人工智能通识课

更新-260511 | 发布-260511

✳️ 目录

加入班级

  1. 链接或扫码加入

    点击链接↗

    或⬇️扫码加入

    aiabc-code

  2. 点击“报名”

    aiabc-enroll1

  3. 填写资料

    ‼️ 顶部要勾选

    aiabc-enroll2

  4. 加入班级后，显示“待审批”

    董老师随后审批。

    aiabc-enroll3

刷课程

  1. “在线课程”→ “去学习”

    ai123-20

  2. 刷课程，直至目录右侧显示“已完成98%”，大约需要 35 分钟

    • 点开一层层目录，从上到下点一遍

    • 最终：已完成98%，行末都有✅

    • 部分：点击后，就有✅
    • 视频：拖动进度条到最后，就有✅
    • 课件：点击 最后页 按钮，就有✅

    • 随堂测验：可参考 答题详情，5题都对就有✅

    • 大约需要 35 分钟

    aiabc-22

结课考试


点击左下最后一行“结课考试”，参加考试。

  • 参考答案不一定100%正确
  • 70分通过
  • 大约需要 5 分钟

单选题


部分单选题参考答案如下：

  1. 下列哪种结构可在序列建模中有效缓解长期依赖问题？

    • ✅ LSTM
    • ❌ 普通 RNN
    • ❌ CNN
    • ❌ MLP
  2. 大规模语言模型如 DeepSeek 使用的主要架构是？
    • ✅ Transformer
    • ❌ CNN
    • ❌ GAN
    • ❌ LSTM
  3. 以下哪项不是提升模型泛化能力的常见方法？
    • ❌ 正则化
    • ✅ 增加模型参数
    • ❌ 交叉验证
    • ❌ 数据增强
  4. 在多分类问题中，输出层常使用哪种激活函数？
    • ❌ ReLU
    • ❌ Sigmoid
    • ✅ Softmax
    • ❌ Tanh
  5. 在深度神经网络训练中，哪种优化器因自适应调整学习率而常被使用？
    • ❌ SGD
    • ❌ Adagrad
    • ✅ Adam
    • ❌ Momentum
  6. 哪种激活函数最常用于解决梯度消失问题？
    • ❌ Sigmoid
    • ❌ Softmax
    • ❌ Tanh
    • ✅ ReLU
  7. CNN 中卷积操作的主要作用是？
    • ❌ 增加参数量
    • ✅ 提取局部特征
    • ❌ 全连接特征映射
    • ❌ 减少特征维度
  8. 机器学习中，过拟合通常发生在什么情况下？
    • ❌ 模型复杂度低
    • ❌ 正则化过强
    • ✅ 训练数据过少
    • ❌ 特征数目太少
  9. Transformer 模型中，自注意力机制的主要作用是？
    • ❌ 增加参数量
    • ❌ 提高训练速度
    • ❌ 保持时序关系
    • ✅ 学习各位置间的依赖关系
  10. 深度学习中的批归一化（Batch Normalization）主要用于？
    • ❌ 降低学习率
    • ✅ 加快收敛并稳定训练
    • ❌ 防止过拟合
    • ❌ BatchNormA

多选题


部分多选题参考答案如下：

  1. 以下哪些属于循环神经网络的改进版本？
    • ❌ GAN
    • ✅ LSTM
    • ✅ GRU
    • ✅ Attention
  2. 以下哪些方法可以用于模型正则化？
    • ✅ Dropout
    • ✅ L1 正则
    • ✅ L2 正则
    • ❌ 增加训练轮数
  3. 影响神经网络训练效果的因素包括？
    • ✅ 学习率设置
    • ✅ 数据分布
    • ❌ 输出层初始化
    • ✅ 激活函数的选择
  4. 以下哪些是深度学习模型的典型评估指标？
    • ✅ 召回率
    • ✅ F1 分数
    • ✅ 准确率
    • ❌ 均方误差
  5. 下列关于 Batch Normalization 的说法正确的是？
    • ✅ 可作为正则化手段
    • ✅ 有助于防止梯度消失
    • ✅ 可加快训练速度
    • ❌ 会影响模型表达能力
  6. 多头注意力的优势包括？
    • ✅ 增强模型的泛化能力
    • ✅ 提高模型并行性
    • ❌ 增加训练时间
    • ✅ 能捕捉不同的表示子空间
  7. 大模型（如 DeepSeek）在训练与应用中通常面临哪些挑战？
    • ✅ 模型解释性差
    • ❌ 数据需求低
    • ✅ 资源消耗大
    • ✅ 训练时间长
  8. 以下哪些属于监督学习任务？
    • ✅ 情感分析
    • ✅ 语音识别
    • ❌ 聚类
    • ✅ 图像分类
  9. 下列关于梯度消失的说法正确的是？
    • ✅ 它通常发生在深层神经网络中
    • ❌ Softmax 是主要原因
    • ✅ 使用 ReLU 可缓解该问题
    • ✅ 它会影响模型的收敛性

    （它会影响模型的收敛性，应该也是正确的）

  10. 影响模型泛化能力的因素包括？
    • ❌ 损失函数选择
    • ✅ 训练集多样性
    • ✅ 过拟合程度
    • ✅ 模型复杂度

判断题


部分判断题参考答案如下：

  1. 在分类问题中，混淆矩阵可以用于评估模型的性能。
    • 正确 ✅
  2. 深度学习网络层数越多，模型越好。
    • 错误 ❌
  3. 交叉熵损失函数常用于分类问题的损失计算。
    • 正确 ✅
  4. CNN 可用于文本分类任务。
    • 正确 ✅
  5. MLP 本质上是一种前馈神经网络结构。
    • 正确 ✅
  6. 梯度下降算法总是能保证找到全局最优解。
    • 错误 ❌
  7. Transformer 模型中注意力机制是并行计算的。
    • 正确 ✅
  8. LSTM 是一种改进的循环神经网络结构。
    • 正确 ✅
  9. 机器学习中偏差越小模型越好。
    • 错误 ❌
  10. Transformer 模型使用循环机制建模序列。
    • 错误 ❌

结课证书

华为官网 → 右上角 → 用户中心 → 我的证书 → 结课证书 → 下载

将下载的证书，发给董老师。

证书样例： aiabc-cert

后续

可回看课程，加深理解。

THE END