【证书】2025上海市人工智能训练师—高级/三级考试介绍与复习（SJTU版）
文章目录
- 1、考试介绍
- 2、考试复习
- 2.1 理论知识
- 2.2 实践知识
1、考试介绍
职业定义 1
- 标准名称：人工智能训练师
- 国家职业编号：4-04-05-05
- 职业内容：使用智能训练软件, 在人工智能产品实际使用过程中进行数据库管理、 算法参数设置、 人机交互设计、 性能测试跟踪及其他辅助作业的人员。
职业技能等级
- 本职业共设 5 个等级，分别为：
五级/初级工、四级/中级工、（约对标初级职称）
三级/高级工、（约对标中级职称）
二级/技师、一级/高级技师 （约对标高级职称）
人工智能训练师（上海市）
-
项目鉴定单位为：上海交通大学、上海计算机研究所、上海人工智能行业协会（以实际发证为准）（仅以上三家）
-
上海计算机研究所版
-
上海市人工智能行业协会版
-
有一级，二级发证资格的仅为上海交通大学 1 2。
上海交通大学关于开展2025年上海市《人工智能训练师》等项目社会化职业技能等级认定有关操作事项的通知 -
证书由上海交通大学颁发，加盖上海交通大学职业技能认定专用章。证书编号由上海市人力资源和社会保障局核发，证书信息可在人力资源社会保障部技能人才评价工作网全国联网查询。
获得认定证书者，可按规定享受职业培训、就业创业、技能人才等政策待遇，以及纳入人才统计、表彰范围等多个政策待遇。
获得认定证书者，可按规定享受职业技能提升补贴。
自2025年起，人工智能师等紧缺职业获得认定证书者补贴增加30%。
报名资格
- 中级/四级(符合以下任意一条即可）
1，累计从事本职业或相关职业工作满5年。
2，取得本职业或相关职业五级/初级工职业资格(职业技能等级)证书后，累计从事本职业或相关职业工作满3年。
3，取得本专业或相关专业的技工院校或中等及以上职业院校、专科及以上普通高等学校毕业证书(含在读应届毕业生)。 - 高级/三级(符合以下任意一条即可）
1，累计从事本职业或相关职业工作满10年。
2，取得本职业或相关职业四级/中级工职业资格 (职业技能等级) 证书后，累计从事本职业或相关职业工作满4年。
3，取得符合专业对应关系的初级职称 （专业技术人员职业资格）后，累计从事本职业或相关职业工作满1年。
4，取得本专业或 相关专业的技工院校高级工班及以上毕业证书（含在读应届毕业生）。
5，取得本职业或 相关职业四级/中级工职业资格（职业技能等级）证书，并取得高等职业学校、专科及以上普通高等学校本专业或相关专业毕业证书（含在读应届毕业 生）。
6，取得经评估论证的高等职业学校、专科及以上普通高等学校本专业或相关专业的毕业证书（含在读应届毕业生）。
《人工智能训练师》相关专业：电子与信息大类、 医学卫生大类、 装备制造大类、 教育与体育大类等。 - 可申报二级/技师:
(1)取得本职业或相关职业三级/高级工职业资格(职业技能等级)证书后，累计从事本职业或相关职业工作满5年。
(2)取得符合专业对应关系的初级职称(专业技术人员职业资格)后，累计从事本职业或相关职业工作满5年，并在取得本职业或相关职业三级/高级工职业资格(职业技能等级)证书后，从事本职业或相关职业工作满1年。
(3)取得符合专业对应关系的中级职称(专业技术人员职业资格)后，累计从事本职业或相关职业工作满1年。
(4)取得本职业或相关职业三级/高级工职业资格(职业技能等级)证书的高级技工学校、技师学院毕业生，累计从事本职业或相关职业工作满2年。
(5)取得本职业或相关职业三级/高级工职业资格(职业技能等级)证书满2年的技师学院预备技师班、技师班学生。 - 可申报一级/高级技师:（ ~= 杭州高项 ~= 副高）
(1)取得本职业或相关职业二级/技师职业资格(职业技能等级)证书后，累计从事本职业或相关职业工作满5年。
(2)取得符合专业对应关系的中级职称后，累计从事本职业或相关职业工作满5年，并在取得本职业或相关职业二级/技师职业资格(职业技能等级)证书后，从事本职业或相关职业工作满1年。
