《人工智能工程师》基础测试题.docx

《人工智能工程师》基础测试题
本套测试题是为了检验同学们对Python和数学基础的掌握程度，大家不要有压 力，请根据自己的情况，如实答题。我们会依据每个人的情况，制定专属学习计 划。请务必要认真答题。感谢配合。
姓名：［填空题］*《Python基础》
(每道题20分.共100分)
1. 以下不能创立一个字典的语句是()I单项选择题1 *dictl = (}
A. dict2 = {3:5}dict3 = (［1,2,3］： "uestcn)(正确答案)
B. dict4= {(1,2,3): ”ucstc”}以下Python语句正确的选项是：()［单项选择题］*
A. min = x if x < y else y(正确答案)max = x > y ? x : y
B. if (x > y) min = xwhile !x : pass
2. 下面的Fact(n)是一个计算阶乘的递归函数：()# this function computes factorial
def Fact(n):
return n * Fact(n-l)关于该函数，以下说法中正确的选项是
I. 函数没有设置停止条件函数没有进行递归调用
II. 当n=l时，函数应该return 1返回语句是不必要的
III. 函数会运行很久，造成过多的递归调用[单项选择题]*I and II
I and IIIII, and III
I, HI, and V（正确答案）a = range（5）,以下语句能对a进行反序的操作是：（）[单项选择题]*
A. a = a[-1]a = a[:-l]
B. a = a[-l:Ja = a[::-1]（正确答案）
3. 以下语句中会得到[5, 5, 5]的是：（）[单项选择题]*[5] *3（正确答案）
A. [5 * 3][5] * [3]
B. [[5] * 3]《机器学习之数学基础》
第一局部:概率统计
（第1、4题各20分.2、3题各30分.共1（）0分）
1. 下面两个图是参数不同的正态分布的概率密度参数，（）是均值相同、方差不 同的正态分布。［单项选择题］*S
A
0
B（正确答案）
2. 有朋自远方来，乘火车、船、汽车、飞机来的概率分别为0.3, 0.2, 0.1, 0.4, 迟到的概率分别为0.25, 0.3, 0.1, 0；现在假设他迟到了，求他坐火车来的概率。 这个概率比先验概率是变大了还是变小了？ I填空题］*〔答案：令B ：迟到......）
3. 假如有一个罐子，里面有黑白两种颜色的球，数目多少不知，两种颜色的比例也 不知。我们想知道罐中白球和黑球的比例，但我们不能把罐中的球全部拿出来数。 现在我们可以每次任意从已经摇匀的罐中拿一个球出来，记录球的颜色，然后把拿 出来的球再放回罐中。这个过程可以重复，我们可以用记录的球的颜色来估计罐中 黑白球的比例。假如在前面的一百次重复记录中，有七十次是白球。请问罐中白球 所占的比例最有可能是多少？（请用极大似然估计方法估计分布的参数）［填空题］ *，答案：罐子中的球为白球或黑球，所以从罐 子中随机抽取一个球，球的颜色X为白色的随机事件服从Bernoulli分布......）
4. 一位朋友要发表一篇文章，关于实验结果描述，下面哪种说法正确？［单项选择题］*我提出了一种新方法，在数据集A上的结果比现有结果高0.1 ；
A. 我提出了一种新方法，当模型超参数入=0.32146时，在数据集A上的结果比现 有结果高0.1 ；我提出了一种新方法，采用交叉验证得到模型的最正确参数入=0.32146时，在数据 集A上的结果比现有结果高0.1 ； （3
第二局部：矩阵
（每道题10分.共100分）
1. 」［单项选择题］*1
A. 2&正确答案）
B. 6以下行列式的变换中，使行列式的值保持不变的是（）［单项选择题］*
A. 将行列式的第2行和第3行交换将行列式的行列互换正礁答矣）
B. 将行列式第2列的元素都乘以2将行列式第2列的2倍加到第3行
2. J ［单项选择题］*1000
A. -10002000（正破答案）
B. -2000设矩阵A的秩为r,那么A中（）|单项选择题］*
A. 所有r-1阶子式都不为0所有r-1阶子式全为。
B. 所有r阶子式都不为0至少有一个r阶子式不为0( i
3. 假设方阵A的行列式|A|/0,以下结论正确的选项是()［单项选择题］*A的行向量组和列向量组都线性相关
A. A的行向量组线性相关，列向量组都线性无关A的行向量组和列向量组都线性无关(』确答奚)
B. A的列向量组线性相关，行向量组都线性无关n元齐次线性方程组AX=0仅有零解的充要条件是()［单项选择题］*
A. R (A) =n ［狷冬案)R (A) <n
B. R (A) >nR (A)与n无关
4. 如果n元齐次线性方程组AX=0的基础解系含有s (s<n)个解向量，那么系数 矩阵A的秩为()［单项选择题］*n
A. sn-s(正确答案)
B. 以上都不正确假设n阶矩阵A满足口 ,那么称矩阵A为正交矩阵。由此定义，以下矩阵为正交
矩阵的是()［单项选择题］*S
A.
