)，正常(18.5～23.9)，超重(24.0～27.9)，肥胖(28.0及以上)，将上述统计结果截图以JPG的格式保存，命名为“1.1.1-2”。（3）通过补全并运行Python代码（1.1.1.ipynb）统计不同年龄区间中高风险患者的比例和统计不同年龄区间中的患者数。年龄区间分类设置为：≤25岁，26-35岁，36-45岁，46-55岁，56-65岁，>65岁，将上述统计结果截图以JPG的格式保存，命名为“1.1.1-3”。所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。 3.技能要求（1）能结合人工智能技术要求和业务特征，设计整套业务数据处理流程； 4.质量指标（1）设计出的业务数据底层逻辑清晰，有效合理。

试题代码：2.1.1 试题名称：智慧交通中燃油效率模型的数据清洗和标注流程设计考核时间：20min 配分：15分

试题代码：2.2.1 试题名称：智能信用评分Logistic回归模型开发与测试考核时间：20min 配分：20分

试题代码：3.1.1 试题名称：智能音箱产品的数据分析与优化考核时间：20min 配分：15分

试题代码：3.2.1 试题名称：图像识别评估系统交互流程设计考核时间：20min 配分：20分

试题代码：4.2.1 试题名称：智能零售分析系统数据采集和处理指导考核时间：10min 配分：5分

智能医疗系统中的业务数据处理流程设计考核时间：30min 完成以下数据处理任务： 1. 读取患者数据集，统计住院天数超过7天的患者数量及其占比，创建新列'RiskLevel'，根据住院天数判断风险等级（住院天数>7天为高风险患者，否则为低风险患者），统计不同风险等级的患者数量，计算高风险患者占比和低风险患者占比。 2. 统计不同BMI区间中高风险患者的比例和统计不同BMI区间中的患者数量，BMI区间划分为：[0,18.5)、[18.5,24)、[24,28)、[28,np.inf)，对应标签分别为'偏瘦'、'正常'、'超重'、'肥胖'。 3. 统计不同年龄区间中高风险患者的比例和统计不同年龄区间中的患者数量，年龄区间划分为：[0,26)、[26,36)、[36,46)、[46,56)、[56,66)、[66,np.inf)，对应标签分别为'≤25岁'、'26-35岁'、'36-45岁'、'46-55岁'、'56-65岁'、'>65岁'。 (缺图)

智慧交通中燃油效率模型的数据清洗和标注流程设计考核时间：20min 场地设备要求： (1)人工智能训练师主机 1 台； (2)Python 编译环境； (3)汽车燃油效率数据集（auto-mpg.csv）；工作任务：在现代交通中，燃油效率（MPG）是衡量汽车性能和交通系统优化的重要指标之一。高效的燃油利用不仅能够降低车辆运营成本，还能减少碳排放，促进环保。开发一个用于预测汽车燃油效率的模型可以帮助智慧交通系统优化路线规划和车辆调度，从而提升整体交通效率和减少能源消耗。此外，这样的模型还可以帮助消费者做出更明智的购车决策，并帮助厂商优化汽车设计。现要求根据提供的汽车燃油效率数据集，补全2.1.1.ipynb代码。选择合适的特征，开发一个燃油效率预测模型。在开发预测模型之前，首先要对数据进行数据清洗和标注，请完成下面的数据预处理任务，并设计一套标注流程规范： (1)正确加载数据集，并显示前五行的数据及数据类型。 (2)检查数据集中的缺失值并删除缺失值所在的行。 (3)将“horsepower”列转换为数值类型，并处理转换中的异常值。 (4)对数值型数据进行标准化处理，确保数据在同一量纲下进行分析。 (5)根据业务需求和数据特性，选择对燃油效率预测最有用的特征：选择以下特征：'cylinders'、'displacement'、'horsepower'、'weight'、'acceleration'、'model year'、'origin' (6)将“mpg”设为目标变量并标注；

