人工智能应用基础 习题及答案汇总 姜东洋 第1-7章

1.3课后习题一、单选题1.人工智能的英文缩写为（B）A.ITB.AIC.IGD.IBM2.“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”这是（B）提出的。A.艾伦纽厄尔B.尼尔逊C.温斯顿D.图灵3.下列不是弱人工智能应用的是（D）A.语音识别B.图像识别C.文本审核D.迁移学习4.著名的“奇点理论”是（A）提出的。A.库兹韦尔B.爱因斯坦C.爱德华费根鲍姆D.艾伦纽厄尔5.著名的图灵测试是（D）提出的。A.约翰塞尔B.尼尔逊C.温斯顿D.图灵二、多选题1.人工智能的定义可以分为两部分，即（A）和（B）。A.人工B.智能C.人脑D.计算机2.20世纪70年代以来被称为世界三大尖端技术的是（ABC）。A.空间技术B.能源技术C.人工智能D.基因工程3.人工智能分为（ABC）。A.弱人工智能B.强人工智能C.超强人工智能D.类人工智能三、判断题1.人工智能与思维科学的关系是时间和理论的关系。（对）2.弱人工智能的英文全称是ArtificialNarrowIntelligence，简称AGI。（错）四、简答题1.本章主要介绍了人工智能的哪些知识？本章首先介绍了人工智能的定义、起源、发展及道德规范。随后介绍了人工智能的产业链、核心技术体系及大力发展人工智能的意义。2.图灵测试对人工智能的发展起到了哪些划时代的意义？图灵测试的引入对计算机科学的发展具有重要意义。首先，图灵测试提供了一个明确的目标，即通过对话测试机器是否具有智能，这为人工智能的研究设定了明确的方向。其次，图灵测试还引发了一场关于人类智能本质的辩论。该测试让我们思考人类智能到底是什么，以及如何理解和定义智能的概念。3.试对比弱人工智能与强人工智能之间的区别于联系，并举例说明。1)任务范围强人工智能可以在多个任务和领域中执行复杂的任务，而弱人工智能只能在某些特定领域中执行特定任务。2)自我学习和适应能力强人工智能可以通过自我学习和适应不断改进自身的能力，而弱人工智能只能通过预先设计好的规则来执行任务。3)智能水平强人工智能可以与人类智能媲美，而弱人工智能则只能执行一些简单的任务。4)智能开发难度开发强人工智能需要更高级别的技术和更复杂的算法，而弱人工智能则相对容易开发。5)可编程性强人工智能的编程方式与人类智能相似，而弱人工智能则只需要基本的编程知识。弱人工智能：语音助手。强人工智能：AlphaGo。2.3课后习题1.Python用于制作二维码的第三方库都有哪些（）A.MyQRB.qrcodeC.PILD.Tkinter2.安装PIL库的命令是（）A.pipinstallpillowB.pipinstallpilC.pillowinstallpilD.pillowinstallPIL3.导入第三方库的命令是（）A.pipB.readC.importD.write4.在myqr模块中，使用什么函数生成二维码（）A.write()B.run()C.read()D.words5.调用myqr模块生成彩色二维码时，参数colorized的值是（）A.TrueB.False6.Image模块中，打开图片的函数是（）A.open()B.read()C.save()D.show7.在io模块中，用哪个函数读取图片（）A.write()B.imshow()C.show()D.imread()8.使用Python编程，生成彩色二维码，保存到D盘。9.生成一张嵌套自己头像的二维码。10.调用Python的图片处理模块，编程实现：在表情包图片上添加文字“我爱你中国”。答案：ABACBAAD源代码：importqrcodefromPILimportImage#生成二维码数据qr=qrcode.QRCode(version=1,error_correction=qrcode.constants.ERROR_CORRECT_L,box_size=10,border=4,)#你希望加入二维码的数据qr.add_data('')qr.make(fit=True)#创建二维码图像img=qr.make_image(fill_color="blue",back_color="white")#如果你想要一个带有图片的二维码（例如一个logo）#首先加载logo图像#logo=Image.open('path_to_logo_image.png')#logo=logo.resize((40,40),Image.ANTIALIAS)#pos=((img.size[0]-logo.size[0])//2,(img.size[1]-logo.size[1])//2)#img.paste(logo,pos)#保存到D盘img.save('D:/colorful_qrcode.png')print('彩色二维码已保存到D盘。')在这段代码中，我们首先创建了一个QRCode对象，并通过add_data方法添加了你想要的数据。然后通过make_image方法并指定前景色和背景色来生成一个彩色的二维码图像。最后，我们使用Pillow库的save方法将图像保存到D盘。如果你想在二维码中心加入一个logo，取消注释中间部分的代码，并且替换path_to_logo_image.png为你的logo图片路径。请调整路径和文件名（‘D:/colorful_qrcode.png’）根据你自己的需求。当你运行这个脚本时，它将创建一个二维码图像，并将其保存到D盘中名为’colorful_qrcode.png’的文件中。