第8章 系统设计及工程实践能力培养
- 1第1章 人工智能的发展与前沿趋势
- 2第2章 政策法规与职业标准
- 3第3章 伦理约束与版权边界
- 4第4章 岗位全面解析与算法基础
- 5第5章 人工智能核心技术-自然语言处理
- 6第6章 人工智能核心技术-视觉处理
- 7第7章 人工智能核心技术-机器学习到深度学习
- 8第8章 系统设计及工程实践能力培养本文
- 9第9章 人工智能应用场景
- 10第10章 工具学习与学习资源
- 11第11章 本地部署方法教学
- 12第12章 行业应用案例-教育行业
- 13第13章 行业应用案例-医学行业
- 14第14章 行业应用案例-金融行业
- 15第15章 编程应用基础-Python
- 16第16章 编程应用基础-开发实战
- 17第17章 编程应用基础-开发实战
- 18第18章 办公应用-1
- 19第19章 办公应用-2
- 20第20章 AI变现-1
- 21第21章 AI变现-2
人工智能第八章 课程练习题(含答案解析)
一、单选题
1. 课程中介绍的 Coze(扣子)平台的主要特点是什么? (单选题)
- A. 一个专门用于数据标注的工具平台
- B. 一个提供海量 AI 智能体且大多数可免费使用的 AI 开发平台
- C. 一个只支持深度学习模型训练的平台
- D. 一个仅面向企业用户的付费平台
答案: B
解析: Coze(扣子)平台提供了海量的 AI 智能体,大多数可以免费使用,已接入多种 AI 服务,开发者可以直接复用或新建智能体。
2. 硅基流动(SiliconFlow)平台的主要功能是什么? (单选题)
- A. 提供数据标注服务
- B. 提供深度式 AI 所需的计算资源,支持模型训练和部署
- C. 提供无代码应用开发功能
- D. 专门用于自然语言处理
答案: B
解析: 硅基流动是一个深层式 AI 计算基础设施平台,提供深度式 AI 所需的计算资源,不仅支持模型训练,还方便进行模型部署。
3. 关于 Dify 和秒搭平台,以下描述正确的是? (单选题)
- A. 两者都是数据标注平台
- B. Dify 是深层式 AI 应用开发平台,秒搭是摆渡云的部署开发工具
- C. 两者都需要深厚的编程基础才能使用
- D. Dify 只能用于图像处理,秒搭只能用于文本处理
答案: B
解析: Dify 是深层式 AI 应用开发平台,支持快速构建和部署 AI 应用;秒搭是摆渡云的部署开发工具,可通过自然语言搭建应用。
4. 课程中提到的 Label Studio 是一个什么类型的平台? (单选题)
- A. AI 模型训练平台
- B. 免费开源的数据标注平台,支持图像、文本和音频标注
- C. AI 应用部署平台
- D. 深度学习框架
答案: B
解析: Label Studio 是一个免费开源的数据标注平台工具,支持图像、文本和音频等多种数据类型的标注,是 AI 模型训练前的重要工具。
5. 第一个神经元数学模型——MP 模型是由谁在何时提出的? (单选题)
- A. 1958 年由 Rosenblatt 提出
- B. 1943 年由 McCulloch 和 Pitts 提出
- C. 1986 年由 Rumelhart 等人提出
- D. 2006 年由 Hinton 提出
答案: B
解析: 1943 年,心理学家 McCulloch 和数学家 Pitts 提出了第一个神经元的数学模型——MP 模型,它是一个简单的二进制模型,能模拟基本的逻辑运算。
6. 1958 年 Rosenblatt 提出的感知器(Perceptron)的重要意义是什么? (单选题)
- A. 首次解决了 XOR 异或问题
- B. 是第一个能够通过调整权重来学习和分类数据的神经网络模型
- C. 首次引入了深度神经网络的概念
- D. 证明了神经网络不需要训练数据
答案: B
解析: 感知器是第一个能学习的神经网络模型,通过调整权重来分类数据。但 1969 年被 Minsky 证明无法解决 XOR 等非线性可分问题。
7. 1969 年 Minsky 指出感知器无法解决什么问题,导致神经网络研究进入停滞期? (单选题)
- A. 图像识别问题