(3)取得符合专业对应关系的高级职称(专业技术人员职业资格)后，累计从事本职业或相关职业工作满1年。
有什么用处
- 1、官方，2500*130%=3250。 1 2
上海市总工会技师奖励中规定的“六个特定工种”为集成电路、生物医药和人工智能三大先导产业的半导体芯片制造工、化学合成制药工、药物制剂工、药物检验员、生化药品制造工和人工智能训练师。 - 2、《上海市居住证》积分模拟打分计算器，人工智能训练师可用于居住证积60分 1
参考资料： 1， 2
2、考试复习
考试方式
- 考试分为：理论知识考试、技能考核。
注：理论知识考试、技能考核均实行百分制，成绩皆达60分（含）以上者为合格。
2.1 理论知识
| 职业（工种）名称 | 人工智能训练师 | 三级 | |||
|---|---|---|---|---|---|
| 序号 | 考核点代码 | 名称·内容 | |||
| 章 | 节 | 目 | 点 | ||
| 0 | 人工智能训练师认知 | ||||
| 0 | 1 | 职业道德 | |||
| 0 | 1 | 1 | 人工智能训练师职业素养 | ||
| 1 | 0 | 1 | 1 | 1 | 职业认知 |
| 2 | 0 | 1 | 1 | 2 | 知识与技能 |
| 3 | 0 | 1 | 1 | 3 | 沟通与表达 |
| 4 | 0 | 1 | 1 | 4 | 学习与创新 |
| 0 | 1 | 2 | 人工智能与人工智能科学 | ||
| 5 | 0 | 1 | 2 | 1 | 人工智能定义 |
| 6 | 0 | 1 | 2 | 2 | 人工智能研究内容 |
| 7 | 0 | 1 | 2 | 3 | 人工智能科学 |
| 8 | 0 | 1 | 2 | 4 | 人工智能应用领域 |
| 9 | 0 | 1 | 2 | 5 | 人工智能产品研发流程 |
| 0 | 1 | 3 | 人工智能训练流程 | ||
| 10 | 0 | 1 | 3 | 1 | 数据准备 |
| 11 | 0 | 1 | 3 | 2 | 模型设计 |
| 12 | 0 | 1 | 3 | 3 | 确定评估指标 |
| 13 | 0 | 1 | 3 | 4 | 模型训练 |
| 14 | 0 | 1 | 3 | 5 | 模型验证 |
| 15 | 0 | 1 | 3 | 6 | 模型测试 |
| 0 | 2 | 人工智能算法认知 | |||
| 0 | 2 | 1 | 常用的机器学习算法 | ||
| 16 | 0 | 2 | 1 | 1 | 人工智能算法认知 |
| 17 | 0 | 2 | 1 | 2 | 机器学习定义 |
| 18 | 0 | 2 | 1 | 3 | 机器学习过程 |
| 19 | 0 | 2 | 1 | 4 | 线性回归 |
| 20 | 0 | 2 | 1 | 5 | 逻辑回归 |
| 21 | 0 | 2 | 1 | 6 | 决策树 |
| 22 | 0 | 2 | 1 | 7 | 支持向量机 |
| 23 | 0 | 2 | 1 | 8 | K-最近邻 |
| 24 | 0 | 2 | 1 | 9 | 人工神经网络 |
| 25 | 0 | 2 | 1 | 10 | 主成分分析 |
| 0 | 2 | 2 | 常用的深度学习算法 | ||
| 26 | 0 | 2 | 2 | 1 | 深度学习定义 |
| 27 | 0 | 2 | 2 | 2 | 多层感知机 |
| 28 | 0 | 2 | 2 | 3 | 卷积神经网络 |
| 29 | 0 | 2 | 2 | 4 | 循环神经网络 |
| 30 | 0 | 2 | 2 | 5 | 长短时记忆网络 |
| 31 | 0 | 2 | 2 | 6 | Transformer模型 |
| 0 | 2 | 3 | 人工智能技术与分类 | ||
| 32 | 0 | 2 | 3 | 1 | 机器学习 |
| 33 | 0 | 2 | 3 | 2 | 知识图谱 |
| 34 | 0 | 2 | 3 | 3 | 类脑智能计算 |
