第一章 单元测试

1、判断题:
工具的发展始终由人类单方面决定,不存在工具对人类行为或社会结构产生反向影响的情况。
选项:
A:对
B:错
答案: 【错】

2、判断题:
人工智能在公共管理中的应用仅带来效率提升,不会引发任何社会问题。
选项:
A:对
B:错
答案: 【错】

3、多选题:
在人工智能驱动公共管理范式变革的背景下,以下哪些选项正确反映了从传统管理模式向数据驱动治理转型中的关键挑战与应对?
选项:
A:符号主义AI因其强解释性,适合用于政策规则的自动推理与合规审查系统构建
B:将城市交通拥堵治理问题转化为多智能体仿真模型时,需定义个体行为规则、交互机制与环境反馈路径
C:公共决策中引入机器学习模型可能加剧算法偏见,需通过数据预处理和公平性约束机制加以缓解
D:大模型在政务客服中的应用无需考虑数据确权与隐私保护问题,因其训练数据均为公开信息
答案: 【符号主义AI因其强解释性,适合用于政策规则的自动推理与合规审查系统构建;
将城市交通拥堵治理问题转化为多智能体仿真模型时,需定义个体行为规则、交互机制与环境反馈路径;
公共决策中引入机器学习模型可能加剧算法偏见,需通过数据预处理和公平性约束机制加以缓解
】

4、单选题:
在人工智能领域,以下哪一门数学课程主要用来处理数据的不确定性与随机性?
选项:
A:微积分
B:概率与统计
C:线性代数
D:离散数学
答案: 【概率与统计】

5、多选题:
在Mo平台进行课程学习时,以下哪些操作是支持的?
选项:
A:下载其他学员的私有项目文件
B:提交编程习题并获得自动评分
C:观看课程视频并做笔记
D:运行代码示例并查看结果
答案: 【提交编程习题并获得自动评分;
观看课程视频并做笔记;
运行代码示例并查看结果
】

6、单选题:
在末平台的Notebook界面中执行代码时,以下哪种行为最可能导致代码无法正常运行?
选项:
A:在代码注释中使用中文字符说明功能
B:点击‘运行’按钮前未保存当前Notebook
C:在单元格中正确输入Python语法的print语句
D:调用了一个未安装的第三方库(如missing_library)
答案: 【调用了一个未安装的第三方库(如missing_library)】

7、单选题:
在末平台创建一个新的独立项目时,以下哪项是最先需要完成的操作?
选项:
A:为项目添加README文档
B:邀请团队成员协作开发
C:编写Python代码并运行
D:注册账号并登录平台
答案: 【注册账号并登录平台】

8、单选题:
某学生希望在末平台上完成一个Python数据分析项目并向全班展示,以下哪一序列的操作流程最为合理且完整?
选项:
A:在本地编写代码 → 手动复制粘贴到聊天工具中分享 → 口头讲解逻辑
B:注册登录 → 创建新项目 → 上传数据集 → 编写并运行Notebook代码 → 生成可视化图表 → 导出报告用于汇报
C:跳过项目创建 → 直接在课程评论区提交代码段
D:直接进入公共项目区修改他人代码 → 截图作为成果展示
答案: 【注册登录 → 创建新项目 → 上传数据集 → 编写并运行Notebook代码 → 生成可视化图表 → 导出报告用于汇报】

第二章 单元测试

1、判断题:
在人工智能建模中,传统模型如线性回归由于参数数量较少,通常对训练数据量的需求低于深度学习等大模型,因此在小规模数据集上可能表现更稳定。
选项:
A:对
B:错
答案: 【对】

2、多选题:
在数据驱动项目中,关于问卷法和传感器法的综合应用,以下哪些说法是正确的?
选项:
A:虚拟传感器通过模型估算数据,可降低硬件部署成本,但其准确性依赖于模型训练质量
B:使用线上问卷可以完全避免采样偏差,因为互联网覆盖了所有社会群体
C:为了提高问卷的无偏性,应尽量使样本分布与目标人群的分布保持一致
D:传感器法虽然能自动采集连续数据,但部署和维护成本较高,尤其在大规模场景下
答案: 【虚拟传感器通过模型估算数据,可降低硬件部署成本,但其准确性依赖于模型训练质量;
为了提高问卷的无偏性,应尽量使样本分布与目标人群的分布保持一致;
传感器法虽然能自动采集连续数据,但部署和维护成本较高,尤其在大规模场景下
】

3、单选题:
某城市计划监测空气质量以制定环保政策,需在多个区域长期采集PM2.5浓度数据。以下哪种数据收集方案最合理且兼顾成本与数据质量?
选项:
A:结合少量高精度传感器数据与气象、交通等辅助信息,构建虚拟传感器模型估算各区域PM2.5值
B:仅通过社交媒体发起问卷调查,请居民主观报告所在区域空气质量
C:随机选择部分居民发放纸质问卷,询问他们对空气污染的感受
D:在每个街区部署高精度物理传感器网络进行实时监测
答案: 【结合少量高精度传感器数据与气象、交通等辅助信息,构建虚拟传感器模型估算各区域PM2.5值】

4、多选题:
以下哪些是数据预处理中常见的问题类型?
选项:
A:数据不一致
B:缺失数据
C:数据噪音
D:数据增强
E:数据转化
答案: 【数据不一致;
缺失数据;
数据噪音
】

5、判断题:
数据转化如log转化或傅里叶变换,其主要目的是提升数据的结构特征并改善模型性能。
选项:
A:对
B:错
答案: 【对】

6、单选题:
在处理缺失记录时,下列哪种方法适用于当缺失比例较低且数据随机缺失的情况?
选项:
A:将缺失值替换为最大值
B:采用K近邻算法预测缺失值
C:直接删除含有缺失值的记录
D:使用均值填充所有缺失值
答案: 【直接删除含有缺失值的记录】

7、单选题:
在数据分析过程中,以下哪项最准确地描述了其主要目标?
选项:
A:清洗原始数据以提高质量
B:从数据中提取有意义的信息并支持决策
C:将数据可视化为图表以便展示
D:构建高精度的预测模型
答案: 【从数据中提取有意义的信息并支持决策】

8、单选题:
在机器学习中,模型训练与模型推理的主要区别之一是什么?
选项:
A:模型推理比训练更节省计算资源
B:模型训练用于实际业务预测,而推理用于调整参数
C:模型训练过程中模型参数会更新,而推理过程中参数固定
D:模型推理需要大量标注数据,而训练不需要
答案: 【模型训练过程中模型参数会更新,而推理过程中参数固定】

本门课程剩余章节答案为付费内容

支付后可长期查看

有疑问请添加客服QQ:2025479448反馈

购买期末请+QQ:2025479448

如遇卡顿看不了请换个浏览器即可打开

请看清楚了再购买哦,电子资源购买后不支持退款哦