互联网金融飞速发展，使得个人金融理财变得越来越容易。而其中信用评分技术是一种对贷款申请人（信用卡申请人）做风险评估分值的统计模型，可以根据客户提供的资料、客户的历史数据、第三方平台数据（芝麻分、京东、微信等），对客户的信用进行评估。现要求根据提供的finance数据集，补全2.2.1.ipynb代码。选择合适的特征，开发一个申请的评分模型，利用测试工具对模型进行测试，并对测试结果进行分析，完成测试报告，并运用工具对错误原因进行纠正。（1）正确加载数据集，显示前五行的数据。（2）使用Logistic模型进行模型训练，要求设定自变量和因变量，并根据自变量特征进行模型训练，最终将训练好的模型以文件名2.2.1_model.pkl保存到考生文件夹，结果文件以2.2.1_results.txt保存到考生文件夹。（3）使用测试工具对模型进行测试，并记录测试结果，命名2.2.1_report.txt，保存到考生文件夹（4）对测试结果进行详细分析，并编写测试报告，包括模型性能评估、错误分析及改进建议，将答案写到答题卷文件中，答题卷文件命名为“2.2.1.docx”，保存到考生文件夹。（5）运用工具分析算法中错误案例产生的原因并进行纠正，重新得到模型训练结果，以文件名2.2.1_results_xg.txt保存到考生文件夹。（6）将以上代码以及运行结果，以html格式保存并命名为2.2.1.html，保存到考生文件夹，考生文件夹命名为“准考证号+身份证后6位”。数据集说明： Unnamed: 0 - 索引号。 SeriousDlqin2yrs - 个人在过去两年内是否出现过严重的拖欠（1表示有严重拖欠，0表示没有）。 RevolvingUtilizationOfUnsecuredLines - 这是指个人未偿还的信用额度与总信用额度的比例。 age - 客户的年龄。 NumberOfTime30-59DaysPastDueNotWorse - 在过去一段时间内，贷款逾期30至59天的次数。 DebtRatio - 债务比率。 MonthlyIncome - 客户的月收入。 NumberOfOpenCreditLinesAndLoans - 正在使用的信贷账户或贷款的数量。 NumberOfTimes90DaysLate - 贷款逾期超过90天的次数。 NumberRealEstateLoansOrLines - 持有的房地产相关贷款或信贷的数量。 NumberOfTime60-89DaysPastDueNotWorse - 贷款逾期60至89天的次数。 NumberOfDependents - 家庭中依赖该个人的人数。技能要求： (1) 能维护日常训练集与测试集。 (2) 能使用工具对算法进行训练。 (3) 能使用测试工具对人工智能产品的使用进行测试。 (4) 能对测试结果进行分析，编写测试报告。 (5) 能运用工具，分析算法中错误案例产生的原因并进行纠正。质量指标： (1) 深入理解业务，训练符合业务需求的模型。 (2) 数据预处理步骤完整，方法选择合理。 (3) 代码实现正确，结果符合预期。 (4) 测试结果分析全面，报告详细。 (缺图)

智能音箱产品的数据分析与优化考核时间：20min 场地设备要求：（1）人工智能训练师主机 1 台；（2）Python 编译环境；（3）智能音箱数据集。工作任务：智能音箱作为智能家居生态的重要组成部分，近年来经历了爆炸式的增长。随着人工智能技术的成熟，尤其是自然语言处理（NLP）和语音识别技术的进步，智能音箱已经成为许多家庭中不可或缺的智能设备。它们不仅能够播放音乐、提供天气预报和新闻更新，还能控制家中的智能设备，设定提醒，甚至帮助用户购物。然而，随着市场竞争的加剧，智能音箱制造商面临着如何持续优化产品性能，提升用户体验的挑战。数据分析在智能音箱的持续优化中扮演着核心角色。通过对用户行为的深入挖掘，企业可以了解用户偏好、使用模式和潜在的痛点。例如，分析用户何时最常使用智能音箱、他们最喜欢的功能是什么、以及哪些功能的响应时间过长等问题，可以帮助企业做出有针对性的改进决策。（1）你作为人工智能训练师，根据给定的数据集（智能音箱数据集.xlsx），从以下三方面：用户使用习惯：分析哪些功能最常被使用；功能使用频率：识别最受欢迎的功能和较少使用的功能；响应时间：考察不同功能的平均响应时间，找出可能的瓶颈。给出一份在用户使用习惯、功能使用频率和响应时间方面的分析报告，将其保存为docx文件，命名为3.1.1-1.docx。（2）为了进一步提升用户体验，给出智能音箱产品的3个优化方向和对应解决方案，将其保存为docx文件，命名为3.1.1-2.docx。

补全该模型的使用交互流程对应的Python代码（3.2.1.ipynb），实现本地测试图片“img_test.jpg”的识别，将其识别结果截图保存为jpg格式文件，命名为3.2.1-1.jpg。

在上面的使用交互流程基础上，给出在图像识别评估系统中使用“resnet.onnx”模型的一种人机交互的最优方式，将其保存为docx文件，命名为3.2.1.docx。

在快速发展的零售行业中，商家面临着巨大的竞争压力，需要精准地了解消费者行为、优化库存管理、预测销售趋势以及提升顾客体验。为了应对这些挑战，某大型连锁超市决定部署一套智能零售分析系统，该系统将利用人工智能和大数据分析来提升其业务效率和客户满意度。智能零售分析系统的目标包括： ● 提高销售转化率和客户忠诚度。 ● 减少库存成本，避免滞销和断货。 ● 降低运营成本，提高供应链效率。 ● 加强市场竞争力，快速响应市场变化。智能零售分析系统的业务需求包括： ● 顾客行为分析：收集顾客购物习惯、偏好和购买频率，以便于定制个性化营销策略。 ● 库存优化：实时监测货架上的商品存量，预测补货需求，减少过度库存和缺货情况。 ● 销售预测：基于历史销售数据和市场趋势，预测未来销售，辅助决策。 ● 动态定价：根据供需关系、竞争对手价格变动等因素，动态调整商品价格。 ● 客户满意度提升：通过分析顾客反馈和评论，识别服务短板，改进服务质量。你作为一名人工智能训练师，根据上述的智能零售分析系统的系统目标和业务需求，补全智能零售分析系统的数据采集和处理指导方案（见素材文件夹中的4.2.1.docx）。所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。

请完成智能零售分析系统数据采集和处理指导方案，需包含数据源确定、数据采集方法、数据预处理、数据安全与合规、数据存储与管理、数据分析与应用等内容。

1