热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

PMP11.27考试倒计时12天!冲刺啦!

第1题向公司提供建筑服务的承包商正在使用敏捷原则来管理项目任务,由于新的立法,工程师们正在频繁地进行设计变更。由于资源等待设计更改或执行返工ÿ

第1题

向公司提供建筑服务的承包商正在使用敏捷原则来管理项目任务,由于新的立法,工程师们正在频繁地进行设计变更。由于资源等待设计更改或执行返工,承包商可能会遭受损失,项目经理应该怎么做才能使成本最小化?

A. 在日常会议上收集工程师的反馈并将其传达给产品负责人

B. 取消项目发布资源,等所有定义准备好后重新开始

C. 暂停项目,直到所有定义都准备好以避免返工

D. 与产品负责人一起审查待办事项列表,并优先考虑最不可能受到立法变更影响的任务

答案解析:D

本题考查知识点:仆人式领导。

据题干描述:由于新的立法导致频繁的设计变更,资源等待设计变更或进行返工都可能使承包商遭受损失,要达到成本最小化的目的,可以先执行确定不会受立法影响的任务,这样可以避免等待变更和返工而带来的资源捐耗,所以D选项是最佳实践,

选项A:获得工程师的反馈也无法避免等待设计更改的时间,没有具体的应对措施来使成本更小化,不如D选项合适。

选项BC:暂停项目等所有定义都准备好之后再开展工作会耽误很多时间,是不积极且不太合适的做法。

第2题

在项目开始时,主办方声明,展示产品带来的好处将非常重要。项目发起人与项目经理和项目领导团队召开会议,讨论最佳方法,因为项目具有高度的不确定性,预计会发生许多变化。项目经理应该提出什么建议?

A. 推荐一种敏捷方法,以便可以迭代地交付项目

B. 强调采用预测方法来最大程度地减少歧义

C. 为了更快的产品发布进行开发需求和设计

D. 将产品开发外包给更有经验的第三方

答案解析: A

本题考查知识点:生命周期的选择。

题干关键词:项目具有高度的不确定性,预计会发生许多变化。根据题干描述,项目有高度的不确定性,预计会发生许多变化,而敏捷的特点就是拥抱变化,可以解决需求的变化。因此本项目,可以使用敏捷的方式执行。最佳实践为A选项。

选项B:预测适用于需求范围明确的情况下使用,在本题中不如敏捷型合适;

选项C:因为本项目具有高度不确定性,具体需要开发那些需求,还不确定,所以不合适。

选项D:题干中并没有体现出来项目团队无法完成工作或者其他原因需要外包,所以不是最佳的做法。

第3题

变更控制委员会(CCB)已经批准了一项变更请求,为产品增加一个新的部件。运营经理在CCB批准后知晓了这个变更,并抱怨说实施这个变更会对生产线造成很大的干扰。项目经理接下来应该先做什么?

A. 将上报给项目发起人,因为增加组件的决定会带来很多好处,尽管它将对生产线造成干扰

B. 与设计团队一起主持一个根本原因分析研讨会,找出导致决定增加一个与生产线不兼容的组件的故障

C. 与运营经理会面,解释改变的背景,并了解运营经理对改变的担忧

D. 正式承认运营经理的顾虑,并提出一个新的风险,即由于制造上的困难,项目会延迟交付并超出预算

答案解析: C

题干关键词:运营经理在批准后发现了这个变更,并抱怨说实施这个变更会对生产线造成很大的干扰。其实项目经理这个时候非常为难,一方面要遵守批准变更的要求,一方面要做好运营经理的心里疏导,属于相关方题。

最好的做法是做好相关方分析工作和沟通工作,因此选项C是最佳实践。

选项D虽然也在说了解运营经理的顾虑,但是没有说明是制造困难,且因此会造成项目集延期和超出预算太过绝对。

第4题

一个组织使用混合方法进行项目管理。一位项目经理被分配到一个外部项目,即项目A,该项目中的三个模块中有两个模块需要机器学习技能。组织中唯一的机器学习专家正在参与一个即将结束的内部项目,即项目B。项目经理应该怎么做?

A. 优先考虑项目A而不是项目B,因为A是一个外部项目,而B是一个内部项目

B. 以冲刺的方式计划项目A,从不需要机器学习技能的模块开始

C. 让人力资源管理人员为项目A雇用一名机器学习专家

D. 当机器学习专家可用时,计划项目A在项目B结束时开始

答案解析: B

据题干描述:三个模块中有两个需要机器学习技能,唯一的机器学习专家正在参与一个即将结束的内部项目。就是机器学习专家分身无术怎么办。

选项A:以内部项目和外部项目来评价项目的重要程度和优先级是不合适的做法;选项B:因为项目B即将结束且项目A中有不需要机器学习专家的板块,因此以冲刺的方式计划项目A,从不需要机器学习技能的模块开始是最佳实践;

选项C:是一种可能的做法,但是与选项B相比还是不足;

选项D:等专家可用时再启动项目的做法不合适。

第5题

由于最近的预算减少,两个团队成员从一个敏捷团队中被释放。客户仍然期待着项目的早期结果。项目经理应该采取哪两个行动来调整客户的期望?(选择两个)

A. 建议敏捷团队与客户一起审查最新的冲刺速度

B. 建议产品所有者与客户一起审查优先级的产品待办事项列表

C. 要求敏捷团队与客户一起回顾和更新质量管理计划

D. 与客户一起审查风险记录

E. 向客户发送一份详细的项目管理计划

答案解析: AB

本题考查知识点:迭代速度。

题干关键词:两个团队成员从一个敏捷团队中被释放,调整客户的期望。团队成员调离,团队规模变小,最主要的影响是团队的容量和速度会因此发生变化,因此调整期望的最主要做法就是速度,因此AB为最优答案。