| 35 | 0 | 2 | 3 | 4 | 量子智能计算 |
| 36 | 0 | 2 | 3 | 5 | 模式识别 |
| 37 | 0 | 2 | 3 | 6 | 自然语言处理 |
| 38 | 0 | 2 | 3 | 7 | 智能语音 |
| 39 | 0 | 2 | 3 | 8 | 计算机视觉 |
| 40 | 0 | 2 | 3 | 9 | 生物特征识别 |
| 41 | 0 | 2 | 3 | 10 | 虚拟现实 |
| 42 | 0 | 2 | 3 | 11 | 增强现实 |
| 43 | 0 | 2 | 3 | 12 | 人机交互 |
| 0 | 3 | 人工智能实现 | |||
| 0 | 3 | 1 | Python的机器学习工具包 | ||
| 44 | 0 | 3 | 1 | 1 | sklearn |
| 45 | 0 | 3 | 1 | 2 | 数据预处理模块 |
| 46 | 0 | 3 | 1 | 3 | 数据集模块 |
| 47 | 0 | 3 | 1 | 4 | 数据特征选择模块 |
| 48 | 0 | 3 | 1 | 5 | 数据特征降维模块 |
| 49 | 0 | 3 | 1 | 6 | 模型构建模块 |
| 50 | 0 | 3 | 1 | 7 | 模型评估模块 |
| 0 | 3 | 2 | 常用人工智能开发工具 | ||
| 51 | 0 | 3 | 2 | 1 | 人工智能开发工具 |
| 52 | 0 | 3 | 2 | 2 | 深度学习框架 |
| 53 | 0 | 3 | 2 | 3 | 深度学习平台 |
| 54 | 0 | 3 | 2 | 4 | 通用框架TensorFlow |
| 55 | 0 | 3 | 2 | 5 | PyTorch |
| 56 | 0 | 3 | 2 | 6 | Keras |
| 57 | 0 | 3 | 2 | 7 | 国产框架PaddlePaddle |
| 58 | 0 | 3 | 2 | 8 | MindSpore |
| 1 | 业务分析 | ||||
| 1 | 1 | 业务流程设计 | |||
| 1 | 1 | 1 | 通用业务流程和业务数据 | ||
| 59 | 1 | 1 | 1 | 1 | 人工智能业务场景 |
| 60 | 1 | 1 | 1 | 2 | 信息流 |
| 61 | 1 | 1 | 1 | 3 | 业务与数据的关系 |
| 62 | 1 | 1 | 1 | 4 | 人工智能业务流程 |
| 63 | 1 | 1 | 1 | 5 | 业务流程构建方法 |
| 64 | 1 | 1 | 1 | 6 | 业务数据的采集 |
| 65 | 1 | 1 | 1 | 7 | 信息采集路径 |
| 66 | 1 | 1 | 1 | 8 | 业务数据 |
| 67 | 1 | 1 | 1 | 9 | 业务数据产生场合 |
| 68 | 1 | 1 | 1 | 10 | 数据规范化 |
| 69 | 1 | 1 | 1 | 11 | 单个业务数据的处理 |
| 70 | 1 | 1 | 1 | 12 | 整体业务数据的处理 |
| 71 | 1 | 1 | 1 | 13 | 数据标准化 |
| 72 | 1 | 1 | 1 | 14 | 数据输入和输出关系 |
| 73 | 1 | 1 | 1 | 15 | 业务数据预处理 |
| 74 | 1 | 1 | 1 | 16 | 业务数据的审核 |
| 1 | 1 | 2 | 文本类业务数据处理 | ||
| 75 | 1 | 1 | 2 | 1 | 常见文本类业务数据 |
| 76 | 1 | 1 | 2 | 2 | 文本类业务数据的特点 |
| 77 | 1 | 1 | 2 | 3 | 文本类业务数据的采集 |
| 78 | 1 | 1 | 2 | 4 | 文本类业务数据质量 |
| 79 | 1 | 1 | 2 | 5 | 文本类业务数据的预处理 |