0(正确答案)
sc.
sD.
5. 设A是正交矩阵，那么以下结论错误的选项是（）［单项选择题］*S
A0
B，正确答案）
Sc
SD
6. 设入是矩阵A的特征方程的3重根，A属于A的线性无关的特征向量个数为k,那么必有（）［单项选择题］*
kW3（正确答案）k<3
k=3 k>3第三局部:凸优化
（1-3题，每道题20分，第4题40分。共10（）分。）
［单项选择题］*
1. 以下数值优化问题中，目前难以高效可靠求解的问题是：
A. 最小二乘整数优化正确答宾）
B. 线性规划凸优化
2. 以以下图像中属于凸集的是：（）［单项选择题］*
0A，正确答案）
SB
SC
SD
3. 以下提到的技术哪一个是正确的：（）
1 AdaGrad使用一阶偏导
2 L-BFGS使用二阶偏导
3 AdaGrad使用二阶偏导
4 L-BFGS使用一阶偏导［单项选择题］*1和2（正确答案）
A. 3和41 和 4
B. 2 和 3数值优化算法中梯度下降（Gradient Decent, GD）与随机梯度下降（Stochastic
Gradient Decent, SGD）均为常用算法，请论述GD与SGD算法的异同点。［填空 题］*「答案：相同点：在GD和SGD中，都会在 每次迭代中更新模型的参数，使得代价函数变小。不同点：GD每次迭代用于全部 训练数据；SGD每次迭代可以只用一个训练数据来更新参数。当训练数据过大 时，用GD可能造成内存不够用，那么就可以用SGD 了，SGD其实可以算作是一 种onlinc-lcarningo另外SGD收敛会比GD快，但是对于代价函数求最小值还是 GD做的比拟好）
5-8题为机器学习题目，可选填。（附加题，每道题10分）神经网络中使用如下激活函数的图像，下述正确的说法是：（）
SI单项选择题I
A. 从左到右分别是SIGMOID、tanh、ReLU从左到右分别是SIGMOID、ReLUs tanh
B. 从左到右分别是ReLU、tanh、SIGMOID从左到右分别是tanh、SIGMOID. RcLUi正确答案）
4. 假设有一个5层的神经网络在4GB显存的GPU上训练了 5个小时，在测试时，单个数据点需要花费2s时间。现在改变网络结构，在第二层到第四层分别以0.2
和0.3的概率增加dropout,请问新的网络结构测试时间是多少：（）［单项选择题］少于2s
A. 2s（I多于2s
B. 不一定下述三张图展示SVM算法在不同惩罚参数C下的可视化结果，由于某种原因忘 记标注C的具体值，请问如以下图中C值（Cl、C2、C3分别表示三幅图对应的C 值）的大小次序最可能次序是：（）
■［单项选择题］C1 = C2 = C3
A. C1 vC2<C33"确答案）C1 >C2>C3
B. 以上都不对现有一个点能被正确分类且远离决策边界。如果将该点加入到训练集，为什么 SVM的决策边界不受其影响，而已经学好的logistic回归会受影响？ |填空题| 〔答案：因为SVM采用的是hinge loss,当样
本点被正确分类且远离决策边界时，SVM给该样本的权重为0,所以加入该样本 决策边界不受影响。而logistic回归采用的是log损失，还是会给该样本一个小小 的权重）