共 15 道真题，在线作答，按考试评分规则自动判分。
请按以下约定将XML转换为JSON：属性映射为以@开头的键，属性值和普通文本元素值保留为字符串，year这类明确表示整数的元素转换为JSON数值；同名chapter元素组成数组。 XML格式如下： <book id="B001"> <title>人工智能导论</title> <author>张华</author> <year>2023</year> <chapters> <chapter number="1">机器学习基础</chapter> <chapter number="2">深度学习框架</chapter> </chapters> </book> JSON格式如下： { "book":
将下面的CSV格式转换为JSON格式，需满足以下条件： 字段映射：address字段需解析为嵌套对象。 数据类型：id与age字段转为数值类型，非字符串；name与address内的文本保留原大小写和空格。 结构扩展：若CSV存在多行数据，JSON应使用数组包裹所有对象。请按CSV表头顺序填写前3空，address内按city、street顺序填写。 CSV格式如下： id,name,age,address 1,alice,28,"{""city"":""beijing"",""street"":""MainStreet""}" JSON格式如下： { "users": [ { , , , "
某科研团队研发了一款气象预测软件，为了达到更好的气象预测效果，需要考虑硬件系统与软件系统协同工作。请回答下述问题： 1）气象数据的实时传输 网卡带宽：100Mbps（兆比特每秒） 传输数据：100MB（兆字节） 通过网卡传输这些数据至少需要 秒。 2）气象数据的压缩存储 压缩后数据与压缩前数据比值为1：5 未压缩前某次气象监测数据总量：500MB（兆字节） 压缩后存储这些数据至少需要 GB（按1GB=1000MB换算）的存储空间（保留一位小数）。 3）气象预测软件的算力计算 气象预测软件模拟不同地区任务数：5个 每个任务需要浮点运算：800万次 每个处理器的运算速度：每秒400万次浮点运算 假
某智能工厂部署了AI 视觉质检系统，目的是处理生产线的零件图像与传感器数据。现需要对零件图像完成特征提取和传感器数据实时分析，需要评估算力情况，请完成以下填空： 1）图像特征提取 单幅零件图像分辨率：1280×720 像素 每个像素特征计算量：8次浮点运算 单幅图像计算量： 次浮点运算 每日处理图像数量：5000 幅 每日总计算量： 次浮点运算 2）传感器数据计算 单个传感器每秒采样：2000 次 每次采样计算复杂度：15 次整数运算 单个传感器每秒计算量： 次整数运算 3）缺陷检测模型推理 每个零件检测需运行 AI 模型：2 次 单次模型矩阵运算量：5000 次浮点运算 每日检测零件数量：3
某咖啡店为了发现工作日的客流量与当日销售额之间的规律，记录了连续 6天的客流量（单位：人）和销售额（单位：元）数据如下表所示： 请根据上述数据，完成以下填空： 1）若使用最小二乘法拟合一条直线y=ax+b来描述客流量与销售额的关系，首先需要计算误差的平方和，如下式所示。其中，n在本题等于 。 2）若取a = 25.6，b = 420，则按 y=ax+b 形式（省略乘号）写出的拟合直线方程为 。 3）根据上述拟合直线方程，当某天客流量为60人时，预测销售额约为 元。（不保留小数） 4）假设在分析过程中，发现某一天的销售额数据明显偏离其他数据，这一数据点在统计学中被称为 值，它可能会对最小二乘法拟
某电商平台为优化营销策略，使用 K-Means 算法对用户数据进行聚类分群。平台收集了10000名用户的月消费金额（单位：元）和购物频率（单位：次/月）两项特征数据。请回答下述问题： 1）两项特征的量纲不同（如：消费金额为千元级，购物频率为个位数），需对数据进行 处理，避免数值大的特征主导聚类结果。 2）假设营销目标是将用户分为高价值、中价值、低价值 3 类，需要设置的初始簇中心数量K = 。 3）假设两个初始簇中心为 A(2,5) 和 B(8,1)，某用户的特征向量为 (4,3)。分别计算该用户到 A 和 B 的欧氏距离，可以判断该用户会被分配到簇中心 。 4）某簇包含3个用户的标准化特征数
某医院引入AI模型辅助诊断某种疾病。医生对疑似患者进行筛查：每位患者先由AI模型判断是否患病（结果分为“预测患病”和“预测健康”），最终由医生复诊确认真实健康状况（结果分为“实际患病”和“实际健康”），得到结果统计如下表所示（单位：人）： 1)参与筛查的病人共有 人； 2)在上表中，真正例（TP）数量为45人，假正例数量为 人； 3)基于表格中的测试样本数据，该模型的精确率（Precision）为 %（保留一位小数），召回率（Recall）为 %（保留一位小数）； 4）F1值（F1-Score）是综合评估精确率和召回率的指标，取值范围是0到1之间，其中1表示最佳性能，0表示最差性能。 计算公式
小样本提示（few-shot prompting）通过在任务描述之后加入少量示例来引导模型理解任务。某电商平台需通过大模型自动回复用户关于“会员折扣计算”的问题，请采用小样本提示方法补全下面的提示词： 【任务描述】 请根据用户订单信息计算最终支付金额，规则如下： 1）会员折扣：黄金会员9折，钻石会员8折，普通会员无折扣（若用户未说明会员等级则默认为 ）； 2）满减活动：满足条件后直接扣减对应金额； 3）优惠券：仅在用户明确使用优惠券时进行 扣除。 【示例】 输入：商品原价800元，用户是 会员，参与满500减100活动，并使用 元优惠券。 输出： 1）会员折扣后价格：800×0.8=640元