2023年PMP考生|考前必练全真模拟题分享，附答案解析

于 2023-04-10 09:35:56 发布
阅读量2.5k 收藏 1
点赞数
分类专栏： PMP练习题 文章标签： PMP项目管理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HAYoungHA/article/details/130052600
版权

“日日行，不怕千万里；常常做，不怕千万事。”每日五题，备考无压力！

1、A公司委托B公司开发一款软件。B公司认为合同规定的工作都已交付，但是A公司认为软件未能满足使用要求，所以拒绝向B公司支付费用。虽然双方经过多轮谈判仍未达成共识，但并不希望这个局面完全公开，都倾向于通过尽可能简便的方式解决这个争议。面对这种情况，双方应该选择哪种争议解决方法?（  ）

A. 替代争议解决(ADR)

B. 仲裁

C. 诉讼

D. 谈判

2、在竞价投标一个客户的项目时，客户在进行卖方评估之后进行反馈：他们认为你所带领的项目团队中有个别成员不符合合作性要求，并要求替换掉不合格人员。作为潜在卖方的项目经理，你应该怎么做?（  ）

A. 接受客户的要求，替换掉不合格人员

B. 会见客户，就受质疑人员的能力进行磋商，以确定是否要替换他们

C. 不采取任何措施，因为选择谁在这个项目中工作是卖方的事，与其他人无关

D. 你知道受质疑的人有能力承担这个工作，因此你还是把他们放入团队中

3、项目经理正在管理一个智能产品的研发项目。在项目执行过程中，发生了一个风险应对计划中没有包含的风险。项目经理应该怎么做？（  ）

A. 使用应急储备来解决风险的后果

B. 把风险的实际情况报告给管理层

C. 召开团队会议讨论权变措施

D. 忽略此风险，因为它未包括在风险计划中

4、项目执行过程中，项目经理发现，敏捷团队中的一位开发成员在每日站会上很少提出遇到的问题和障碍，并且该名成员性格过于害羞，不愿意参与到团队活动中，更喜欢单独向项目经理汇报更新状态的方式，项目经理应该怎么处理这种情况?（  ）

A. 包容他的行为，并将状态更新的方式修改为电子邮件

B. 创建一个安全的环境进行状态更新，并鼓励他与团队联系

C. 审查团队文化和不同成员之间的个性差异，以消除状态更新的差距

D. 从根本上审查团队状态更新的方式，以解决这种汇报的差异

5、一个敏捷从业人员需要得到反馈，来确定当前进行的工作和为将来迭代计划的工作是否需要修正。要做到这一点，最好的方法是什么？（  ）

A. 根据工作项价值和风险对待办列表优先级排序

B. 召开每日站会从团队得到反馈

C. 在每个迭代结束时与利益相关者检查

D. 使用一个看板面板可视化工作流

下面我们一起来看看答案及解析

1、答案：A

解析：本题考查知识点：替代争议解决(ADR)。

题干关键词：不希望公开，尽可能简便。虽然谈判是解决争议的最优先的选择，但题干提示双方已多次谈判无效，那么替代争议解决(ADR)就是正确选择。比起诉讼和仲裁，ADR简便得多，而且诉讼是公开的，不符合题意。

2、答案：B

解析：本题考查知识点：采购谈判。

据题干描述，客户对项目团队中个别成员的工作能力存在质疑，最好的方式是与客户进行谈判，直接沟通。谈判：谈判是为达成协议而进行的讨论。采购谈判是指在合同签署之前，对合同的结构、各方的权利和义务，以及其他条款加以澄清，以便双方达成共识。最终的文件措辞应该反映双方达成的全部一致意见。谈判以签署买方和卖方均可执行的合同文件或其他正式协议而结束。 通过谈判来确认满足需求的团队成员。故本题选项B是最佳实践。

3、答案：C

解析：本题考查知识点：风险应对,权变措施。

题干关键词：发生风险应对计划中没有包含的风险。据题干描述，这个风险对项目来说是未知的，应对未知风险动用的是管理储备，故选项A排除；

项目经理应该积极主动地解决问题，选项B排除；

未知风险发生后的应对措施叫权变措施，选项C是最佳实践；

直接忽略风险的做法不对，选D排除。

4、答案：B

解析：据题干描述：团队成员性格过于害羞，不是非常愿意在团队一起时进行发言和参与团队活动，那么项目经理可以为团队成员营造一个安全信任的氛围，鼓励他积极发言，多和团队成员进行沟通，因此本题的最佳实践是B选项。

