ISTQB CT-AI

机器学习与数据

60 道题

简单

机器学习简介

  1. ML算法可以分为哪三种形式?
  2. 要让模型把电子邮件分类为垃圾邮件或非垃圾邮件。这是哪种类型的问题?
  3. 要让模型根据生活方式数据估计一个人的年龄。这是哪种类型的问题?
  4. ML语境中的“回归”一词与它在传统软件测试中的含义有何不同?
  5. 在强化学习中,智能体对其行动会收到什么反馈?
  6. 在ML工作流的第一项活动“理解目标”中会发生什么?
  7. 哪些参数称为模型超参数?
  8. 在“评估模型”活动中,使用哪个数据集来评估模型?
  9. 哪三项活动共同构成“模型生成”?
  10. ML工作流在实践中是如何应用的?
  11. 微调(fine-tuning)是什么意思?
  12. 缩写RAG代表什么?
  13. 使用RAG时,预训练模型会发生什么?

机器学习的数据

  1. 在ML工作流中,数据准备与其他步骤相比需要多少工作量?
  2. 数据准备包括哪三项主要活动?
  3. 在数据清洗(插补)中,通常使用哪些技术来填补缺失值?
  4. 探索性数据分析(EDA)的目标是什么?
  5. 验证数据集用于什么?
  6. 测试数据集还叫什么?
  7. 在k折交叉验证中,k常取哪些值?

中等

机器学习简介

  1. 一家在线零售商想从购买数据中找出经常被一起购买的产品,以便做出推荐。哪种ML形式适合?
  2. 强化学习涉及哪些挑战?
  3. ML形式(监督、无监督、强化)的选择取决于什么?
  4. 哪些参数被称为算法超参数?
  5. ML工作流中的“准备和测试数据”活动包括什么?
  6. 在实践中通常如何找到最佳模型?
  7. 如果模型在独立测试数据集上的表现明显差于评估时,需要怎么做?
  8. 在ML工作流中,通常由谁来测试模型?
  9. “部署模型”活动中会发生什么?
  10. “监控和调优模型”活动涉及什么?
  11. 所示的ML工作流中不包含、但通常还需要额外完成的是什么?
  12. 微调可以应用于神经网络的哪些部分?
  13. 微调的成功主要取决于什么?
  14. 预训练模型适配新任务时,其偏见和漏洞会怎样?
  15. RAG是如何工作的?

机器学习的数据

  1. 哪些任务属于数据获取?
  2. 哪些任务属于数据预处理?
  3. 为什么运行数据应与训练数据的特征相匹配?
  4. 当数据充足时,哪些因素决定用于训练、评估和测试的数据量?
  5. k折交叉验证是如何工作的?

困难

机器学习简介

  1. 以下哪些任务与 ML 形式的对应关系是正确的?
  2. 一位测试人员在 ML 项目报告中读到:“回归已完成,误差 3.2 岁”。最可能如何理解?
  3. 一个团队用随机森林、SVM 和神经网络训练了三个模型,并根据验证数据选出了最好的一个。部署前还缺少哪一步?
  4. 调优后,一个模型在验证数据上的准确率为 94%,但在独立的测试数据集上只有 78%。以下哪些结论是恰当的?
  5. 以下哪些示例属于模型超参数,哪些属于算法超参数?
  6. 一个图像处理模型要集成到车辆软件中。关于集成,以下哪些说法是正确的?
  7. 一个模型已在生产环境中运行数月;其精确率正逐渐降到验收标准以下。接下来应该怎么做?
  8. 一个模型已成功通过测试,现在正为嵌入式系统进行重新工程。之后需要做什么?
  9. 一个苹果品种分类器要通过微调来适配。哪些目标任务可能效果好,哪些效果较差?
  10. 一家公司希望 LLM 回答有关内部手册的问题,而不改变模型本身。推荐什么做法,必须考虑什么?
  11. 关于微调与 RAG 的关系,以下哪些说法是正确的?

机器学习的数据

  1. 一个欺诈检测模型用欧洲的数据训练,现在用于交易模式明显不同的亚洲。会有什么后果?
  2. 哪些任务属于特征工程?
  3. 关于数据准备的过程,以下哪些说法是正确的?
  4. 一个团队有意将对抗样本加入图像分类器的训练数据。应如何归类?
  5. 一个团队只有几百条记录。在这种情况下,哪些步骤是常见的?
  6. 数据稀缺到无法留出保留测试集;只报告交叉验证的平均值。应如何评价这个值?
  7. 一个数据集高度不平衡(欺诈案例很少)。在 k 折交叉验证中应如何划分各折?
  8. 除 k 折交叉验证外,对于稀缺数据还有哪些其他重采样方法?
  9. 为什么训练、验证和测试数据集必须是等价的?

认证与考试

下一个考试是什么?

已有 51 项考试可以练习,16 项正在投票中。查看所有认证及官方信息,投出你的一票,或推荐你的考试。

查看全部认证