| 80 | 1 | 1 | 2 | 6 | 文本类业务数据的特征提取 |
| 81 | 1 | 1 | 2 | 7 | 文本类业务数据的审核 |
| 1 | 1 | 3 | 视觉类业务数据处理 | ||
| 82 | 1 | 1 | 3 | 1 | 视觉类业务数据的特点 |
| 83 | 1 | 1 | 3 | 2 | 视觉类业务数据的采集 |
| 84 | 1 | 1 | 3 | 3 | 视觉类业务数据压缩与传输 |
| 85 | 1 | 1 | 3 | 4 | 视觉类业务数据的预处理 |
| 86 | 1 | 1 | 3 | 5 | 视觉类业务数据的处理方法 |
| 87 | 1 | 1 | 3 | 6 | 视觉类业务数据的主观审核 |
| 88 | 1 | 1 | 3 | 7 | 视觉类业务数据的客观审核 |
| 89 | 1 | 1 | 3 | 8 | PSNR审核方法 |
| 90 | 1 | 1 | 3 | 9 | VMAF审核方法 |
| 1 | 1 | 4 | 语音类业务数据处理 | ||
| 91 | 1 | 1 | 4 | 1 | 语音类业务数据的来源 |
| 92 | 1 | 1 | 4 | 2 | 语音类业务数据的特征 |
| 93 | 1 | 1 | 4 | 3 | 语音类业务数据的采集 |
| 94 | 1 | 1 | 4 | 4 | 语音类数据的质量 |
| 95 | 1 | 1 | 4 | 5 | 波形数据的预处理方法 |
| 96 | 1 | 1 | 4 | 6 | 语音类业务数据的数值分析 |
| 97 | 1 | 1 | 4 | 7 | 语音类业务数据的审核 |
| 1 | 1 | 5 | 点云类业务数据处理 | ||
| 98 | 1 | 1 | 5 | 1 | 点云类业务数据的产生 |
| 99 | 1 | 1 | 5 | 2 | 点云类业务数据的特点 |
| 100 | 1 | 1 | 5 | 3 | 点云类业务数据的采集 |
| 101 | 1 | 1 | 5 | 4 | 点云类业务数据的处理 |
| 102 | 1 | 1 | 5 | 5 | 点云类业务数据的审核 |
| 1 | 2 | 业务模块效果优化 | |||
| 1 | 2 | 1 | 业务流程构建及业务优化通用方法 | ||
| 103 | 1 | 2 | 1 | 1 | 人工智能业务模块 |
| 104 | 1 | 2 | 1 | 2 | 推荐系统功能模块 |
| 105 | 1 | 2 | 1 | 3 | 智能搜索功能模块 |
| 106 | 1 | 2 | 1 | 4 | 智能交互功能模块 |
| 107 | 1 | 2 | 1 | 5 | 自动数据处理功能模块 |
| 108 | 1 | 2 | 1 | 6 | 最优化决策功能模块 |
| 109 | 1 | 2 | 1 | 7 | 智能控制功能模块 |
| 110 | 1 | 2 | 1 | 8 | 业务模块构建方法 |
| 111 | 1 | 2 | 1 | 9 | 业务流程优化过程 |
| 112 | 1 | 2 | 1 | 10 | 业务流程优化方法 |
| 1 | 2 | 2 | 简单场景业务流程分析与优化 | ||
| 113 | 1 | 2 | 2 | 1 | 智慧医疗 |
| 114 | 1 | 2 | 2 | 2 | 简单业务流程分析流程 |
| 115 | 1 | 2 | 2 | 3 | 简单业务流程优化方法 |
| 116 | 1 | 2 | 2 | 4 | 业务流程优化效果 |
| 1 | 2 | 3 | 复杂场景业务流程分析与优化 | ||
| 117 | 1 | 2 | 3 | 1 | 智能汽车 |
| 118 | 1 | 2 | 3 | 2 | 综合业务流程分析流程 |
| 119 | 1 | 2 | 3 | 3 | 复杂业务系统改进措施 |
| 120 | 1 | 2 | 3 | 4 | 综合业务流程优化方法 |
| 2 | 智能训练 | ||||