源代码：importqrcodefromPILimportImage#生成二维码defgenerate_qr_code(url,logo_path,output_path="qr_with_logo.png",box_size=10,border=4):#创建二维码对象qr=qrcode.QRCode(version=1,error_correction=qrcode.constants.ERROR_CORRECT_H,box_size=box_size,border=border,)#添加数据qr.add_data(url)qr.make(fit=True)#生成二维码图像qr_image=qr.make_image(fill_color="black",back_color="white").convert('RGB')iflogo_path:#打开logo文件logo_image=Image.open(logo_path)#计算logo的尺寸qr_size=qr_image.sizelogo_size=35#这个值可以按照你的喜好调整，它决定了logo在二维码中的大小logo_image=logo_image.resize((logo_size,logo_size))#计算logo的位置pos=((qr_size[0]-logo_size)//2,(qr_size[1]-logo_size)//2)#将logo粘贴到二维码图像上qr_image.paste(logo_image,pos)#保存二维码图像qr_image.save(output_path)print(f"SavedQRcodewithembeddedlogoto{output_path}")#使用示例#请将''替换为你想要生成的二维码的链接#将'path_to_logo.png'替换为你的头像图像文件的路径generate_qr_code('','path_to_logo.png')源代码：fromPILimportImage,ImageDraw,ImageFontdefadd_text_to_image(image_path,text,font_path='path/to/font.ttf',font_size=40):#打开图片image=Image.open(image_path)draw=ImageDraw.Draw(image)#定义字体和字体大小，确保你的系统中有这个字体font=ImageFont.truetype(font_path,font_size)#设置文字位置text_width,text_height=draw.textsize(text,font=font)width,height=image.sizeposition=((width-text_width)/2,(height-text_height)/2)#设置文字颜色text_color=(255,0,0)#红色#将文字添加到图片上draw.text(position,text,font=font,fill=text_color)#保存或显示图片image.save('output_image.png')image.show()#使用函数add_text_to_image('path/to/your/image.jpg','我爱你中国','path/to/font/SimHei.ttf',font_size=40)请将'path/to/your/image.jpg'替换成您要添加文字的图片路径，'path/to/font/SimHei.ttf'替换成您要使用的字体文件的路径。SimHei.ttf是一种常用的中文字体，您可以替换成任何支持中文的字体。注意：font_size参数可以根据您的图片大小和需要调整。text_color设置为红色，您可以根据需要修改颜色的RGB值。position用于设定文本在图片上的位置，这里设置为图片中心，您可以根据需要修改坐标。在保存或显示图片之前，您可以调用image.show()预览添加文字后的图片效果。课后习题1.命令行如何安装百度AI的PythonSDK（）A.pipinstallbaidu-aipB.pipinstallPILC.pipinstallpygame2.使用百度AI的SDK，新建图像识别客户端，需要导入哪个模块（）A.PILB.baidu-aipC.aipD.AipImageClassify3.下列哪些属于图像处理模块（）A.ImageB.ImageDrawC.AipImageClassifyD.pygame4.百度AI中的通用物体识别接口是_____________________5.简述什么是PythonSDK。6.调用百度AI，新建图像识别客户端。7.调用百度AI的图像识别接口，识别身边的车牌号。答案：ADABclient.advancedGeneral(image);PythonSDK指的是Python语言的软件开发工具包（SoftwareDevelopmentKit）。一个SDK是一组软件工具和库，为开发人员提供用于构建特定平台或服务上应用程序的资源。PythonSDK通常包含以下内容：(1)库和框架：预编写的代码库，提供常见任务的函数和类，以便开发者可以更快地开发应用程序而无需从头开始编写所有代码。(2)API接口：一组规则和协议，供应用程序之间或与服务平台之间进行通讯使用。(3)开发工具：如调试器、编译器或其他用于帮助编写和测试代码的工具。(4)文档：详细说明SDK如何使用的指南和例子，帮助开发者理解和利用SDK提供的功能。PythonSDK通常是为了与特定的应用程序接口（API）、服务或框架交互而设计的。比如，亚马逊AWS、谷歌CloudPlatform和微软Azure都提供了自己的PythonSDK，以便开发者可以更容易地利用这些平台的服务来构建、部署和管理应用程序。