中五 ICT:人工智能与机器学习基础十题 2026-11-20 导师备课指引 · 小学数学 中五 ICT:人工智能与机器学习基础十题 第一份打稳概念:人工智能、机器学习与深度学习的范围关系,监督式与非监督式学习之别,训练集与测试集的分割,分类对回归,准确率与混淆矩阵的计算,过度拟合的症状与神经网络的权重数。 基础:概念、数据分割与三项指标 本分由定义入手:范围由人工智能到机器学习再到深度学习逐层收窄。监督式学习靠带标签的资料,非监督式没有标签。五百张照片八成训练得四百张,测试一百张;一千二百个样本七成训练得八百四十个,测试三百六十个。五十个个案答对四十五个是九成准确率。混淆矩阵总数三十,召回率与准确率同为八成。输出是类别叫分类,输出是连续数值叫回归。训练九十九而测试六十二,相差三十七个百分点,属过度拟合。三乘四得十二条权重连线。一千张六十四乘六十四彩色图共 12 288 000 字节,约 11.72 MB。 01 本卷资料(做完才看答案) 项目 内容 题数 10 建议时间 25 难度分布 基础 3 · 进阶 3 · 挑战 3 · 错题重练 1 对应章节 所属章节:中五 ICT:人工智能与机器学习 适用年级 基础(10 题) 02 题目(10 题) 基础人工智能、机器学习与深度学习三者的关系是什么? 基础监督式与非监督式学习最重要的分别是什么? 基础500 张照片,八成作训练集、其余作测试集,两者各有多少张? 进阶用 1 200 个已标签样本,七成作训练,测试集有多少个? 进阶50 个测试个案中模型答对 45 个,准确率是多少? 进阶混淆矩阵中命中 12、漏判 3、误报 3、正确排除 12,召回率与准确率各是多少? 挑战预测“及格或不及格”与预测“分数 0 至 100”分别属于哪一类任务? 挑战训练集准确率 99% 而测试集只有 62%,这是什么问题?可以怎样改善? 挑战输入层有 3 个神经元、隐藏层有 4 个,两层之间共有多少条权重连线? 错题重练1 000 张 64 乘 64 像素的彩色图片(每像素 3 字节)作训练集,共占多少字节、约多少 MB? 03 答案与一句解说 题号 答案 一句解说 1 机器学习是人工智能的一部分,深度学习是机器学习之中用多层神经网络的一种方法。 范围由大到小:人工智能最广,机器学习次之,深度学习最窄,三者不是并列关系。 2 监督式学习的训练资料带标签(有正确答案),非监督式学习的资料没有标签。 有标签才能算出误差再调整模型;没有标签时通常靠分群或找规律。 3 训练集 400 张,测试集 100 张。 500 乘 0.8 得 400,余下 500 减 400 得 100。 4 训练集 840 个,测试集 360 个。 1 200 乘 7 除以 10 得 840,1 200 减 840 得 360。 5 90%。 45 除以 50 得 0.9,化成百分数是 90%。 6 两者都是 80%。 总数 30;召回率 12 除以 12 加 3 得 80%,准确率 12 加 12 除以 30 亦得 80%,本例刚好相同。 7 前者是分类,后者是回归。 输出是类别标签叫分类;输出是连续数值叫回归。 8 是过度拟合(overfitting);可增加训练资料、简化模型或加强正则化。 两者相差 37 个百分点,代表模型记住了训练样本而不是学到规律。 9 12 条。 全连接时每个输入神经元连到每个隐藏神经元,3 乘 4 得 12。 10 12 288 000 字节,约 11.72 MB。 1 000 乘 64 乘 64 乘 3 得 12 288 000,再除以 1 048 576 得 11.72 MB。 04 做完之后怎样跟进 对完答案,只重做错的那几题,并在错题旁写出错在哪一步(公式、单位还是抄错数)。 同一题隔两日再做一次;两次都对才可以移到下一份练习。 家长只需看答案栏与解说栏,不必逐题讲解。 想亲手试一次训练与测试的分割?预约 TutorZone 导师,用 25 分钟把十题的数据与指标逐项核对。导师登记 → 本卷题目与答案由 TutorZone 团队原创编写,并非任何学校、出版社或考试局的试题;数值与答案均以程式核算。
