人工智能應(yīng)用基礎(chǔ)姜東洋習(xí)題答案

1.3課后習(xí)題一、單選題1.人工智能的英文縮寫為（B）A.ITB.AIC.IGD.IBM2.“人工智能是關(guān)于知識(shí)的學(xué)科——怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)?！边@是（B）提出的。A.艾倫紐厄爾B.尼爾遜C.溫斯頓D.圖靈3.下列不是弱人工智能應(yīng)用的是（D）A.語音識(shí)別B.圖像識(shí)別C.文本審核D.遷移學(xué)習(xí)4.著名的“奇點(diǎn)理論”是（A）提出的。A.庫茲韋爾B.愛因斯坦C.愛德華費(fèi)根鮑姆D.艾倫紐厄爾5.著名的圖靈測(cè)試是（D）提出的。A.約翰塞爾B.尼爾遜C.溫斯頓D.圖靈二、多選題1.人工智能的定義可以分為兩部分，即（A）和（B）。A.人工B.智能C.人腦D.計(jì)算機(jī)2.20世紀(jì)70年代以來被稱為世界三大尖端技術(shù)的是（ABC）。A.空間技術(shù)B.能源技術(shù)C.人工智能D.基因工程3.人工智能分為（ABC）。A.弱人工智能B.強(qiáng)人工智能C.超強(qiáng)人工智能D.類人工智能三、判斷題1.人工智能與思維科學(xué)的關(guān)系是時(shí)間和理論的關(guān)系。（對(duì)）2.弱人工智能的英文全稱是ArtificialNarrowIntelligence，簡(jiǎn)稱AGI。（錯(cuò)）四、簡(jiǎn)答題1.本章主要介紹了人工智能的哪些知識(shí)？本章首先介紹了人工智能的定義、起源、發(fā)展及道德規(guī)范。隨后介紹了人工智能的產(chǎn)業(yè)鏈、核心技術(shù)體系及大力發(fā)展人工智能的意義。2.圖靈測(cè)試對(duì)人工智能的發(fā)展起到了哪些劃時(shí)代的意義？圖靈測(cè)試的引入對(duì)計(jì)算機(jī)科學(xué)的發(fā)展具有重要意義。首先，圖靈測(cè)試提供了一個(gè)明確的目標(biāo)，即通過對(duì)話測(cè)試機(jī)器是否具有智能，這為人工智能的研究設(shè)定了明確的方向。其次，圖靈測(cè)試還引發(fā)了一場(chǎng)關(guān)于人類智能本質(zhì)的辯論。該測(cè)試讓我們思考人類智能到底是什么，以及如何理解和定義智能的概念。3.試對(duì)比弱人工智能與強(qiáng)人工智能之間的區(qū)別于聯(lián)系，并舉例說明。1)任務(wù)范圍強(qiáng)人工智能可以在多個(gè)任務(wù)和領(lǐng)域中執(zhí)行復(fù)雜的任務(wù)，而弱人工智能只能在某些特定領(lǐng)域中執(zhí)行特定任務(wù)。2)自我學(xué)習(xí)和適應(yīng)能力強(qiáng)人工智能可以通過自我學(xué)習(xí)和適應(yīng)不斷改進(jìn)自身的能力，而弱人工智能只能通過預(yù)先設(shè)計(jì)好的規(guī)則來執(zhí)行任務(wù)。3)智能水平強(qiáng)人工智能可以與人類智能媲美，而弱人工智能則只能執(zhí)行一些簡(jiǎn)單的任務(wù)。4)智能開發(fā)難度開發(fā)強(qiáng)人工智能需要更高級(jí)別的技術(shù)和更復(fù)雜的算法，而弱人工智能則相對(duì)容易開發(fā)。5)可編程性強(qiáng)人工智能的編程方式與人類智能相似，而弱人工智能則只需要基本的編程知識(shí)。弱人工智能：語音助手。強(qiáng)人工智能：AlphaGo。2.3課后習(xí)題1.Python用于制作二維碼的第三方庫都有哪些（）A.MyQRB.qrcodeC.PILD.Tkinter2.安裝PIL庫的命令是（）A.pipinstallpillowB.pipinstallpilC.pillowinstallpilD.pillowinstallPIL3.導(dǎo)入第三方庫的命令是（）A.pipB.readC.importD.write4.在myqr模塊中，使用什么函數(shù)生成二維碼（）A.write()B.run()C.read()D.words5.調(diào)用myqr模塊生成彩色二維碼時(shí)，參數(shù)colorized的值是（）A.TrueB.False6.Image模塊中，打開圖片的函數(shù)是（）A.open()B.read()C.save()D.show7.在io模塊中，用哪個(gè)函數(shù)讀取圖片（）A.write()B.imshow()C.show()D.imread()8.使用Python編程，生成彩色二維碼，保存到D盤。9.生成一張嵌套自己頭像的二維碼。10.調(diào)用Python的圖片處理模塊，編程實(shí)現(xiàn)：在表情包圖片上添加文字“我愛你中國”。