【人工智能训练师3级】考试准备（2026）二、实操题

参考资料题库下载人工智能协会题库 见通知底部-相关下载-三级网课B站课程下载了上面的题库不知道实操题怎么用的看看这个老师的环境配置【02 人工智能训练师环境配置题库下载】 https://www.bilibili.com/video/BV1z4JezhE9t/?share_sourcecopy_web环境配置根据安装包管理软件Anaconda可以使用下面命令管理依赖包condaenvlist# 看环境conda create-naipython3.10# 创建conda activate ai# 进入condainstallpandas# 装库conda list# 看库conda update pandas# 更新conda remove pandas# 卸载conda deactivate# 退出新建虚拟环境安装考试对应依赖包进入素材文件夹运行jupyter notebookconda create-nai_trainerpython3.10conda activate ai_trainer condainstallpandas numpy matplotlib openpyxl jupyter scikit-learn-y#mac电脑上安装3.2.1onnxruntime库pipinstallonnxruntime1.16.0protobuf3.20.3-ihttps://pypi.tuna.tsinghua.edu.cn/simplecdD:\AItraining\05-评价指导手册上网\人工智能训练师_3级_sucai jupyter notebook函数速查表使用说明标红为考试原题标注出来方便集中背诵章节功能代码1.1.1read_csv()读取CSV文件data pd.read_csv(“patient_data.csv”)1.1.1.head()打印data前5行data.head()1.1.1计算数据表长度作为分母计算比例len(data)1.1.1where根据条件取值data[‘RiskLevel’] np.where(data[‘DaysInHospital’] 7, ‘高风险患者’, ‘低风险患者’)1.1.1value_counts按指定列分类计数返数据表data[‘RiskLevel’].value_counts()1.1.1cut分箱指令入参为索引列划分节点对应标签端点开闭data[‘BMIRange’] pd.cut(data[‘BMI’], binsbmi_bins, labelsbmi_labels, rightFalse)1.1.1groupby根据BMIRange分组只保留RiskLevellambda每一组中所有值根据判断条件真1假0、计算均值bmi_risk_rate data.groupby(‘BMIRange’)[‘RiskLevel’].apply(lambdax: (x ‘高风险患者’).mean())1.1.2agg分组聚合函数可以针对传入列表计算统计值例如count-计数mean-平均数sensor_stats data.groupby(‘SensorType’)[‘Value’].agg([‘count’, ‘mean’])1.1.2选取SensorType满足isin条件的行组成新数据表,unstack*() 默认转换多级索引中「最后一个层级」为列location_stats data[data[‘SensorType’].isin([‘Humidity’,‘Temperature’])].groupby([‘Location’,‘SensorType’])[‘Value’].mean().unstack()1.1.2使用where筛选出温度探测器返回值不合理的行np.where(((data[‘SensorType’]‘Temperature’)1.1.2sum()可以统计出is_abnormal为True的数量此时True作为1进行加法计算data[‘is_abnormal’].sum()1.1.2.fillna()可以填充值为NULL的项ffill为用前值填充bfill为后值填充data[‘Value’].fillna(method‘ffill’, inplaceTrue)1.1.2drop()删除指定列data.drop(columns[‘is_abnormal’])1.1.2to_csv保存为csv文件indexFalse指不需要从0自增的索引列cleaned_data.to_csv(‘cleaned_sensor_data.csv’, indexFalse)