⼀、考试性质
上海市高等学校信息技术水平考试是全市高校统一的教学考试,是检测和评价高校信息技术基础教学水平和教学质量的重要依据之一。该项考试旨在规范和加强高校的信息技术基础教学工作,提高学生的信息技术应用能力。考试对象是高等学校在校学生。考试每年举行一次,通常安排在当年十一月底的星期六或星期日。凡考试成绩达到合格或优秀者,由上海市教育委员会颁发相应的证书。
本考试由上海市教育委员会统一领导,聘请企业和高校专家组成考试委员会,委托上海市教育考试院组织实施。
⼆、考试⽬标
上海市高等学校信息技术水平考试(四级)旨在适应新一代信息技术及其应用高速发展的形势,对接现代产业转型升级对信息技术人才的新需要,打通人才培养的需求侧和供给侧,积极引导上海高校开展计算机教学改革,提升大学生信息素养,培养大学生信息技术应用能力,提升大学生的就业竞争力。四级考试面向高年级大学生,由知名信息技术企业支持并参与,考核结果得到相关企业的认可。
四级考试从企业用人标准角度来考核,将企业实际问题作为考试素材,面向实际应用,解决实际问题,充分利用新一代信息技术综合集成,搭建高校与社会企业桥梁,实现知识融合、技能跨界、标准演进。考试依托上海市软件行业协会、上海市知名信息行业企业、高校专家成立命题专家组,以考促教,缩小高校教学与社会需求间的差距,更好地培养大学生的信息素养、计算思维、创新应用和解决实际问题能力,在人工智能、大数据时代更好地提供人才保障。考试根据信息技术发展和行业企业需要区分专业领域进行考核,现设置四个专业领域:人工智能、大数据与云计算、基础软件和网络与信息安全。
人工智能科目考试以新时代下人工智能行业从业要求为基线,自我学习能力,动手实践和科研探索为提升的综合性考试,从而提高学生对人工智能相关知识、算法、工具、平台、应用特别是大语言模型场景应用的掌握程度,加强学生综合集成与应用能力培养,训练学生的人工智能思维,以此为新时代的建设提供综合性人才。
考试得到华为、百度、万达信息、商汤科技、云从科技、科大讯飞、明略科技、智臻智能等企业的支持。
⼀、考试性质
上海市高等学校信息技术水平考试是全市高校统一的教学考试,是检测和评价高校信息技术基础教学水平和教学质量的重要依据之一。该项考试旨在规范和加强高校的信息技术基础教学工作,提高学生的信息技术应用能力。考试对象是高等学校在校学生。考试每年举行一次,通常安排在当年十一月底的星期六或星期日。凡考试成绩达到合格或优秀者,由上海市教育委员会颁发相应的证书。
本考试由上海市教育委员会统一领导,聘请企业和高校专家组成考试委员会,委托上海市教育考试院组织实施。
⼆、考试⽬标
上海市高等学校信息技术水平考试(四级)旨在适应新一代信息技术及其应用高速发展的形势,对接现代产业转型升级对信息技术人才的新需要,打通人才培养的需求侧和供给侧,积极引导上海高校开展计算机教学改革,提升大学生信息素养,培养大学生信息技术应用能力,提升大学生的就业竞争力。四级考试面向高年级大学生,由知名信息技术企业支持并参与,考核结果得到相关企业的认可。
四级考试从企业用人标准角度来考核,将企业实际问题作为考试素材,面向实际应用,解决实际问题,充分利用新一代信息技术综合集成,搭建高校与社会企业桥梁,实现知识融合、技能跨界、标准演进。考试依托上海市软件行业协会、上海市知名信息行业企业、高校专家成立命题专家组,以考促教,缩小高校教学与社会需求间的差距,更好地培养大学生的信息素养、计算思维、创新应用和解决实际问题能力,在人工智能、大数据时代更好地提供人才保障。考试根据信息技术发展和行业企业需要区分专业领域进行考核,现设置四个专业领域:人工智能、大数据与云计算、基础软件、网络与信息安全。
考试的目标是考核学生通过运用大数据与云计算技术解决实际应用问题的过程和结果,从而提高学生对大数据和云计算相关知识、算法、工具、平台、应用的掌握程度,加强学生综合集成与应用能力培养,训练学生的大数据与云计算思维。
考试得到万达信息、帆软软件、星环科技、华为、优刻得、腾讯等企业的支持。
⼀、考试性质
上海市高等学校信息技术水平考试是上海市全市高校统一的教学考试,是检测和评价高校信息技术基础教学水平和教学质量的重要依据之一。该项考试旨在规范和加强上海高校的信息技术基础教学工作,提高学生的信息技术应用能力。考试对象主要是上海市高等学校在校学生。考试每年举行一次,通常安排在当年十一月底的星期六或星期日。凡考试成绩达到合格者或优秀者,由上海市教育委员会颁发相应的证书。
本考试由上海市教育委员会统一领导,聘请企业和高校专家组成考试委员会,委托上海市教育考试院组织实施。
⼆、考试⽬标
上海市高等学校信息技术水平考试(四级)将企业实际问题作为考试素材,从企业用人标准角度来考核,考核结果得到相关企业的认可。
考试面向实际应用,解决实际问题,充分利用新一代信息技术综合集成,搭建高校与社会企业桥梁,实现知识融合、技能跨界、标准演进。考试依托上海市软件行业协会、上海市知名信息行业企业、高校专家成立命题专家组,以考促教,缩小高校教学与社会需求间的差距,更好地培养大学生的信息素养、计算思维、创新应用和解决实际问题能力,在人工智能、大数据时代更好地提供人才保障。考试根据信息技术发展和行业企业需要区分专业领域进行考核,现设置三个专业领域:人工智能、大数据与云计算、基础软件。
上海市高等学校信息技术水平考试(四级)《基础软件》旨在考核学生对操作系统、数据库、中间件等基础软件相关知识、算法、工具、平台的掌握程度,加强学生综合集成与应用能力培养,提高学生的基础软件应用和开发能力。
上海市高等学校信息技术水平考试(四级)《基础软件》得到电科 32 所、麒麟软件、达梦数据库、东方通等企业的支持。
⼀、考试性质
上海市高等学校信息技术水平考试是上海市全市高校统一的教学考试,是检测和评价高校信息技术基础教学水平和教学质量的重要依据之一。该项考试旨在规范和加强上海高校的信息技术基础教学工作,提高学生的信息技术应用能力。考试对象主要是上海市高等学校在校学生。考试每年举行一次,通常安排在当年十一月底的星期六或星期日。凡考试成绩达到合格或优秀者,由上海市教育委员会颁发相应的证书。
本考试由上海市教育委员会统一领导,聘请企业和高校专家组成考试委员会,委托上海市教育考试院组织实施。
⼆、考试⽬标
上海市高等学校信息技术水平考试(四级)旨在适应新一代信息技术及其应用高速发展的形势,对接现代产业转型升级对信息技术人才的新需要,打通人才培养的需求侧和供给侧,积极引导上海高校开展计算机教学改革,提升大学生信息素养,培养大学生信息技术应用能力,提升大学生的就业竞争力。四级考试面向高年级大学生,由知名信息技术企业支持并参与,考核结果得到相关企业的认可。
四级考试从企业用人标准角度来考核,将企业实际问题作为考试素材,面向实际应用,解决实际问题,充分利用新一代信息技术综合集成,搭建高校与社会企业桥梁,实现知识融合、技能跨界、标准演进。考试依托上海市软件行业协会、上海市知名信息行业企业、高校专家成立命题专家组,以考促教,缩小高校教学与社会需求间的差距,更好地培养大学生的信息素养、计算思维、创新应用和解决实际问题能力,在人工智能、大数据时代更好地提供人才保障。考试根据信息技术发展和行业企业需要区分专业领域进行考核,现设置四个专业领域:人工智能、大数据与云计算、基础软件、网络与信息安全。
四级《网络与信息安全技术》考试的目标是考核学生通过运用网络安全技术解决实际应用问题的过程和结果,从而提高学生对网络安全、数据安全、密码学的相关基础知识与技术的掌握程度,加强学生综合集成与应用能力培养,训练学生的网络安全的实战能力。
四级《网络与信息安全技术》考试得到深信服科技股份有限公司、北京神州绿盟科技股份有
限公司、奇安信科技集团股份有限公司、上海计算机软件技术开发中心、上海观安等企业的支持。