答案：ABACBAAD源代碼：importqrcodefromPILimportImage#生成二維碼數(shù)據(jù)qr=qrcode.QRCode(version=1,error_correction=qrcode.constants.ERROR_CORRECT_L,box_size=10,border=4,)#你希望加入二維碼的數(shù)據(jù)qr.add_data('')qr.make(fit=True)#創(chuàng)建二維碼圖像img=qr.make_image(fill_color="blue",back_color="white")#如果你想要一個(gè)帶有圖片的二維碼（例如一個(gè)logo）#首先加載logo圖像#logo=Image.open('path_to_logo_image.png')#logo=logo.resize((40,40),Image.ANTIALIAS)#pos=((img.size[0]-logo.size[0])//2,(img.size[1]-logo.size[1])//2)#img.paste(logo,pos)#保存到D盤img.save('D:/colorful_qrcode.png')print('彩色二維碼已保存到D盤。')在這段代碼中，我們首先創(chuàng)建了一個(gè)QRCode對(duì)象，并通過add_data方法添加了你想要的數(shù)據(jù)。然后通過make_image方法并指定前景色和背景色來生成一個(gè)彩色的二維碼圖像。最后，我們使用Pillow庫的save方法將圖像保存到D盤。如果你想在二維碼中心加入一個(gè)logo，取消注釋中間部分的代碼，并且替換path_to_logo_image.png為你的logo圖片路徑。請(qǐng)調(diào)整路徑和文件名（‘D:/colorful_qrcode.png’）根據(jù)你自己的需求。當(dāng)你運(yùn)行這個(gè)腳本時(shí)，它將創(chuàng)建一個(gè)二維碼圖像，并將其保存到D盤中名為’colorful_qrcode.png’的文件中。源代碼：importqrcodefromPILimportImage#生成二維碼defgenerate_qr_code(url,logo_path,output_path="qr_with_logo.png",box_size=10,border=4):#創(chuàng)建二維碼對(duì)象qr=qrcode.QRCode(version=1,error_correction=qrcode.constants.ERROR_CORRECT_H,box_size=box_size,border=border,)#添加數(shù)據(jù)qr.add_data(url)qr.make(fit=True)#生成二維碼圖像qr_image=qr.make_image(fill_color="black",back_color="white").convert('RGB')iflogo_path:#打開logo文件logo_image=Image.open(logo_path)#計(jì)算logo的尺寸qr_size=qr_image.sizelogo_size=35#這個(gè)值可以按照你的喜好調(diào)整，它決定了logo在二維碼中的大小logo_image=logo_image.resize((logo_size,logo_size))#計(jì)算logo的位置pos=((qr_size[0]-logo_size)//2,(qr_size[1]-logo_size)//2)#將logo粘貼到二維碼圖像上qr_image.paste(logo_image,pos)#保存二維碼圖像qr_image.save(output_path)print(f"SavedQRcodewithembeddedlogoto{output_path}")#使用示例#請(qǐng)將''替換為你想要生成的二維碼的鏈接#將'path_to_logo.png'替換為你的頭像圖像文件的路徑generate_qr_code('','path_to_logo.png')源代碼：fromPILimportImage,ImageDraw,ImageFontdefadd_text_to_image(image_path,text,font_path='path/to/font.ttf',font_size=40):#打開圖片image=Image.open(image_path)draw=ImageDraw.Draw(image)#定義字體和字體大小，確保你的系統(tǒng)中有這個(gè)字體font=ImageFont.truetype(font_path,font_size)#設(shè)置文字位置text_width,text_height=draw.textsize(text,font=font)width,height=image.sizeposition=((width-text_width)/2,(height-text