(试题)技能考试人工智能训练师三级真题与答案_第1页
(试题)技能考试人工智能训练师三级真题与答案_第2页
(试题)技能考试人工智能训练师三级真题与答案_第3页
(试题)技能考试人工智能训练师三级真题与答案_第4页
(试题)技能考试人工智能训练师三级真题与答案_第5页
已阅读5页,还剩28页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

(试题)技能考试人工智能训练师三级真题与答案一、单项选择题(共40题,每题1分,共40分。每题只有1个正确答案,错选、不选均不得分)1.人工智能训练师在开展数据标注工作前,需要签署的核心法律文件是()A.保密协议B.劳动合同C.培训协议D.绩效协议2.下列任务中,属于图像分类标注的是()A.标注图像中人脸的关键点坐标B.给图像中的动物用矩形框框出并标注类别C.为整幅图像标注对应的风景类别D.对图像中的每个像素标注所属的物体类别3.常用于目标检测图像标注的开源工具是()A.LabelImgB.BRATC.AudacityD.DeepDive4.机器学习中,用于调整模型超参数的数据集是()A.训练集B.验证集C.测试集D.全集5.下列指标中,用于衡量分类模型在真实正样本中正确识别出正样本比例的是()A.精确率B.召回率C.准确率D.F1值6.模型在训练集上准确率很高,但在测试集上准确率很低,这种现象称为()A.欠拟合B.过拟合C.泛化D.收敛7.下列方法中,不能用于解决过拟合问题的是()A.增加训练数据B.加入Dropout层C.提高学习率D.L2正则化8.数据增强是提升模型泛化能力的常用手段,下列不属于图像数据增强方法的是()A.随机翻转B.同义词替换C.随机裁剪D.亮度调整9.根据《个人信息保护法》,处理个人信息应当遵循的首要原则是()A.效率优先B.合法、正当、必要C.利益最大化D.公开透明10.下列深度学习框架中,由百度开发的国产开源框架是()A.TensorFlowB.PyTorchC.PaddlePaddleD.Keras11.标注质量管控中,“双标交叉校验”的核心目的是()A.提高标注效率B.降低标注成本C.评估标注一致性D.减少标注人员数量12.文本标注中,用于标注实体之间关联关系的任务类型是()A.文本分类B.实体识别C.关系抽取D.情感分析13.下列关于数据清洗的描述,错误的是()A.可以去除重复数据B.可以填充缺失值C.可以修改数据的原始语义D.可以过滤噪声数据14.训练集、验证集、测试集的常用划分比例是()A.5:3:2B.7:2:1C.6:2:2D.8:1:115.用于衡量两个标注员之间标注一致性的常用统计指标是()A.准确率B.召回率C.Kappa系数D.F1值16.下列模型中,常用于图像分类任务的是()A.ResNetB.BERTC.GPTD.Transformer17.欠拟合的主要表现是()A.训练集准确率高,测试集准确率低B.训练集准确率低,测试集准确率高C.训练集和测试集准确率都低D.训练集和测试集准确率都高18.下列优化器中,兼具动量和自适应学习率特性的是()A.SGDB.AdamC.AdagradD.RMSprop19.人工智能训练师的下列行为中,符合职业守则的是()A.将标注数据上传至个人云盘存储B.根据主观意愿修改标注结果以提高一致性C.发现标注规范存在歧义时及时反馈给项目负责人D.委托同事代为完成自己的标注任务无需报备20.目标检测任务中,用于衡量模型整体检测性能的核心指标是()A.精确率B.召回率C.mAP(平均精度均值)D.准确率21.下列关于预训练模型的描述,正确的是()A.预训练模型不能用于下游任务微调B.预训练模型需要从零开始训练C.预训练模型可以提升下游任务的训练效率D.预训练模型只能用于文本任务22.语音标注中,最基础的标注类型是()A.语音转写标注B.情感标注C.说话人标注D.语种标注23.下列数据类型中,属于结构化数据的是()A.图像数据B.文本数据C.数据库表数据D.音频数据24.早停(EarlyStopping)策略的主要作用是()A.加快训练速度B.