ITS-AI认证测评

科目代码:AI-900人工智能

中文名称:人工智能

学员注意事项：

• 不得使用任何电子设备（如手机、电子词典等）或查阅任何书籍资料。

选择题（共 50题，每题20分，共计 1000 分；每题有一个或多项答案，选对一项可得相应的分值。

1. 您训练了一个模型来预测网上银行的客户流失情况。但是，评估结果表明该模型的性能不佳。可以使用哪两种方法来提高模型的性能？（请选择2项。） {{ multiselect(1) }}

• 修订选定的特征。
• 微调超参数。
• 使初始数据集最小化。
• 使用更快的编程语言。

2. 您公司构建一个AI来在网站上推荐产品。您负责创建生产管道并将它与网站集成。 您的考虑事项有哪些？

{{ select(2) }}

• 预测效果是否足够好以及客户是否购买推荐的产品。
• 是否使用了足够的客户数据来训练AI算法。
• 网站客户数量增加十倍时预测速度是否足够快。
• 是否使用了最新的AI算法来进行推荐。

3. 某公司希望通过更好地了解客户来提高客户满意度。首先，公司想根据客户的个人资料和购物记录的相似性来将客户分组，这是哪种类型的机器学习问题？

{{ select(3) }}

• 强化学习。
• 元学习。
• 无监督学习。
• 监督学习。

4. 您需要使机器学习模型能够理解一个文本数据集。您应该使用哪种技术？

{{ select(4) }}

• 将多个数字值分配给数据集中的每个唯一词。
• 将多个类别值分配给数据集中的每个唯一词。
• 将唯一类别值分配给数据集中的每个唯一词。
• 将唯一数字值分配给数据集中的每个唯一词。

5. 您正在为具有指定目标的模型选择合适的数据集。在选择数据集以满足此目标时，以下哪两个因素可能起重要作用？（请选择2项。）

{{ multiselect(5) }}

• 缺少元素或存在损坏元素。
• 数据集是否可以使用数据集搜索引擎来定位。
• 确保数据集足以满足该目的。
• 数据集元素（如图像）的文件格式。

6. 线性回归和逻辑回归有什么不同?

{{ select(6) }}

• 在线性回归中，我们预测分类变量的值。在逻辑回归中，我们预测连续变量的值。
• 使用给定的一组自变量，线性回归预测分类因变量。 逻辑回归预测连续因变量。
• 线性回归用于回归问题。逻辑回归用于分类问题。
• 线性回归假定自变量与因变量之间的关系为线性的。在逻辑回归中假定该关系为非线性的。

7. 您负责维护机器视觉系统。分析它是否有偏差时，您发现它对肤色较深的人没有有效的反应。在这种情况下应采取哪两种适当的安全和道德措施？（请选择2项。）

{{ multiselect(7) }}

• 寻求添加分类方法的新训练数据以提高性能。
• 在肤色较深的人很少的地区，对系统的营销进行微调。
• 升级用于实现算法的软件版本。
• 尽快使系统脱机。

8. 欠拟合对模型意味着什么? {{ select(8) }}

• 有低方差和高偏差。
• 有高方差和低偏差。
• 模型拟合不相关的数据特征。
• 测试集中的数据太少。

9. 某银行的AI团队实施了一个模型来预测交易是否有欺诈风险。他们针对训练集的准确度为99.7％，针对测试集的准确度为72.45％。哪种解释与提供的信息相符？

{{ select(9) }}

• 模型在训练集和测试集上都表现良好，测试集导致准确度降低不是问题。
• 模型欠拟合，因为它在测试集上表现不好。
• 模型的偏差低，因为它在测试集上表现不好。
• 模型过拟合，因为它在测试集上表现不好。

10. 哪个问题可以使用回归解决? {{ select(10) }}

• 为用户提供按排名排列的推荐观看电影列表。
• 通过分析产品图片检测装配线上的产品是否有故障。
• 根据人的大脑MRI扫描确定其是否患病。
• 根据房子的特点和它的位置决定房子的要价。

