AI 数据集清洗标注技师考试试卷及答案

AI数据集清洗标注技师考试试卷及答案试题部分一、填空题（共10题，每题1分）1.数据集中缺失值的常见处理方法包括填充、删除和______2.常用于图像目标检测标注的工具是______3.图像标注类型分为分类标注、检测标注和______标注4.数据清洗中检查内容一致性的方法是______5.标注质量评估指标包括准确率、召回率和______6.处理重复数据的核心操作是______7.文本实体识别常用______标注方式8.数据集清洗后需进行______验证效果9.标注员培训的核心是统一______10.异常值处理方法包括盖帽法、分箱法和______二、单项选择题（共10题，每题2分）1.以下不属于数据清洗步骤的是？A.数据去重B.缺失值处理C.模型训练D.异常值处理2.LabelImg主要用于哪种标注？A.文本实体标注B.图像检测标注C.音频转写D.视频分类3.以下属于图像标注类型的是？A.NERB.语义分割C.情感分析D.语音识别4.缺失值“删除法”适用于？A.缺失比例极低B.缺失比例极高C.所有情况D.仅数值型5.双盲标注的目的是？A.提高速度B.避免偏见C.降低成本D.简化流程6.文本标注常见任务是？A.目标检测B.实体识别C.图像分割D.音频降噪7.逻辑校验主要检查数据的？A.格式B.一致性C.缺失D.重复8.用于音频转写的标注工具是？A.LabelImgB.AudacityC.LabelStudioD.Prodigy9.“标注边界清晰”针对哪种标注？A.图像分割B.文本分类C.情感分析D.语音转写10.异常值“盖帽法”是指？A.均值填充B.中位数填充C.上下限截断D.删除异常值三、多项选择题（共10题，每题2分）1.数据清洗的目标包括？A.提高质量B.减少噪声C.统一格式D.增加数据量2.图像标注常见类型有？A.目标检测B.语义分割C.实例分割D.文本分类3.标注质量评估指标有？A.准确率B.召回率C.F1值D.标注速度4.缺失值处理方法包括？A.均值填充B.中位数填充C.插值法D.删除法5.数据完整性检查包括？A.字段缺失B.记录缺失C.格式错误D.逻辑矛盾6.标注员管理关键措施有？A.统一培训B.定期考核C.双盲标注D.简化规范7.文本标注常见任务有？A.实体识别B.情感分析C.关系抽取D.图像分类8.属于数据异常值的是？A.超出合理范围的数值B.格式错误的文本C.重复记录D.逻辑矛盾字段9.标注工具选择原则包括？A.适配标注类型B.易用性C.扩展性D.成本10.清洗后验证方法有？A.抽样检查B.自动校验C.人工复核D.模型测试四、判断题（共10题，每题2分）1.数据清洗是AI模型训练前的必要步骤。（）2.LabelImg仅支持图像标注。（）3.缺失值处理只能用删除法。（）4.标注质量不影响模型效果。（）5.双盲标注可提高标注一致性。（）6.文本标注不需要统一规范。（）7.分箱法适用于数值型异常值处理。（）8.图像分割标注无需标注边界。（）9.数据去重是可选步骤。（）10.音频转写属于文本标注。（）五、简答题（共4题，每题5分）1.简述缺失值处理的常用方法及适用场景。2.图像目标检测标注的核心要求是什么？3.标注数据质量控制的主要措施有哪些？4.文本实体识别标注的注意事项有哪些？六、讨论题（共2题，每题5分）1.如何平衡标注效率与标注质量？2.数据清洗中异常值处理的常见误区及规避方法？答案部分一、填空题答案1.插值2.LabelImg3.分割4.逻辑校验5.F1值6.去重7.序列8.质量检查9.标注规范10.删除二、单项选择题答案1.C2.B3.B4.A5.B6.B7.B8.C9.A10.C三、多项选择题答案1.ABC2.ABC3.ABC4.ABCD5.AB6.ABC7.ABC8.AB9.ABCD10.ABC四、判断题答案1.√2.√3.×4.×5.√6.×7.√8.×9.×10.√五、简答题答案1.缺失值处理方法及场景：①删除法（缺失比例<5%，避免影响分布）；②填充法（均值/中位数填数值型，众数填类别型，“未知”填文本型）；③插值法（时间序列等有序数据，保持趋势）。需结合数据类型、缺失比例选择，避免过度修改。2.目标检测标注核心要求：①边界框准确（完全包围目标）；②类别正确（遵循规范）；③一致性（同一目标标注标准统一）；④完整性（无漏标）；⑤边界清晰（无模糊歧义）。3.质量控制措施：①统一培训（理解规范）；②双盲标注（减少偏见）；③抽样复核（人工检查）；④自动校验（格式/逻辑错误）；⑤考核机制（评估准确率）；⑥规范更新（解决歧义）。4.实体识别注意事项：①边界准确（完整标注实体，不截断）；②类别统一（遵循预定义类别）；③嵌套处理（明确嵌套关系）；④特殊字符（完整标注含特殊字符的实体）；⑤一致性（同一实体标注方式统一）。六、讨论题答案1.平衡效率与质量：①优化流程（工具自动预处理）；②选适配工具（LabelStudio等）；③人员分工（熟练员做复杂任务）；④实时校验（标注中自动提醒错误）；⑤分层抽样（重点复核高风险数据）；⑥动态调整（根据