13011人工智能与大数据自考本科真题解析：新手入门指南与高频考点剖析

1次阅读

没有评论

共计 1648 个字符，预计需要花费 5 分钟才能阅读完成。

13011 人工智能与大数据作为自考本科的核心课程，主要考查两大方向：

人工智能基础：监督学习（supervised learning）、无监督学习（unsupervised learning）算法原理与实现
大数据技术栈：Hadoop 生态系统（HDFS/YARN/MapReduce）、Spark 核心组件（RDD/DataFrame）的应用场景

考生常见问题集中表现为：

混淆机器学习算法适用场景（如把聚类问题误用分类算法）
大数据组件配置参数记忆困难（如 Spark 的 executor 内存分配）
编程题缺乏规范化编码习惯（PEP8 合规性问题）

2023 年真题示例：

给出银行客户特征数据，要求选择合适算法预测贷款违约风险

解题思路：

判断问题类型：典型的二分类问题（违约 / 不违约）
算法选型：逻辑回归（Logistic Regression）或随机森林（Random Forest）

Python 伪代码实现：

# 导入 sklearn 库
from sklearn.ensemble import RandomForestClassifier

# 特征工程（真题通常省略此步骤）X = df[['age', 'income', 'credit_score']]  # 特征矩阵
y = df['default_risk']  # 标签

# 模型训练
model = RandomForestClassifier(n_estimators=100)  # 100 棵决策树
model.fit(X_train, y_train)

# 模型评估（注意题目是否要求）print(f"Accuracy: {model.score(X_test, y_test):.2f}")

2022 年真题示例：

编写 Spark 代码统计文本中单词频率

关键配置：

设置 executor 数量与内存（通常题目会给出集群配置）
避免使用 collect() 操作处理大数据集

示例代码：

from pyspark import SparkContext

sc = SparkContext("local", "WordCount")

# 读取 HDFS 文件
lines = sc.textFile("hdfs://path/to/file.txt")

# 扁平化 + 映射 + 归约
word_counts = lines.flatMap(lambda line: line.split()) \
                  .map(lambda word: (word, 1)) \
                  .reduceByKey(lambda a, b: a + b)

# 输出前 10 高频词（避免全量 collect）print(word_counts.take(10))

通过统计近 3 年真题发现：