ISTQB CT-AI
机器学习与数据
简单
机器学习简介
- ML算法可以分为哪三种形式?
- 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?
- 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?
- 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?
- 在强化学习中,智能体对其行动会收到什么反馈?
- 在ML工作流的第一项活动“理解目标”中会发生什么?
- 哪些参数称为模型超参数?
- 在“评估模型”活动中,使用哪个数据集来评估模型?
- 哪三项活动共同构成“模型生成”?
- ML工作流在实践中是如何应用的?
- 微调(fine-tuning)是什么意思?
- 缩写RAG代表什么?
- 使用RAG时,预训练模型会发生什么?
机器学习的数据
中等
机器学习简介
- 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?
- 强化学习涉及哪些挑战?
- ML形式(监督、无监督、强化)的选择取决于什么?
- 哪些参数被称为算法超参数?
- ML工作流中的“准备和测试数据”活动包括什么?
- 在实践中通常如何找到最佳模型?
- 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?
- 在ML工作流中,通常由谁来测试模型?
- “部署模型”活动中会发生什么?
- “监控和调优模型”活动涉及什么?
- 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?
- 微调可以应用于神经网络的哪些部分?
- 微调的成功主要取决于什么?
- 预训练模型适配新任务时,其偏见和漏洞会怎样?
- RAG是如何工作的?
机器学习的数据
困难
机器学习简介
- 以下哪些任务与 ML 形式的对应关系是正确的?
- 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?
- 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?
- 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?
- 以下哪些示例属于模型超参数,哪些属于算法超参数?
- 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?
- 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?
- 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?
- 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?
- 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?
- 关于微调与 RAG 的关系,以下哪些说法是正确的?