11. 某网上商店使用向网购者推荐产品以添加到其订单中的AI系统。您可以使用哪两个客户行为指标来评估AI的效力？（请选择2项。）

{{ multiselect(11) }}

• 在客户开始使用该AI后，它是否报告了更高的准确度指标？
• 将该AI投入生产后是否有更多客户访问该网站？
• 客户是否访问了某个推荐产品的链接？
• 客户是否购买了某个推荐的产品？

12. 您正在构建一个系统，以帮助健身房确定哪些客户最可能取消自己的会员资格。客户数据中有100多个特征。您如何高效地为AI选择合适的特征？

{{ select(12) }}

• 使用尽可能多的与客户的个人特征有关的特征，例如性别和种族。
• 随机选择一组10个要使用的特征。
• 仅选择数字特征。
• 和客户代表交谈，了解以前的客户取消会员资格的原因。

13. 某博物馆收集了15年的参观者详细信息，包括带时间戳的进入和离开信息。博物馆馆长想让您开发一个AI模型，该模型使用此数据来确定在特定日期特定时间参观博物馆的人数。您应该给馆长什么建议？ {{ select(13) }}

• 此应用程序不需要AI，因为您可以直接查询数据来得到结果。
• 此应用程序最适合使用监督学习模型，因为标记了输入数据。
• 此应用程序最适合使用回归模型，因为输出是数字。
• 此应用程序最适合使用无监督学习模型，因为数据未标记。

14. 一家大型跨国公司想使用AI来筛选求职者的简历，以便找到那些最有可能表现出色的人。它们为您提供了十年的员工绩效评价作为训练数据。您对此数据应有哪些顾虑？

{{ select(14) }}

• 使用此数据集，过去在招聘方面的偏见将永久存在。
• 不可能从员工绩效数据提取有用的特征。
• 数据集可能缺少将影响模型性能的信息。
• 此数据集不可能包含足够的数据进行有效训练。

15. 您的公司开发了面部识别软件，将其作为安全系统的一部分部署在办公大楼中。您的工作是制定培训计划来帮助大楼安保人员了解如何使用该软件。您的培训计划应包含什么？

{{ select(15) }}

• 软件中使用的最近神经网络的简介。
• 检查AI的解释能力，以便安保人员可以了解为什么AI会这么做。
• 用于处理AI认错人的投诉的流程。
• 测试方法，以便安保人员可以测试AI的准确度。

16. 您尝试创建一个模型来估计北极圈内冰覆盖的陆地面积。您有100,000张标记的北极圈卫星图片。您可以使用这些图片来训练机器学习模型以便区分冰、水和陆地以得到陆地面积估计值。您应如何将图片分配给训练数据集和测试数据集?

{{ select(16) }}

• 选择大约80%的图片用于训练，将其余图片用于测试。
• 选择大约50%的图片用于训练，将其余图片用于测试。
• 使用100%的标记的图片来训练和测试模型。
• 使用所有数据来训练模型并将一个数据子集用于测试。

17. 您一直在跟踪AI系统的指标，且一切似乎都按预期进行。突然，您开始收到与以前迥然不同的非常意外的结果。哪两个是需要首先查看的最有可能的原因？（请选择2项。）

{{ multiselect(17) }}

• 硬件故障。
• 用户设备的空间用尽。
• 用户行为或访问系统的用户类型发生变化。
• 用户设备上的传感器变脏，性能下降。

18. 您所在的团队正在开发可以在电子游戏中充当对手的产品。团队正在使用基于奖励的算法：如果它做得好，结果的质量就会提高。这是哪种类型的机器学习?

{{ select(18) }}

• 监督学习。
• 半监督学习。
• 无监督学习。
• 强化学习。

19. 哪个术语通常用于描述AI预测？

{{ select(19) }}

• 推断
• 超参数调整
• K折交叉验证
• 混淆矩阵

20. 您正在构建一个Al来预测应批准还是拒绝贷款申请人的贷款申请。该数据有很多特征，因为您的公司很了解自己的客户。您想仅使用最有价值的特征来使Al的预测尽可能准确。您应该怎么做?

{{ select(20) }}

• 仅保留与数字有关的特征(例如客户的年龄)，因为AI只能处理数字。
• 仅保留描述客户个人情况的特征，因为他们最具有区分度。
• 与人工批准贷款的人员交谈，询问他们需要考虑哪些因素。
• 评估申请时，询问客户他们认为自己的优势在哪里。

21. 准确度和精度有什么不同?