| 2 | 1 | 数据处理规范制定 | |||
| 2 | 1 | 1 | 文本类数据处理规范制定 | ||
| 121 | 2 | 1 | 1 | 1 | 数据处理的基本流程 |
| 122 | 2 | 1 | 1 | 2 | 数据清洗 |
| 123 | 2 | 1 | 1 | 3 | 数据标注 |
| 124 | 2 | 1 | 1 | 4 | 数据审核 |
| 125 | 2 | 1 | 1 | 5 | 数据质检 |
| 126 | 2 | 1 | 1 | 6 | 数据处理规范的定义 |
| 127 | 2 | 1 | 1 | 7 | 数据清洗规范 |
| 128 | 2 | 1 | 1 | 8 | 数据标注规范 |
| 129 | 2 | 1 | 1 | 9 | 常用的数据清洗工具 |
| 130 | 2 | 1 | 1 | 10 | 常用的数据标注工具 |
| 2 | 1 | 2 | 文本类数据处理规范制定 | ||
| 131 | 2 | 1 | 2 | 1 | 文本类数据清洗定义 |
| 132 | 2 | 1 | 2 | 2 | 文本类数据清洗方法 |
| 133 | 2 | 1 | 2 | 3 | 非空检查清洗 |
| 134 | 2 | 1 | 2 | 4 | 主键重复清洗 |
| 135 | 2 | 1 | 2 | 5 | 错误值清洗 |
| 136 | 2 | 1 | 2 | 6 | 数据格式检查 |
| 137 | 2 | 1 | 2 | 7 | 缺失值清洗 |
| 138 | 2 | 1 | 2 | 8 | 文本类数据清洗质量规范 |
| 139 | 2 | 1 | 2 | 9 | 文本类数据标注 |
| 140 | 2 | 1 | 2 | 10 | 序列标注 |
| 141 | 2 | 1 | 2 | 11 | 关系标注 |
| 142 | 2 | 1 | 2 | 12 | 属性标注及类别标注 |
| 143 | 2 | 1 | 2 | 13 | 文本类数据标注质量规范 |
| 144 | 2 | 1 | 2 | 14 | 实体标注规范 |
| 145 | 2 | 1 | 2 | 15 | 关系标注规范 |
| 146 | 2 | 1 | 2 | 16 | 情感标注规范 |
| 2 | 1 | 3 | 视觉类数据处理规范制定 | ||
| 147 | 2 | 1 | 3 | 1 | 视觉类数据清洗 |
| 148 | 2 | 1 | 3 | 2 | 视觉类数据清洗规范 |
| 149 | 2 | 1 | 3 | 3 | 图像标注 |
| 150 | 2 | 1 | 3 | 4 | 关键点标注 |
| 151 | 2 | 1 | 3 | 5 | 矩形框标注 |
| 152 | 2 | 1 | 3 | 6 | 区域标注 |
| 153 | 2 | 1 | 3 | 7 | 属性标注 |
| 154 | 2 | 1 | 3 | 8 | 视觉类数据标注质量规范 |
| 155 | 2 | 1 | 3 | 9 | 目标检测任务 |
| 156 | 2 | 1 | 3 | 10 | 非倾斜目标框标注规范 |
| 157 | 2 | 1 | 3 | 11 | 倾斜目标框标注规范 |
| 2 | 1 | 4 | 语音类数据处理规范制定 | ||
| 158 | 2 | 1 | 4 | 1 | 语音切割 |
| 159 | 2 | 1 | 4 | 2 | 语音清洗 |
| 160 | 2 | 1 | 4 | 3 | 语音标注 |
| 161 | 2 | 1 | 4 | 4 | 语音类数据质量规范 |
| 162 | 2 | 1 | 4 | 5 | 语音切割规范 |
| 163 | 2 | 1 | 4 | 6 | 特殊语音切割 |
| 164 | 2 | 1 | 4 | 7 | 有效语音判定规范 |
| 165 | 2 | 1 | 4 | 8 | 无效语音判定方法 |
| 166 | 2 | 1 | 4 | 9 | 语音内容转写规范（词语） |