⼀、考试性质
上海市高等学校信息技术水平考试是全市高校统一的教学考试,是检测和评价高校信息技术基础教学水平和教学质量的重要依据之一。该项考试旨在规范和加强高校的信息技术基础教学工作,提高学生的信息技术应用能力。考试对象是高等学校在校学生。考试每年举行一次,通常安排在当年十一月底的星期六或星期日。凡考试成绩达到合格或优秀者,由上海市教育委员会颁发相应的证书。
本考试由上海市教育委员会统一领导,聘请企业和高校专家组成考试委员会,委托上海市教育考试院组织实施。
⼆、考试⽬标
上海市高等学校信息技术水平考试(四级)旨在适应新一代信息技术及其应用高速发展的形势,对接现代产业转型升级对信息技术人才的新需要,打通人才培养的需求侧和供给侧,积极引导上海高校开展计算机教学改革,提升大学生信息素养,培养大学生信息技术应用能力,提升大学生的就业竞争力。四级考试面向高年级大学生,由知名信息技术企业支持并参与,考核结果得到相关企业的认可。
四级考试从企业用人标准角度来考核,将企业实际问题作为考试素材,面向实际应用,解决实际问题,充分利用新一代信息技术综合集成,搭建高校与社会企业桥梁,实现知识融合、技能跨界、标准演进。考试依托上海市软件行业协会、上海市知名信息行业企业、高校专家成立命题专家组,以考促教,缩小高校教学与社会需求间的差距,更好地培养大学生的信息素养、计算思维、创新应用和解决实际问题能力,在人工智能、大数据时代更好地提供人才保障。考试根据信息技术发展和行业企业需要区分专业领域进行考核,现设置四个专业领域:人工智能、大数据与云计算、基础软件和网络与信息安全。
人工智能科目考试以新时代下人工智能行业从业要求为基线,自我学习能力,动手实践和科研探索为提升的综合性考试,从而提高学生对人工智能相关知识、算法、工具、平台、应用特别是大语言模型场景应用的掌握程度,加强学生综合集成与应用能力培养,训练学生的人工智能思维,以此为新时代的建设提供综合性人才。
考试得到华为、百度、万达信息、商汤科技、云从科技、科大讯飞、明略科技、智臻智能等企业的支持。
一,考试内容和要求
知识领域 |
知识单元 |
知识点 |
要求 |
人工智能概述 |
人工智能基本概念 |
人工智能定义、起源 |
理解 |
人工智能的发展历史 |
人工智能研究方向 |
知道 |
|
人工智能流派 |
知道 |
||
智能计算系统 |
智能计算系统定义与组成 |
理解 |
|
人工智能应用 |
人工智能典型应用领域与场景 |
理解 |
|
通用大模型与专业大模型工具 |
通用大模型案例AI 应用程序与操作 |
理解 |
|
专业集成大模型千学百科AI 集成平台 |
理解 |
||
数学基础与计算思维 |
数学基础 |
线性代数基础 |
理解 |
微积分基础 |
理解 |
||
概率与统计基础 |
理解 |
||
计算思维基础 |
计算思维概述 |
理解 |
|
数学建模基础 |
理解 |
||
Python 程序设计 |
掌握 |
||
算法与算法评价 |
掌握 |
||
操作系统与linux 基础 |
操作系统原理基础 |
掌握 |
|
linux 操作命令 |
掌握 |
||
生成式人工智能三要素基础 |
数据 |
语料采集 |
掌握 |
数据标注 |
掌握 |
||
数据管理 |
理解 |
||
算法 |
机器学习算法概述 |
理解 |
|
深度学习算法概述 |
理解 |
||
优化算法概述 |
理解 |
||
算力 |
CPU 与 GPU 计算硬件基础 |
掌握 |
|
软件框架与工具 |
理解 |
||
并行与异构计算及性能优化 |
理解 |
||
知识图谱与计算机 |
逻辑推理 |
谓词逻辑表示法 |
掌握 |
推理规则 |
掌握 |
||
确定性与不确定性推理 |
理解 |
||
专家系统与知识图谱 |
专家系统基本原理 |
理解 |
|
知识图谱基本原理 |
掌握 |
||
本体知识表示 |
掌握 |
||
机器学习 |
机器学习基本概念 |
无监督学习(聚类、特征降维)和有监督学习(分类、回归)的概念 |
掌握 |
数据预处理(含特征工程) |
掌握 |
||
模型训练基本概念 |
掌握 |
||
性能评估 |
掌握 |
||
机器学习经典方法 |
回归(如线性回归、逻辑回归) |
掌握 |
|
分类(如决策树、K 近邻算法、支持向量机) |
掌握 |
||
聚类(如K-Means 聚类、层次聚类) |
掌握 |
||
集成模型(如Boosting、随机森林) |
掌握 |
||
降维(如 PCA、LDA) |
理解 |
||
朴素贝叶斯 |
知道 |
||
强化学习基本概念 |
强化学习定义及原理 |
掌握 |
|
价值函数与Q 学习 |
理解 |
||
深度学习 |
神经网络基本概念 |
前向传播与反向传播 |
掌握 |
激活函数 |
掌握 |
||
损失函数 |
掌握 |
||
梯度下降法 |
掌握 |
||
过拟合与欠拟合 |
理解 |
||
正则化 |
理解 |
||
典型神经网络 |
序贯模型(Sequential) |
掌握 |
|
CNN 特点及经典模型(LeNet、ResNet) |
掌握 |
||
RNN 特点及经典模型等(LSTM,GRU) |
掌握 |
||
Transformer |
理解 |
||
计算机视觉 |
计算机视觉基础 |
特征表示与滤波 |
理解 |
边缘检测与局部特征描述符 |
理解 |
||
计算机视觉应用 |
图像分割与分类 |
掌握 |
|
目标检测与识别 |
掌握 |
||
生物特征识别 |
理解 |
||
行为分析 |
知道 |
||
三维重建与立体视觉 |
知道 |
||
图像生成与风格迁移 |
知道 |
||
语音处理 |
语音处理基础 |
基本概念(响度、共振峰、掩蔽效应、基音等) |
理解 |
声音信号预处理与量化 |
理解 |
||
常用时域、频域、声学特征 |
理解 |
||
语音处理方法与应用 |
常用模型(DNN-HMM、Attention、 Transformer 等) |
知道 |
|
语音识别(说话人、关键词、认证、增强) |
知道 |
||
语音合成(如文本到语音) |
知道 |
||
自然语言处理 |
自然语言处理基础 |
词法(分词、词性标注、命名实体识别等) |
理解 |
句法(句子成分分析、生成式句法、依存式句法等) |
理解 |
||
自然语言处理方法与应用 |
词表示(n-gram 语言模型、word2vec 等) |
知道 |
|
句子建模(RNN、LSTM、Transformer 等) |
知道 |
||
垂直任务类(机器翻译、问答系统、信息抽取等) |
知道 |
||
人工智能前沿技术与生成式大模型 |
数据增强技术 |
扩散模型基础 |
知道 |
生成对抗网络(GAN)基础 |
知道 |
||
多模态技术 |
多模态基础(感知、数据) |
知道 |
|
多模态学习 |
知道 |
||
分布式机器学习与联邦学习 |
分布式机器学习基础 |
知道 |
|
联邦学习基础 |
知道 |
||
生成式大模型原理与技术 |
预训练概念 |
掌握 |
|
检索增强生成(RAG)概念 |
掌握 |
||
Transformer 架构相关模型 |
掌握 |
||
深度学习框架技术和使用 |
掌握 |
||
RLHF 等数据预处理技术 |
掌握 |
||
模型预训练、模型微调、模型对齐、超参数调整等训练技术 |
掌握 |
||
大模型推理部署技术 |
掌握 |
||
异构计算、分布式和并行计算等工具链 &Infra 技术 |
知道 |
||
智能体与具身智能 |
智能体基础 |
知道 |
|
具身智能基础 |
知道 |
||
人工智能赋能千行百业 |
