2025年人工智能工程师编程能力考核试卷及答案.docxVIP

2025年人工智能工程师编程能力考核试卷及答案

一、单项选择题（每题2分，共20分）

1.以下Python代码执行后输出结果是（）

```python

deffunc(a,b=[]):

b.append(a)

returnb

print(func(1))

print(func(2))

```

A.[1][2]

B.[1][1,2]

C.[1][2,1]

D.[1][2]

2.关于Pandas的DataFrame操作，以下说法错误的是（）

A.`df.dropna(subset=[col1])`会删除`col1`列中存在缺失值的行

B.`df.groupby(category).agg({value:mean})`会按`category`分组并计算`value`的均值

C.`df[col1].apply(lambdax:x2)`会对`col1`列每个元素执行乘2操作

D.`pd.merge(df1,df2,on=id,how=outer)`会保留`df1`和`df2`中所有`id`匹配的行，不匹配的行被丢弃

3.训练一个二分类模型时，若样本标签分布为正类占99%，负类占1%，以下哪种评估指标最不适合（）

A.准确率（Accuracy）

B.F1分数（F1-score）

C.ROC-AUC

D.召回率（Recall）

4.以下PyTorch代码中，`loss.backward()`的作用是（）

```python

model=nn.Linear(10,2)

optimizer=torch.optim.Adam(model.parameters(),lr=0.01)

output=model(inputs)

loss=nn.CrossEntropyLoss()(output,labels)

loss.backward()

optimizer.step()

```

A.计算损失函数的前向传播值

B.计算模型参数的梯度

C.更新模型参数

D.清空优化器的梯度缓存

5.关于梯度下降优化算法，以下说法正确的是（）

A.随机梯度下降（SGD）每次使用全部样本计算梯度

B.Adam算法结合了动量（Momentum）和自适应学习率（RMSprop）的优点

C.批量梯度下降（BatchGD）的收敛速度一定快于随机梯度下降

D.学习率越大，模型越容易收敛到全局最优解

6.以下哪种数据增强方法不适合用于图像分类任务（）

A.随机水平翻转

B.随机裁剪

C.词向量替换（WordEmbeddingReplacement）

D.随机亮度调整

7.用Scikit-learn训练一个支持向量机（SVM）分类器时，若数据存在严重的类别不平衡，最有效的处理方法是（）

A.对正类样本进行上采样（Oversampling）

B.将`class_weight`参数设置为`balanced`

C.增加正则化系数`C`

D.使用线性核代替RBF核

8.以下关于Transformer模型的描述，错误的是（）

A.自注意力（Self-Attention）机制允许模型在处理每个位置时关注输入序列的其他位置

B.位置编码（PositionalEncoding）用于捕捉序列中的顺序信息

C.解码器（Decoder）仅使用自注意力层，不涉及编码器的输出

D.多头注意力（Multi-HeadAttention）通过多个独立的注意力头捕捉不同子空间的信息

9.训练一个LSTM模型预测时间序列时，若验证集损失持续下降但训练集损失不再下降，最可能的原因是（）

A.模型欠拟合

B.学习率过大

C.模型过拟合

D.数据存在泄漏（DataLeakage）

10.以下Python代码中，`result`的计算结果是（）

```python

importnumpyasnp

a=np.array([[1,2],[3,4]])