| 167 | 2 | 1 | 4 | 10 | 语音内容转写规范（符号及噪音） |
| 2 | 2 | 算法测试 | |||
| 2 | 2 | 1 | 算法测试基础 | ||
| 168 | 2 | 2 | 1 | 1 | 人工智能算法测试的基本流程 |
| 169 | 2 | 2 | 1 | 2 | 人工智能算法测试方案 |
| 170 | 2 | 2 | 1 | 3 | 人工智能算法测试的基本方法（改变测试集及人机交互测试） |
| 171 | 2 | 2 | 1 | 4 | 人工智能算法测试的基本方法（增量式测试及调参） |
| 172 | 2 | 2 | 1 | 5 | 算法测试评价指标（精确率及准确率） |
| 173 | 2 | 2 | 1 | 6 | 算法测试评价指标（召回率及F1-score） |
| 174 | 2 | 2 | 1 | 7 | 混淆矩阵的概念 |
| 175 | 2 | 2 | 1 | 8 | 真正类与假正类 |
| 176 | 2 | 2 | 1 | 9 | 真负类与假负类 |
| 177 | 2 | 2 | 1 | 10 | 算法测试报告的编写方法 |
| 2 | 2 | 2 | 人工智能模型测试 | ||
| 178 | 2 | 2 | 2 | 1 | EasyDL |
| 179 | 2 | 2 | 2 | 2 | 模型选择 |
| 180 | 2 | 2 | 2 | 3 | 数据准备 |
| 181 | 2 | 2 | 2 | 4 | 数据导入 |
| 182 | 2 | 2 | 2 | 5 | 数据标注 |
| 183 | 2 | 2 | 2 | 6 | 智能标注 |
| 184 | 2 | 2 | 2 | 7 | 模型创建 |
| 185 | 2 | 2 | 2 | 8 | 模型训练 |
| 186 | 2 | 2 | 2 | 9 | 模型评估 |
| 187 | 2 | 2 | 2 | 10 | 模型优化 |
| 3 | 智能系统设计 | ||||
| 3 | 1 | 智能系统监控和优化 | |||
| 3 | 1 | 1 | 单一智能产品/系统的设计 | ||
| 188 | 3 | 1 | 1 | 1 | 智能产品设计 |
| 189 | 3 | 1 | 1 | 2 | 智能硬件产品设计 |
| 190 | 3 | 1 | 1 | 3 | OCR识别相关知识 |
| 191 | 3 | 1 | 1 | 4 | OCR识别模型 |
| 192 | 3 | 1 | 1 | 5 | 数组形状修改 |
| 193 | 3 | 1 | 1 | 6 | reshape函数 |
| 194 | 3 | 1 | 1 | 7 | 数据归一化 |
| 195 | 3 | 1 | 1 | 8 | 数据规格化 |
| 196 | 3 | 1 | 1 | 9 | 模型创建（Sequential模型） |
| 197 | 3 | 1 | 1 | 10 | 模型训练 |
| 198 | 3 | 1 | 1 | 11 | 模型测试 |
| 199 | 3 | 1 | 1 | 12 | evaluate函数 |
| 200 | 3 | 1 | 1 | 13 | 卷积层 |
| 201 | 3 | 1 | 1 | 14 | 池化层 |
| 202 | 3 | 1 | 1 | 15 | Dropout层 |
| 203 | 3 | 1 | 1 | 16 | 全连接层 |
| 204 | 3 | 1 | 1 | 17 | 激活函数 |
| 205 | 3 | 1 | 1 | 18 | ReLU函数 |
| 206 | 3 | 1 | 1 | 19 | softmax函数 |
| 207 | 3 | 1 | 1 | 20 | 过拟合 |
| 208 | 3 | 1 | 1 | 21 | 损失函数 |
| 209 | 3 | 1 | 1 | 22 | 模型评价 |
| 210 | 3 | 1 | 1 | 23 | 模型评价指标 |