智能社会 |
智能社会概念、技术、应用 |
理解 |
智能社会领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能社会领域模型 实例 |
新闻、社会治理、法律等 |
知道 |
|
智能交通 |
智能交通概念、技术、应用 |
理解 |
|
智能交通领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能交通领域模型 实例 |
自动驾驶、交通调度 |
知道 |
|
智能医疗 |
智能医疗概念、技术、应用 |
理解 |
|
智能医疗领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能医疗领域模型 实例 |
AI 看片,网上医生 |
知道 |
|
智能制造 |
智能制造概念、技术、应用 |
理解 |
|
智能制造领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能制造领域模型 实例 |
无人AI 工厂 |
知道 |
|
智能创意 |
智能创意概念、技术、应用 |
理解 |
|
智能创意领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能创意领域模型实例 |
数字人、AI 编剧、AI 视频制作、AI 作画、 AI 音乐等 |
知道 |
|
智能推荐 |
智能推荐概念、技术、应用 |
理解 |
|
智能推荐领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能推荐领域模型实例 |
网上购物、短推荐视频 |
知道 |
|
智慧教育 |
智慧教育概念、技术、应用 |
理解 |
|
智慧教育领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智慧教育领域模型实例 |
AI 助教、AI 助学、AI 助研、AI 助管 |
知道 |
|
机器人 |
机器人的概念、技术、应用 |
理解 |
|
机器人领域模型 |
语料、模型算法与算力支持 |
知道 |
|
机器人领域模型实例 |
移动机器人( AMRs)、工业协作机器人 (Cobots)、无人配送机器人、智能仓储机器人等 |
知道 |
|
智能驱动科学研究 |
AI4Science 概念、技术、应用 |
理解 |
|
科学研究领域模型 |
语料、模型算法与算力支持 |
知道 |
|
科学研究领域模型实例 |
AIfor*量子物理与量子化学、AIfor*生物制药与蛋白质结构分析、AIfor*新材料研发、 AIfor*核聚变与前沿物理、AIfor*气候预测与地球模拟、AIfor*合成生物学、AIfor*分子相互作用 |
知道 |
|
从业能力 |
学习能力 |
论文阅读能力 |
理解 |
项目规划和实践能力 |
理解 |
||
人工智能安全与 伦理 |
可信人工智能 |
可信人工智能的可解释性、安全性、公正性、隐私性 |
理解 |
人工智能伦理 |
人工智能的伦理基础和安全挑战 |
理解 |
|
人工智能伦理原则 |
知道 |
||
构建负责任的人工智能系统 |
知道 |
备注:
知识与技能的考核要求分为知道、理解、掌握和综合应用四个层次,其含义分别为:知道:能识别和记忆相关的学习内容,对相关的知识有初步认识。
理解:初步把握学习内容的由来、作用和使用方法,并能以相应的学习内容为主完成简单的实践。
掌握:以某一学习内容为重点,综合运用其他相关内容,实现给定问题下的实践要求。
综合应用:可以以综合知识去解决实际的应用,完成给定问题合理的解决方案。
二,试卷结构
题号 |
题型 |
题量 |
分值 |
考核内容 |
考核能力 |
— |
单选题 |
20 题 |
20 分 |
人工智能概述 数学基础与计算思维生成式人工智能三要素基础 知识图谱与计算机机器学习 |
人工智能基本知识掌握能力 通用大模型与专业大模型工具基本应用能力 数学和计算机思维基础理解能力操作系统与Linux 基础掌握能力 生成式人工智能三要素基础理解能力 逻辑推理,专家系统与知识图谱基础理解能力 机器学习基本知识掌握能力机器学习经典方法应用能力强化学习基本知识掌握能力 可信人工智能基本概念理解能力 人工智能安全与伦理基本知识理解能力 |
二 |
是非题 |
10 题 |
10 分 |
||
三 |
多选题 |
10 题 |
20 分 |
||
四 |
简单题 |
2 题 |
10 分 |
深度学习 计算机视觉语音处理 自然语言处理 人工智能前沿技术与生成式大模型 人工智能赋能千行百业 从业能力 |
典型神经网络基本应用能力计算机视觉应用能力 语音处理方法与应用能力 自然语言处理方法与应用能力 数据增强技术的应用能力多模态技术的应用能力 分布式机器学习与联邦学习的应用能力生成式大模型原理与技术的实操和应用能力 智能体与具身智能的应用 人工智能在千行百业中的场景知识,算法逻辑和应用能力 论文阅读能力 项目规划和实践能力 |
五 |
基础操作题 |
2 题 |
30 分 |
||
六 |
实践应用题 |
2 题 |
30 分 |
||
七 |
场景设计与行业 应用 |
1 题 |
30 分 |
||
合计 |
47 题 |
150 分 |
三,相关说明
1考试时间:150 分钟。
试卷总分:150 分。
2等第:不合格、合格、优秀。各等第分数线由考委会划定。
3考试方式:考试采用基于网络环境的无纸化上机考试。
4考试环境:
1上海市高等学校信息技术水平考试通用平台。
1操作系统:Windows 10 中文版(64 位)。
●推荐深度学习框架:Pytorch/Tensorflow/MindSpore。
●应用开发环境:安装 JDK 8 及以上版本,并设置 JDK 的操作环境。建议安装集成开发环境 Eclipse standard 4.6 或及以上版本。注:安装 Eclipse,须先安装 JRE; Python 3.x,建议 3.8 或Anaconda3-2021.05,可选装 Pycharm、VS Code、PyScripter、 Spyder 等教学中考生熟悉使用的编程调试环境;Microsoft Office 2016 中文版(包
括 Word、Excel、PowerPoint)。
一,考试内容和要求
知识领域 |
知识单元 |
知识点 |
要求 |
基础知识 |
公共基础 |
Linux 基础 |
应用 |
网络基础 |
掌握 |
||
云计算基础 |
初识云计算 |
掌握 |
|
公有云基础和常见产品 |
理解 |
||
云计算的公共特征与分类 |
理解 |
||
大数据基础 |
编程基础 |
应用 |
|
数据库基础 |
应用 |
||
深入云计算 |
云计算原理 |
虚拟化技术和分类 |
掌握 |
分布式存储技术 |
理解 |
||
分布式计算与并行计算技术 |
理解 |
||
对象存储技术 |
理解 |
||
云计算安全 |
知道 |
||
主机虚拟化 |
VMware 平台 |
理解 |
|
OpenStack 框架 |
应用 |
||
容器虚拟化 |
容器技术 |
应用 |
|
Kubernetes 平台 |
理解 |
||
云原生体系 |
微服务技术 |
应用 |
|
DevOps 体系 |
掌握 |
||
云计算与人工智能 |
算力和训练平台 |
理解 |
|
AI 即服务(AIaaS) |
理解 |
||
大数据平台与应用 |
大数据基本概念 |
大数据基础概念 |
理解 |
Hadoop 架构体系 |
理解 |
||
MapReduce 架构 |
MapReduce 模型概述 |
掌握 |
|
