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2 相关法律、法规知识
  • 1 一、《中华人民共...
  • 2 ​二、《中华人民...
  • 3 三、《中华人民共...
  • 4 四、《中华人民共...
  • 5 五、《生成式人工...

人工智能训练师作为普通的劳动者,在参与劳动的过程中,虽然不用像法律相关工作者一样精通法律条款,但是也需要具备一定的基本概念。掌握了一定的法律、法规知识后,可以保护自身的权益,也可以避免做出违法的行为,在参与劳动的过程中还能直接或者间接的帮助公司减少法律风险,当出现纠纷和争议的时候,也可以运用合法的解决方式维护权益。

作为一名普通的劳动者,人工智能训练师可以对相关法律制定的目的、适用范围、大致内容进行简单了解,如果有需要,还可以从法律条款解读、法律执行和实施细节、违法后果、修订变化、案例分析等方面进行深入了解。

本学习单元从法律制定的目的、适用范围和大致内容对与人工智能训练师职业最为密切的《中华人民共和国劳动法》、《中华人民共和国劳动合同法》、《中华人民共和国网络安全法》及《中华人民共和国知识产权法》四项法律进行讲解。

一、《中华人民共和国劳动法》

中华人民共和国劳动法是中华人民共和国的一部基本法律,旨在保护劳动者的合法权益,规范劳动关系,促进社会和谐稳定。作为人工智能训练师,了解和掌握《中华人民共和国劳动法》的相关知识对于正确履行职责、维护劳动者权益具有重要意义。

(一)《中华人民共和国劳动法》的目的

《中华人民共和国劳动法》的目的是保护劳动者的合法权益,维护劳动关系的平衡,促进经济发展和社会进步。它通过规定劳动者的基本权利和义务,明确用人单位的责任和义务,建立和完善劳动关系的制度,为劳动者提供公平、合理的劳动条件和环境。

(二)《中华人民共和国劳动法》的适用范围

《中华人民共和国劳动法》适用于中华人民共和国境内的劳动者和用人单位之间的劳动关系。无论是国有企业、集体企业、私营企业还是外资企业,都必须遵守该法律的规定。此外,该法律还适用于政府机关、事业单位、社会团体等组织与劳动者之间的劳动关系。

(三)《中华人民共和国劳动法》的大致内容

《中华人民共和国劳动法》主要包括以下内容:

1.劳动合同的订立和解除:规定了劳动合同的基本要素、形式、期限、解除和终止等事项,保障劳动者的合法权益。

2.劳动报酬:明确了劳动者的工资、加班工资、绩效工资等报酬的支付标准和方式,保障劳动者的合法收入。

3.工作时间和休假:规定了劳动者的工作时间、休息日、法定假日、年休假等,保障劳动者的合法休息和休假权益。

4.劳动保护:包括劳动安全卫生、劳动条件、女职工和未成年工的特殊保护等,保障劳动者的生命安全和身体健康。

5.社会保险和福利:规定了劳动者的社会保险和福利待遇,包括养老保险、医疗保险、失业保险、工伤保险和生育保险等,保障劳动者的社会保障权益。

(四)人工智能训练师掌握这个法律的相关知识有什么帮助

作为人工智能训练师,掌握《中华人民共和国劳动法》的相关知识对于正确履行职责、维护劳动者权益具有以下帮助:

1.合法用工:了解劳动法律的规定,可以帮助人工智能训练师在招聘和用工过程中遵守法律,确保用工合法合规,避免违法用工行为。

2.维护劳动者权益:掌握劳动法律的相关知识,可以帮助人工智能训练师了解劳动者的基本权益,合理安排工作时间、工资报酬等,保障劳动者的合法权益。

3.防范劳动纠纷:了解劳动法律的规定,可以帮助人工智能训练师预防和解决劳动纠纷,避免因不当行为引发的法律纠纷和劳动仲裁。

4.促进和谐劳动关系:掌握劳动法律的相关知识,可以帮助人工智能训练师建立和谐的劳动关系,加强与劳动者的沟通和协调,提高工作效率和员工满意度。