人工智能基本原理及应用结营测试

姓名

绘制夏令营课程内容的思维导图。

提示：可以使用Gitmind等思维导图绘制工具，也可以手绘。

请提交至少三张“人脸检测”实验结果（项目一）。提交示例：

某个程序在运行时，报了图中的错误，请问该如何解决。在纸上描述出你的解决办法

小智使用指令“pip install pygame”安装某模块，发现安装过程特别慢。请问这是什么原因？将答案填写在下面的输入框中

变量a和变量b中存放的值如下图所示，请利用a和b这两个变量，输出字符串“Hello World”

如下图所示，小智想编程找出列表li中数字2的个数，现在程序中还缺一个条件。请拍照上传完整的程序，使程序能够满足需求

回归算法在学习和生活中都有广泛的应用，如：预测电影票房走势、人口增长趋势、疫情发展趋势（兰州大学疫情预测系统）、房屋价格等。

下图中的程序是对蛋糕的尺寸和价格进行回归分析的部分代码，请将图中确实的3个地方补充完整。

说明：X_test中的三个数据用于对训练好的模型进行测试

下图是小智在对一些图片进行分类后的结果，请计算这次分类的准确率和召回率。图中要有计算过程

在【隐形眼镜决策树分类】案例中，我们利用ID3算法构造决策树：先把24个样本分为“适合佩戴隐形眼镜”和“不适合佩戴隐形眼镜”两个类别，计算出这种分类情况下的信息熵为0.954。

接下来我们 要进行第一轮信息增益的计算。

课堂上我们分别计算了按照“年龄”、“眼泪数量”这两个特征划分D集合的信息熵和信息增益，得到按眼泪数量划分D集合的信息增益Gain(D, 眼泪数量) = 0.5485，按年龄数量划分D集合的信息增益Gain(D, 年龄) = 0.032。

请你计算按照“是否散光”这一特征划分D集合的信息熵和信息增益。

注意：上传的图片中要有计算过程

 绘制【隐形眼镜决策树分类】案例中最终的决策树。

要求：节点都为中文。

矩阵A = [[1, 3, 4], [1, 1, 1],[1, 0, 1],[5, 0, 5]]

矩阵B = [[1, 3], [4, 3], [7, 2]]

计算矩阵A和矩阵B相乘的结果（要有过程）

运行课堂上使用K-均值算法解决“办事处选址”问题的程序，要求：调整程序中scatter()函数中至少一个参数的值

scatter()绘图工具的常用参数如下图所示

下面6张图是K-均值算法聚类的过程，顺序是乱的，请按照聚类过程进行排序（用图中的字母表示这张图即可），将字母顺序填在文本框中

A*算法是一种特殊的启发式搜索算法。A*算法有个非常重要的评估函数：

现在，请绘制利用A*算法解决八数码问题的过程

棋子的初始状态和目标状态如下图所示

已知：男性中5%的人患色盲症，女性0.5%患色盲症。

随机抽取一人发现其患有色盲症，问：此人为男性的概率是多少？（假设人群中男性的比例是52%，女性是48%）

在Keras模块中，我们可以使用指令model.summary()查看神经网络的结构。下面是某个神经网络的结构，问：该神经网络有几层？

计算下图神经网络第一次前向传播后的y0和y1

下图中的神经网络的层数是？

学习速率（Learn Rate）是在模型梯度下降的过程中用于控制参数变化程度的一个重要参数。下图中哪个颜色表示学习速率过大的情况？（蓝色or黑色）

【预测广告收益】的案例中，为了让模型能够更好地预测未知数据，我们将所有的数据打乱，取前160组作为训练集数据，之后的20组作为验证集数据，最后的20组作为测试集数据。

现在，上传训练100轮、500轮、2000轮的三张训练后的loss变化图像

下图中的三种拟合情况，哪一张是过拟合（左or中or右）？

下图中，左上角的矩阵是卷积核，中下方的矩阵是输入图像。计算卷积后的输出矩阵

画出下图中的矩阵经过平均值（Mean Pooling）池化后的结果。

注意：是平均值池化，不是最大值池化

智能机器人可以分为工业机器人、服务机器人和特种机器人三大类。 常见的服务机器人有医疗机器人、迎宾机器人、教育机器人、扫地机器人、快递机器人、聊天机器人和智能陪伴机器人等。

查阅资料，使用类似于流程图的形式，绘制出你梦想中的某个机器人的架构

阅读论文或根据自己的已有知识和经验，回答下面三个问题（每个问题用不超过3句话的回答概况即可，当然，展开回答也没有任何问题）：

1.哪些工作会被人工智能取代？

2.人工智能会带来哪些伦理问题的挑战？

3.人工智能对社会和法律会造成哪些影响？