MapReduce 编程框架 |
应用 |
||
HDFS |
HDFS 的概念与原理 |
理解 |
|
HDFS 的体系结构和文件系统 |
应用 |
||
Zookeeper |
Zookeeper 的基本原理和架构 |
理解 |
|
Zookeeper 的数据模型 |
知道 |
||
HBase |
HBase 的基本原理和架构 |
理解 |
|
HBase 存储格式和读写数据 |
掌握 |
||
Yarn |
Yarn 的基本概念和架构 |
理解 |
|
Yarn 的通信协议 |
知道 |
||
离线数据处理 |
Spark 框架 |
应用 |
|
Hive 数据仓库 |
应用 |
||
实时数据处理 |
Flink 框架 |
理解 |
|
数据采集 |
数据采集工具 |
掌握 |
|
数据库进阶 |
高性能数据库 |
掌握 |
|
非关系数据库 |
掌握 |
||
数据治理 |
数据治理概念 |
理解 |
|
ETL 工具 |
应用 |
||
数据清洗 |
理解 |
||
数据湖、仓库与集市 |
传统和实时数据仓库 |
掌握 |
|
数据湖与数据集市概念 |
知道 |
||
数据建模与挖掘 |
数据挖掘算法和模型 |
应用 |
|
数据安全与隐私保护 |
数据安全分类分级 |
掌握 |
|
数据加密和脱敏 |
理解 |
||
联邦学习与隐私计算 |
理解 |
||
数字签名与数字水印 |
知道 |
||
数据要素与数据流通 |
理解 |
||
大数据与人工智能 |
数据标注与样本处理 |
掌握 |
|
数据预测与缺失值处理 |
掌握 |
||
机器学习算法分类与应用 |
应用 |
||
深度学习算法分类与应用 |
应用 |
备注:
知识与技能的考核要求分为知道、理解、掌握和应用四个层次,其含义分别为:知道:能识别和记忆相关的学习内容,对相关的知识有初步认识。
理解:初步把握学习内容的由来、作用和使用方法,并能以相应的学习内容为主完成简单的实践。
掌握:以某一学习内容为重点,综合运用其他相关内容,实现给定问题下的实践要求。
应用:可以以综合知识去解决实际的应用,完成给定问题合理的解决方案。
二,试卷结构
题号 |
题型 |
题量 |
分值 |
考核内容 |
考核能力 |
— |
单选题 |
20 题 |
20 分 |
公共基础 云计算基础 云计算原理 虚拟化技术 云计算与人工智能 大数据基础 大数据基本概念 Hadoop 架构体系 大数据平台相关组件 |
Linux 和网络技术的运用能力 云计算与大数据基础的理解和 分析能力 云计算原理的理解和分析能力 虚拟化技术的理解和运用能力 云计算与人工智能相结合的运 用能力 大数据的基本概念理解和分析 能力 |
二 |
是非题 |
10 题 |
10 分 |
||
三 |
多选题 |
10 题 |
20 分 |
大数据处理 数据湖、仓库与集市数据安全与隐私保护 |
Hadoop 架构体系的理解和分析能力 大数据平台相关组件的运用能力 大数据处理的理解和运用能力数据湖、仓库与集市的理解和运用能力 数据安全与隐私保护的理解和 运用能力 |
四 |
简答题 |
2 题 |
10 分 |
虚拟化技术云原生体系 Hadoop 架构体系大数据平台相关组件 数据处理数据治理 数据库进阶 数据建模与挖掘大数据与人工智能 |
虚拟化技术的应用与操作能力云原生体系的设计与应用能力 Hadoop 架构下的编程与应用能力 大数据平台组件的操作能力数据处理的设计与应用能力数据治理的设计与应用能力数据库的设计与应用能力 数据建模与挖掘的设计与应用能力 大数据与人工智能的设计与应 用能力 |
五 |
基础操作题 |
2 题 |
30 分 |
||
六 |
实践应用题 |
2 题 |
30 分 |
||
七 |
场景设计与行 业应用 |
1 题 |
30 分 |
||
合计 |
47 题 |
150 分 |
Python 3.x,建议 3.8 或Anaconda3-2021.05,可选装 Pycharm、VS Code、PyScripter、 Spyder 等教学中考生熟悉使用的编程调试环境;Microsoft Office 2016 中文版(包括 Word、Excel、PowerPoint)。
一,考试内容和要求
知识领域 |
知识单元 |
知识点 |
要求 |
操作系统 |
操作系统基本概念 |
操作系统的概念与主要功能 |
掌握 |
操作系统的发展与分类 |
掌握 |
||
操作系统的运行环境,包括内核态与用户态、中断、异常、系统调用等 |
掌握 |
||
操作系统体系结构 |
理解 |
||
进程管理 |
进程与线程,包括进程概念、进程的状态与转换、进程控制、进程通信、线程概念与多线程模型等 |
掌握 |
|
处理机调度,包括调度的基本概念、调度时机、上下文管理、典型调度算法等 |
掌握 |
||
同步与互斥,包括进程同步的基本概念、实现临界区互斥的基本方法、信号量、经典同步问题等 |
掌握 |
||
死锁,包括死锁的概念、死锁预防、死锁避免、死锁检测和解除等 |
掌握 |
||
内存管理 |
逻辑地址与物理地址 |
掌握 |
|
空间分页管理方式 |
掌握 |
||
虚拟存储管理,包括虚拟存储基本概念、请求分页管理方式、页面置换算法等 |
掌握 |
||
文件管理 |
文件系统基础,包括文件概念、文件的逻辑结构、目录结构等 |
掌握 |
|
文件系统实现,包括文件系统层次结构、目录实现、文件实现等 |
理解 |
||
设备管理 |
设备管理基础,包括设备分类和标识、I/O 系统结构、直接存储器访问方式、缓冲技术等 |
掌握 |
|
I/O 软件构造原则,包括 I/O 软件目标、设备驱动程序等 |
掌握 |
||
磁盘组织与管理,包括磁盘的结构、磁盘的管理、磁盘高速缓存等 |
理解 |
||
数据库 |
数据库基本概念 |
数据库系统的特点 |
掌握 |
数据库系统三级模式结构 |
掌握 |
||
概念模型与 E-R 图 |
实体与联系 |
掌握 |
|
ER 图向关系模式的转换 |
理解 |
||
关系数据模型 |
数据模型三要素 |
掌握 |
|
关系模型(包括实体完整性和参照完整性) |
掌握 |
||
关系代数基本运算(选择,投影,笛卡尔积,联接,集合运算) |
掌握 |
||
关系数据库标准语言 SQL |
表定义(包括 primary key、foreign key、check) |
掌握 |
|
索引定义 |
掌握 |
||
视图的定义与作用 |
掌握 |
||
SQL 查询、插入、修改、删除 |
掌握 |
||
嵌入式 SQL(静态 SQL 部分) |
理解 |
||
SQL 数据库编程,包括时间、触发器、存储过程与存储函数 |
掌握 |
||
关系规范化 |
函数依赖的概念 |
掌握 |
|
范式(1NF、2NF、3NF、BCNF) |
掌握 |
||
关系规范化方法 |
理解 |
||
数据库保护 |
事务的概念(并发事务的潜在问题,事务的可串行化调度) |
理解 |
|
锁机制(共享锁和排它锁) |
理解 |
||
数据库系统的故障类型 |
掌握 |
||
数据库备份 |
掌握 |
||
数据库 应用系统设计 |
概念设计 |
掌握 |
|
逻辑设计 |
掌握 |
||
物理设计 |
理解 |
||
数据库系统的运行和管理 |
数据库的转储与恢复 |
掌握 |
|
数据库运行与维护 |
掌握 |
||
数据库管理 |
理解 |
||
性能调整 |
理解 |
||
数据库的安全性 |
数据库用户及用户权限管理 |
掌握 |
|
数据库数据文件管理 |
理解 |
||
数据库日志管理 |
理解 |
||
分布式数据库和面向对象数据库 |
分布式数据库特点 |
掌握 |