- B. XOR(异或)等非线性可分问题
- C. 大数据处理问题
- D. 并行计算问题
答案: B
解析: 1969 年 Minsky 和 Papert 在《Perceptrons》中指出感知器无法解决 XOR 等非线性可分问题,导致神经网络研究进入停滞期。
8. 1986 年反向传播算法的提出对神经网络发展有什么重要意义? (单选题)
- A. 证明了神经网络可以完全替代人类
- B. 解决了多层神经网络的训练难题,重新激发了研究热情
- C. 使神经网络不再需要训练数据
- D. 实现了神经网络的量子计算
答案: B
解析: 1986 年 Rumelhart 等人提出的反向传播算法解决了多层神经网络的训练难题,打开了训练深层网络的大门,重新激发了人们对神经网络的研究热情。
9. 在神经元数学模型中,权重(W)的作用是什么? (单选题)
- A. 表示输入数据的数量
- B. 表示不同输入信息的重要程度,影响每个输入对神经元的刺激强度
- C. 表示输出的结果值
- D. 表示训练时间的长短
答案: B
解析: 权重 W 表示不同输入信息的重要程度,对应每个输入特征 X 对神经元的刺激强度,权重越大表示该输入越重要。
10. 在神经元模型中,激活函数(如 Sigmoid)的主要作用是什么? (单选题)
- A. 加快数据输入速度
- B. 将线性组合变为非线性,使网络能学习复杂模式
- C. 减少训练数据数量
- D. 替代权重的作用
答案: B
解析: 如果没有激活函数,不管神经网络多少层都只是线性组合。激活函数引入非线性因素,如 Sigmoid 将结果映射到 0 和 1 之间,使网络能学习复杂模式。
11. 深度学习与传统机器学习方法的主要区别是什么? (单选题)
- A. 深度学习不需要任何数据
- B. 深度学习不需要人工设计特征,模型自动从数据中学习特征
- C. 深度学习只能处理文本数据
- D. 深度学习不需要计算资源
答案: B
解析: 深度学习构建多层神经网络结构,能自动从大量数据中学习有用特征和模式,不需要人工手动设计特征,省去了很多事。
12. 在深度学习中,卷积操作的主要作用是什么? (单选题)
- A. 对数据进行随机打乱
- B. 通过卷积核在输入数据上滑动,进行局部特征提取
- C. 将数据全部压缩为一个数值
- D. 删除不需要的数据
答案: B
解析: 卷积是一种特征提取过程,通过小的卷积核在输入数据上滑动,对局部数据进行加权求和,得到新的特征图,就像用放大镜观察局部细节。
13. 关于池化(Pooling)操作,以下描述正确的是? (单选题)
- A. 池化会增加特征图的大小和计算量
- B. 最大池化选取局部区域内的最大值作为输出
- C. 池化操作只适用于文本数据
- D. 池化后特征图会变大
答案: B
解析: 最大池化在一个局部区域内选取最大值作为输出,平均池化取平均值。池化操作减少了数据量和计算量,同时提高模型的鲁棒性。
14. 卷积神经网络(CNN)中全连接层的主要作用是什么? (单选题)
- A. 提取图像的局部特征
- B. 对特征图进行降采样
- C. 将前面提取的所有特征进行综合,得到最终的分类结果
- D. 生成新的训练数据
答案: C
解析: 全连接层将前面卷积层和池化层提取的特征进行综合,通过一系列线性变化和非线性激活函数处理,最终输出分类结果。
15. 2012 年在 ImageNet 图像分类挑战赛中取得突破性成功的 CNN 模型是? (单选题)
- A. ResNet
- B. AlexNet
- C. VGGNet
- D. GoogLeNet
答案: B
解析: AlexNet 是第一个在大规模图像分类任务中取得成效的卷积神经网络,2012 年在 ImageNet 挑战赛中以大幅领先成绩击败传统方法,包含多个卷积层和池化层,能识别 1000 个不同类别的物体。
16. 生成对抗网络(GAN)由哪两个部分组成? (单选题)
- A. 编码器和解码器
- B. 生成器和判别器
- C. 卷积层和池化层
- D. 输入层和输出层
答案: B
解析: GAN 由生成器和判别器组成。生成器根据随机噪声生成看似真实的数据,判别器判定数据是真实的还是生成的假数据。
