人工智能培训师五级实操题库_在线真题试卷与模拟练习_人工智能培训师五级实操题库_考试宝

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 0 / 0

随机练习 自定义设置练习量

题型乱序 按导入顺序练习

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

# 填空1：编写正则表达式提取评分数字（如从"评分：五星"中提取5）（3分） rating_match = re.search(r'______', text)【缺少答案，请补充】

你已经成功登录了智能内容审核系统。现在需要你作为人工智能训练师，使用该系统完成一些基本操作任务，以熟悉系统的核心功能。请作为人工智能训练师，完成以下系统使用任务：任务一：系统导航与界面熟悉（1）请描述如何从系统主界面导航到“待审核内容”页面。（2）请说明“审核概览”页面中通常包含哪些关键数据统计卡片（至少列出3个）。任务二：内容审核操作（1）假设你需要审核一条系统标记为“疑似违规”的文本内容，请描述具体的审核步骤。（2）如果该条内容经判断为违规，请说明如何进行处理操作。任务三：审核记录查看（1）请描述如何查看自己当天（2025年7月15日）已审核的内容记录列表。（2）请说明如何筛选出所有审核结果为“违规”的记录。 2. 答题要求请将以上答案整理到Word文档中，文档命名为智能审核系统使用报告.docx，并保存到桌面新建的考生文件夹中，文件夹命名为"准考证号+身份证后六位"。

你是智能内容审核系统的管理员，负责记录系统的应用数据情况。以下是2025年7月第三周（7月14日-7月18日）的系统应用数据：每日应用数据： | 日期 | 总审核量 | 自动审核量 | 人工审核量 | 违规识别数 | 审核准确率 | | ---- | -------- | ---------- | ---------- | ---------- | ---------- | | 7月14日 | 1250 | 950 | 300 | 45 | 92.8% | | 7月15日 | 1380 | 1050 | 330 | 52 | 93.5% | | 7月16日 | 1420 | 1080 | 340 | 58 | 94.1% | | 7月17日 | 1305 | 980 | 325 | 49 | 93.2% | | 7月18日 | 1275 | 960 | 315 | 47 | 92.9% | 请你作为人工智能训练师，完成以下应用数据记录任务：任务一：数据统计与计算（1）请计算本周（5个工作日）的总审核量、自动审核总量和人工审核总量。（2）请计算本周平均每日违规识别数。任务二：关键指标分析（1）请计算本周自动审核占比（自动审核总量/总审核量×100%），并判断自动审核比例是否合理（合理范围：70%-85%）。（2）请找出本周审核准确率最高和最低的日期。任务三：生成应用数据记录报告（1）请根据以上数据和分析，撰写一份简要的《智能系统应用数据周报》（约200字），内容包括：本周总体数据概览、关键指标分析、数据趋势说明、改进建议。 2. 答题要求请将以上答案整理到Word文档中，文档命名为应用数据记录报告.docx，并保存到桌面新建的考生文件夹中，文件夹命名为"准考证号+身份证后六位"。 (缺图)

你作为一名人工智能训练师，需要对已标注的图像数据进行统计分析。请根据以下任务要求，使用统计工具对标注后数据进行全面的统计分析和报告生成。 1. 任务要求统计分析要求： 1. 计算整体统计量：总标注数、图像数量、各类别数量及比例 2. 计算边界框统计：面积、宽高比的描述性统计 3. 计算图像特征统计：每张图像的标注数量分布 4. 计算类别与尺寸的交叉统计 5. 生成统计报告：包含各类统计结果和分析结论请你作为人工智能训练师，完成以下任务：任务：数据读取与基本统计（1）以下是一个已标注的图像数据集，请将其保存为image_labeled_data.csv文件： image_id,object_id,category,bbox_x,bbox_y,bbox_width,bbox_height,area,aspect_ratio 1,1,猫,100,120,200,150,30000,1.33 1,2,狗,150,200,180,120,21600,1.50 2,1,人,200,100,80,200,16000,0.40 2,2,猫,300,150,100,100,10000,1.00 3,1,猫,50,60,120,80,9600,1.50 3,2,猫,200,70,130,90,11700,1.44 3,3,狗,100,200,150,80,12000,1.88 4,1,人,150,100,120,180,21600,0.67 5,1,狗,200,150,250,200,50000,1.25 （2）补全下方Python代码中的填空部分，完成数据统计分析。（3）将补全后的代码保存为image_statistics.py。（4）生成统计结果并保存为image_statistical_results.csv文件。（5）生成统计报告并保存为图像数据统计分析报告.docx文件。（6）在电脑桌面新建一个文件夹，命名为"准考证号+身份证后六位"，将所有文件保存到该文件夹中。 2. 请补全的Python代码 import pandas as pd import numpy as np import csv def load_and_describe_data(filepath): """加载数据并计算基本统计量""" # 填空1：使用pandas读取CSV文件（3分） df = pd.______(filepath) # 填空2：根据面积创建尺寸分类（3分） conditions = [ df['area'] < 10000, (df['area'] >= 10000) & (df['area'] <= 30000), df['area'] > 30000 ] choices = ['小', '中', '大'] df['size_category'] = np.______(conditions, choices, default='中') basic_info = { '总标注数': df.shape[0], '图像数量': df['image_id'].______(), '类别数量': df['category'].nunique(), '数值字段': df.select_dtypes(include=[np.number]).columns.tolist(), '类别字段': df.select_dtypes(include=[object]).columns.tolist() } return df, basic_info def calculate_bbox_statistics(df): """计算边界框统计"""