|
分布式数据库应用 |
理解 |
||
面向对象的数据库系统特点 |
掌握 |
||
面向对象的数据库语言 |
理解 |
||
中间件 |
中间件概述 |
中间件定义 |
掌握 |
中间件分类和作用,包括消息中间件、交易中间件、JavaEE 应用服务器、数据中间件、企业服务总线、分布计算中间件和应用开发中间件等 |
掌握 |
||
以上各类中间件应用场景 |
掌握 |
||
中间件技术规范 |
理解 |
||
JavaEE 应用服务器 |
JavaEE 规范(JSP/Servlet、JMS、JDBC、JNDI、RMI、JTA 等) |
理解 |
|
JavaEE 应用服务器类别,包括开源和国外的主流 JavaEE 应用服务器产品和品牌 |
掌握 |
||
Tomcat 总体架构,包括 Server、Service、Connector、Container 等 |
掌握 |
||
Tomcat 安装、启停及部署应用 |
掌握 |
||
Tomcat 配置数据库连接池 |
掌握 |
||
Tomcat 管理 |
掌握 |
||
负载均衡器 |
负载均衡器类别,包括开源和国外的主流负载均衡器产品和品牌 |
掌握 |
|
负载均衡器应用场景 |
掌握 |
||
会话亲和机制 |
理解 |
||
session 共享机制 |
理解 |
||
redis 缓存 |
知道 |
||
典型负载均衡算法 |
理解 |
||
Shell 应用及环境变量设置 |
Linux/UNIX 系统参数和环境变量设置 |
掌握 |
|
SHELL 脚本编程 |
理解 |
||
数据结构与算法 |
数据结构 |
基本数据结构定义及应用 |
掌握 |
算法复杂度分析 |
时间复杂度 |
掌握 |
|
空间复杂度 |
掌握 |
||
排序算法 |
内部排序算法 |
掌握 |
|
外部排序算法 |
知道 |
||
查找算法 |
顺序查找法 |
掌握 |
|
分块查找法 |
掌握 |
||
二分查找法 |
掌握 |
||
散列表 |
掌握 |
||
字符串模式匹配 |
知道 |
||
树及相关算法 |
树的基本概念 |
掌握 |
|
二叉树,包括二叉树的定义、二叉树的遍历、线索二叉树等 |
掌握 |
||
树和森林,包括森林与二叉树的转换、树和森林的遍历等 |
掌握 |
||
树与二叉树的应用,包括二叉树序树、平衡二叉树、哈夫曼树等 |
掌握 |
||
图及相关算法 |
图的基本概念 |
掌握 |
|
图的遍历,包括深度优先搜索、广度优先搜索 |
掌握 |
||
图的基本应用,包括最小生成树、最短路径、拓扑排序、关键路径等 |
掌握 |
||
国产基础软件 |
国产基础软件类别和品牌 |
国产操作系统发展、类别和品牌 |
掌握 |
国产数据库发展、类别和品牌 |
掌握 |
||
国产中间件发展、类别和品牌 |
掌握 |
||
国产基础软件产品特性 |
国产操作系统产品特性,如易用性、兼容性、稳定性、高效性、高可用性、安全性、可管理性等 |
掌握 |
|
国产数据库产品特性,如易用性、兼容性、稳定性、高效性、高可用性、安全性、可管理性等 |
掌握 |
||
国产中间件产品特性,如易用性、兼容性、稳定性、高效性、高可用性、安全性、可管理性等 |
掌握 |
||
国产基础软件生态 |
国产基础软件生态 |
掌握 |
|
国产基础软件应用 |
国产操作系统应用(系统安装、系统配置、文件与目录管理、终端命令行基本操作指令) |
掌握 |
|
国产数据库应用(数据库管理、SQL 操纵) |
掌握 |
||
国产中间件应用(国产 Web 应用服务器体系结构、安装、卸载、容器使用、常用服务及配置、安全加固、集群配置) |
掌握 |
||
国产基础软件的综合分析与应用 |
国产操作系统的问题分析、故障排查、性能调优等 |
掌握 |
|
国产数据库的问题分析、故障排查、性能调优等 |
掌握 |
||
国产中间件的问题分析、故障排查、性能调优等 |
掌握 |
||
应用系统迁移:应用系统向国产基础软件平台迁移的过程、注意事项等 |
掌握 |
||
人工智能信创需求 |
掌握 |
||
人工智能信创发展趋势 |
掌握 |
二,试卷结构
题号 |
题型 |
题量 |
分值 |
考核内容 |
考核能力 |
— |
单选题 |
20 题 |
20 分 |
操作系统、数据库、中间件、数据结构与算 法、国产基础软件 |
操作系统基础知识的掌握和应用能力数据库基础知识的掌握和应用能力 中间件基础知识的掌握和应用能力 数据结构与算法基础知识的掌握和应用能力国产基础软件类别和品牌的掌握能力 国产基础软件产品特性的掌握能力 |
二 |
是非题 |
10 题 |
10 分 |
||
三 |
多选题 |
10 题 |
20 分 |
||
四 |
简答题 |
2 题 |
10 分 |
国产基础软件 |
国产基础软件类别和品牌的掌握能力国产基础软件产品特性的掌握能力 国产基础软件生态的掌握能力 国产基础软件的综合分析与应用能力 |
五 |
基础操作题 |
2 题 |
30 分 |
国产基础软件 |
国产操作系统的应用能力国产数据库的应用能力国产中间件的应用能力 |
六 |
实践应用题 |
2 题 |
30 分 |
国产基础软件 |
|
七 |
场景 设计与行业应用题 |
1 题 |
30 分 |
国产基础软件 |
基于国产操作系统、国产数据库、国产中间件的系统级综合应用能力 |
合计 |
47 题 |
150 分 |
五、相关说明
1.考试时间:150 分钟。
2.试卷总分:150 分。
3.等第:不合格、合格、优秀。各等第分数线由考委会划定。
4.考试方式:考试采用基于网络环境的无纸化上机考试。
5.考试环境:
上海市高等学校信息技术水平考试通用平台。
操作系统:Windows 10 中文版(64 位)、麒麟桌面操作系统 V10 SP1 版(需先安装虚拟机软件)
数据库:达梦数据库 DM8 企业版
中间件:东方通 TongWeb V7.0 企业版
应用开发环境: 安装 JDK 8 及以上版本,并设置 JDK 的操作环境。建议安装集成开发 环境 Eclipse standard 4.6 或及以上版本。注:安装 Eclipse,须先安装 JRE; Python 3.x, 建议 3.8 或 Anaconda3-2021.05,可选装 Pycharm、VS Code、PyScripter、Spyder 等教 学中考生熟悉使用的编程调试环境; Microsoft Office 2016 中文版(包括 Word、 Excel、 PowerPoint)。
一,考试内容和要求
知识领域 |
知识单元 |
知识点 |
要求 |
网络与信息安全法律法规 |
中华人民共和国网络安全法 |
颁发背景 |
了解 |
主权原则 |
了解 |
||
网络实名制 |
了解 |
||
关键信息基础设施保护 |
了解 |
||
数据保护 |
了解 |
||
《中华人民共和国数据安全法》 |
数据安全工作协调机制 |
了解 |
|
数据安全管理制度 |
了解 |
||
政务数据安全 |
了解 |
||
《中华人民共和国个人信息保护法》 |
个人信息保护条款 |
了解 |
|
互联网平台个人信息保护要求 |
了解 |
||
个人信息侵权行为的归责原则 |
了解 |
||
《网络安全等级保护条例》 |
等级保护工作概述 |
了解 |
|
等级保护工作流程 |
了解 |
||
等级保护文件解读 |
了解 |
||
《中华人民共和国密码法》 |
颁发背景及意义 |
了解 |
|
商用密码管理规定 |
了解 |
||
违反密码法的法律责任和处罚形式 |
了解 |
||
网络安全基础知识与技术 |
计算机网络基础 |
ISO/OSI 网络参考模型 |
