人工智能训练师三级练习题附答案.docxVIP

人工智能训练师三级练习题附答案

一、单项选择题

1.以下哪项是数据标注中“语义分割”任务的核心目标？()

A.为图像中的每个像素分配类别标签

B.识别图像中目标的位置并框选

C.对文本情感倾向进行分类

D.为语音片段标注时间戳

答案：A

解析：语义分割要求为图像中每个像素点分配具体类别（如“道路”“车辆”），与目标检测（框选目标）、情感分析（文本分类）、语音标注（时间戳）有本质区别。

2.模型训练中，若验证集准确率远高于测试集，最可能的原因是？()

A.训练数据量不足

B.验证集与测试集数据分布差异大

C.模型复杂度不够

D.学习率设置过高

答案：B

解析：验证集与测试集数据分布不一致时，模型在验证集上的表现无法泛化到测试集，导致验证准确率虚高。数据量不足或模型复杂度低会同时影响验证和测试效果，学习率过高可能导致训练不稳定。

3.自然语言处理（NLP）中，“分词”任务的主要目的是？()

A.提取文本中的关键短语

B.将连续文本切分为有意义的词语单元

C.预测文本中下一个单词

D.计算文本与查询的相似度

答案：B

解析：分词是NLP基础预处理步骤，通过切分连续字符序列为独立词语（如“人工智能”切为“人工”“智能”），为后续句法分析、语义理解提供基础。

4.以下哪种数据清洗操作属于“处理缺失值”？()

A.去除重复的用户评论数据

B.将“2023-13-01”修正为“2023-12-01”

C.用特征均值填充某列缺失的年龄值

D.对文本中的错别字进行纠正

答案：C

解析：处理缺失值的常见方法包括删除缺失行、用均值/中位数填充或模型预测填充。去除重复数据属于去重，修正日期格式属于纠正异常值，纠正错别字属于文本清洗。

5.机器学习流程中，“特征工程”的核心作用是？()

A.优化模型训练速度

B.提升数据与任务的相关性表达

C.减少训练数据存储量

D.降低模型过拟合风险

答案：B

解析：特征工程通过特征提取、转换、选择等操作，将原始数据转化为更能反映问题本质的特征，直接影响模型性能上限。优化训练速度是模型调优的目标，减少存储量是数据压缩的作用。

6.图像标注工具LabelMe的主要功能是？()

A.自动生成图像分类标签

B.支持多边形、矩形等多种形状标注

C.批量处理图像格式转换

D.实时评估标注一致性

答案：B

解析：LabelMe是开源图像标注工具，支持矩形、多边形、点标注等多种形状，适用于目标检测、语义分割等任务，不具备自动生成标签或格式转换功能。

7.训练神经网络时，若损失函数长期不下降，可能的原因不包括？()

A.学习率过小

B.数据未做归一化处理

C.激活函数选择不当

D.批量大小（BatchSize）过大

答案：D

解析：学习率过小会导致优化步长不足，数据未归一化可能使梯度更新不稳定，激活函数不当（如Sigmoid梯度消失）会阻碍训练；批量大小过大可能影响泛化性，但通常不会直接导致损失不下降。

8.情感分析任务中，“细粒度情感分类”与“粗粒度情感分类”的主要区别是？()

A.前者处理长文本，后者处理短文本

B.前者关注具体方面（如“价格”“口感”）的情感，后者关注整体情感

C.前者使用深度学习模型，后者使用传统机器学习模型

D.前者标注成本低，后者标注成本高

答案：B

解析：细粒度情感分类需针对文本中的具体方面（如手机的“电池”“屏幕”）分别判断情感倾向，而粗粒度仅判断整体情感（如“积极”“消极”）。

9.数据增强技术在图像训练中的典型应用是？()

A.增加训练数据的类别数量

B.对原图进行旋转、翻转、裁剪等变换

C.合并多个数据集扩大数据量

D.用GAN生成全新类别数据

答案：B

解析：数据增强通过对现有图像进行几何变换（旋转、翻转）、颜色变换（亮度、对比度调整）等操作生成新样本，提升模型泛化能力，不涉及新增类别或跨数据集合并。

10.模型部署时，“边缘计算”场景的核心需求是？()

A.支持大规模分布式计算

B.降低模型推理延迟

C.提供高可靠性的云端存储

D.支持模型在线更新

答案：B

解析：边缘计算要求模型在终端设备（如摄像头、手机）本地运行，核心目标是降低推理延迟（无需上传云端）、减少网络依赖，对计算资源和模型体积有严格限制。

二、判断题

1.数据标注中，“标注一致性”是指不同标注员对同一数据标注结果的吻合程度。()

答案：√

解析：标注一致性通过Kappa系数等指标衡量，是评估标注质量的关键，确保标注结果的可靠性和可复用性。

2.模型评估时，准确率（Accuracy）适用于所有类别分布均衡的数据集。()

答案：√

解析：准确率=（正确样本数）/（总样本数），当正负样本比例均衡时能有效反