人工障碍

题1
A 试标 B 计算数据标注所需人工数量 C综合报价

题目2
################2-1
import cv2
import matplotlib.pyplot as plt

img = cv2.imread(‘./data-aug/cat.png’)
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#垂直翻转
img_flip = cv2.flip(img,0)
plt.imshow(img_flip)

################ 2-2
img = cv2.imread(‘./data-aug/cat.png’)
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

# 原图的高、宽 以及通道数
rows, cols, channel = img.shape

# 绕图像的中心旋转
# 参数：旋转中心 旋转度数 scale
M = cv2.getRotationMatrix2D((rows/2, cols/2),30,1)
# 参数：原始图像 旋转参数 元素图像宽高
rotated = cv2.warpAffine(img, M, (cols, rows))

title = [‘Origin Image’, ‘Result’]
# 对应的图像
image = [img,rotated]

for i in range(len(image)):
plt.subplot(2, 2, i+1), plt.imshow(image[i])
plt.title(title[i])
plt.xticks([]), plt.yticks([])
plt.show()

################ 3-1
import pandas as pd

# 加载包含评论的CSV文件
data = pd.read_csv(‘comment.csv’)
# print(data)
# 选择并打印“电影评论”列
product_scores = data[‘电影评论’]
display(product_scores)

################ 3-2
import pandas as pd

# 加载包含评论的CSV文件
data = pd.read_csv(‘comment.csv’)

# 选择并打印“电影评论”列
data[‘电影评论’] = data[‘电影评论’].str.replace(“@”,”)
display(data)

################# 保存文件
import pandas as pd

# 加载包含评论的CSV文件
data = pd.read_csv(‘comment.csv’)

# 选择并打印“电影评论”列
data[‘电影评论’] = data[‘电影评论’].str.replace(“@”,”)
data.to_csv(‘comment_cleaned.csv’,index=False,encoding=’utf-8-sig’)

题4
########## 4-1
from imutils import paths
import matplotlib.pyplot as plt
import numpy as np
import cv2
import os

imagePaths = list(paths.list_images(“dataset”))

#设置data和labels
data = []
labels = []

for imagePath in imagePaths:
label = imagePath.split(os.path.sep)[-2] # os.path.sep 路径分隔符
image = cv2.imread(imagePath)
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
image = cv2.resize(image,(224,224))
data.append(image)
labels.append(label)

plt.imshow(data[0])
print(labels[0]) # 展示label

########### 4-2
from imutils import paths
import matplotlib.pyplot as plt
import numpy as np
import cv2
import os

imagePaths = list(paths.list_images(“dataset”))

#设置data和labels
data = []
labels = []

for imagePath in imagePaths:
label = imagePath.split(os.path.sep)[-2] # os.path.sep 路径分隔符
image = cv2.imread(imagePath)
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
image = cv2.resize(image,(224,224))
data.append(image)
labels.append(label)
#对图像数据转换为array格式并进行归一化处理，并打印
data_arr=np.array(data)/255.0
print(data_arr)

########### 4-3
from imutils import paths
import matplotlib.pyplot as plt
import numpy as np
import cv2
import os

imagePaths = list(paths.list_images(“dataset”))

#设置data和labels
data = []
labels = []

for imagePath in imagePaths:
label = imagePath.split(os.path.sep)[-2] # os.path.sep 路径分隔符
image = cv2.imread(imagePath)
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
image = cv2.resize(image,(224,224))
data.append(image)
labels.append(label)
#将标签数据转换为array格式，并打印
labels_arr=np.array(labels)
print(labels_arr[0])

题6
########### 槽位设计表
槽位描述 类型 字段名 举例 槽位类型
提醒时间 必填 remind_time 明天下午3点 时间日期
重复周期 非必填 repeat 每周四 重复时间
内容 非必填 title 迎新活动策划 Null
提醒方式 非必填 remind_type 闹铃提醒 提醒方式列表

########### 6.2-对话配置.jpg
<?xml version=”1.0″ encoding=”UTF-8″?>

<aiml version=”1.0″>

<meta name=”language” content=”zh”/>

<!– 根据要求完成机器人对话配置 –>
<category>
<pattern>你叫什么？</pattern>
<template>
<random>
<li>你好！我是一个AI智能机器人。</li>
<li>你好！我叫小I。</li>
</random>
</template>
</category>

</aiml>

##### 题7

新员工人工智能训练师培训大纲

• 培训目的

参考2021年颁布的《人工智能训练师国家职业技能标准》，结合我司实际要求进行编写。通过培训，使新入职员工掌握基础的数据采集与处理理论和操作技能，为尽快掌握公司业务打下良好的基础。

• 培训对象

本季度入职新员工

• 培训内容

• 考核方式

考核方式分为理论考试和技能操作考核。理论考试采用闭卷笔试方式，技能操作考核采用现场实际操作方式。理论考试和技能操作考核均实行百分制，成绩皆达60分以上者为合格。