_height)/2)#設(shè)置文字顏色text_color=(255,0,0)#紅色#將文字添加到圖片上draw.text(position,text,font=font,fill=text_color)#保存或顯示圖片image.save('output_image.png')image.show()#使用函數(shù)add_text_to_image('path/to/your/image.jpg','我愛你中國','path/to/font/SimHei.ttf',font_size=40)請(qǐng)將'path/to/your/image.jpg'替換成您要添加文字的圖片路徑，'path/to/font/SimHei.ttf'替換成您要使用的字體文件的路徑。SimHei.ttf是一種常用的中文字體，您可以替換成任何支持中文的字體。注意：font_size參數(shù)可以根據(jù)您的圖片大小和需要調(diào)整。text_color設(shè)置為紅色，您可以根據(jù)需要修改顏色的RGB值。position用于設(shè)定文本在圖片上的位置，這里設(shè)置為圖片中心，您可以根據(jù)需要修改坐標(biāo)。在保存或顯示圖片之前，您可以調(diào)用image.show()預(yù)覽添加文字后的圖片效果。課后習(xí)題1.命令行如何安裝百度AI的PythonSDK（）A.pipinstallbaidu-aipB.pipinstallPILC.pipinstallpygame2.使用百度AI的SDK，新建圖像識(shí)別客戶端，需要導(dǎo)入哪個(gè)模塊（）A.PILB.baidu-aipC.aipD.AipImageClassify3.下列哪些屬于圖像處理模塊（）A.ImageB.ImageDrawC.AipImageClassifyD.pygame4.百度AI中的通用物體識(shí)別接口是_____________________5.簡(jiǎn)述什么是PythonSDK。6.調(diào)用百度AI，新建圖像識(shí)別客戶端。7.調(diào)用百度AI的圖像識(shí)別接口，識(shí)別身邊的車牌號(hào)。答案：ADABclient.advancedGeneral(image);PythonSDK指的是Python語言的軟件開發(fā)工具包（SoftwareDevelopmentKit）。一個(gè)SDK是一組軟件工具和庫，為開發(fā)人員提供用于構(gòu)建特定平臺(tái)或服務(wù)上應(yīng)用程序的資源。PythonSDK通常包含以下內(nèi)容：(1)庫和框架：預(yù)編寫的代碼庫，提供常見任務(wù)的函數(shù)和類，以便開發(fā)者可以更快地開發(fā)應(yīng)用程序而無需從頭開始編寫所有代碼。(2)API接口：一組規(guī)則和協(xié)議，供應(yīng)用程序之間或與服務(wù)平臺(tái)之間進(jìn)行通訊使用。(3)開發(fā)工具：如調(diào)試器、編譯器或其他用于幫助編寫和測(cè)試代碼的工具。(4)文檔：詳細(xì)說明SDK如何使用的指南和例子，幫助開發(fā)者理解和利用SDK提供的功能。PythonSDK通常是為了與特定的應(yīng)用程序接口（API）、服務(wù)或框架交互而設(shè)計(jì)的。比如，亞馬遜AWS、谷歌CloudPlatform和微軟Azure都提供了自己的PythonSDK，以便開發(fā)者可以更容易地利用這些平臺(tái)的服務(wù)來構(gòu)建、部署和管理應(yīng)用程序。源代碼：fromaipimportAipImageClassify#定義常量，這里替換成您獲得的APIKey和SecretKeyAPP_ID='你的AppID'API_KEY='你的APIKey'SECRET_KEY='你的SecretKey'#初始化AipImageClassify對(duì)象client=AipImageClassify(APP_ID,API_KEY,SECRET_KEY)#讀取圖片defget_file_content(file_path):withopen(file_path,'rb')asfp:returnfp.read()image=get_file_content('example.jpg')#替換為圖片路徑#調(diào)用通用物體識(shí)別接口result=client.advancedGeneral(image)#打印結(jié)果print(result)源代碼：importrequestsimportbase64#初始化AccessToken請(qǐng)求的URLauth_url="/oauth/2.0/token"#APIKey和SecretKey，替換為你的實(shí)際的APIKey和SecretKeyclient_id='你的APIKey'client_secret='你的SecretKey'#獲取AccessTokenresponse=requests.get(auth_url,params={'grant_type':'client_credentials','client_id':client_id,'client_secret':client_secret})access_token=response.json()['access_token']#車牌識(shí)別接口的URLlicense_plate_recognition_url="/rest/2.0/ocr/v1/license_plate"#讀取圖片文件，并進(jìn)行Base64編碼withopen('path_to_image.jpg','rb')asimage_file:encoded_image=base64.b64encode(image_file.read())#調(diào)用車牌識(shí)別接口response=requests.post(license_plate_recognition_url,params={'access_token':access_token},headers={'Content-Type':'application/x-www-form-urlencoded'},data={'image':encoded_image})#打印識(shí)別結(jié)果print(response.json())課后習(xí)題一、基礎(chǔ)知識(shí)1.自然語言處理的英文簡(jiǎn)寫是（B）。A.PLNB.NLPC.LPND.PNL2.自然語言處理涉及到的學(xué)科包括（ABCD）。A.語言科學(xué)B.計(jì)算機(jī)科學(xué)C.數(shù)學(xué)D.認(rèn)知學(xué)3.自然語言處理的發(fā)展可以分為幾個(gè)階段？（D）A.1B.2C.3D.44.以下哪項(xiàng)不是自然語言處理進(jìn)入二十一世紀(jì)獲得的成果？（A）A.隱馬爾可夫模型B.序列到序列模型C.注意力機(jī)制D.預(yù)訓(xùn)練語言模型5.自然語言的組成包括（B）。A.詞法和句法B.詞匯和語法C.詞和熟語D.詞和詞素6.語言的基本單位是（B）。A.句子B.詞匯C.詞組D.語法7.詞匯的基本單位是（D）。A.句子B.語法C.詞組D.詞素8.自然語言處理一般劃分為幾個(gè)層次？（C）A.1B.3C.5D.79.以下哪項(xiàng)不屬于自然語言處理的應(yīng)用領(lǐng)域？（C）A.機(jī)器翻譯B.語音識(shí)別C.人臉識(shí)別D.情感分析10.以下哪項(xiàng)是中文自然語言處理類庫？（B）A.TextBlobB.SnowNLPC.xlrdD.matplotlib二、技能實(shí)訓(xùn)題1.使用中文自然語言處理接口SnowNLP對(duì)外賣平臺(tái)用戶評(píng)論進(jìn)行時(shí)間序列可視化，并進(jìn)行簡(jiǎn)要的輿情分析。importxlrdfromdatetimeimportdatetimefromxlrdimportxldate_as_tuplefromsnownlpimportSnowNLPimportmatplotlib.pyplotasplt#該函數(shù)作用為獲取excel表中的評(píng)論數(shù)據(jù)defget_comment_list(filePath):commentsList=[]workBook=xlrd.open_workbook(filePath)sheet1_content1=workBook.sheet_by_index(0)commentRows=sheet1_content1.nrowsforiinrange(1,commentRows):comment=sheet1_content1.row_values(i)[1]commentsList.append(comment)#函數(shù)返回評(píng)論列表，內(nèi)容為評(píng)論內(nèi)容returncommentsList#該函數(shù)作用為獲取評(píng)論中的時(shí)間defget_date_list(filePath):dateList=[]workBook=xlrd.open_workbook(filePath)sheet1_content1=workBook.sheet_by_index(0)commentRows=sheet1_content1.nrowsforiinrange(1,commentRows):date=datetime(*xldate_as_tuple(sheet1_content1.row_values(i)[2],0)).strftime('%Y-%m-%d')dateList.append(date)#返回時(shí)間列表returndateList#該函數(shù)作用是對(duì)每條評(píng)論進(jìn)行情感分析，并得到數(shù)值，數(shù)值范圍