使用pandas读取CSV文件

根据面积创建尺寸分类

计算边界框面积的描述性统计

计算宽高比的描述性统计

计算各类别平均面积

计算每张图像标注数量的描述性统计

统计标注数量的分布

计算各类别的频数和频率

创建类别与尺寸的交叉表

根据统计分析结果给出主要结论（3分） most_common_category = ______ [频数].idxmax() avg_objects_per_image = ______ [每图平均标注数] report += f"1. 数据集中最常见的类别是{most_common_category}，占比{category_stats[频率百分比][most_common_category]:.1f}%。" report += f"2. 平均每张图像包含{avg_objects_per_image:.2f}个标注，" if avg_objects_per_image > 2:

# 填空1：使用pandas读取CSV文件（3分） df = pd.______(filepath)

# 填空2：将rating列中的"无"替换为NaN（2分） df['rating'] = df['rating'].replace(______, np.nan)

# 填空3：将rating列转换为数值类型（2分） df['rating'] = pd.______(df['rating'])

# 填空4：计算文本长度的描述性统计（3分） length_stats = df['length'].______()

# 填空5：计算文本长度的中位数（2分） length_median = df['length'].______()

# 填空6：计算文本长度的标准差（2分） length_std = df['length'].______()

# 填空7：计算情感类别的频数和频率（3分） sentiment_counts = df['sentiment'].______()

# 填空8：计算评分的频数分布（3分） rating_counts = df_with_rating['rating'].______()

# 填空9：创建情感与评分的交叉表（3分） cross_table = pd.crosstab( df_with_rating['sentiment'], df_with_rating['______'], margins=True, margins_name='总计' )

# 填空10：按情感分组计算文本长度的平均值和标准差（3分） sentiment_length_stats = df.groupby('sentiment')['length'].______.round(2)

图像标注数据分类统计工作任务

# 填空1：读取CSV文件（3分） df = pd.______(filepath)

# 填空2：根据面积创建边界框大小分类（4分） conditions = [ df['area'] < 10000, (df['area'] >= 10000) & (df['area'] <= 30000), df['area'] > 30000 ] choices = ['小','中','大'] df['size_category'] = np.______(conditions, choices, default='中')

# 填空3：根据物体数量创建图像类型分类（3分） df['image_type'] = df['image_id'].map(lambda x: '多物体图像' if image_object_counts[x] > 1 else '______')

# 填空4：按category分组统计数量和平均面积（4分） category_stats = df.groupby('category').agg( count=('object_id', '______'), avg_area=('area', '______'), avg_width=('bbox_width', 'mean'), avg_height=('bbox_height', 'mean') ).round(2)

# 填空5：按size_category分组统计数量和平均面积（3分） size_stats = df.groupby('size_category').agg( count=('object_id', '______'), avg_area=('area', '______'), min_area=('area', 'min'), max_area=('area', 'max') ).round(2)

# 填空6：按image_type分组统计数量和平均面积（3分） image_type_stats = df.groupby('image_type').agg( count=('object_id', '______'), avg_area=('area', '______'), unique_images=('image_id', 'nunique') ).round(2)

# 填空7：创建类别与大小的交叉表（3分） cross_table = pd.crosstab( df['category'], df['______'], margins=True, margins_name='总计' )

统计单物体和多物体图像的数量 single_image_count = (image_object_counts == 1).________ multi_image_count = (image_object_counts > 1).sum()

找出最多的物体类别 most_common_category = category_stats['count'].________

找出最多的边界框大小类别 most_common_size = ________ ['count'].idxmax()

将报告写入文件（2分） with open('图像分类分析报告.docx', 'w', encoding='utf-8') as f: ______ print("图像分类分析完成！") print(f"物体类别统计：\n{category_stats}") print(f"\n边界框大小统计：\n{size_stats}") if __name__ == "__main__": main()

使用pandas读取CSV文件（3分） df = pd.______(filepath)

将rating列中的"无"替换为NaN（2分） df['rating'] = df['rating'].______('无', np.nan)

将rating列转换为数值类型（2分） df['rating'] = df['rating'].______

更多题库