计算与人工智能概论

李小英 曾湘祥 杨晓波 劳奕臻 罗纲

目录

  • 1 引言
    • 1.1 计算与人工智能概论课程介绍
    • 1.2 课程概述
    • 1.3 计算与计算思维
    • 1.4 人工智能概述
    • 1.5 引言参考资料
    • 1.6 课堂拓展1-数理逻辑基础
      • 1.6.1 数理逻辑
        • 1.6.1.1 符号化
      • 1.6.2 进制及转换
  • 2 Python基础
    • 2.1 Python概述
    • 2.2 python入门知识点与实验
    • 2.3 数字类型
    • 2.4 课堂拓展2-数据的表示
    • 2.5 字符串类型
    • 2.6 实验与拓展
      • 2.6.1 “武大樱花”文字图像视频案例分析
        • 2.6.1.1 “武大樱花”文字视频分析
      • 2.6.2 实例:推理游戏Begals
  • 3 Python程序控制结构
    • 3.1 程序基本结构与分支结构
    • 3.2 循环结构
    • 3.3 实验
    • 3.4 综合练习
    • 3.5 拓展实例:计算圆周率
  • 4 组合数据类型
    • 4.1 序列和列表
    • 4.2 元组集合字典
      • 4.2.1 词云库的使用
      • 4.2.2 政府工作报告词云
    • 4.3 实验与习题
  • 5 函数、文件和模块化编程
    • 5.1 函数
    • 5.2 实例:七段数码管绘制
    • 5.3 实验
    • 5.4 程序设计方法
      • 5.4.1 函数嵌套和递归
      • 5.4.2 程序设计方法论
    • 5.5 文件与路径
  • 6 计算系统
    • 6.1 计算系统思维
    • 6.2 计算执行
    • 6.3 未来计算机
  • 7 互联网信息处理
    • 7.1 网络思维
    • 7.2 网络信息提取
    • 7.3 实例:爬虫案例1
    • 7.4 实例2:《安家》影评爬取
    • 7.5 使用八爪鱼采集器
  • 8 数据分析与可视化
    • 8.1 数据分析
    • 8.2 数据可视化
    • 8.3 科学计算
    • 8.4 数据格式化
    • 8.5 数据文件处理综合案例
    • 8.6 实例:《安家》影评分析
    • 8.7 实验与讲解
    • 8.8 编程经验与使用技巧
      • 8.8.1 Jupyter Notebook简单使用方法
      • 8.8.2 Excel中csv中文乱码解决方法
  • 9 人工智能
    • 9.1 智能感知
      • 9.1.1 自然语言处理
      • 9.1.2 图像与感知
        • 9.1.2.1 PIL图像库
    • 9.2 智能学习
      • 9.2.1 分类与聚类
    • 9.3 智能决策
      • 9.3.1 智能决策:搜索与优化
    • 9.4 智能机器人
      • 9.4.1 大数据与机器人
    • 9.5 AI部分练习题及参考答案
    • 9.6 理论教材第1-2,6-8章选择题及答案
  • 10 头歌实训参考答案
    • 10.1 系统思维-图书销售数据处理
    • 10.2 实验11异常处理(选做)
    • 10.3 Word办公自动化实训参考答案
    • 10.4 图书订单管理-基于文件
    • 10.5 文件处理(选做)
    • 10.6 网页爬虫与信息提取基础
    • 10.7 pandas数据处理
    • 10.8 数据可视化
    • 10.9 复习实训
  • 11 练习题及试卷参考答案
    • 11.1 Python语法基础-选择题答案
    • 11.2 表达式练习及参考答案
    • 11.3 字符串编程练习参考答案
    • 11.4 分支编程练习及参考答案
    • 11.5 循环编程练习及参考答案
    • 11.6 单选题练习及参考答案
    • 11.7 组合类型选择题答案
    • 11.8 组合类型编程练习题参考答案
    • 11.9 函数单选题答案
    • 11.10 函数练习题参考答案
    • 11.11 文件和路径-选择题答案
    • 11.12 期中模拟题及参考答案
    • 11.13 期末模拟卷及参考答案
    • 11.14 期末复习实训题参考答案
    • 11.15 2021秋期中考试卷及参考答案
    • 11.16 理论教材各章参考答案
  • 12 Q&A
    • 12.1 Q&A--如何应对安装中出现的问题?
    • 12.2 如何编写程序
    • 12.3 print语句
    • 12.4 头歌编程注意事项
    • 12.5 人与机器的博弈
  • 13 团队大作业及优秀作业展示
    • 13.1 团队大作业讲解
    • 13.2 优秀作业展示
理论教材第1-2,6-8章选择题及答案

第1章 选择题

1.以下哪些属于计算机硬件?( A B C D)哪些属于计算机软件?( E F G H

A.中央处理器    B.网络摄像头    C.显卡         D.麦克风

E.Windows      F.MySQL         G.腾讯 QQ     H.网易云音乐


2.以下哪些属于与计算机相关的产品?(A B C D E F G H

A.自动提款机     B.智能手机    C.智能网关     D.无人驾驶汽车 

E.数码相机         F.打印机        G.平板电脑     H.扫地机器人 


3.下列不属于计算机语言的是哪个?(D )

A.机器语言     B.汇编语言     C.Python     D.Office 


第2章  选择题 

1.中央处理单元由什么组成?(A )