掌握 |
TCP/IP 协议族介绍 |
掌握 |
||
子网划分 |
掌握 |
||
路由原理 |
掌握 |
||
传输层协议原理 |
掌握 |
||
新一代网络IPv6 技术简介 |
理解 |
||
操作系统基础应用 |
Linux 操作系统命令行介绍 |
掌握 |
|
Linux 操作系统文件权限管理 |
掌握 |
||
Linux 操作系统用户及用户权限管理 |
理解 |
||
Linux 操作系统网络配置及管理 |
理解 |
||
Linux 操作系统进程管理 |
理解 |
||
Linux 操作系统 iptables 防火墙管理 |
了解 |
||
Windows 操作系统DNS 服务器的安装与配置 |
掌握 |
||
Windows 操作系统 IIS 服务器安装与配置 |
掌握 |
||
Windows 操作系系统防火墙管理 |
理解 |
||
网络安全基础概述 |
安全管理体系概述 |
了解 |
|
数据安全概述 |
了解 |
||
云安全概述 |
了解 |
||
区块链安全概述 |
了解 |
||
网络安全热点事件分析 |
了解 |
||
下一代防火墙技术 |
下一代防火墙部署 |
掌握 |
|
下一代防火墙终端防护技术 |
理解 |
||
下一代防火墙服务器业务防护技术 |
理解 |
||
全网行为管理技术 |
全网行为管理流量管理技术 |
理解 |
|
全网行为管理用户识别技术 |
理解 |
||
全网行为管理应用控制技术 |
理解 |
||
VPN 技术 |
IPSEC VPN 技术 |
理解 |
|
私有VPN 协议技术 |
理解 |
||
接入安全技术 |
用户身份管理技术 |
掌握 |
|
资源发布技术 |
理解 |
||
网络安全态势感知技术 |
态势感知概述 |
理解 |
|
态势感知功能 |
了解 |
||
态势感知部署 |
了解 |
||
数据安全基础知识与技术 |
数据安全概述 |
数据安全的定义 |
掌握 |
数据安全面临的威胁 |
理解 |
||
数据安全管理体系 |
了解 |
||
数据安全风险评估 |
了解 |
||
数据分类分级 |
数据分类的方法 |
掌握 |
|
数据分级的原则 |
掌握 |
||
不同级别的数据保护要求 |
了解 |
||
行业数据分类分级 |
理解 |
||
数据保密技术 |
加密算法 |
掌握 |
|
密钥管理 |
掌握 |
||
加密技术应用场景 |
理解 |
||
量子加密技术 |
了解 |
||
同态加密技术 |
了解 |
||
混合加密模式 |
理解 |
||
数据备份恢复 |
数据备份策略 |
掌握 |
|
备份介质选择 |
了解 |
||
数据恢复的流程 |
理解 |
||
数据去重技术在备份中的应用 |
了解 |
||
数据脱敏技术 |
数据脱敏的概念和目的 |
理解 |
|
数据脱敏方法 |
掌握 |
||
数据脱敏的效果评估 |
了解 |
||
数据脱敏的合规要求 |
理解 |
||
访问控制技术 |
访问控制模型 |
理解 |
|
用户身份认证 |
掌握 |
||
访问控制策略制定 |
掌握 |
||
权限管理 |
掌握 |
||
零信任架构 |
理解 |
||
密码学基础知识与技术 |
密码学基础 |
密码学概述和发展历程 |
了解 |
古典密码 |
了解 |
||
密码体制的分类 |
掌握 |
||
密码分析的概念和方法 |
理解 |
||
对称密码算法 |
AES 算法 |
掌握 |
|
流密码 |
掌握 |
||
对称密钥管理 |
掌握 |
||
对称密码算法的性能分析 |
理解 |
||
非对称密码算法 |
RSA 算法 |
掌握 |
|
Diffie-Hellman 密钥交换算法 |
掌握 |
||
数字签名与电子证书 |
掌握 |
||
非对称密码算法的性能分析 |
理解 |
||
后量子密码算法 |
了解 |
||
哈希函数和消息认证 |
哈希函数的原理和性质 |
掌握 |
|
哈希函数在区块链中的应用 |
理解 |
||
消息认证的概念和方法 |
掌握 |
||
基于哈希的认证协议 |
了解 |
||
密码协议 |
密钥交换协议 |
理解 |
|
秘密共享协议 |
掌握 |
||
身份认证协议 |
掌握 |
||
零知识证明 |
理解 |
||
安全多方计算 |
了解 |
||
密码协议的安全性分析 |
了解 |
||
私有VPN 协议技术 |
理解 |
||
网络与信息安全实战技术 |
渗透测试工具 |
Nmap 原理与实践 |
掌握 |
Metasploit 原理与实践 |
理解 |
||
Burp 原理与实践 |
掌握 |
||
SQL 注入漏洞原理与防御 |
SQL 数据库操作基础 |
掌握 |
|
基于联合查询的数字型GET 注入 |
掌握 |
||
基于联合查询的 POST 注入 |
掌握 |
||
基于报错的注入 |
理解 |
||
SQL 注入 HTTP 头部注入 |
理解 |
||
XSS 跨站脚本漏洞原理与防御 |
XSS 漏洞分类 |
掌握 |
|
反射型 XSS 漏洞 |
理解 |
||
存储型 XSS 漏洞 |
掌握 |
||
DOM 型 XSS 漏洞 |
了解 |
||
文件上传与解析漏洞原理与防御 |
文件上传漏洞原理与利用 |
掌握 |
|
客户端防御与对抗 |
掌握 |
||
后缀名防御与对抗 |
掌握 |
||
文件内容防御与对抗 |
理解 |
||
命令执行漏洞原理与防御 |
危险函数介绍 |
理解 |
|
远程命令漏洞利用 |
理解 |
||
逻辑漏洞原理与防御 |
支付逻辑漏洞 |
掌握 |
|
web 暴力破解漏洞 |
掌握 |
||
垂直越权漏洞 |
理解 |
||
场景实战 |
Web 漏洞检测场景实战 |
理解 |
|
弱密码破解场景实战 |
理解 |
||
行业应用场景网络与信息安全规划设计案例 |
教育行业网络与信息安全规划设计案例解读 |
教育行业网络与信息安全解决方案设计 |
理解 |
医疗行业网络与信息安全规划设计案例解读 |
医疗行业网络与信息安全解决方案设计 |
理解 |
|
电商行业网络与信息安全规划设计案例解读 |
电商行业网络与信息安全解决方案设计 |
理解 |
|
工业互联网网络与信息安全规划设计案例解读 |
工业互联网网络与信息安全解决方案设计 |
理解 |
|
网络安全与人工智能 |
人工智能在网络安全中的应用 |
AI 技术自动化渗透测试、用户行为分析、威胁检测与响应 |
理解 |
人工智能安全面临的挑战 |
AI 系统的数据安全和隐私保护,AI 系统的依赖性和脆弱性 |
理解 |
二,试卷结构
题号 |
题型 |
题量 |
分值 |
考核内容 |
考核能力 |
— |
单选题 |
20 题 |
20 分 |
网络与信息安全法律法规计算机网络基础 操作系统基础应用网络安全基础概述下一代防火墙技术全网行为管理技术 VPN 技术 接入安全技术 网络安全态势感知技术数据安全概述 数据分类分级 |
网络与信息安全法律法规的理解与分析能力 网络安全基础知识与技术的掌握与运用能力 计算机网络、操作系统基础的掌握与运用能力 下一代防火墙技术的配置与管理能力 全网行为的监控能力 VPN 的搭建与维护能力接入安全技术的应用能力 |
二 |
是非题 |
10 题 |
10 分 |
||
三 |
多选题 |
10 题 |
20 分 |
数据保密技术数据备份恢复数据脱敏技术访问控制技术密码学基础 对称密码算法 非对称密码算法 哈希函数和消息认证 密码协议 渗透测试工具 SQL 注入漏洞原理与防御 XSS 跨站脚本漏洞原理与防御 文件上传与解析漏洞原理与防御 命令执行漏洞原理与防御逻辑漏洞原理与防御 人工智能安全面临的挑战 |
