人工智能训练师

贾艳光、郭文武、李薇、刘琰璞

目录

  • 1 职业模块1 职业道德
    • 1.1 培训课程1 职业道德基本知识
    • 1.2 培训课程2 人工智能训练师职业守则
  • 2 职业模块2 通用知识和相关法律、法规知识
    • 2.1 培训课程1 通用知识
      • 2.1.1 学习单元1 人工智能训练师工作要求
      • 2.1.2 学习单元2 计算机操作知识
      • 2.1.3 学习单元3 人工智能技术常见概念
    • 2.2 培训课程2 相关法律、法规知识
  • 3 职业模块3 数据采集与处理(5级)
    • 3.1 培训课程1 业务数据采集
      • 3.1.1 学习单元1 原始业务数据采集
        • 3.1.1.1 情景描述
        • 3.1.1.2 新知学习
        • 3.1.1.3 任务实践:采集电影排名数据
          • 3.1.1.3.1 步骤1:搭建环境
          • 3.1.1.3.2 步骤2:分析网页源代码
          • 3.1.1.3.3 步骤3:编写数据爬取程序
          • 3.1.1.3.4 步骤4:爬取数据
          • 3.1.1.3.5 步骤5:查验数据结果
        • 3.1.1.4 习题训练
      • 3.1.2 学习单元2 数据库内业务数据采集
        • 3.1.2.1 情景描述
        • 3.1.2.2 新知学习
        • 3.1.2.3 任务实践:采集数据库业务数据
          • 3.1.2.3.1 步骤1:搭建数据库业务数据采集环境
          • 3.1.2.3.2 步骤2:测试环境有效性
          • 3.1.2.3.3 步骤3:编写数据库业务数据采集程序
          • 3.1.2.3.4 步骤4:采集数据库业务数据
          • 3.1.2.3.5 步骤5:查看数据结果
        • 3.1.2.4 习题训练
    • 3.2 培训课程2 业务数据处理
      • 3.2.1 学习单元1 业务数据整理归类
        • 3.2.1.1 情境描述
        • 3.2.1.2 新知学习
        • 3.2.1.3 任务实践1:整理归类结构化数据
          • 3.2.1.3.1 步骤1:准备数据源
          • 3.2.1.3.2 步骤2:转换数据类型
          • 3.2.1.3.3 步骤3:归类季度数据
        • 3.2.1.4 任务实践2:整理归类非结构化数据
          • 3.2.1.4.1 步骤1 按类型创建文件路径
          • 3.2.1.4.2 步骤2 整理归类数据
          • 3.2.1.4.3 步骤3 重命名数据文件
        • 3.2.1.5 习题训练
      • 3.2.2 学习单元2 业务数据汇总
        • 3.2.2.1 情境描述
        • 3.2.2.2 新知学习
        • 3.2.2.3 任务实践:汇总结构化数据
          • 3.2.2.3.1 步骤1:准备数据
          • 3.2.2.3.2 步骤2 :分组统计数据
          • 3.2.2.3.3 步骤3:保存结果
        • 3.2.2.4 习题训练
  • 4 职业模块4 数据标注(5级)
    • 4.1 培训课程1 数据清洗与标注
      • 4.1.1 学习单元1 数据清洗
        • 4.1.1.1 情景描述
        • 4.1.1.2 新知学习
        • 4.1.1.3 任务实践:清洗图像数据
          • 4.1.1.3.1 步骤1:图像去重与尺寸修改
          • 4.1.1.3.2 步骤2:尺寸过滤
          • 4.1.1.3.3 步骤3:尺寸变换
          • 4.1.1.3.4 步骤4:格式转换
          • 4.1.1.3.5 步骤5:样本重新编号
        • 4.1.1.4 习题训练
      • 4.1.2 学习单元2 数据标注
        • 4.1.2.1 情景描述
        • 4.1.2.2 新知学习
        • 4.1.2.3 任务实践1:图像数据标注
          • 4.1.2.3.1 步骤1:安装labelme工具
          • 4.1.2.3.2 步骤2:标注准备工作
          • 4.1.2.3.3 步骤3:图像数据集矩形框标注
          • 4.1.2.3.4 步骤4:保存标注文件
        • 4.1.2.4 任务实践2:文本数据标注
          • 4.1.2.4.1 步骤1: 统一时间格式
          • 4.1.2.4.2 步骤2:登录数据标注平台
          • 4.1.2.4.3 步骤3:工程创建
          • 4.1.2.4.4 步骤4 :导入数据开始标注
        • 4.1.2.5 习题训练
    • 4.2 培训课程2 标注后数据分类与统计
      • 4.2.1 学习单元1 分类标注后数据
        • 4.2.1.1 情景描述
        • 4.2.1.2 新知学习
        • 4.2.1.3 任务实践:视觉数据分类
          • 4.2.1.3.1 步骤1:搭建实践环境
          • 4.2.1.3.2 步骤2:获取所有标签分类类别
          • 4.2.1.3.3 步骤3:创建分类文件夹
          • 4.2.1.3.4 步骤4:分类存放视觉文件
        • 4.2.1.4 习题训练
      • 4.2.2 学习单元2 统计标注后数据
        • 4.2.2.1 情景描述
        • 4.2.2.2 新知学习
        • 4.2.2.3 任务实践:统计标注后的视觉数据
          • 4.2.2.3.1 步骤1:统计标注图像大小
          • 4.2.2.3.2 步骤2:统计图像特征值
          • 4.2.2.3.3 步骤3:测试图像边缘检测效果
        • 4.2.2.4 习题训练
  • 5 职业模块5 智能系统运维(5级)
    • 5.1 培训课程1 智能系统基础操作
      • 5.1.1 学习单元1 智能系统的开启
      • 5.1.2 学习单元2 智能系统的简单使用
    • 5.2 培训课程2 智能系统维护
      • 5.2.1 学习单元1 智能系统功能应用情况记录
      • 5.2.2 学习单元2 智能系统应用数据情况记录
  • 6 职业模块6 数据采集和处理(4级)
    • 6.1 培训课程1 业务数据质量检测
      • 6.1.1 学习单元1 业务数据审核
      • 6.1.2 学习单元2 业务数据采集规范
      • 6.1.3 学习单元3 业务数据处理规范
    • 6.2 培训课程2 数据处理方法优化
      • 6.2.1 学习单元1 业务数据采集流程优化
      • 6.2.2 学习单元2 业务数据处理流程优化
  • 7 职业模块7 数据标注(4级)
    • 7.1 培训课程1 数据归类和定义
      • 7.1.1 学习单元1 数据聚类
      • 7.1.2 学习单元2 数据归类
      • 7.1.3 学习单元3 数据定义
    • 7.2 培训课程2 标注数据审核
      • 7.2.1 学习单元1数据审核
      • 7.2.2 学习单元2 数据纠错
      • 7.2.3 学习单元3 数据筛选
  • 8 职业模块8 智能系统运维(4级)
    • 8.1 培训课程1 颐养守护系统人脸知识库运维
    • 8.2 培训课程2课堂无感考勤系统部署与运维
      • 8.2.1 项目引入
      • 8.2.2 项目分析
      • 8.2.3 新知学习
      • 8.2.4 项目实施
        • 8.2.4.1 任务1:课堂无感考勤系统网络架构规划
        • 8.2.4.2 任务2:课堂无感考勤系统硬件部署联调
        • 8.2.4.3 任务3:课堂无感考勤系统及环境安装与配置
        • 8.2.4.4 任务4:课堂无感考勤系统师生信息导入
        • 8.2.4.5 任务5:课堂无感考勤系统课程信息导入与测试
        • 8.2.4.6 任务6:系统压力测试
        • 8.2.4.7 任务7:系统备份及软硬件还原
      • 8.2.5 项目评价
      • 8.2.6 项目总结
  • 9 教学资源
    • 9.1 二维动画
    • 9.2 视频
    • 9.3 文档
培训课程1 职业道德基本知识
  • 1 一、职业道德的定义
  • 2 二、遵守职业道德...
  • 3 三、职业道德影响因素
一、职业道德的定义