{{ select(21) }}

• 准确度是正确预测的观察值与总观察值之比，精度则是正确预测的阳性观察值与预测的总阳性观察值之比。
• 准确度指测量值与“真实”值的接近程度，精度则指测量值相互之间的接近程度。
• 准确度是精度和召回率的加权平均值，精度则是正确预测的阳性观察值与预测的总阳性观察值之比。
• 准确度是正确预测的观察值与总观察值之比，精度则是正确预测的阳性观察值与实际分类中的所有观察值之比。

22. 您的任务是使用AI根据环境和气候特征（如温度、第一次降雪的日期和降水量）预测当地河流中每年的鱼数量。为什么您应使用回归建模？

{{ select(22) }}

• 输出是离散标签。
• 输入是一组定量值。
• 可以使用特征向量表示输入。
• 输出是定量值。

23. 在选择特征时应删除哪种类型的特征以提高准确度?

{{ select(23) }}

• 具有多个值的特征。
• 在特征集中不重复的特征。
• 与目标高度相关的特征。
• 与目标不相关的特征。

24. 您想进行以下数据对比:获得正式金融账户的比率与有足够的钱支付基本的生活必需品之间有什么关系。对您的数据集有哪些要求？

{{ select(24) }}

• 具有很多变量的一个数据集，或一个以上的相似数据集。
• 在相当长的一段时间内的数据。
• 数据的粒度级别。
• 变化较小的分层数据。

25. 某学校正在使用AI模型来帮助录取新生，正在用过去10年的录取数据来训练它。为了在录取时不考虑学生的经济能力，从输入中排除了申请人的收入数据。学校注意到结果尽管有用，但是仍偏向录取具有较高收入的学生。可能的解释是什么？

{{ select(25) }}

• 所选的功能集太小，导致过拟合。
• 训练数据太小，无法得到准确的结果。
• AI模型的代码可能有错误。
• 其他特征（例如邮政编码、测试分数）与收入水平相关。

26. 某银行想检测欺诈交易。它有能力收集数据，如每个交易的金额和购买的物品。这是哪种类型的机器学习问题?

{{ select(26) }}

• 监督学习,分类。
• 无监督学习,聚类。
• 强化学习,博弈。
• 监督学习,回归。

27. 您正在构建一个AI模型。您应对初始数据集采用什么方法？

{{ select(27) }}

• 20％测试数据，80％训练数据，保持测试数据不变。
• 20％测试数据，100％训练数据，保持测试数据不变。
• 20％测试数据，80％训练数据，重新训练几次。
• 20％测试数据，100％训练数据，重新训练几次。

28. 您正在构建一个AI模型，它能从业余观鸟者拍摄的照片中识别不同种类的鸟。您刚刚训练了您的模型并通过对以前未看到的一组图片进行预测来测试模型。为了计算模型的精度，您需要执行什么样的计算？

{{ select(28) }}

• 计算正确的预测与所做的阳性类预测之比。
• 计算正确的预测与所做的总预测之比。
• 从正确预测的数量中减去不正确预测的数量。
• 将正确预测的数量除以训练集的大小。

29. 哪种技术可帮助降低AI模型的输入数据集的维度?

{{ select(29) }}

• 欠采样。
• 删除有缺失值的特征。
• 主成分分析。
• 独热编码。

30. 某公司开发了一个智能手机应用，该应用使用GPS和加速计数据来识别和报告城市街道中的坑洼地。目的是帮助分配资源来修改数千个坑洼池。但是，很多城市的老人和低收入居民没有智能手机，这导致数据集有偏差，对更富裕的社区有利。这是哪种类型的偏差的示例？

{{ select(30) }}

• 强化偏差。
• 自动化偏差。
• 数据收集偏差。
• 人类认知偏差。

31. 哪些项可以帮助AI项目团队应对监管合规性?

{{ select(31) }}

• 数据策略、问题日志、项目计划。
• 数据共享协议、事件日志、风险登记表。
• 数据模型、调试日志、更改请求。
• 数据质量计分卡、安全日志、情节提要。

32. 某银行构建了一个Al来预测客户是否可能拖欠贷款。银行打算使用这些Al预测来批准或拒绝贷款申请。一些客户可能对是否批准贷款的决定有异议。银行想确保自己保留适当的记录来向客户解释最终决定是如何做出的。银行应使用哪些信息来化解未来的争议?

