2025年人工智能训练师(初级)职业资格认定参考试题库含答案.docxVIP

2025年人工智能训练师(初级)职业资格认定参考试题库含答案

一、单项选择题（共20题，每题2分，共40分）

1.以下哪项属于监督学习的典型任务？

A.聚类分析

B.异常检测

C.图像分类

D.关联规则挖掘

答案：C

解析：监督学习需要标签数据，图像分类（如识别猫/狗）是典型监督任务；聚类、异常检测、关联规则属于无监督或半监督学习。

2.在数据标注中，“为每张医疗影像标记肿瘤位置及类型”属于哪种标注类型？

A.分类标注

B.边界框标注

C.语义分割标注

D.关键点标注

答案：B

解析：边界框标注（BoundingBox）用于标记目标的位置和范围，语义分割需逐像素标注，关键点标注标记特定点（如人脸特征点）。

3.训练集、验证集、测试集的典型划分比例是？

A.6:2:2

B.7:1:2

C.5:3:2

D.8:1:1

答案：A

解析：常见划分比例为训练集60%、验证集20%、测试集20%，确保训练数据充足且验证测试独立。

4.以下哪种方法不能缓解过拟合？

A.增加训练数据量

B.减少模型复杂度

C.提高学习率

D.添加L2正则化

答案：C

解析：过拟合是模型对训练数据过度学习，提高学习率可能导致训练不稳定，无法缓解过拟合；增加数据、简化模型、正则化均有效。

5.评估分类模型时，“召回率（Recall）”的计算公式是？

A.正确预测的正类数/所有预测为正类的样本数

B.正确预测的正类数/所有实际为正类的样本数

C.正确预测的样本数/总样本数

D.正确预测的负类数/所有实际为负类的样本数

答案：B

解析：召回率（查全率）衡量模型找出所有正类样本的能力，公式为TP/(TP+FN)（TP：真阳性，FN：假阴性）。

6.在Python中，使用Pandas处理缺失值时，`df.fillna(method=ffill)`的作用是？

A.用列均值填充缺失值

B.用后向填充（后一个非缺失值填充）

C.用前向填充（前一个非缺失值填充）

D.删除所有含缺失值的行

答案：C

解析：`ffill`（forwardfill）是前向填充，用前一行同列的值填充当前缺失值；`bfill`为后向填充。

7.以下哪种神经网络结构适合处理序列数据（如文本、时间序列）？

A.卷积神经网络（CNN）

B.循环神经网络（RNN）

C.自编码器（Autoencoder）

D.生成对抗网络（GAN）

答案：B

解析：RNN通过循环单元捕捉序列中的时间依赖关系，适合处理序列数据；CNN擅长图像，GAN用于生成，自编码器用于特征提取。

8.数据标注时，“同一标注员对同一数据多次标注结果一致”反映的是标注质量的哪个指标？

A.准确性

B.一致性

C.完整性

D.时效性

答案：B

解析：一致性（信度）指同一标注员或不同标注员对同一数据的标注结果一致程度；准确性（效度）指标注与真实标签的匹配度。

9.训练模型时，若验证集准确率远低于训练集，最可能的原因是？

A.模型欠拟合

B.模型过拟合

C.学习率过低

D.数据量过大

答案：B

解析：过拟合表现为训练集准确率高（模型记住了噪声），验证集准确率低（泛化能力差）；欠拟合则两者都低。

10.以下哪项不属于数据清洗的常见操作？

A.处理重复值

B.标准化数据范围（如归一化）

C.纠正错误标签

D.生成新特征（如时间差）

答案：D

解析：数据清洗包括去重、处理缺失值/异常值、纠正错误标签；生成新特征属于特征工程，是数据预处理的后续步骤。

11.在决策树中，“信息增益”用于选择最佳分裂特征，其计算基于？

A.基尼系数

B.熵（Entropy）

C.均方误差

D.余弦相似度

答案：B

解析：信息增益=父节点熵子节点加权熵，熵衡量数据混乱程度，用于分类问题；基尼系数是另一种分裂指标（CART算法）。

12.以下哪种数据增强方法不适合用于文本数据？

A.同义词替换

B.随机删除句子中的词

C.旋转图像角度

D.回译（将文本翻译成其他语言再译回）

答案：C

解析：旋转图像是图像数据增强方法，文本数据增强需保持语义，如同义词替换、回译等。

13.评估回归模型时，“均方误差（MSE）”的计算公式是？

A.Σ|预测值真实值|/n

B.Σ(预测值真实值)2/n

C.1