选项A：包容他的行为并不能解决问题，且敏捷提倡面对面沟通，将汇报状态的方式更改为电子邮件，更不利于该成员与团队和项目经理之间的沟通。

选项C：了解不同团队成员之间的个性差异之后，并没有指出怎么消除他们之间的这种汇报方式的不同，没有B选项合适。

选项D：审查汇报方式的不同，并不能有效帮助解决这个问题。

5、答案：C

解析：本题考查知识点：敏捷项目管理——敏捷原则。

在敏捷项目中，为了确保产品方向符合客户的期望，需要尽早、持续地给客户演示和交付，获得客户的反馈，以便及时作出相应调整，选择C符合该理念，为最佳实践。

选项A.产品待办事项列表是记录价值优先级排序故事的文档，排序的依据就是不断地获得客户的反馈；

选项B.每日站会是为了帮助团队成员更好的了解团队情况，消除信息差，且仅仅得到团队内部的反馈；

选项D.信息发射源可以帮助客户获得信息，但是无法确保收集到客户的反馈。

HAYoungHA
关注
专栏目录
PMP考前冲刺200题（2020）参考答案
weixin_44587063的博客
10-28 3576
单选题（每题1分，共200道题） 1、[单选]项目团队成员来自于多个部门，并将处理项目和运营活动，任务和资源均已确定。若要确保资源，项目经理应做什么？ Project team members come from multiple departments and will handle project and operational activities, tasks and resources have been determined. What should the project manage...
PMP模拟试题两套试题+答案解析-共360题
06-28
PMP模拟试题两套试题+答案解析-共360题 使用人群：备考人员、项目经理、PMO、需求招投标加分公司、IT行业人员 结论：整理PMP模拟试题两套试题+答案解析-共360题
PMP模拟试题答案及解析.pdf
09-04
公司总结，非常全面，希望对大家有帮助！！！
PMP每日⑤题11.15
Ailong的博客
11-15 177
①希赛中标了一个为重要客户构建数据信息管理系统的项目，已与客户签订了合同并确定了项目章程。五个月后，此项目顺利完成进入收尾，各项指标均符合合同要求。此时，客户要求在合同中增加新的范围，项目经理应该做什么？（ ） A.与客户沟通，建议签订新合同或补充协议 B.请求客户批准范围变更带来的额外预算 C.拒绝范围变更，因为项目已结束 D.实施客户的要求，因为此客户十分重要 ②一个家具制造业检测项目中，项目经理正在进行收集需求，一些相关方要求家具的制造必须具有最高等级的环保要求，另一
2020年PMP考试全真模拟题（附答案解析）1.doc
08-24
【PMP考试全真模拟题】是针对项目管理专业人士认证（Project Management Professional，简称PMP）的备考资料，旨在帮助考生熟悉考试题型和提升解题能力。PMP认证是国际认可的项目管理资格证书，主要考察项目管理的五...
2023年PMP备考资料考前模拟题
02-24
2023年PMP备考资料考前模拟题 01. 圣略咨询PMI-PMP 摸底考 02. 圣略咨询PMI-PMP 摸底考答案 第六版3套全真模拟题 第六版3套全真模拟题一答案 第六版3套全真模拟题二答案 第六版3套全真模拟题三答案 光环 PMP 模拟题1...
2022年PMP模拟考试题（考题+答案+解析）.zip
05-09
1809-第三次模考--考题及答案.pdf 1809-第三次模考.pdf 1809第二次模考题--纯考题，最少要135分以上0118.pdf 1809第二次模考题--附加答案0118.pdf 1809第一次模拟考题.pdf 1809第一次模拟考题+答案.pdf 1812第二次模...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
pmp 模拟题 373页
06-20
对于PMP模拟题373页，需要首先了解题目的背景和要求。该题目描述了一个项目中存在主要突发事件，需要制定针对性的风险应对计划，保证项目不受损失。在此情景下，我们可以采取以下解决方案： 首先，制定风险识别和分析计划，确定各项风险来源，分析并量化风险的可能性和影响程度。其次，建立相应的风险管理计划，包括风险概括、风险识别阶段、风险评估阶段、风险应对阶段等四个部分，对每项风险进行分类和优先级排序，为各项风险定制相应的应对策略和应急预案。 具体而言，针对主要突发事件，可以采取多项措施应对。首先，通过寻找可能的代替方案，减少突发事件发生导致的损失，例如采取备用方案保证项目按照原计划运行。其次，制定危机管理计划，并分析可能失去的利润或收益，考虑适当的减少资源投入，注意控制成本。此外，对可能导致安全事故或损失的风险，需要及时采取相应的防范措施和应急预案，确保项目进程正常运行。 总之，为有效降低风险，保证项目顺利进行，我们需要在项目计划中充分考虑风险管理，并在风险事件发生时快速响应，采取适当的风险应对策略。这样才能确保项目的顺利进行，达到预定目标。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值