防止过拟合C.提高训练精度D.减少显存占用25.标注规范的制定主体通常是()A.基层标注员B.人工智能训练师C.产品经理D.客户26.下列关于F1值的描述,正确的是()A.F1值是精确率和召回率的算术平均值B.F1值是精确率和召回率的调和平均值C.F1值越接近0说明模型性能越好D.F1值仅适用于二分类任务27.下列方法中,不属于文本数据增强的是()A.回译B.同义词替换C.随机翻转D.随机插入28.数据标注项目中,行业通用的抽检比例通常不低于总标注量的()A.1%B.5%C.20%D.50%29.下列关于测试集的要求,错误的是()A.测试集不能参与模型训练B.测试集数据分布应与实际业务数据分布一致C.测试集可以用于调整模型超参数D.测试集用于评估模型的最终泛化能力30.下列属于无监督学习任务的是()A.图像分类B.聚类C.目标检测D.情感分析31.Dropout层主要通过什么方式防止过拟合()A.增加模型参数数量B.随机失活部分神经元C.降低学习率D.增加训练数据32.人工智能伦理中,“算法公平性”主要是指()A.算法的运行速度公平B.算法对不同群体的预测结果不存在歧视性偏差C.算法的使用成本公平D.算法的代码公开透明33.下列标注任务中,精度要求最高的通常是()A.通用图像分类标注B.医疗影像病灶标注C.电商商品分类标注D.新闻文本分类标注34.模型部署到边缘设备时,最需要关注的指标是()A.模型的参数量和推理速度B.模型的训练精度C.模型的训练时间D.训练数据的规模35.下列关于数据标注一致性的描述,错误的是()A.一致性越高说明标注结果越稳定B.一致性可以通过双标校验评估C.一致性为100%时标注结果一定正确D.标注规范不清晰会导致一致性降低36.随机森林属于哪类机器学习算法()A.线性回归B.决策树集成C.聚类算法D.关联规则37.下列文件格式中,最常用于存储结构化图像标注结果的是()A.JSONB.WAVC.TXTD.CSV38.情感分析任务中,“正面/负面/中性”属于几分类任务()A.二分类B.三分类C.多分类D.多标签分类39.下列措施中,不能提高标注效率的是()A.优化标注工具的快捷键B.制定清晰的标注规范C.增加标注人员的抽检比例D.预标注+人工校验的模式40.模型迭代的第一步通常是()A.模型训练B.需求分析与数据收集C.模型部署D.模型评估二、多项选择题(共20题,每题2分,共40分。每题有2个或2个以上正确答案,多选、少选、错选均不得分)1.下列属于人工智能训练师核心工作内容的有()A.数据标注与质量管控B.数据清洗与预处理C.模型训练与调优D.模型测试与评估E.算法底层架构研发2.下列属于图像标注任务类型的有()A.图像分类标注B.目标检测标注C.语义分割标注D.关键点检测标注E.实体关系标注3.数据清洗的常用操作包括()A.去除重复数据B.缺失值填充或删除C.异常值过滤D.数据格式标准化E.数据语义修改4.下列方法中,可以用于解决过拟合问题的有()A.数据增强B.L1/L2正则化C.DropoutD.早停策略E.增加模型复杂度5.下列属于监督学习任务的有()A.分类B.回归C.聚类D.目标检测E.降维6.标注质量管控的常用措施包括()A.标注前培训与考核B.双标交叉校验C.随机抽检D.错误案例复盘E.标注规范迭代7.下列属于文本数据增强方法的有()A.同义词替换B.回译C.随机插入/删除字符D.颜色抖动E.语义改写8.分类模型的常用评估指标包括()A.准确率B.精确率C.召回率D.F1值E.mAP9.下列关于训练集、验证集、测试集的描述,正确的有()A.训练集用于拟合模型的参数B.验证集用于调整模型的超参数C.测试集用于评估模型的最终泛化能力D.测试集可以参与模型训练过程E.验证集数据可以和训练集重复10.下列属于国产深度学习框架的有()A.PaddlePaddleB.MindSporeC.PyTorchD.TensorFlowE.飞桨11.语音标注的常见类型包括()A.语音转写标注B.说话人识别标注C.情感语音标注D.语种标注E.关键点标注12.根据《数据安全法》,数据处理活动应当遵守的规定包括()A.