1. 软件测试
任课老师:WXH,形式:开卷(中文试卷,可携带中文书籍)
复习建议:由于是开卷考,不需要过早复习,建议考前照着上课的PPT复习,大致有个概念即可,考试时需要重点看看 每章的课后习题 ,照着书抄就稳辣!!!
1.1 题型分布
名词解释(20分 5 x 2)共5题,每题4分
填空题(20分 4 x 5)共4题,每题5分
是非题(20分 5 x 4)共5题,每题4分
简答题(20分 2 x 10)共2题,每题10分
案例分析题(20分) 共1题,两小问
1.2 名词解释
(1)配置测试
(2)杀虫剂困境
(3)确认
(4)等价类划分
(5)静态测试
1.3 填空
(1)一个等价类或者等价划分是指测试 相同目标 或者暴露 相同软件缺陷 的 一组测试用例
(2)动态白盒 测试是结构化测试
(3)旧打印机没有通过新测试,这就是 配置 缺陷
(4)使用探索测试时,如果没有产品说明书就使用 软件 作为产品说明书
1.4 是非题
(1)软件都需要向前兼容或者向后兼容
(2)我们应该完全测试一个软件
(3)可靠性是软件质量的一方面
(4)优秀的测试员坚持不懈地追求完美
(5)在设计和执行测试用例时,总是首先进行通过性测试
1.5 简答题
(1)三种代码覆盖中,哪一种最好?为什么?
(2)下面的产品说明段落是否错误,为什么?
当用户选择 Compact Memory 选项时,程序将使用 Huffman 解析矩阵方法压缩邮件列表数据至最小
1.6 案例分析题
案例:迪士尼狮子王(课本P2)
(1)请分析事件发生的本质是什么?(5分)
(2)如果你是软件测试人员,你会怎么做?(10分)为什么?(5分)
2. 嵌入式
3. 机器学习
任课老师:DL + WYR,形式:一页开卷
复习建议:考察概念偏多,对于公式推导要求不高
3.1 题型分布
简单看看就好,每年题型与分数占比也不会一模一样
选择(40分 20 x 2)共20题,每题2分
填空题(24分)每空2分
简答题(18分 3 x 6)共3题,每题6分
计算题(18分 2 x 9)共2题,每题9分
3.2 选择题
学习通章节测验可以看看
3.3 填空题
(1-7) 阅读线性回归代码,补全其中部分核心代码内容
# 模型训练
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.1) # 数据集划分
linear = LinearRegression() # 模型实例化
# 注意:逻辑回归在这里不适用,因为这是一个回归问题
linear.fit(x_train, y_train) # 模型训练(拟合)
# 绘制图像:显示模型输出与真实结果,观察拟合程度
y_train_pred = linear.predict(x_train)
plt.plot([i for i in range(len(y_train_pred))], y_train_pred, label='model label')
plt.plot([i for i in range(len(y_train))], y_train, label='true label')
plt.legend(loc='best')
plt.xlabel('id')
plt.ylabel('value')
plt.title('Train result')
plt.show()
# 测试集上的均方误差与模型参数
y_test_pred = linear.predict(x_test)
mse = mean_squared_error(y_test_pred, y_test)
print(f"Mean Squared Error: {mse}")
print(f"Model Coefficients: {linear.coef_}")
本次代码基本上就是线性回归实验中的内容,大概挖去了LinearRegression()、fit()、predict()、以及mean_squared_error中的参数之类的需要填写(复习的时候可以把各个实验代码再看看,保不齐考了呢 ?!)
(8) 将低维数据映射到高维空间的是 ()
(9) 以决策树作为基学习器的集成学习算法是()
(10) 对于一个二分类问题,类别划分为1的样本数为200,划分为-1的样本数为800,预测结果全是类别-1,则准确率为()
(11)给定数据集有 n 个样本 , 在满足样本间距离的前提下 , 最少将其分成 k 个簇的算法是()
3.4 简答题
(1) 什么是多级前馈神经网络模型?简述其网络结构以及功能
(2)什么是贝叶斯分类器?有何局限性?
(3)什么是决策树?工作原理是怎样的?