选项C:主要调整速度方面的客户期望而不是质量方面;选项D:与题干描述无关,是不合适的做法;选项E:敏捷不强调详尽的文档,做法有误。

PMP 备考资料、公开课、每日练习

公众号:美丽Young,发现更多精彩


推荐阅读
  • 分享两个GitHub链接,今天看到的,超赞超赞不能更赞了,答应我一定要去看好吗~~~~不论是笔记还是github中分享的其它资源ÿ ... [详细]
  • 自然语言处理(NLP)——LDA模型:对电商购物评论进行情感分析
    目录一、2020数学建模美赛C题简介需求评价内容提供数据二、解题思路三、LDA简介四、代码实现1.数据预处理1.1剔除无用信息1.1.1剔除掉不需要的列1.1.2找出无效评论并剔除 ... [详细]
  • 如何撰写数据分析师(包括转行者)的面试简历?
    CDA数据分析师团队出品,作者:徐杨老师,编辑:Mika。本文将帮助您了解如何撰写一份高质量的数据分析师简历,特别是对于转行者。 ... [详细]
  • 从0到1搭建大数据平台
    从0到1搭建大数据平台 ... [详细]
  • 在2019中国国际智能产业博览会上,百度董事长兼CEO李彦宏强调,人工智能应务实推进其在各行业的应用。随后,在“ABC SUMMIT 2019百度云智峰会”上,百度展示了通过“云+AI”推动AI工业化和产业智能化的最新成果。 ... [详细]
  • 非线性门控感知器算法的实现与应用分析 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • R语言中向量(Vector)数据类型的元素索引与访问:利用中括号[]和赋值操作符在向量末尾追加数据以扩展其长度
    在R语言中,向量(Vector)数据类型的元素可以通过中括号 `[]` 进行索引和访问。此外,利用中括号和赋值操作符,可以在向量的末尾追加新数据,从而动态地扩展向量的长度。这种方法不仅简洁高效,还能灵活地管理向量中的数据。 ... [详细]
  • 深入解析监督学习的核心概念与应用
    本文深入探讨了监督学习的基本原理及其广泛应用。监督学习作为机器学习的重要分支,通过利用带有标签的训练数据,能够有效构建预测模型。文章详细解析了监督学习的关键概念,如特征选择、模型评估和过拟合问题,并介绍了其在图像识别、自然语言处理等领域的实际应用。 ... [详细]
  • 独家解析:深度学习泛化理论的破解之道与应用前景
    本文深入探讨了深度学习泛化理论的关键问题,通过分析现有研究和实践经验,揭示了泛化性能背后的核心机制。文章详细解析了泛化能力的影响因素,并提出了改进模型泛化性能的有效策略。此外,还展望了这些理论在实际应用中的广阔前景,为未来的研究和开发提供了宝贵的参考。 ... [详细]
  • 《统计学习方法》第一章:基础概念与理论框架综述
    第一章介绍了统计学习方法的基础概念与理论框架。1.2节详细讨论了两种模型类型:一种直接输出具体的数值结果,另一种则输出概率分布。条件概率分布描述了在给定输入 \( x \) 的情况下,多个可能输出 \( y \) 的概率分布情况,而直接输出数值的模型则为每个输入 \( x \) 提供一个确定的输出值。这一部分还探讨了这些模型在实际应用中的重要性和应用场景。 ... [详细]
  • 2021年Java开发实战:当前时间戳转换方法详解与实用网址推荐
    在当前的就业市场中,金九银十过后,金三银四也即将到来。本文将分享一些实用的面试技巧和题目,特别是针对正在寻找新工作机会的Java开发者。作者在准备字节跳动的面试过程中积累了丰富的经验,并成功获得了Offer。文中详细介绍了如何将当前时间戳进行转换的方法,并推荐了一些实用的在线资源,帮助读者更好地应对技术面试。 ... [详细]
  • 布民于2015年加入阿里巴巴,目前担任阿里云高级专家和技术委员会成员,负责大规模流计算与图计算平台。他在微软亚洲研究院期间担任主管研究员,专注于大规模分布式计算的研究。本文将详细介绍阿里巴巴在大规模流式增量计算中的应用与实践,分享其在实时数据处理和分析方面的最新进展和技术挑战。 ... [详细]
  • 提升 Kubernetes 集群管理效率的七大专业工具
    Kubernetes 在云原生环境中的应用日益广泛,然而集群管理的复杂性也随之增加。为了提高管理效率,本文推荐了七款专业工具,这些工具不仅能够简化日常操作,还能提升系统的稳定性和安全性。从自动化部署到监控和故障排查,这些工具覆盖了集群管理的各个方面,帮助管理员更好地应对挑战。 ... [详细]
  • 支持向量机(SVM)在机器学习中的应用与学习心得
    支持向量机(SVM)是一种高效的二分类模型,其核心目标是通过寻找最优超平面来区分不同类别的数据点。在实际应用中,SVM能够有效地处理高维数据,并通过核技巧扩展到非线性分类问题。当新的数据点输入时,SVM会根据其相对于超平面的位置来判定其所属类别。训练过程中,SVM通过最大化间隔来确定最优超平面,从而提高模型的泛化能力。本文总结了SVM在机器学习中的应用及其学习心得,探讨了其在实际问题中的优势和局限性。 ... [详细]
author-avatar
另一种Xing福_290
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有