不得窃取或者以其他非法方式获取数据B.不得非法出售或者非法向他人提供数据C.应当采取必要措施保障数据安全D.可以随意使用公共数据E.无需承担数据安全责任13.欠拟合的常见解决方法有()A.增加模型复杂度B.减少正则化强度C.增加训练特征D.降低学习率E.增加训练轮数14.下列关于Kappa系数的描述,正确的有()A.用于衡量标注的一致性B.取值范围为[-1,1]C.Kappa值越高说明一致性越好D.Kappa值为0时说明标注完全随机E.Kappa值可以直接替代准确率评估标注质量15.模型调优中,属于超参数的有()A.学习率B.批次大小(batchsize)C.训练轮数(epoch)D.Dropout概率E.模型的权重参数16.下列属于预训练模型的有()A.BERTB.GPT系列C.ResNetD.线性回归E.KNN17.数据标注规范通常包含的核心内容有()A.标注任务说明B.标注对象定义C.标注规则与判定标准D.疑难样本处理方式E.标注结果存储格式18.下列关于算法公平性的说法,正确的有()A.应避免算法对特定群体产生歧视性结果B.训练数据的偏差会导致算法不公平C.算法公平性只需要关注整体准确率即可D.可以通过均衡训练数据的群体分布提升公平性E.算法公平性属于人工智能伦理的范畴19.下列属于目标检测标注工具的有()A.LabelImgB.LabelMeC.VGGImageAnnotator(VIA)D.BRATE.COCOAnnotator20.人工智能训练师的职业守则包括()A.爱岗敬业,恪尽职守B.诚实守信,客观公正C.保密合规,坚守底线D.精益求精,提升技能E.追求效率,忽视质量三、判断题(共20题,每题1分,共20分。正确选√,错误选×)1.人工智能训练师可以将工作中接触到的标注数据用于个人项目研发。()2.语义分割标注需要对图像中的每个像素都标注对应的类别。()3.测试集数据可以用于调整模型的超参数。()4.精确率是指预测为正的样本中,真实为正的样本所占的比例。()5.LabelImg工具可以用于文本实体关系抽取标注。()6.过拟合的模型泛化能力差。()7.数据增强可以在不增加实际采集数据量的情况下,扩充训练样本的多样性。()8.标注一致性越高,说明标注结果的准确率一定越高。()9.BERT模型主要用于计算机视觉任务。()10.缺失值处理时,所有缺失数据都应该直接删除。()11.早停策略需要监控验证集的性能变化。()12.结构化数据比非结构化数据更容易被计算机处理。()13.人工智能训练师不需要了解算法原理,只需要会标注数据即可。()14.F1值是精确率和召回率的调和平均值,取值范围为[0,1]。()15.模型部署只能在云端进行,不能部署在边缘设备上。()16.标注规范一旦制定,在项目执行过程中不能修改。()17.无监督学习不需要标注数据。()18.学习率设置越大,模型收敛速度越快,最终性能越好。()19.医疗影像数据标注属于敏感数据标注,需要严格遵守隐私保护规定。()20.目标检测任务中,mAP值越高说明模型的整体检测性能越好。()【理论知识参考答案】一、单项选择题1.A2.C3.A4.B5.B6.B7.C8.B9.B10.C11.C12.C13.C14.B15.C16.A17.C18.B19.C20.C21.C22.A23.C24.B25.B26.B27.C28.B29.C30.B31.B32.B33.B34.A35.C36.B37.A38.B39.C40.B二、多项选择题1.ABCD2.ABCD3.ABCD4.ABCD5.ABD6.ABCDE7.ABCE8.ABCD9.ABC10.ABE11.ABCD12.ABC13.ABCE14.ABCD15.ABCD16.ABC17.ABCDE18.ABDE19.ABCE20.ABCD三、判断题1.×2.√3.×4.√5.×6.√7.√8.×9.×10.×11.√12.√13.×14.√15.×16.×17.√18.×19.√20.√四、操作技能试题(共3题,共100分,考试时间180分钟)1.