中五 ICT:人工智能与机器学习基础十题 2026-11-20 导师备课指引 · 小学数学 中五 ICT:人工智能与机器学习基础十题 第一份打稳概念:人工智能、机器学习与深度学习的范围关系,监督式与非监督式学习之别,训练集与测试集的分割,分类对回归,准确率与混淆矩阵的计算,过度拟合的症状与神经网络的权重数。 基础:概念、数据分割与三项指标 本分由定义入手:范围由人工智能到机器学习再到深度学习逐层收窄。监督式学习靠带标签的资料,非监督式没有标签。五百张照片八成训练得四百张,测试一百张;一千二百个样本七成训练得八百四十个,测试三百六十个。五十个个案答对四十五个是九成准确率。混淆矩阵总数三十,召回率与准确率同为八成。输出是类别叫分类,输出是连续数值叫回归。训练九十九而测试六十二,相差三十七个百分点,属过度拟合。三乘四得十二条权重连线。一千张六十四乘六十四彩色图共 12 288 000 字节,约 11.72 MB。 01 本卷资料(做完才看答案) 项目 内容 题数 10 建议时间 25 难度分布 基础 3 · 进阶 3 · 挑战 3 · 错题重练 1 对应章节 所属章节:中五 ICT:人工智能与机器学习 适用年级 基础(10 题) 02 题目(10 题) 基础人工智能、机器学习与深度学习三者的关系是什么? 基础监督式与非监督式学习最重要的分别是什么? 基础500 张照片,八成作训练集、其余作测试集,两者各有多少张? 进阶用 1 200 个已标签样本,七成作训练,测试集有多少个? 进阶50 个测试个案中模型答对 45 个,准确率是多少? 进阶混淆矩阵中命中 12、漏判 3、误报 3、正确排除 12,召回率与准确率各是多少? 挑战预测“及格或不及格”与预测“分数 0 至 100”分别属于哪一类任务? 挑战训练集准确率 99% 而测试集只有 62%,这是什么问题?可以怎样改善? 挑战输入层有 3 个神经元、隐藏层有 4 个,两层之间共有多少条权重连线? 错题重练1 000 张 64 乘 64 像素的彩色图片(每像素 3 字节)作训练集,共占多少字节、约多少 MB? 03 答案与一句解说 题号 答案 一句解说 1 机器学习是人工智能的一部分,深度学习是机器学习之中用多层神经网络的一种方法。 范围由大到小:人工智能最广,机器学习次之,深度学习最窄,三者不是并列关系。 2 监督式学习的训练资料带标签(有正确答案),非监督式学习的资料没有标签。 有标签才能算出误差再调整模型;没有标签时通常靠分群或找规律。 3 训练集 400 张,测试集 100 张。 500 乘 0.8 得 400,余下 500 减 400 得 100。 4 训练集 840 个,测试集 360 个。 1 200 乘 7 除以 10 得 840,1 200 减 840 得 360。 5 90%。 45 除以 50 得 0.9,化成百分数是 90%。 6 两者都是 80%。 总数 30;召回率 12 除以 12 加 3 得 80%,准确率 12 加 12 除以 30 亦得 80%,本例刚好相同。 7 前者是分类,后者是回归。 输出是类别标签叫分类;输出是连续数值叫回归。 8 是过度拟合(overfitting);可增加训练资料、简化模型或加强正则化。 两者相差 37 个百分点,代表模型记住了训练样本而不是学到规律。 9 12 条。 全连接时每个输入神经元连到每个隐藏神经元,3 乘 4 得 12。 10 12 288 000 字节,约 11.72 MB。 1 000 乘 64 乘 64 乘 3 得 12 288 000,再除以 1 048 576 得 11.72 MB。 04 做完之后怎样跟进 对完答案,只重做错的那几题,并在错题旁写出错在哪一步(公式、单位还是抄错数)。 同一题隔两日再做一次;两次都对才可以移到下一份练习。 家长只需看答案栏与解说栏,不必逐题讲解。 想亲手试一次训练与测试的分割?预约 TutorZone 导师,用 25 分钟把十题的数据与指标逐项核对。导师登记 → 本卷题目与答案由 TutorZone 团队原创编写,并非任何学校、出版社或考试局的试题;数值与答案均以程式核算。