人工智能训练师证件

2025-01-05

24

作者编辑

123

### 2.1 1-5
数据清洗规范（2分）（2.1.3数据清洗规范3分）
1. 加载数据：利用 pandas 库来加载数据集，并审查其基础结构与数据类型。
2. 保存处理后的数据：将已清理和处理的数据以新的 CSV 文件格式保存，以供后续分析使用。
3．数据标准化：对数值型数据进行标准化，以消除量纲影响，使用标准化方法。（2.1.3多一条）
数据标注规范（3分）（2.1.3特征工程规范2分）
1. 数据来源说明：指明数据的具体来源，包含数据集的名字、采集的日期以及数据的提供方。
2. 数据特征描述：详述数据的各项特征，涵盖各字段的意义、使用的单位及预期的值域。
3. 保存处理结果：存储经过处理的数据，并注明保存位置及文件名称。（2.1.3少一条）
### 2.2.1-5
1、模型性能（1分）
直接将代码运行结果中的“2.2.*_report.txt”的文件内容复制到此处。

2、错误分析（1分）
2.2.1：错误可能来源于漏报情况
2.2.2-2.2.3：过拟合：训练集上得分高，测试集上得分低，模型过拟合和训练数据
2.2.4-2.2.5：特征选择：当前选择的特征可能不足描述目标变量

3、改进建议（1分）
特征工程：去除冗余或不相关的特征，增加更多潜在、有用的新特征

### 3.2.14
人机交互最优流程（3.2.1：2分；3.2.2：4分；3.2.3：6分；3.2.4：5分）：
1.界面设计：设计一个用户友好的界面。
2.模型和标签加载：在系统启动时预加载模型和标签。
3.图像上传：用户通过界面上传相关图片。
4.图像预处理：系统自动对上传的图片进行预处理，以适应模型输入要求。
5.结果展示：在界面上清晰展示识别结果。
6.反馈机制：允许用户提供反馈，以持续改进模型性能。

###   3.2.5
（1）当前健身应用界面存在的主要问题（4分）
AI建议呈现 可视化程度不足 (2分)
详细介绍：
界面在呈现AI建议上存在可视化程度不足，缺少如图像、图表或视频等更直观的视觉辅助工具，从而加大用户使用难度，降低用户使用兴趣。

用户与AI系统交互流程复杂 (2分)
详细介绍：
界面在用户互动方面存在不足，在用户与AI系统的交互流程中比较复杂，AI功能先进性和易用性未能体现。

（2）设计优化建议（8分）
1. 增强AI建议的可视化 (2分)
AI建议的可视化程度，可以通过图像、视频用于健身、训练动作的演示。

2. 简化用户与AI系统的交互流程 (2分)
设计简洁的用户界面，简化用户与AI系统的交互流程。

3. 提供定制化的健身建议 (2分)
AI驱动的健身应用界面应该注重个性化和即时反馈。为用户提供个性化主页，给予用户即时反馈。

4. 社交互动和激励 (2分)
AI驱动的健身应用界面应该注重社交互动与激励。提供社交功能，设置排行榜，激励用户通过竞争提高训练积极性。

（3）合理性简述（8分）
通过图像、视频用于健身、训练动作的演示，提升应用的友好度和用户的参与度。
通过图表、进度条来展示用户的健身、训练数据，可以显著提升用户体验。
简化用户与AI系统的交互流程，界面直观、减少输入，提升用户体验。
简化用户与AI系统的交互流程，给予用户个性化设置，增强用户信任、增加用户黏性；
提供定制化的健身建议，针对性更强，提升用户的参与度和满意度。
提供定制化的健身建议，训练效果更好，增强用户动力。
社交互动和激励可以增强用户动力，提高用户参与度。
社交互动和激励可以增加运动乐趣，提高持续性。

### 3.1.1
一、用户使用习惯
最常被使用的功能：调整音量、查询新闻、查天气
二、功能使用频率
最受欢迎的功能：调整音量
较少使用的功能：播放音乐、控制家居
三、响应时间分析
响应时间较长的功能：控制家居
响应时间适中的功能：提醒事项/调整音量/查询知识/设置闹钟/播放音乐/查天气
响应时间较短的功能：查询新闻
（2）优化方向及解决方案
优化方向一：
（1）网络连接与设备互动优化、提高响应速度
对应解决方案：
（2）增强网络连接稳定性，运用更高效的网络通信协议。升级硬件组件，优化数据处理算法，减少数据处理和命令执行的延迟。
优化方向二：
（3）优化闹钟与提醒功能
对应解决方案：
（4）增加个性化定制选项，设计更直观的闹钟和提醒事项设置流程，增加用户使用这些功能的频率
优化方向三：
（5）用户界面与语音识别优化
对应解决方案：
（6）简化用户界面设计，增强语音识别准确性，确保用户能够快速准确地获取所需功能