源代码：fromaipimportAipImageClassify#定义常量，这里替换成您获得的APIKey和SecretKeyAPP_ID='你的AppID'API_KEY='你的APIKey'SECRET_KEY='你的SecretKey'#初始化AipImageClassify对象client=AipImageClassify(APP_ID,API_KEY,SECRET_KEY)#读取图片defget_file_content(file_path):withopen(file_path,'rb')asfp:returnfp.read()image=get_file_content('example.jpg')#替换为图片路径#调用通用物体识别接口result=client.advancedGeneral(image)#打印结果print(result)源代码：importrequestsimportbase64#初始化AccessToken请求的URLauth_url="/oauth/2.0/token"#APIKey和SecretKey，替换为你的实际的APIKey和SecretKeyclient_id='你的APIKey'client_secret='你的SecretKey'#获取AccessTokenresponse=requests.get(auth_url,params={'grant_type':'client_credentials','client_id':client_id,'client_secret':client_secret})access_token=response.json()['access_token']#车牌识别接口的URLlicense_plate_recognition_url="/rest/2.0/ocr/v1/license_plate"#读取图片文件，并进行Base64编码withopen('path_to_image.jpg','rb')asimage_file:encoded_image=base64.b64encode(image_file.read())#调用车牌识别接口response=requests.post(license_plate_recognition_url,params={'access_token':access_token},headers={'Content-Type':'application/x-www-form-urlencoded'},data={'image':encoded_image})#打印识别结果print(response.json())5.5课后习题一、基础知识1.自然语言处理的英文简写是（B）。A.PLNB.NLPC.LPND.PNL2.自然语言处理涉及到的学科包括（ABCD）。A.语言科学B.计算机科学C.数学D.认知学3.自然语言处理的发展可以分为几个阶段？（D）A.1B.2C.3D.44.以下哪项不是自然语言处理进入二十一世纪获得的成果？（A）A.隐马尔可夫模型B.序列到序列模型C.注意力机制D.预训练语言模型5.自然语言的组成包括（B）。A.词法和句法B.词汇和语法C.词和熟语D.词和词素6.语言的基本单位是（B）。A.句子B.词汇C.词组D.语法7.词汇的基本单位是（D）。A.句子B.语法C.词组D.词素8.自然语言处理一般划分为几个层次？（C）A.1B.3C.5D.79.以下哪项不属于自然语言处理的应用领域？（C）A.机器翻译B.语音识别C.人脸识别D.情感分析10.以下哪项是中文自然语言处理类库？（B）A.TextBlobB.SnowNLPC.xlrdD.matplotlib二、技能实训题1.使用中文自然语言处理接口SnowNLP对外卖平台用户评论进行时间序列可视化，并进行简要的舆情分析。importxlrdfromdatetimeimportdatetimefromxlrdimportxldate_as_tuplefromsnownlpimportSnowNLPimportmatplotlib.pyplotasplt#该函数作用为获取excel表中的评论数据defget_comment_list(filePath):commentsList=[]workBook=xlrd.open_workbook(filePath)sheet1_content1=workBook.sheet_by_index(0)commentRows=sheet1_content1.nrowsforiinrange(1,commentRows):comment=sheet1_content1.row_values(i)[1]commentsList.append(comment)#函数返回评论列表，内容为评论内容returncommentsList#该函数作用为获取评论中的时间defget_date_list(filePath):dateList=[]workBook=xlrd.open_workbook(filePath)sheet1_content1=workBook.sheet_by_index(0)commentRows=sheet1_content1.nrowsforiinrange(1,commentRows):date=datetime(*xldate_as_tuple(sheet1_content1.row_values(i)[2],0)).strftime('%Y-%m-%d')dateList.append(date)#返回时间列表returndateList#该函数作用是对每条评论进行情感分析，并得到数值，数值范围为0-1defget_sentiment_list(filePath):sentiment_list=[]slist=get_comment_list(filePath)foriinrange(0,len(slist)):score=SnowNLP(slist[i]).sentimentssentiment_list.append(score)returnsentiment_list#主函数，进行测试if__name__=="__main__":#获取时间x_data=get_date_list("1.xls")#获取情感分析结果y_data=get_sentiment_list("1.xls")#以时间为x轴，情感分析值为y轴绘制折线图进行分析plt.plot(x_data,y_data)plt.show()5.5课后习题一、基础知识1.请列举三个生物识别技术的应用场景。智能安防、商业服务、智慧校园2.使用Python中（face_recognition）库可以实现人脸识别的功能。3.对比人脸相似度需要几个步骤，分别是什么。人脸检测，人脸识别和人脸对比4.人脸识别系统由哪四个部分组成。