数据标注规范制定与质量评估(30分)场景:某电商平台需要构建商品图像分类模型,用于自动识别商品所属类目(当前涉及10个类目:服装、鞋靴、箱包、数码产品、食品、家居用品、美妆、图书、运动器材、母婴用品),现有10000张商品图像待标注。要求:(1)请制定该任务的图像分类标注规范,至少包含5项核心内容,并说明每项内容的作用。(15分)(2)质量管控环节抽取200张样本进行双标校验(标注员A、B分别独立标注),已知:①经专家抽检验证,双标一致样本的标注准确率为100%,两人标注结果完全一致的样本共186张(均标注为有效类目);②剩余14张不一致样本中,经专家裁定,A标注正确的有8张,B标注正确的有4张,剩余2张因图像模糊无法判定为无效样本;③有效样本中,A的各类别标注数量分布为:服装25、鞋靴22、箱包20、数码产品21、食品19、家居用品19、美妆18、图书17、运动器材19、母婴用品18;B的各类别标注数量分布为:服装24、鞋靴23、箱包21、数码产品20、食品20、家居用品19、美妆18、图书17、运动器材19、母婴用品17。请计算标注员A的标注准确率、标注员B的标注准确率(均以专家裁定结果为基准,结果保留1位小数),以及两名标注员间的Kappa一致性系数(结果保留2位小数)。(15分)2.数据预处理方案设计(30分)场景:某企业需要构建用户评论情感分析模型,采集了10万条电商平台用户评论数据,经初步排查,数据存在以下问题:①存在重复评论(同一用户同一商品的重复提交内容,以及不同用户发布的高度相似内容);②部分评论存在缺失值(评论内容为空、评分字段缺失);③评论中包含大量无意义符号(如乱码、表情包、广告链接、无关特殊字符);④评论长度差异极大(最短1个字符,最长超过5000字符);⑤正负样本分布不均衡(正面评论占92%,负面评论占8%)。要求:请针对上述5类问题,分别设计具体的预处理操作方案,并说明每类操作的核心目的。3.模型调优与评估分析(40分)场景:某团队使用ResNet18基线模型训练垃圾分类图像识别模型,共涉及4个分类(可回收物、有害垃圾、厨余垃圾、其他垃圾),训练集样本量为8000张,验证集样本量为1000张,测试集样本量为1000张。初始训练结果为:训练集准确率98.2%,验证集准确率76.5%,测试集准确率75.8%;其中有害垃圾类别的召回率仅为42%,精确率为89%。要求:(1)请分析该模型当前存在的主要问题,并说明判断依据。(10分)(2)请针对上述问题,给出具体的可落地调优方案(至少列出6项)。(20分)(3)请说明除整体准确率外,该垃圾分类模型还需要重点关注哪些评估指标,分别阐述其业务意义。(10分)【操作技能参考答案】1.数据标注规范制定与质量评估(30分)(1)标注规范核心内容及作用(每点3分,答满5点得满分):①标注对象界定:明确有效标注样本为商品主体占图像比例≥30%、无严重遮挡、无水印覆盖核心区域的图像,不符合要求的标记为“无效样本”。作用:统一有效样本判定标准,减少无效标注工作量,避免低质量数据影响模型训练。②类目判定规则:以商品的核心功能属性为第一判定标准,跨类目商品按主要售卖属性归类(如运动服归为服装类而非运动器材类,带存储功能的智能音箱归为数码产品类)。作用:明确类目边界,减少标注员的主观判断偏差,提升标注一致性。③疑难样本处理规则:对类目边界模糊、商品主体不清晰、无法判定的样本,标记为“疑难样本”提交专家审核,禁止主观猜测标注。作用:降低标注错误率,为标注规范迭代提供依据。④标注结果存储规范:统一采用JSON格式存储,字段包含图像ID、类目ID、标注员ID、标注时间、样本状态(有效/无效/疑难)。作用:保证数据格式统一,便于后续数据读取和模型训练。⑤标注安全要求:禁止截图、复制、传播标注数据,禁止将数据存储至个人设备,工作结束后需退出标注系统。作用:保障数据安全与隐私,符合数据合规要求。⑥标注校验规则:同一标注员的任务需自行完成100%初检,项目组按5%比例抽检,不合格样本需退回整改。作用:管控标注质量,确保数据准确率满足模型训练要求。