网络安全态势感知的分析能力数据安全与风险识别能力 数据分类分级的准确判断能力 数据保密、备份恢复、脱敏、访问控制等技术的掌握与运用能力密码学基础的理解与简单问题解决能力 对称、非对称密码算法的选择能力 哈希函数和消息认证的运用能力密码协议的理解与安全性分析能力 渗透测试工具的使用与结果解读能力 SQL 注入漏洞、XSS 跨站脚本漏洞、文件上传与解析漏洞原 理、命令执行漏洞、逻辑漏洞等的理解与防御能力 人工智能安全的认知与应对能力 |
四 |
简答题 |
2 题 |
10 分 |
全网行为管理技术 VPN 技术接入安全技术 网络安全态势感知技术数据分类分级 数据保密技术数据备份恢复数据脱敏技术访问控制技术密码协议 渗透测试工具 SQL 注入漏洞原理与防御 XSS 跨站脚本漏洞原理与防御 文件上传与解析漏洞原理与防御 命令执行漏洞原理与防御逻辑漏洞原理与防御 场景实战 人工智能在网络安全中的 |
全网行为的监控与管理能力 VPN 的搭建与维护能力 接入安全技术的应用与保障能力网络安全态势感知的分析能力 数据安全与风险识别能力 数据分类分级的准确判断能力 数据保密、备份恢复、脱敏、访问控制等技术的掌握与运用能力密码学基础的理解与简单问题解决能力 对称、非对称密码算法的选择与应用能力 消息认证、数据加密等密码协议的运用与机制设计能力 渗透测试工具的使用与结果解读能力 SQL 注入漏洞、XSS 跨站脚本漏洞、文件上传与解析漏洞原 理、命令执行漏洞、逻辑漏洞等的理解与防御能力 |
五 |
基础操作题 |
2 题 |
30 分 |
||
六 |
实践应用题 |
2 题 |
30 分 |
||
七 |
场景设计与行业应用 |
1 题 |
30 分 |
应用 教育/医疗/电商/工业互联网网络与信息安全规划设计案例解读 |
人工智能安全的认知与应对能力场景实战分析与解决问题的能力人工智能技术在网络安全中的创新应用能力 教育/医疗/电商/工业互联网网络与信息安全规划设计案例的理解 与相关安全技术的应用能力 |
合计 |
47 题 |
150 分 |
五、相关说明
1.考试时间:120 分钟。
2.试卷总分:150 分。
3.等第:不合格、合格、优秀。各等第分数线由考委会划定。
4.考试方式:考试采用基于网络环境的无纸化上机考试。
5.考试环境:
上海市高等学校信息技术水平考试通用平台。
应用操作环境:Windows 10 中文版(64 位)。
应用开发环境:安装 JDK 8 及以上版本,并设置 JDK 的操作环境。建议安装集成 应用开发环境:安装 JDK 8 及以上版本,并设置 JDK 的操作环境。建议安装集成 开发环境 Eclipse standard 4.6 或及以上版本。注:安装 Eclipse,须先安装 JRE; 开发环境 Eclipse standard 4.6 或及以上版本。注:安装 Eclipse,须先安装 JRE; Python 3.x,建议 3.8 或 Anaconda3-2021.05,可选装 Pycharm、 VS Code、 PyScripter、 Python 3.x,建议 3.8 或 Anaconda3-2021.05,可选装 Pycharm、 VS Code、 PyScripter、 Spyder 等教学中考生熟悉使用的编程调试环境;Microsoft Office 2016 中文版(包 Spyder 等教学中考生熟悉使用的编程调试环境;Microsoft Office 2016 中文版(包 括 Word、Excel、PowerPoint) 。
一,考试内容和要求
知识领域 |
知识单元 |
知识点 |
要求 |
人工智能概述 |
人工智能基本概念 |
人工智能定义、起源 |
理解 |
人工智能的发展历史 |
人工智能研究方向 |
知道 |
|
人工智能流派 |
知道 |
||
智能计算系统 |
智能计算系统定义与组成 |
理解 |
|
人工智能应用 |
人工智能典型应用领域与场景 |
理解 |
|
通用大模型与专业大模型工具 |
通用大模型案例AI 应用程序与操作 |
理解 |
|
专业集成大模型千学百科AI 集成平台 |
理解 |
||
数学基础与计算思维 |
数学基础 |
线性代数基础 |
理解 |
微积分基础 |
理解 |
||
概率与统计基础 |
理解 |
||
计算思维基础 |
计算思维概述 |
理解 |
|
数学建模基础 |
理解 |
||
Python 程序设计 |
掌握 |
||
算法与算法评价 |
掌握 |
||
操作系统与linux 基础 |
操作系统原理基础 |
掌握 |
|
linux 操作命令 |
掌握 |
||
生成式人工智能三要素基础 |
数据 |
语料采集 |
掌握 |
数据标注 |
掌握 |
||
数据管理 |
理解 |
||
算法 |
机器学习算法概述 |
理解 |
|
深度学习算法概述 |
理解 |
||
优化算法概述 |
理解 |
||
算力 |
CPU 与 GPU 计算硬件基础 |
掌握 |
|
软件框架与工具 |
理解 |
||
并行与异构计算及性能优化 |
理解 |
||
知识图谱与计算机 |
逻辑推理 |
谓词逻辑表示法 |
掌握 |
推理规则 |
掌握 |
||
确定性与不确定性推理 |
理解 |
||
专家系统与知识图谱 |
专家系统基本原理 |
理解 |
|
知识图谱基本原理 |
掌握 |
||
本体知识表示 |
掌握 |
||
机器学习 |
机器学习基本概念 |
无监督学习(聚类、特征降维)和有监督学习(分类、回归)的概念 |
掌握 |
数据预处理(含特征工程) |
掌握 |
||
模型训练基本概念 |
掌握 |
||
性能评估 |
掌握 |
||
机器学习经典方法 |
回归(如线性回归、逻辑回归) |
掌握 |
|
分类(如决策树、K 近邻算法、支持向量机) |
掌握 |
||
聚类(如K-Means 聚类、层次聚类) |
掌握 |
||
集成模型(如Boosting、随机森林) |
掌握 |
||
降维(如 PCA、LDA) |
理解 |
||
朴素贝叶斯 |
知道 |
||
强化学习基本概念 |
强化学习定义及原理 |
掌握 |
|
价值函数与Q 学习 |
理解 |
||
深度学习 |
神经网络基本概念 |
前向传播与反向传播 |
掌握 |
激活函数 |
掌握 |
||
损失函数 |
掌握 |
||
梯度下降法 |
掌握 |
||
过拟合与欠拟合 |
理解 |
||
正则化 |
理解 |
||
典型神经网络 |
序贯模型(Sequential) |
掌握 |
|
CNN 特点及经典模型(LeNet、ResNet) |
掌握 |
||
RNN 特点及经典模型等(LSTM,GRU) |
掌握 |
||
Transformer |
理解 |
||
计算机视觉 |
计算机视觉基础 |
特征表示与滤波 |
理解 |
边缘检测与局部特征描述符 |
理解 |
||
计算机视觉应用 |
图像分割与分类 |
掌握 |
|
目标检测与识别 |
掌握 |
||
生物特征识别 |
理解 |
||
行为分析 |
知道 |
||
三维重建与立体视觉 |
知道 |
||
图像生成与风格迁移 |
知道 |
||
语音处理 |
语音处理基础 |
基本概念(响度、共振峰、掩蔽效应、基音等) |
理解 |
声音信号预处理与量化 |
理解 |
||
常用时域、频域、声学特征 |
理解 |
||
语音处理方法与应用 |
常用模型(DNN-HMM、Attention、 Transformer 等) |
知道 |
|
语音识别(说话人、关键词、认证、增强) |
知道 |
||
语音合成(如文本到语音) |
知道 |
||
自然语言处理 |
自然语言处理基础 |
词法(分词、词性标注、命名实体识别等) |