⼈脸图像采集及检测、⼈脸图像预处理、⼈脸图像特征提取以及匹配与识别四个组成部分二、技能实训题请对任务一中的图片进行替换，使用Python编程语言实现对图片中的人脸进行查找。fromPILimportImageimportface_recognition#将jpg文件加载到numpy数组中image=face_recognition.load_image_file("t图片在电脑中的路径")#使用预训练的卷积神经网络查找图像中的所有人脸face_locations=face_recognition.face_locations(image,number_of_times_to_upsample=0,model="cnn")print("此照片中出现了{}个人。".format(len(face_locations)))forface_locationinface_locations:#打印此图像中每个人脸的位置top,right,bottom,left=face_locationprint("面部的位置距顶部:{},左边:{},底部:{},右边:{}".format(top,left,bottom,right)#您可以像这样访问实际人脸本身：face_image=image[top:bottom,left:right]pil_image=Image.fromarray(face_image)pil_image.show()5.5课后习题一、基础知识1.以下哪项不属于大数据的特点（D）。A.速度快B.数量大C.种类多D.费用贵2.使用Python实现数据可视化前，必须导入以下哪个模块（A）。A.matplotlibB.pymysqlC.osD.random3.以下哪个方法用于显示可视化图表（A）。A.show()B.list()C.save()D.split()4.以下哪个方法用于保存可视化图表（A）。A.savefig()B.save()C.show()D.find()5.属性xlabel用于设置可视化图表的哪个部分（B）。A.横坐标刻度B.横坐标名称C.纵坐标刻度D.纵坐标名称6.数据可视化时，为表现变化趋势最好使用什么图（A）。A.折线图B.饼图C.柱形图D.面积图7.数据可视化时，为表现占有比例最好使用什么图（B）。A.折线图B.饼图C.柱形图D.面积图二、技能实训题请使用饼状图实现任务五，对比后进行数据分析。importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']amount=[249239.949,98803.236,607331.914,672494.473,97636.728,431053.217]total=0foriinamount:total+=iratio=[amount[0]/total,amount[1]/total,amount[2]/total,amount[3]/total,amount[4]/total,amount[5]/total]labels=['东北','西北','华东','中南','西南','华北']#explode:显示饼状图中突出的部分explode=[0,0,0,0,0,0]plt.pie(x=ratio,labels=labels,autopct='%.2f%%',explode=explode)plt.show()5.5课后习题一、基础知识1、机器学习涉及哪些学科（ABCD）。A.概率论B.统计学C.逼近论D.凸分析2、机器学习的发展分几个阶段（D）。A.一个B.两个C.三个D.四个3、按照数据的标签形式划分，机器学习可以分为哪几类（A）。A.有监督学习无监督学习半监督学习强化学习B.结构化学习无监督学习半监督学习强化学习C.无监督学习半监督学习强化学习回归学习D.回归学习有监督学习无监督学习半监督学习4、以下哪项是机器学习的第一个步骤（A）。A.数据采集B.数据清洗C.数据分析D.数据可视化5、特征构架包括（D）。A.特征组合B.特征拆分C.外部关联特征D.上述都是6、数据预处理时，异常数据包括（D）。A.绝对异常B.统计异常C.上下文异常D.以上都是7、以下属于机器学习的应用场景的是（ABCD）。A.垃圾邮件过滤B.推荐系统C.金融反欺诈D.房价预估8、KNN算法中的常用距离包括（ABCD）。A.曼哈顿距离B.欧式距离C.切比雪夫距离D.闵可夫斯基距离9、KNN算法属于（A）。A.懒惰学习B.无监督学习C.回归学习D.结构化学习二、技能实训习题1、使用Python语言和KNN分类算法实现性别分类（特征属性选择身高、体重、头发长度等）。importnumpyasnpclassKNN():#这是类的构造函数，实例化的实例化的时候会调用此方法def__init__(self):self.model={}self.training_sample_num={}#该函数用于预测多个测试用例defpredict(self,X):result=Noneiftype(X[0])==list:forxinX:result.append(self.predict_one(x))else:result=self.predict_one(X)returnresult#用于测试单个用例defpredict_one(self,x):label=Nonemin_d=Noneforclass_labelinself.model:sum_d=0forsampleinself.model[class_label]:sum_d+=self.distance(x,sample)mean_d=sum_d/self.training_sample_num[class_label]ifmin_d==Noneormean_d<=min_d:label=class_labelmin_d=mean_dreturnlabel#该函数用于使用训练数据来训练模型deffit(self,X,Y):foriinrange(len(Y)):#将训练数据按照类别分组ifY[i]inself.model:self.model[Y[i]].append(X[i])