(2)指标计算(15分):①有效样本总数=200-2=198张(2分)②标注员A正确样本数=一致正确样本数+不一致时A正确样本数=186+8=194张(2分)A的准确率=194÷198×100%≈98.0%(2分)③标注员B正确样本数=186+4=190张(2分)B的准确率=190÷198×100%≈96.0%(2分)④Kappa系数计算:观测一致率Po=一致样本数÷有效样本总数=186÷198≈0.939(2分)期望一致率Pe=Σ(A类i占比×B类i占比),即各类别标注数量乘积之和除以有效样本数平方:分子总和=25×24+22×23+20×21+21×20+19×20+19×19+18×18+17×17+19×19+18×17=600+506+420+420+380+361+324+289+361+306=3967Pe=3967÷(198²)=3967÷39204≈0.101(2分)Kappa=(Po-Pe)÷(1-Pe)=(0.939-0.101)÷(1-0.101)=0.838÷0.899≈0.93(1分)2.数据预处理方案设计(30分,每类问题6分,其中方案4分,目的2分)(1)重复评论处理:方案:采用“用户ID+商品ID”精确匹配去除完全重复的评论;对剩余评论采用SimHash算法计算语义相似度,汉明距离≤3的语义高度相似评论仅保留发布时间最新的1条。目的:消除冗余数据,避免模型过度学习重复内容,降低训练算力消耗,防止模型产生偏差。(2)缺失值处理:方案:评论内容为空的样本直接删除;评分字段缺失但评论内容完整的样本,若用于监督训练则标记为待人工标注样本,若用于无监督预训练则保留内容字段、暂不使用评分字段。目的:保证数据完整性,避免缺失值对模型训练造成干扰,平衡数据利用率与数据质量。(3)无意义符号处理:方案:通过正则表达式过滤广告链接、乱码字符、连续无意义特殊字符;将常见表情包转换为对应语义标签(如[愤怒]标记为“负向情绪词”);删除纯符号、无实质语义内容的评论。目的:降低数据噪声,提取有效语义信息,提升模型训练的有效性。(4)评论长度差异处理:方案:设置长度阈值,过滤长度小于5个字符的无意义短评论;对长度超过500字符的长评论,采用滑动窗口切片(每段200字符,步长100字符)或保留首尾核心语义段的方式处理;模型输入时统一序列长度,不足的用padding填充。目的:统一输入数据格式,避免过长或过短样本影响模型训练稳定性,提升训练效率。(5)样本不均衡处理:方案:采用数据增强+加权损失的组合策略,对负面评论进行同义词替换、回译、随机插入/删除等数据增强,扩充负面样本量至总样本的25%左右;训练时采用加权交叉熵损失函数,给负面样本设置更高的权重(权重与样本量成反比)。目的:避免模型偏向多数类(正面评论),提升对少数类(负面评论)的识别能力,保证模型在实际场景中的可用性。3.模型调优与评估分析(40分)(1)主要问题及判断依据(10分):①存在严重过拟合问题(5分):判断依据为训练集准确率(98.2%)远高于验证集(76.5%)和测试集(75.8%)准确率,差距超过20个百分点,模型在训练数据上学习过度,泛化能力差。②存在类别不平衡问题(5分):判断依据为有害垃圾类别的召回率仅为42%,远低于整体准确率,说明模型对少数类(有害垃圾)的识别能力不足,训练集中有害垃圾样本量偏少,导致模型学习不充分。(2)调优方案(每点3分,答满6点得20分,最多得20分):①数据层面:补充有害垃圾类别的训练样本,对有害垃圾样本进行针对性数据增强,包括随机翻转、随机裁剪、颜色抖动、角度旋转、马赛克增强、遮挡模拟等,提升样本多样性。②正则化优化:在ResNet18的全连接层前加入Dropout层,概率设置为0.3-0.5;在损失函数中加入L2正则化项,权重衰减系数设为1e-4,降低模型复杂度。③训练策略优化:采用早停(EarlyStopping)策略,监控验证集准确率,当连续5个epoch没有提升时停止训练,防止模型过拟合;采用学习率余弦退火策略,初始学习率设为0.001,随训练轮数动态衰减。④损失函数优化:采用

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论