為0-1defget_sentiment_list(filePath):sentiment_list=[]slist=get_comment_list(filePath)foriinrange(0,len(slist)):score=SnowNLP(slist[i]).sentimentssentiment_list.append(score)returnsentiment_list#主函數(shù)，進(jìn)行測(cè)試if__name__=="__main__":#獲取時(shí)間x_data=get_date_list("1.xls")#獲取情感分析結(jié)果y_data=get_sentiment_list("1.xls")#以時(shí)間為x軸，情感分析值為y軸繪制折線圖進(jìn)行分析plt.plot(x_data,y_data)plt.show()5.5課后習(xí)題一、基礎(chǔ)知識(shí)1.請(qǐng)列舉三個(gè)生物識(shí)別技術(shù)的應(yīng)用場(chǎng)景。智能安防、商業(yè)服務(wù)、智慧校園2.使用Python中（face_recognition）庫可以實(shí)現(xiàn)人臉識(shí)別的功能。3.對(duì)比人臉相似度需要幾個(gè)步驟，分別是什么。人臉檢測(cè)，人臉識(shí)別和人臉對(duì)比4.人臉識(shí)別系統(tǒng)由哪四個(gè)部分組成。?臉圖像采集及檢測(cè)、?臉圖像預(yù)處理、?臉圖像特征提取以及匹配與識(shí)別四個(gè)組成部分二、技能實(shí)訓(xùn)題請(qǐng)對(duì)任務(wù)一中的圖片進(jìn)行替換，使用Python編程語言實(shí)現(xiàn)對(duì)圖片中的人臉進(jìn)行查找。fromPILimportImageimportface_recognition#將jpg文件加載到numpy數(shù)組中image=face_recognition.load_image_file("t圖片在電腦中的路徑")#使用預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)查找圖像中的所有人臉face_locations=face_recognition.face_locations(image,number_of_times_to_upsample=0,model="cnn")print("此照片中出現(xiàn)了{(lán)}個(gè)人。".format(len(face_locations)))forface_locationinface_locations:#打印此圖像中每個(gè)人臉的位置top,right,bottom,left=face_locationprint("面部的位置距頂部:{},左邊:{},底部:{},右邊:{}".format(top,left,bottom,right)#您可以像這樣訪問實(shí)際人臉本身：face_image=image[top:bottom,left:right]pil_image=Image.fromarray(face_image)pil_image.show()課后習(xí)題一、基礎(chǔ)知識(shí)1.以下哪項(xiàng)不屬于大數(shù)據(jù)的特點(diǎn)（D）。A.速度快B.數(shù)量大C.種類多D.費(fèi)用貴2.使用Python實(shí)現(xiàn)數(shù)據(jù)可視化前，必須導(dǎo)入以下哪個(gè)模塊（A）。A.matplotlibB.pymysqlC.osD.random3.以下哪個(gè)方法用于顯示可視化圖表（A）。A.show()B.list()C.save()D.split()4.以下哪個(gè)方法用于保存可視化圖表（A）。A.savefig()B.save()C.show()D.find()5.屬性xlabel用于設(shè)置可視化圖表的哪個(gè)部分（B）。A.橫坐標(biāo)刻度B.橫坐標(biāo)名稱C.縱坐標(biāo)刻度D.縱坐標(biāo)名稱6.數(shù)據(jù)可視化時(shí)，為表現(xiàn)變化趨勢(shì)最好使用什么圖（A）。A.折線圖B.餅圖C.柱形圖D.面積圖7.數(shù)據(jù)可視化時(shí)，為表現(xiàn)占有比例最好使用什么圖（B）。A.折線圖B.餅圖C.柱形圖D.面積圖二、技能實(shí)訓(xùn)題請(qǐng)使用餅狀圖實(shí)現(xiàn)任務(wù)五，對(duì)比后進(jìn)行數(shù)據(jù)分析。importmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']amount=[249239.949,98803.236,607331.914,672494.473,97636.728,431053.217]total=0foriinamount:total+=iratio=[amount[0]/total,amount[1]/total,amount[2]/total,amount[3]/total,amount[4]/total,amount[5]/total]labels=['東北','西北','華東','中南','西南','華北']#explode:顯示餅狀圖中突出的部分explode=[0,0,0,0,0,0]plt.pie(x=ratio,labels=labels,autopct='%.2f%%',explode=explode)plt.show()課后習(xí)題一、基礎(chǔ)知識(shí)1、機(jī)器學(xué)習(xí)涉及哪些學(xué)科（ABCD）。A.概率論B.統(tǒng)計(jì)學(xué)C.逼近論D.凸分析2、機(jī)器學(xué)習(xí)的發(fā)展分幾個(gè)階段（D）。A.一個(gè)B.兩個(gè)C.三個(gè)D.四個(gè)3、按照數(shù)據(jù)的標(biāo)簽形式劃分，機(jī)器學(xué)習(xí)可以分為哪幾類（A）。A.有監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)半監(jiān)督學(xué)習(xí)強(qiáng)化學(xué)習(xí)B.結(jié)構(gòu)化學(xué)習(xí)無監(jiān)督學(xué)習(xí)半監(jiān)督學(xué)習(xí)強(qiáng)化學(xué)習(xí)C.無監(jiān)督學(xué)習(xí)半監(jiān)督學(xué)習(xí)強(qiáng)化學(xué)習(xí)回歸學(xué)習(xí)D.回歸學(xué)習(xí)有監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)半監(jiān)督學(xué)習(xí)4、以下哪項(xiàng)是機(jī)器學(xué)習(xí)的第一個(gè)步驟（A）。A.數(shù)據(jù)采集B.數(shù)據(jù)清洗C.數(shù)據(jù)分析D.數(shù)據(jù)可視化5、特征構(gòu)架包括（D）。A.特征組合B.特征拆分C.外部關(guān)聯(lián)特征D.上述都是6、數(shù)據(jù)預(yù)處理時(shí)，異常數(shù)據(jù)包括（D）。A.絕對(duì)異常B.統(tǒng)計(jì)異常C.上下文異常D.以上都是7、以下屬于機(jī)器學(xué)習(xí)的應(yīng)用場(chǎng)景的是（ABCD）。A.垃圾郵件過濾B.推薦系統(tǒng)C.金融反欺詐D.房?jī)r(jià)預(yù)估8、KNN算法中的常用距離包括（ABCD）。A.曼哈頓距離B.歐式距離C.切比雪夫距離D.閔可夫斯基距離9、KNN算法屬于（A）。A.懶惰學(xué)習(xí)B.無監(jiān)督學(xué)習(xí)C.回歸學(xué)習(xí)D.結(jié)構(gòu)化學(xué)習(xí)二、技能實(shí)訓(xùn)習(xí)題1、使用Python語言和KNN分類算法實(shí)現(xiàn)性別分類（特征屬性選擇身高、體重、頭發(fā)長(zhǎng)度等）。importnumpyasnpclassKNN():#這是類的構(gòu)造函數(shù)，實(shí)例化的實(shí)例化的時(shí)候會(huì)調(diào)用此方法def__init__(self):self.model={}self.training_sample_num={}#該函數(shù)用于預(yù)測(cè)多個(gè)測(cè)試用例defpredict(self,X):result=Noneiftype(X[0])==list:forxinX:result.append(self.predict_one(x))else:result=self.predict_one(X)returnresult#用于測(cè)試單個(gè)用例defpredict_one(self,x):label=Nonemin_d=Noneforclass_labelinself.model:sum_d=0forsampleinself.model[class_label]:sum_d+=self.distance(x,sample)mean_d=sum_d/self.training_sample_num[class_label]ifmin_d==Noneormean_d<=min_d:label=class_labelmin_d=mean_dreturnlabel#該函數(shù)用于使用訓(xùn)練數(shù)據(jù)來訓(xùn)練模型deffit(self,X,Y):foriinrange(len(Y)):#將訓(xùn)練數(shù)據(jù)按照類別分組ifY[i]inself.model:self.model[Y[i]].append(X[i])