17. 在 GAN 的训练过程中,生成器和判别器的关系可以比喻为? (单选题)
- A. 老师和学生
- B. 左手和右手互相博弈,不断提升各自能力
- C. 生产者和消费者
- D. 管理者和被管理者
答案: B
解析: 生成器和判别器就像两个对手互相博弈——生成器努力生成更逼真的数据欺骗判别器,判别器努力提高辨别力不被欺骗,两者不断提升。
18. 生成对抗网络(GAN)存在的主要问题不包括以下哪项? (单选题)
- A. 训练过程不稳定,容易出现模式崩溃
- B. 生成的数据可能存在多样性不足的问题
- C. 只能处理文本数据,不能处理图像
- D. 生成的图像可能出现重复和相似的情况
答案: C
解析: GAN 在图像生成和转换领域展现出惊人的创造力,并非只能处理文本。主要问题包括训练不稳定、模式崩溃和多样性不足。
19. 人工智能系统设计中,需求分析阶段的主要任务是什么? (单选题)
- A. 编写系统代码
- B. 明确系统要解决什么问题、输入输出是什么、性能指标要求如何
- C. 选择编程语言
- D. 部署系统到生产环境
答案: B
解析: 需求分析是项目开始的关键阶段,需要明确业务场景、使用对象、输入数据、输出结果以及系统性能指标(如准确率、响应速度等)。
20. 软件工程中系统架构设计应遵循的重要原则是什么? (单选题)
- A. 高内聚低耦合
- B. 高耦合低内聚
- C. 低内聚低耦合
- D. 高内聚高耦合
答案: A
解析: 系统架构设计应遵循高内聚低耦合原则,各模块内部功能紧密相关(高内聚),模块之间依赖关系尽可能少(低耦合),保证系统正常运行和可维护性。
二、多选题
1. 课程中介绍的 AI 开发平台和工具包括以下哪些? (多选题)
- A. Coze(扣子)——提供海量 AI 智能体的开发平台
- B. 硅基流动(SiliconFlow)——深层式 AI 计算基础设施平台
- C. Dify——深层式 AI 应用开发平台
- D. Label Studio——数据标注平台
- E. Excel——电子表格软件
答案: ABCD
解析: 课程介绍了 Coze、BigModel/智谱 AI、硅基流动、飞桨、Baidu AI Studio、Dify、秒搭、Label Studio 等平台。Excel 不属于 AI 开发平台。
2. 关于神经网络发展历史,以下描述正确的是? (多选题)
- A. 1943 年 McCulloch 和 Pitts 提出 MP 模型,奠定神经网络基础
- B. 1958 年 Rosenblatt 提出感知器模型,是第一个能学习的神经网络
- C. 1969 年 Minsky 指出感知器无法解决 XOR 问题,导致研究停滞
- D. 1986 年反向传播算法解决了多层网络训练难题
- E. 2006 年 Hinton 提出深度信念网络,标志着深度学习的兴起
答案: ABCDE
解析: 以上全部正确,五个关键节点构成了神经网络从起源到深度学习兴起的完整发展脉络。
3. 生物神经元具有哪些特点? (多选题)
- A. 每个神经元都是多输入单输出的信息处理单元
- B. 神经元输入分为兴奋性输入和抑制性输入两种类型
- C. 神经元具有空间整合特性和阈值特性
- D. 神经元输出具有固定的时滞,即存在时间间隔
- E. 神经元一旦兴奋就永远保持兴奋状态
答案: ABCD
解析: 生物神经元四个特点:多输入单输出、兴奋/抑制两种输入、空间整合与阈值特性、固定时滞。一般情况下神经元处于抑制状态,只有刺激超过阈值才兴奋。E 错误。
4. 卷积神经网络(CNN)在图像处理中的优势包括哪些? (多选题)
- A. 能自动学习图像特征,无需人工手动设计特征
- B. 卷积核参数共享,大大减少模型参数量
- C. 局部连接特性,只处理局部数据,降低计算量
- D. 具有较强泛化能力,在不同数据集和场景下表现好
- E. 池化操作可进一步减少数据量和提高鲁棒性
答案: ABCDE
解析: 全部正确。CNN 通过自动特征学习、参数共享、局部连接、强泛化能力和池化降采样等优势,在图像识别领域表现出色。
5. 关于生成对抗网络(GAN),以下描述正确的是? (多选题)
