

首页  思维导图  详情



人工智能实操知识点梳理（三级）

2025-07-14 09:33:28   1  举报





AI智能生成

人工智能实操考试知识点梳理

人工智能训练师考试

AI考试

人工智能三级

模版推荐

作者其他创作

大纲/内容

考分分布

考试时长

2小时

模拟考试地址

https://study.inpei.cn/AiTrainerExamNgWeb/#/login

账号为手机号码，密码为身份证号后六位

业务分析 25分（背一些语句）注意，as后双引号，in括号里面单引，后面[]括号里也是单引号

第一题（背）

SQL语法

数据集名称

直接复制名称到答题区域名称栏目中即可

SQL语句所使用的数据表为:user_record，且将该表别名定义为:r

SELECT * FROM user_record;

1、查询所有字段

2、别名在table_name 后面空格加上即可，注意与题目大小写保持一致

根据表定义字段名和别名

SELECT r.xm as "username",                r.lx as "type",                r.scrq as"data",                r.cs as"time"     FROM user_record r

1、查找对应字段名

SELECT xm,lx,scrq,cs FROM :user_record r;

2、定义别名，在原字段后面加空格加 as  加空格加 “别名”，注意用英文双引号

3、字段前加别名. （可加可不加）

所获取的数据范围：类型包括娱乐时事、政治时事、民生时事

SELECT r.xm as "username",                r.lx as "type",                r.scrq as"data",                r.cs as"time"     FROM user_record r     WHERE r.lx IN('娱乐时事','政治时事','民生时事');

1、包含某些值使用 IN 语法

SELECT {*|col_list} FROM table_name WHERE col_name IN(value1,value2,...)

2、col_name 为列名，因此此内容为 lx（类型）

3、注意in的值用英文单引号，多个值用英文逗号隔开

第二题（不管）

设计维度和指标列

1、新增维度列分组

直接答题区域点击【新增层级】，并完成重命名

2、设置字段为维度列，设置分组为基本信息，编辑别名

直接拖字段到对应分组中，注意要按照题目字段顺序进行拖拽，拖拽后进行重命名

3与2一致，4 拖拽到指标列即可

第三题（不管）

编写过滤条件

1、过滤条件命名

直接复制名称到答题区域名称栏目中即可

2、新增过滤条件

年龄点击对应字段，并点击编辑，找到[a，b]，设置内容即可

访问次数

智能训练 35分（背语句）

第一题（看）

数据处理规范制定（python）

读取“/studymnt/01/data.csv"的数据集

data = read_csv(‘D:/studymnt/01/data.csv’)

显示前十五行数据

head(15)

显示描述性统计信息

describe

对数据集数据进行预处理，处理缺失值、重复值

删除包含缺失值，dropna

删除重复行，drop_duplicates

知识点

数据清洗与准备

data = read_csv('') #读取csv文件

data.info() #查看数据概况

data.describe() #描述性统计信息

data.shape() #数据规模

data.type() #各字段数据类型

data.head() #默认预览前5行数据，其他在括号中加参数

data.tail() #默认预览后5行数据，其他在括号中加参数

对缺失数据或者重复数据进行处理

data.isnull() #检测出缺失数据

data.dropna(0) #丢弃所有包含缺失值的数据

data.fillna(0) #对缺失值用0填充

data.duplicated() #查询是否存在重复值

data.drop_duplicates() #删除重复值

第二题17 （背）

算法测试

特征标签划分

特征单维

X = data[‘预估薪资’]

y = data[‘是否会购买’]

特征多维

X= data.drop(columns=[‘是否会购买’])  #删除标签剩余多维特征

y=data[‘是否会购买’]

划分训练集和测试集

from sklearn.model_selection import train_test_split

说明 train_test_split函数

注意 from sklearn.model_selection import train_test_split 要写

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=2020)

说明X_train,X_test,y_train,y_test = train_test_split(train_data,train_target,test_size,random_state,shuffle)

train_data是未划分的数据集，替换特征值，train_target是未划分的标签，替换标签值，test_size是测试占总数据比例，random_state任意指定，shuffle不写默认打乱

定义逻辑回归模型

from sklearn.linear_model import LogisticRegression

这个一般考试会给出，注意要复制到答题区域,其他模型参照此做即可

model = LogisticRegression()

定义模型

model.fit(X_train,y_train)

训练集中训练模型，注意是括号，不是 =

输出测试集的准确度

acc = model.score(X_test,y_test)

注意，测试集是 test，训练是用train，背model.score

print(acc)

输出测试集的预测值

y_test_pred = model.predict(X_test)

print(y_test_pred)

智能系统设计 35（基本不用看）

第一题

设计图表

按题目进行配置即可

注意，配置了过滤筛选条件，记得推拽到对应的区域内

第二题

完善条件

这个看逻辑的，直接选

培训与指导 5（概类流质实）

编写培训大纲

一、数据标注的概述

了解数据标注的定义、行业发展趋势等。

二、数据的标注分类

包括文本标注、图像标注、视频标注、语音标注。

三、数据标注流程及管理

四、数据标注质量管理

五、数据标注实战

 Collect

Get Started

人工智能02-02

 Collect

Get Started

人工智能技术应用与发展路线图

 Collect

Get Started

人工智能概论-思维导图

 Collect

Get Started

人工智能概论-教学设计路线图





0 条评论

下一页