3.5 计算题
学习通章节测验好好做的话应该问题不大
(1)决策树,计算信息熵以及信息增益进行特征选择
(2)K-means算法,计算迭代过程
4. 编译原理
任课老师:XZJ,形式:闭卷
4.1 题型分布
简单看看就好,每年题型与分数占比也不会一模一样
判断题(20分 20 x 1)共20题,每题1分
选择题(30分 15 x 2)共15题,每题2分
计算题(16分)共3题
简答题(34分)共3题
4.2 判断题
考察一些概念,可能需要好好看书(看完书本的概念后可以找些网上的题刷)
4.3 选择题
考察一些概念,可能需要好好看书(看完书本的概念后可以找些网上的题刷)
4.4 计算题
(1)最左推导,画出语法树,写出短语、直接短语、句柄 (3分)
(2)DFA(要求最小化)以j开头,jkj结尾(仅包含j、k)(10分)祖传题目。。。
(3)给定中缀表达式,要求写出语法树、后缀式、三地址码(3分)
4.5 简答题
(1) LL(1)语法分析 (15分)
- 将给定文法产生式进行消除左递归、消除回溯
- 求出所有非终结符的FIRST集、FOLLOW集
- 给出LL(1)预测分析表
(2)LR(0)分析 (15分)
- 求出项目集规范族(在识别活前缀DFA情况下)
- 写出所有识别活前缀DFA
- 写出对应LR(0)分析,判断是否为LL(1)文法
(3)属性文法分析 (4分)
见课本第六章练习五的第一小题
5. 大数据处理技术
任课老师:XY,形式:闭卷
据说下一届之后课程内容会调整(怪不得今年出题这么水。。。感觉跟上一届题目差不多)
5.1 题型分布
以后题型不好说,反正今年是这样的
填空题(12分)每空1分
选择题(32分 16 x 2)共16题,每题2分
简答题(24分 6 x 4)共6题,每题4分
程序题(32分 16 x 2)共2题,每题16分
5.2 填空题
(1)Spark架构组成:Cluster Manager、Driver、Worker Node、Executor
(2)NoSQL数据库的四种类型:键值、文档、列族、图
(3)RDD的两种操作类型:转换与行为
(4)BASE理论是指:基本可用、软状态、最终一致
5.3 选择题
难度不大,考前把PPT过一遍基本就行
5.4 简答题
(1)简述NoSQL中的CAP理论
(2)MapReduce的shuffle流程
(3)解释以下RDD操作的含义:
count()、collect()、first()、flatMap(func)、reduceByKey()、forEach(func)
(4)简述HDFS使用块的好处
(5)说明HDFS中块副本的存放策略
(6)HBase的三个层次及其作用
5.5 程序题
(1)在伪分布式hadoop环境下,使用Java代码编写HDFS读写 /test.txt文件内容程序
(2)使用Java代码编写MapReduce中WordCount案例的map函数以及reduce函数(题目中会给出map函数以及reduce函数的参数列表)
6. 算法设计与分析
任课老师:LG,形式:闭卷
题目估计每年都不太一样,仅做参考意义。。。
6.1 题型分布
选择题(10分 5 x 2)共5题,每题2分
判断题(10分 5 x 2)共5题,每题2分
程序填空题(60分 4 x 15)共4题,每题15分
分析综合题(20分 2 x 10)共2题,每题10分
6.2 选择题
比较简单
6.3 判断题
比较简单
6.4 程序填空题
大概率是从平时OJ作业中选取,今年题目如下:
- 求逆序对(分治)
- 竞赛分组(贪心)
- 分考场(回溯)
- 在神秘的村庄里挖金矿(分支限界)
每题都是给出一段完整代码(C/C++),在核心代码处挖空填写,最后给出该算法类型以及算法思路
6.5 分析综合题
(1)类似于GPS实现红绿灯计时效果背景,即通过GPS定位信息预测红绿灯情况,要求给出合适的算法描述
(2)给出Erdos数背景:Erdos本人的Erdos数为0;一个数学家的Erdos数定义为与他合作发表过文章的人数加1;如果一个数学家没有与Erdos合作发表过文章,但与Erdos数为1的人合作过,那么他的Erdos数为2,以此类推,然后给出数学家名称以及论文信息资源库,回答以下问题:
- 给出合适的数据结构以及解释原因
- 给出合适的算法解决上述场景(可以使用伪代码或者文字流程说明)
7. IT项目管理
任课老师:GLL,形式:闭卷
老师考前会划重点,跟着重点看PPT大有裨益
7.1 题型分布
判断题(18分 12 x 1.5)共18题,每题1.5分
选择题(20分 10 x 2)共10题,每题2分
填空题(20分)共20空,每空1分
简答题(10分 2 x 5)共2题,每题5分
计算题(32分)共3题,第一题8分,第二题8分,第三题16分
7.2 判断题
题目忘了,反正好好复习就会做嘻嘻(ლ(╹◡╹ლ))
7.3 选择题
题目忘了,反正好好复习就会做嘻嘻(ლ(╹◡╹ლ))
7.4 填空题
大部分考PMBOK中的内容,这次考了风险管理、成本管理、进度管理的过程(挖了几个空填写)
还有范围管理的分类等等
7.5 简答题
(1)CMM能力成熟度模型五大等级,以及各个等级的功能
(2)项目管理的重要性?软件工程项目对于个人、企业以及社会发展的作用
7.6 计算题
(1)成本管理,题目给出BCWP、ACWP、BCWS的定义,要求给出计算CV、SV、CPI、SPI的公式以及取值的影响效果
(2)风险管理,给出一段背景要求手画决策树
(3)进度管理
- 根据题目要求,画出PDM图
- 在第一题的PDM上标出各个任务的ES、EF、LS、LF
- 求解关键路径以及总工时
- 如果你是项目经理,如何做出决策减少任务工时