{{ select(32) }}

• 编写预测代码的工程师。
• AI在生产中做出的预测数。
• 用于训练AI的数据集。
• 为选择最佳算法而运行的训练实验数。

33. 某学校辅导员想了解进入重点大学的主要标准。该辅导员需要什么类型的数据来训练最有效的机器学习模型?

{{ select(33) }}

• 过去几年尽可能追溯到的该辅导员所在学校的数据。
• 过去几年尽可能追溯到的该学校所在城市的数据。
• 该学校过去十年的数据。
• 过去几年来自尽可能多的不同地点的学校的数据。

34. 某保险公司根据客户对10个“是“否”问题的回答来确定客户是否有资格享受折扣。公司CEO想开发一个程序，该程序将确定客户是否有资格享受折扣而无需保险代理人提出这些问题。该程序必须尽可能高效可靠。CEO请求您为此情形推荐合适的AI类型。您应该如何答复CEO?

{{ select(34) }}

• 只要提供代表所有折扣类别的充足训练数据，任何类型的机器学习算法都可以高效学习正确的折扣类别。
• 在此例中AI不是最高效的解决方案，因为使用一组为数不多的判定语句就可以很好地处理该问题。
• 神经网络将是最佳解决方案，该网络根据对问题的回答，学习预测一个人是否有资格享受保险折扣。
• 聚类算法将是最佳解决方案，该算法将具有相似回答的人分为不同折扣组。

35. 您被一家动物医院聘为项目经理。该医院想使用机器学习预测，在可在X光片上识别的猫和狗肿瘤特征中，根据哪些特征能最为成功地对不同的患病动物进行风险分类。您将可以访问过去10年所有在医院治疗过肿瘤的动物的医疗记录（包括影像）。您首先要为此项目组建一个工作团队。 您应该为团队选择哪两个人？（请选择2项。）

{{ multiselect(35) }}

• 向医院提供化疗药物的医药销售代表。
• 专门照料体弱宠物的当地一家宠物寄宿公司的老板。
• 具有图像分类任务经验的A1开发人员。
• 擅长在影像扫描中识别肿瘤的兽医放射科医生。

36. 您的团队正在建造一个农场机器人。该机器人将使用视觉系统识别杂草。然后它会杀死杂草而不会损害周围的农作物。要求您为该项目开发一个训练数据集。该训练集应包括哪些图片，为什么?

{{ select(36) }}

• 杂草和农作物的图片，以便系统可以学习区分可能看到的这两类植物。
• 农场周围的各种物体(包括工具、牲畜和农作物)的图片，以便机器人可以识别在农场工作时可能遇到的所有物体。
• 各种图片，以便机器人可以在不同环境下执行常规物体识别。
• 仅杂草的图片，以便系统可以构建稳健的识别模型，该模型已针对识别杂草进行了优化。

37. 您将一个AI应用程序投入生产，该程序经过训练可用于区分猫、狗和兔子。哪种场景是生产中模型漂移的示例?

{{ select(37) }}

• 您使用更多在不同光照条件下猫、狗和兔子的图片来重新训练该AI。
• 经常请求该模型区分老虎和猴子。
• 您后来添加了一组猴子图片，并重新训练该Al应用程序以检测这四种动物。
• 该模型仅用于区分猫和兔子。

38. 某公司想了解消费者对新产品的意见并在社交媒体平台上执行情绪分析。潜在的消费者数目很大。该公司如何以结构化的方式收集数据？

{{ select(38) }}

• 请求客户提供其用户名，然后抓取其时间线。
• 请求客户提供其用户名，然后手动复制其时间线。
• 访问社交媒体平台数据的物理存储空间。
• 使用社交媒体平台的API。

39. 您在某保险公司工作。您的职责是帮助数据科学家和工程师做好准备，以将一个新模型投入生产。将使用此模型来评估是否要批准客户索赔。您需要确保您的公司遵循业界和所在地区的最佳做法。 您应该关注哪两个方面？（请选择2项。）

{{ multiselect(39) }}

• 是否仅使用了公共数据来开发该AI模型。
• 构建和评估AI的流程是否有完整记录。
• 关于验证模型和批准它，是否有需要遵守的法律。
• 是否使用了市场上最新的AI技术。

40. 哪个AI问题是分类问题?