| 211 | 3 | 1 | 1 | 24 | 训练集、验证集切分 |
| 212 | 3 | 1 | 1 | 25 | 模型预测 |
| 213 | 3 | 1 | 1 | 26 | AI云平台 |
| 3 | 1 | 2 | 单一智能产品/系统的设计优化 | ||
| 214 | 3 | 1 | 2 | 1 | 模型优化步骤 |
| 215 | 3 | 1 | 2 | 2 | 模型优化措施 |
| 216 | 3 | 1 | 2 | 3 | Transformer |
| 217 | 3 | 1 | 2 | 4 | 深度学习网络模型 |
| 218 | 3 | 1 | 2 | 5 | 卷积神经网络 |
| 219 | 3 | 1 | 2 | 6 | 循环神经网络 |
| 220 | 3 | 1 | 2 | 7 | 长短期记忆网络 |
| 221 | 3 | 1 | 2 | 8 | 中文票据识别面临的挑战 |
| 222 | 3 | 1 | 2 | 9 | 中文票据OCR识别流程 |
| 223 | 3 | 1 | 2 | 10 | 文本检测方法和模型 |
| 224 | 3 | 1 | 2 | 11 | 文本识别方法和模型 |
| 225 | 3 | 1 | 2 | 12 | paddlepaddle开发环境安装 |
| 226 | 3 | 1 | 2 | 13 | 票据OCR识别代码实现 |
| 227 | 3 | 1 | 2 | 14 | 注意力机制 |
| 3 | 2 | 人机交互流程设计 | |||
| 3 | 2 | 1 | 人工和智能交互方式 | ||
| 228 | 3 | 2 | 1 | 1 | 人工与智能系统之间的交互方式 |
| 229 | 3 | 2 | 1 | 2 | 文字交互 |
| 230 | 3 | 2 | 1 | 3 | 语音交互 |
| 231 | 3 | 2 | 1 | 4 | 脑机接口 |
| 232 | 3 | 2 | 1 | 5 | 触屏交互 |
| 233 | 3 | 2 | 1 | 6 | 视觉交互 |
| 234 | 3 | 2 | 1 | 7 | 姿态识别交互 |
| 235 | 3 | 2 | 1 | 8 | 交互式人工智能系统的应用领域 |
| 236 | 3 | 2 | 1 | 9 | ChatGPT |
| 237 | 3 | 2 | 1 | 10 | 智能客服机器人概念与用途 |
| 238 | 3 | 2 | 1 | 11 | 智能客服机器人系统构成 |
| 239 | 3 | 2 | 1 | 12 | 智能客服机器人与用户的交互流程 |
| 3 | 2 | 2 | 人工和智能交互过程的实现 | ||
| 240 | 3 | 2 | 2 | 1 | 智能客服机器人的工作原理 |
| 241 | 3 | 2 | 2 | 2 | 知识库架构 |
| 242 | 3 | 2 | 2 | 3 | 知识库构建方法 |
| 243 | 3 | 2 | 2 | 4 | 语音识别 |
| 244 | 3 | 2 | 2 | 5 | 语音合成 |
| 245 | 3 | 2 | 2 | 6 | 智能语义理解 |
| 246 | 3 | 2 | 2 | 7 | 问答匹配 |
| 247 | 3 | 2 | 2 | 8 | 机器人自主深度学习 |
| 248 | 3 | 2 | 2 | 9 | 知识库配置 |
| 249 | 3 | 2 | 2 | 10 | 简单客服机器人设计 |
| 4 | 培训与指导 | ||||
| 4 | 1 | 培训 | |||
| 4 | 1 | 1 | 能够编写初级培训讲义 | ||
| 250 | 4 | 1 | 1 | 1 | 培训讲义编写原则 |
| 251 | 4 | 1 | 1 | 2 | 培训讲义编写方法 |
| 252 | 4 | 1 | 1 | 3 | 培训讲义编写步骤 |
| 4 | 1 | 2 | 能够对五级/初级工、四级/中级工开展知识和技术培训 | ||
