人工智能技术应用导论-期末试卷A

《人工智能技术应用导论》期末试卷A考试时间：120分钟总分：100分单选题（每题1分，共20分）人工智能（AI）这一术语在哪一年、由谁在哪个会议上首次正式提出？A.1943年，艾伦·图灵，达特茅斯会议B.1950年，艾伦·图灵，达特茅斯会议C.1956年，约翰·麦卡锡，达特茅斯会议D.1956年，约翰·麦卡锡，图灵测试发布会以下哪个应用领域属于成熟AI应用领域？智慧医疗智能制造智慧金融以上全是以下哪项不属于人工智能相较于人类智能的特点？高速计算能力精准记忆能力情感与创造性思维持续学习能力在AI的发展历程中，AlphaGo战胜围棋世界冠军李世石是在哪个时期发生的？黄金时代（1956-1974）专家系统兴起（1980-1987）稳步发展期（1993-2011）爆发期（2012至今）以下哪项不属于大数据“4V”模型的特征？Volume（数据量）Variety（多样性）Validity（有效性）Velocity（速度）大数据中“价值密度低”这一特征指的是什么？数据总量小，但价值高数据中真正有价值的信息比例很低数据价值容易被快速提取数据只适用于单一领域下列哪项是数据清洗的主要目的？增加数据总量提升数据多样性改变数据结构提高数据质量和一致性在数据处理流程中，以下哪项属于数据清洗的操作？缺失值填充数据集成特征构造数据采样数据集成的主要挑战不包括？数据量过大模式集成数据冗余与冲突处理实体识别下列哪项是监督学习的典型任务？聚类降维分类强化学习逻辑回归（LogisticRegression）主要用于解决什么问题？回归问题二分类问题聚类问题降维问题下列哪项不属于深度学习经典模型？CNN（卷积神经网络）RNN（循环神经网络）K-Means（K均值聚类）Transformer深度学习相比传统机器学习的革命性优势在于？特征工程自动化数据量需求更小模型更简单计算速度更快下列哪项是无监督学习的典型算法？线性回归决策树K-Means（K均值聚类）支持向量机下列哪项最能体现AIGC（人工智能生成内容）与传统AI的根本区别？AIGC的核心任务是创造全新的、原创性的内容AIGC专注于从数据中识别模式AIGC需要更多的计算资源AIGC主要用于分类和预测任务在AIGC技术中，被描述为其“大脑”和“引擎”的核心驱动力是？小规模数据集传统机器学习算法大模型技术图形用户界面下列哪项属于AIGC在文本生成领域的典型应用？根据文字描述生成艺术画作根据需求描述自动生成代码片段根据风格创作背景音乐根据文本生成视频片段以下哪项不属于深度学习的常见模型？A.卷积神经网络（CNN）B.循环神经网络（RNN）C.支持向量机（SVM）D.长短期记忆网络（LSTM）以下哪项不属于自然语言处理（NLP）的任务？A.情感分析B.机器翻译C.信息检索D.图像识别以下哪项不属于AIGC（人工智能生成内容）的应用场景？A.文本生成B.图像生成C.视频生成D.语音识别多选题（每题3分，共15分）计算机视觉的应用领域包括：（）自动驾驶医疗健康智能制造文化娱乐人脸识别技术可以应用于：（）门禁系统支付验证身份认证人脸建模下列哪些方式可以实现人脸身份核验？本地化部署云服务调用身份证验证指纹识别人脸识别的应用领域包括：（）。公共安全金融服务智慧城市公共服务以下哪些技术是大数据的关键技术？A.数据采集B.数据清洗C.数据存储D.数据分析判断题（每题2分，共20分）Matplotlib可以用于绘制用户画像标签的饼图和柱状图。（）K-Means聚类属于监督学习算法。（）Flask框架可用于将用户画像功能封装为WebAPI。（）动态规则配置需要将规则存储在代码内部，无法通过外部文件更新。（）用户画像中的情感分析结果属于数值型特征。（）语音识别技术可以直接处理视频文件，无需先提取其中的音频数据。（）语音合成技术中，通过调整“Emotion”参数可以改变合成语音所表达的情感。（）离线语音识别技术的识别准确率通常比在线语音识别更高。（）语音合成支持生成不同性别、不同年龄段的语音。（）背景噪音越大，语音识别技术的识别准确率通常越高。（）简答题（每题5分，共15分）简述计算机视觉的基本概念和核心任务。解释卷积神经网络的基本原理和典型结构。说明人脸识别的技术流程和广泛应用。编程题（30分）请使用Python编程，实现以下功能：从本地文件中读取一篇中文文章。对文章进行分词和停用词过滤。使用TF-IDF方法将文本向量化。训练一个朴素贝叶斯分类器，对文章进行情感分析（积极或消极）。输出文章的情感倾向和置信度。

参考答案单选题CDCDCBDAACBCACACBCDD多选题A,B,C,DA,B,CA,B,CA,B,C,DA,B,C,D判断题√×√×××√×√×简答题1.计算机视觉是一门研究如何让计算机像人类一样“看”的学科，其目标是让计算机和数字系统能够从数字图像、视频及其他视觉输入中获取高层次的理解和信息。其核心任务包括图像分类、目标检测、图像分割、图像生成与风格迁移等。2.卷积神经网络是一种专门为处理网格状数据（如图像）而设计的深度学习模型。其核心思想是利用局部感受野和参数共享来高效地处理图像信息。典型的层级结构包括输入层、卷积层、激活函数层、池化层和全连接层。3.人脸识别的技术流程包括人脸检测、人脸对齐、特征提取和人脸匹配/识别。其应用领域包括公共安全、金融领域、消费电子、智慧城市与公共服务等。编程题#请根据实际数据集路径和代码实现进行调整importpandasaspdfromjiebaimportlcutfromsklearn.feature_extraction.textimportTfidfVectorizerfromsklearn.model_selectionimporttrain_test_splitfromsklearn.naive_bayesimportMultinomialNBfromsklearn.metricsimportaccuracy_score,classification_report#1.读取中文文章text=pd.read_csv("article.csv")["content"].values#2.分词和停用词过滤defpreprocess_text(text):words=lcut(text)stopwords=["的","了","是","在","我","有","和","就","不","人","都","一","一个","上","也","很","到","说","要","去","你","会","着","没有","看","好","这"]filtered_words=[wordforwordinwordsifwordnotinstopwordsandlen(word)>1]return"".join(filtered_words)processed_text=[preprocess_text(text)fortextintext]#3.TF-IDF向量化vectorizer=TfidfVectorizer()x=vectorizer.fit_transform(processed_text)#4.训练朴素贝叶斯分类器df=pd.DataFrame({"content":text,"label":[0]*len(text)})df["processed_content"]=processed_textx