{{ select(40) }}

• 根据附近相似房子的价格建议出售房屋的目标价格。
• 确定发送给客户支持的电子邮件是具有正面的还是负面的情绪。
• 确定要在国际象棋比赛中获胜的最佳策略。
• 预测明天开市时的股票价格。

41. 您正在构建一个回归AI来预测车辆价格。您将在特征工程中使用独热编码。您需要将独热编码应用到哪种类型的特征？

{{ select(41) }}

• 普通街道（非高速公路）上汽车的燃油效率。
• 从每小时0到100公里所需的时间量。
• 车辆中的车门数。
• 车辆类型（卡车、轿车或厢式货车）。

42. 您已将一个向网站用户推荐产品的AI投入生产。该Al已投入生产一年多了，上周基于数据科学家发现的新算法添加了新模型更新内容。您如何评估此新算法在您的企业中是否比旧算法性能更高?

{{ select(42) }}

• 检查数据科学家的实验并确保他们在相同的测试用例上衡量了这两种算法。
• 检查两种算法的代码并查看其中一个的bug是否比另一个多。
• 比较使用旧算法时一年中最繁忙购物日的销售量与使用新算法的第一天的销售量。
• 在三个月的时间里，比较使用新算法推荐产品的销售量和使用旧算法的销售量。

43. 某公司向用户提供种类繁多的产品。公司想将产品划分为不同的组以便可以为每个产品组制定营销策略。这是哪种类型的机器学习问题?

{{ select(43) }}

• 监督学习,聚类。
• 监督学习,回归。
• 无监督学习,分类。
• 无监督学习,聚类。

44. 哪个应用程序是在不使用AI的情况下实施的？

{{ select(44) }}

• 电子邮件自动完成。
• 预测浏览器搜索栏。
• 消息平台文字到表情转换器。
• 垃圾邮件筛选器。

45. 某汽车经销商想使用Al基于以前的销售数据预测任何一天预期的客户数量。该经销商计划每周使用此数据制定计划。从经销商的角度看，衡量Al模型是否成功的最重要指标是什么?

{{ select(45) }}

• 生成的预测帮助经销商管理库存和人员配置以增加利润。
• 模型可以每周更新一次。
• 模型高效、实时运行。
• 生成的预测每天变化尽可能小。

46. 哪个术语指代在私营公司、研究机构和政府部门之间共享数据以帮助解决公共问题？

{{ select(46) }}

• 数据交换。
• 公共数据。
• 数据协作。
• 开放数据。

47. 您的组织正在开发用于特定用途的AI系统。但是，同一系统也可以轻松用于其他用途。为什么具有多种潜在用途的系统可能引发伦理问题？

{{ select(47) }}

• 其他组织可能要购买该AI系统。
• 它可以带来新的市场机会。
• 它可能更容易崩溃。
• 它可能用于未授权的用途。

48. 几个公司正在促成和监控某个行业的与AI相关的安全事件数据库。这些公司希望通过共享知识，可以提高在行业中部署的AI系统的安全性。哪个项目团队成员负责监控AI事件数据库中的事件？

{{ select(48) }}

• 开发人员，根据要求编写高效优雅的代码。
• 项目经理，关注成本超支和进度延误情况。
• 首席风险官，制定风险缓解措施。/产品经理，评估其团队正在开发的新功能的增添。
• UI 设计师，改进产品软件的外观和感觉。

49. 哪个问题使对手或恶意使用者可以利用它来攻击或破坏Al系统?

{{ select(49) }}

• 数据偏斜。
• 数据提取。
• 无监督学习。
• 过拟合。

50. 某杂货店网站使用Al来向客户推荐要买的产品。该AI已经使用了几个月。商店在决定是要保留还是弃用该Al时应考虑哪个因素?

{{ select(50) }}

• AI使用了有监督还是无监督的算法。
• 基于AI的推荐客户购买量是否增加了。
• AI的原始准确度是否在85%以上。
• AI是否使用了可解释的算法。