| 253 | 4 | 1 | 2 | 1 | 常用培训方法 |
| 254 | 4 | 1 | 2 | 2 | 培训方法优点 |
| 255 | 4 | 1 | 2 | 3 | 培训方法缺点 |
| 256 | 4 | 1 | 2 | 4 | 培训方法选择 |
| 4 | 2 | 指导 | |||
| 4 | 2 | 1 | 能够指导五级/初级工、四级/中级工解决数据采集、处理问题 | ||
| 257 | 4 | 2 | 1 | 1 | 数据采集和处理流程中的常见问题点 |
| 258 | 4 | 2 | 1 | 2 | 指导数据采集和处理问题的解决方法 |
| 4 | 2 | 2 | 能够指导五级/初级工、四级/中级工解决数据标注问题 | ||
| 259 | 4 | 2 | 2 | 1 | 数据标注流程中的常见问题点 |
| 260 | 4 | 2 | 2 | 2 | 指导数据标注问题解决方法 |
2.2 实践知识
| 职业（工种）名称 | 人工智能训练师 | 三级 | ||
|---|---|---|---|---|
| 序号 | 考核点代码 | 名称·内容 | ||
| 项目 | 章节 | 细目 | ||
| 1 | 业务分析 | |||
| 1 | 1 | 业务流程设计 | ||
| 1 | 1 | 1 | 1 | 能够结合人工智能技术要求和业务特征，设计整套业务数据采集流程 |
| 2 | 1 | 1 | 2 | 能够结合人工智能技术要求和业务特征，设计整套业务数据处理流程 |
| 3 | 1 | 1 | 3 | 能够结合人工智能技术要求和业务特征，设计整套业务数据审核流程 |
| 1 | 2 | 业务模块效果优化 | ||
| 4 | 1 | 2 | 1 | 能够结合业务知识，识别业务流程中单一模块的问题 |
| 5 | 1 | 2 | 2 | 能够结合人工智能技术设计业务模块优化方案并推动实现 |
| 2 | 2 | 智能训练 | ||
| 2 | 1 | 数据处理规范制定 | ||
| 6 | 2 | 1 | 1 | 能够结合人工智能技术要求和业务特征，设计数据清洗和标注流程 |
| 7 | 2 | 1 | 2 | 能够结合人工智能技术要求和业务特征，制定数据清洗和标注规范 |
| 2 | 2 | 算法测试 | ||
| 8 | 2 | 2 | 1 | 能够维护日常训练集与测试集 |
| 9 | 2 | 2 | 2 | 能使用工具对算法进行训练 |
| 10 | 2 | 2 | 3 | 能够使用测试工具对人工智能产品的使用进行测试 |
| 11 | 2 | 2 | 4 | 能够对测试结果进行分析， 编写测试报告 |
| 12 | 2 | 2 | 5 | 能够运用工具，分析算法中错误案例产生的原因并进行纠正 |
| 3 | 2 | 智能系统设计 | ||
| 3 | 1 | 智能系统监控和优化 | ||
| 13 | 3 | 1 | 1 | 能够对单一智能产品使用的数据进行全面分析，输出分析报告 |
| 14 | 3 | 1 | 2 | 能够对单一智能产品提出优化需求 |
| 15 | 3 | 1 | 3 | 能够为单一智能产品的应用设计智能解决方案 |
| 3 | 2 | 人机交互流程设计 | ||
| 16 | 3 | 2 | 1 | 能够通过数据分析，找到单一场景下人工和智能交互的最优方式 |
| 17 | 3 | 2 | 2 | 能够通过数据分析，设计单一场景下人工和智能交互的最优流程 |
| 4 | 培训与指导 | |||
| 4 | 1 | 培训 | ||
| 18 | 4 | 1 | 1 | 能够编写初级培训讲义 |
| 19 | 4 | 1 | 2 | 能够对五级/初级工、四级/ 中级工开展知识和技术培训 |
| 4 | 2 | 指导 | ||
| 20 | 4 | 2 | 1 | 能够指导五级/初级工、四级/中级工解决数据采集、处理问题 |
| 21 | 4 | 2 | 2 | 能够指导五级/初级工、四级/中级工解决数据标注问题 |