理解 |
句法(句子成分分析、生成式句法、依存式句法等) |
理解 |
||
自然语言处理方法与应用 |
词表示(n-gram 语言模型、word2vec 等) |
知道 |
|
句子建模(RNN、LSTM、Transformer 等) |
知道 |
||
垂直任务类(机器翻译、问答系统、信息抽取等) |
知道 |
||
人工智能前沿技术与生成式大模型 |
数据增强技术 |
扩散模型基础 |
知道 |
生成对抗网络(GAN)基础 |
知道 |
||
多模态技术 |
多模态基础(感知、数据) |
知道 |
|
多模态学习 |
知道 |
||
分布式机器学习与联邦学习 |
分布式机器学习基础 |
知道 |
|
联邦学习基础 |
知道 |
||
生成式大模型原理与技术 |
预训练概念 |
掌握 |
|
检索增强生成(RAG)概念 |
掌握 |
||
Transformer 架构相关模型 |
掌握 |
||
深度学习框架技术和使用 |
掌握 |
||
RLHF 等数据预处理技术 |
掌握 |
||
模型预训练、模型微调、模型对齐、超参数调整等训练技术 |
掌握 |
||
大模型推理部署技术 |
掌握 |
||
异构计算、分布式和并行计算等工具链 &Infra 技术 |
知道 |
||
智能体与具身智能 |
智能体基础 |
知道 |
|
具身智能基础 |
知道 |
||
人工智能赋能千行百业 |
智能社会 |
智能社会概念、技术、应用 |
理解 |
智能社会领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能社会领域模型 实例 |
新闻、社会治理、法律等 |
知道 |
|
智能交通 |
智能交通概念、技术、应用 |
理解 |
|
智能交通领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能交通领域模型 实例 |
自动驾驶、交通调度 |
知道 |
|
智能医疗 |
智能医疗概念、技术、应用 |
理解 |
|
智能医疗领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能医疗领域模型 实例 |
AI 看片,网上医生 |
知道 |
|
智能制造 |
智能制造概念、技术、应用 |
理解 |
|
智能制造领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能制造领域模型 实例 |
无人AI 工厂 |
知道 |
|
智能创意 |
智能创意概念、技术、应用 |
理解 |
|
智能创意领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能创意领域模型实例 |
数字人、AI 编剧、AI 视频制作、AI 作画、 AI 音乐等 |
知道 |
|
智能推荐 |
智能推荐概念、技术、应用 |
理解 |
|
智能推荐领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智能推荐领域模型实例 |
网上购物、短推荐视频 |
知道 |
|
智慧教育 |
智慧教育概念、技术、应用 |
理解 |
|
智慧教育领域模型 |
语料、模型算法与算力支持 |
知道 |
|
智慧教育领域模型实例 |
AI 助教、AI 助学、AI 助研、AI 助管 |
知道 |
|
机器人 |
机器人的概念、技术、应用 |
理解 |
|
机器人领域模型 |
语料、模型算法与算力支持 |
知道 |
|
机器人领域模型实例 |
移动机器人( AMRs)、工业协作机器人 (Cobots)、无人配送机器人、智能仓储机器人等 |
知道 |
|
智能驱动科学研究 |
AI4Science 概念、技术、应用 |
理解 |
|
科学研究领域模型 |
语料、模型算法与算力支持 |
知道 |
|
科学研究领域模型实例 |
AIfor*量子物理与量子化学、AIfor*生物制药与蛋白质结构分析、AIfor*新材料研发、 AIfor*核聚变与前沿物理、AIfor*气候预测与地球模拟、AIfor*合成生物学、AIfor*分子相互作用 |
知道 |
|
从业能力 |
学习能力 |
论文阅读能力 |
理解 |
项目规划和实践能力 |
理解 |
||
人工智能安全与 伦理 |
可信人工智能 |
可信人工智能的可解释性、安全性、公正性、隐私性 |
理解 |
人工智能伦理 |
人工智能的伦理基础和安全挑战 |
理解 |
|
人工智能伦理原则 |
知道 |
||
构建负责任的人工智能系统 |
知道 |
备注:
知识与技能的考核要求分为知道、理解、掌握和综合应用四个层次,其含义分别为:知道:能识别和记忆相关的学习内容,对相关的知识有初步认识。
理解:初步把握学习内容的由来、作用和使用方法,并能以相应的学习内容为主完成简单的实践。
掌握:以某一学习内容为重点,综合运用其他相关内容,实现给定问题下的实践要求。
综合应用:可以以综合知识去解决实际的应用,完成给定问题合理的解决方案。
二,试卷结构
题号 |
题型 |
题量 |
分值 |
考核内容 |
考核能力 |
— |
单选题 |
20 题 |
20 分 |
人工智能概述 数学基础与计算思维生成式人工智能三要素基础 知识图谱与计算机机器学习 |
人工智能基本知识掌握能力 通用大模型与专业大模型工具基本应用能力 数学和计算机思维基础理解能力操作系统与Linux 基础掌握能力 生成式人工智能三要素基础理解能力 逻辑推理,专家系统与知识图谱基础理解能力 机器学习基本知识掌握能力机器学习经典方法应用能力强化学习基本知识掌握能力 可信人工智能基本概念理解能力 人工智能安全与伦理基本知识理解能力 |
二 |
是非题 |
10 题 |
10 分 |
||
三 |
多选题 |
10 题 |
20 分 |
||
四 |
简单题 |
2 题 |
10 分 |
深度学习 计算机视觉语音处理 自然语言处理 人工智能前沿技术与生成式大模型 人工智能赋能千行百业 从业能力 |
典型神经网络基本应用能力计算机视觉应用能力 语音处理方法与应用能力 自然语言处理方法与应用能力 数据增强技术的应用能力多模态技术的应用能力 分布式机器学习与联邦学习的应用能力生成式大模型原理与技术的实操和应用能力 智能体与具身智能的应用 人工智能在千行百业中的场景知识,算法逻辑和应用能力 论文阅读能力 项目规划和实践能力 |
五 |
基础操作题 |
2 题 |
30 分 |
||
六 |
实践应用题 |
2 题 |
30 分 |
||
七 |
场景设计与行业 应用 |
1 题 |
30 分 |
||
合计 |
47 题 |
150 分 |
三,相关说明
1考试时间:150 分钟。
试卷总分:150 分。
2等第:不合格、合格、优秀。各等第分数线由考委会划定。
3考试方式:考试采用基于网络环境的无纸化上机考试。
4考试环境:
1上海市高等学校信息技术水平考试通用平台。
1操作系统:Windows 10 中文版(64 位)。
●推荐深度学习框架:Pytorch/Tensorflow/MindSpore。
●应用开发环境:安装 JDK 8 及以上版本,并设置 JDK 的操作环境。建议安装集成开发环境 Eclipse standard 4.6 或及以上版本。注:安装 Eclipse,须先安装 JRE; Python 3.x,建议 3.8 或Anaconda3-2021.05,可选装 Pycharm、VS Code、PyScripter、 Spyder 等教学中考生熟悉使用的编程调试环境;Microsoft Office 2016 中文版(包
括 Word、Excel、PowerPoint)。