- A. GAN 由生成器和判别器两部分组成
- B. 生成器的目标是生成逼真的假数据来欺骗判别器
- C. 判别器的目标是提高辨别真假数据的能力
- D. GAN 可用于图像风格转换(如白天转夜晚、照片转艺术画作)
- E. GAN 训练中可能出现模式崩溃问题
答案: ABCDE
解析: 全部正确。GAN 的组成、博弈机制、应用场景和存在问题均在课程中详细讲解。
6. 人工智能系统设计的基本流程包括以下哪些环节? (多选题)
- A. 需求分析
- B. 系统架构设计
- C. 算法设计与模型选择
- D. 数据采集与安全保障
- E. 测试评估与集成部署
答案: ABCDE
解析: 全部正确。AI 系统设计涵盖需求分析→架构设计→算法设计→模型选择→数据处理→安全→测试评估→文档编写→集成部署等完整流程。
7. 课程中提到的大语言模型(LLM)包括以下哪些? (多选题)
- A. Llama3(Meta 开源的新一代大模型)
- B. GPT-4
- C. 文心大模型
- D. DALL-E 3
- E. AlexNet
答案: ABC
解析: Llama3、GPT-4、文心大模型是大语言模型(文本生成与理解)。DALL-E 3 是图像生成模型,AlexNet 是卷积神经网络模型。
8. 在 AI 系统设计中,数据采集需要注意哪些方面? (多选题)
- A. 数据要具有多样性和多维度
- B. 数据质量要高,不能有太多错误和噪声
- C. 采集数据要制定详细的采集计划,明确来源和方法
- D. 要考虑安全性,防止数据泄露和被攻击
- E. 数据越多越好,不需要考虑质量
答案: ABCD
解析: 数据采集需要关注多样性、质量、采集计划和安全保障。E 错误——数据不仅要量大,更要质高和多样化,单纯追求数量而不顾质量是错误的。
9. 人工智能系统测试评估的方法包括哪些? (多选题)
- A. 功能测试——验证系统各项功能是否正常
- B. 性能测试——测试准确率、召回率、响应速度等指标
- C. 安全测试——检测系统是否存在安全漏洞
- D. 用户反馈收集——收集用户使用中的意见和建议
- E. 对标分析——与行业标杆产品进行对比分析
答案: ABCDE
解析: 全部正确。课程提到的成果验证方法包括性能测试、用户反馈收集和对标分析,同时功能测试和安全测试也是测试评估的重要环节。
10. 人工智能项目管理要点包括以下哪些方面? (多选题)
- A. 项目规划——设定目标和范围
- B. 资源管理——合理调配人力、物力和财力资源
- C. 质量管理——建立质量保证体系
- D. 沟通管理——保持团队内部顺畅交流
- E. 忽略用户需求,专注于技术开发
答案: ABCD
解析: 项目管理包括项目规划、资源管理(人力/物力/财力)、质量管理和沟通管理。E 错误——用户需求是项目的出发点,不可忽略。
三、简答题
1. 请简述神经网络发展历史上的三个关键节点及其意义。
答:三个关键节点:(1)1943 年:McCulloch 和 Pitts 提出 MP 模型——第一个神经元数学模型,奠定了神经网络的基础。(2)1958 年:Rosenblatt 提出感知器模型——第一个能通过调整权重来学习和分类数据的神经网络,激发了研究热情。但 1969 年被证明无法解决 XOR 问题。(3)1986 年:Rumelhart 等人提出反向传播算法——解决了多层神经网络的训练难题,重新激发了人们对神经网络的研究热情,为深度学习奠定基础。(补充:2006 年 Hinton 提出深度信念网络,标志着深度学习的兴起。)
2. 请解释神经元数学模型中权重(W)和激活函数各自的作用。
答:权重(W)的作用:表示不同输入信息的重要程度,对应每个输入特征对神经元的刺激强度。权重越大,该输入对神经元的影响越大。激活函数的作用:将原本线性的组合变为非线性的,使神经网络能够学习复杂的模式。如 Sigmoid 函数将结果映射到 0 和 1 之间,便于理解和分类。如果没有激活函数,不管网络多少层都只是线性组合。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!