### 3.1.2

一、用户使用习惯
上午（06:00 - 12:00）：用户的平均光线亮度值约52左右，平均色温值约3689.5左右。
下午（12:00 - 18:00）：用户的平均光线亮度值约50左右，平均色温值约3732.4左右。
夜间（18:00 - 24:00）：用户的平均光线亮度值约48左右，平均色温值约3661.4左右。
二、功能（智能场景）使用频率
频繁使用的场景：Relax Mode。
适中使用的场景：Work Mode/Reading Mode。
较少使用的场景：Sleep Mode。
三、响应时间分析
响应时间分布区间：(0.1, 2)。
延迟瓶颈:网络延迟。硬件限制。
（2）优化方向及解决方案（仅需回答3个优化方向和对应解决方案）
优化方向一：
（1）网络连接与设备互动优化、提高响应速度
对应解决方案：
（2）增强网络连接稳定性，运用更高效的网络通信协议。升级硬件组件，优化数据处理算法，减少数据处理和命令执行的延迟。
优化方向二：
（3）定制个性化场景
对应解决方案：
（4）增加个性化定制选项，自动根据用户使用习惯调整预设场景参数，如亮度和色温等
优化方向三：
（5）优化用户界面
对应解决方案：
（6）优化用户界面设计，简化场景切换操作

### 3.1.3

一、用户活动模式
早晨（6:00-8:00）用户的步数普遍较高（平均5000步左右），这可能与上班通勤、早晨锻炼或户外活动有关。
傍晚（17:00-20:00）用户的步数普遍较高（平均5000步左右），这可能与下班通勤、锻炼或户外活动有关。
其余时间段，用户步数显著下降（平均在1100步左右）。
二、健康指标关注度
最受关注的指标：步数。
较少关注的指标：心率和睡眠时长。
三、数据同步性能
平均延迟时间：0.697955845秒。
影响因素：网络状况不佳、手机后台运行程序过多等。
（2）优化方向及解决方案
优化方向一：
（1）优化数据同步和设备管理
对应解决方案：
（2）优化数据包的大小和格式，以减少传输所需时间。
优化网络连接稳定性，增强网络模块，支持更稳定的数据传输。
优化方向二：
（3）优化社区分享功能：
对应解决方案：
（4）优化用户社区功能，让用户可以分享他们的健康数据和经验，增加用户粘性和参与度，增加用户互动性。
优化方向三：
（5）优化用户界面和体验
对应解决方案：
（6）优化用户界面设计，提高直观性和易用性，便于户轻松查看和分析健康数据。
优化用户个性化设置功能，增强用户定制化的体验。

### 3.1.4
一、用户活动周期
健康指标变化趋势：
1. 早上7：30分的平均血压值最高，之后时间平均血压值都在标准范围内。
2. 血糖处于正常水平；即空腹血糖处于正常水平，餐后血糖会上升，然后随着时间的推移而逐步降低。
3. 体脂连续一周维持在0.17的水平；
高风险时间段：早上时间段（6：00-10：00）的血压
安全时间段：除去早上时间段（6：00-10：00）外的其余时间段的血压，全天的血糖
二、健康指标偏好度
受用户青睐的功能：血压监测、血糖检测。
较少使用的功能：体脂分析。
三、系统响应与准确性
响应时间较长的功能：体脂分析（0.67）
响应时间适中的功能：血压（0.62）
响应时间较短的功能：血糖（0.6）
（2）优化方向及解决方案（仅需回答3个优化方向和对应解决方案）
优化方向一：
（1）网络连接与设备互动优化、提高响应速度
对应解决方案：
（2）增强网络连接稳定性，运用更高效的网络通信协议。升级硬件组件，优化数据处理算法，减少数据处理和命令执行的延迟。
优化方向二：
（3）集成人工智能：
对应解决方案：
（4）采用基于机器学习的分析工具，分析用户健康数据并提供个性化健康建议。
优化方向三：
（5）优化用户界面和体验
对应解决方案：
（6）优化用户界面设计，提高直观性和易用性， 优化用户个性化设置功能，增强用户定制化的体验。

### 3.1.5

一、用户环境偏好
温度偏好：
上午（6:00-12:00）时间段：平均温度在24.7左右；
下午（13:00-18:00）时间段：平均温度在24.9左右
晚上（19:00-05:00）时间段：平均温度在25.0左右
湿度偏好：
上午（6:00-12:00）时间段：平均湿度在50.2左右；
下午（13:00-18:00）时间段：平均湿度在49.1左右
晚上（19:00-05:00）时间段：平均湿度在49.9左右
光照水平偏好：
上午（6:00-12:00）时间段：平均光照水平在540.9左右；
下午（13:00-18:00）时间段：平均光照水平在557.8左右
晚上（19:00-05:00）时间段：平均光照水平在542.7左右
二、系统响应时间
平均响应时间：3.02。
影响因素：网络连接、硬件性能、软件优化等。
三、能源消耗分析
平均能源消耗：1.02。
节能潜力：设备智能化管理、用户行为习惯优化、系统性能优化等。

优化方向及解决方案（仅需回答3个优化方向和对应解决方案）
优化方向一：
（1）网络连接与设备互动优化、提高响应速度
对应解决方案：
（2）增强网络连接稳定性，运用更高效的网络通信协议。升级硬件组件，优化数据处理算法，减少数据处理和命令执行的延迟。
优化方向二：
（3）用户行为习惯分析：
对应解决方案：
（4）使用基于机器学习的分析工具，该工具能够识别用户的能源使用习惯，并提供定制化的节能方案。
优化方向三：
（5）用户界面优化
对应解决方案：
（6）优化用户界面设计，集成语音控制和触摸屏操作，提供清晰的环境状态显示和控制选项。

其他

博客信息

作者 tempuser

发布日期 2025-01-05

其他信息 : 其他三字母的人名首字母都是其他同学发布的哦