A.运算器和控制器 B.存储器和控制器

C.运算器和存储器 D.运算器、存储器和控制器


2.以下产品,哪些属于嵌入式系统( ABCEG ),哪些不属于?( DF 

A.手机 B.游戏机 C.数字电视机 D.苹果电脑

E.温/湿度传感器 F.LED 屏幕 G.银行存/取钱自助机


3.以下关于嵌入式系统的说法正确的是?(B )

A.嵌入式系统的用户可以更改应用程序

B.嵌入式系统是专用计算机系统

C.嵌入式系统本质上不是一种计算机系统

D.嵌入式系统不能提高应用系统的总体性能,只是应用系统的组成部分


4.以下关于程序、进程和线程说法错误的是?(C )

A.一个程序可能包含多个进程

B.通常一个进程都有若干个线程

C.进程之间可以并发执行,一个进程中的线程只能分时执行

D.进程是资源分配的基本单位


5.以下哪些说法是正确的?( BC)

A.内存可永久存放数据

B.Windows 系统下,C 盘也可存储用户自己定义的文件

C.在不同目录下可存储文件名相同的文件

D.文件系统中的文件指的是常见的文档


第6章 选择题 

1.以下关于无人驾驶汽车实现人视觉功能的步骤的描述中,错误的是:(C )

A.无人驾驶汽车通过摄像头和传感器获取图像

B.无人驾驶汽车对获取到的图像进行特征定位、对比从而进行行进动作的决策

C.利用灰度图像可以将一个图像抽象成3个M×N的二维矩阵

D.无人驾驶汽车通过神经网络来对抽象后的矩阵进行学习和处理

解析:RGB彩色图像利用3个M×N的二维矩阵分别表示各个像素的R、G、B颜色分量,灰度图像只有一个矩阵,其矩阵元素的取值范围通常为[0,255]

 

2.以下关于神经网络的说法中,错误的是:(B )

A.神经网络输入层神经元的数量由输入向量的维数决定

B.神经网络隐含层神经元的数量由输入层和输出层的神经元数量决定

C.神经网络隐含层主要对数据进行计算和处理

D.神经网络输出层神经元的数量由需要分类的类别数量决定

解析:神经网络隐含层神经元数量不是由输入层和输出层决定的,选择不同的隐含层层数以及节点数,在很大程度上会影响神经网络的性能。

第7章 选择题 

1.预测学习是一种使机器学会精确推理的过程,当今主流的预测学习不包括:(D )

A.监督学习 B.无监督学习    C.半监督学习    D.强化学习

解析:当今主流的预测学习有3类:监督学习、无监督学习以及半监督学习。强化学习一般用于智能体的行为决策。

 

2.以下不属于分类问题的是:(A )

A.训练一个模型预测长沙某套房屋的价格

B.训练一个模型预测肿瘤是否为良性

C.训练一个模型预测西瓜是好瓜还是坏瓜

D.训练一个模型识别一个手写数字是多少

解析:分类用于预测一个离散值或者类别,而不是一系列连续值属性。房屋的价格是一个连续值属性,预测房屋的价格属于回归问题。

 

3.以下关于监督学习和无监督学习的说法中,正确的是:(ABD)

A.无监督学习没有明确的目的,而监督学习目的明确

B.无监督学习很难量化模型的学习效果。监督学习能够根据结果来衡量效果

C.无监督学习与监督学习需要借助人工标签和反馈等信息

D.无监督学习与监督学习都属于预测学习

解析:无监督学习一般直接从原始数据进行学习,不需要借助人工标签和反馈等信息,而监督学习需要标记数据。


第8章  选择题 

1.下列哪种搜索策略不一定能够找到问题的最优解?( A )

A.DFS             B.BFS               C.A*             D.上述三种都能找到最优解

解析:使用DFS进行搜索时,若目标结点不在搜索所进入的分支上,且分支具有无穷多结点时,则无法得到解。

2.下列说法中,正确的一项是:( D )

A.盲目搜索方法依照预先确定的规则搜索路线,其典型算法包括DFS、BFS和A*

B.使用DFS进行搜索时,会优先搜索与某一节点位于同一层级的所有节点

C.使用BFS进行搜索时,会优先搜索某一节点的子节点及其后裔节点。

D.A*搜索算法中启发函数的定义与具体问题有关,不同问题下启发函数的形式也可能不同。

解析:深度优先搜索和宽度优先搜索均属于盲目搜索,A*搜索算法属于启发式搜索;使用DFS进行搜索时会优先搜索某一节点的子节点及其后裔节点;使用BFS进行搜索时,会优先搜索与某一节点位于同一层级的所有节点。

 

3.以下关于强化学习四个基本要素的描述中,错误的是:( C )

A.策略是从状态到行为的一种映射,它定义了智能体的行为

B.智能体总是朝着最大化奖励的方向去学习的,因此奖励的设计会影响学习效果

C.价值函数是对智能体的序列决策收益的衡量,也即环境在智能体每采取一个动作后给予的即时反馈

D.环境模型定义了不同状态之间的转移概率以及智能体在当前状态下采取某个动作所能获得的奖励

解析: 价值函数与奖励不一样,奖励是环境在智能体每采取一个动作后给予的即时反馈,而价值函数是从一个长远的角度来估计智能体当前行为的好坏。