职业道德是指个人在其职业活动中应遵循的行为规范和道德准则。这些规范和准则通常涉及诚信、责任、公正、尊重和专业性等方面。职业道德不仅体现在对工作的热情和敬业精神上,还包括对客户、同事、社会以及环境的责任感和尊重。它要求个人在工作中展现出高度的诚信度,避免利益冲突,保护客户和公众的利益,同时也要求个人持续学习和提升自己的专业技能,以确保提供的服务或产品符合最高的专业标准。


二、遵守职业道德的重要意义

职业道德的学习与遵守对于个人职业生涯的发展至关重要。它帮助个人建立起良好的职业形象,赢得同事和客户的信任,从而为职业晋升和发展打下坚实的基础。对企业而言,员工的职业道德水平直接影响企业的声誉和品牌形象。企业文化中强调职业道德能够吸引优秀人才,增强客户忠诚度,减少法律风险,并增强企业在市场中的竞争力。对整个行业而言,普遍的高标准职业道德能够促进行业内的公平竞争,提升服务质量,保护消费者权益,从而推动整个行业的健康和可持续发展。

三、职业道德影响因素

在日常生活中可以看到有很多不同的职业道德标准,这些差异与很多因素相关,这些因素共同塑造了一个职业的道德框架和行为准则。

造成职业道德差异最核心的因素就是一个职业的本质。不同的职业有着不同的目标、责任和工作内容,这些特点决定了其职业道德的独特性。例如,医生的职业道德强调对患者的关怀和保密,而律师的职业道德则侧重于为客户提供公正的法律服务和保护客户的合法权益。

此外,职业道德的差异还与文化背景、法律法规、行业标准和组织文化等因素有关。不同国家和地区对于职业行为的期望可能有所不同,法律法规为职业行为设定了最低标准,行业标准则提供了更为具体的指导原则,而组织文化会影响职业人员在特定工作环境中的行为模式。

而对于人工智能训练师这一新兴职业来说,其职业道德也是在随着技术的发展不断完善的过程当中。在人工智能通用技术的初期阶段,借鉴一般职业的行为规范,如诚实、公正、尊重他人等,以及相关信息技术领域的特定道德属性,如数据隐私的保护等,尚能够满足当前的需求。但随着技术的发展,智能系统对社会造成的影响也将越来越深远,伦理的判断与社会的责任将成为人工智能训练师绕不过去的话题。相信到那个时候会有更加独特的职业道德标准应运而生,来指导人工智能训练师这一职业的健康发展。