人工智能训练师-个人学习记录

课件内容记录

如果想直接看知识点可以直接跳转到文章末尾课程知识点部分

人工智能训练师简介

对个人学历和技能要求较低，入手门槛低

人工智能训练师等级划分

常见人工智能产品及应用场景

关键技术

 

人工智能核心驱动力

人工智能数据采集

人工智能数据标注

数据分析

人工智能知识概述

 关键技术

现在的人工智能的关键技术还有RAG 检索

机器学习讲解

 知识图谱

自然语言处理（NLP）

人工智能回复风格设计

数字人直播相关内容

直播发展史

规模和交易额逐年发展

直播电商内容和效果满足品销合一

形成完整营销厂

直播电商准备维度与运营流程

数字人直播和真人直播对比

 通过这个学习我对于AI的理解更加系统性了，在此做一个记录：

课程知识点

人工智能训练师的工作内容有解决方案设计，算法调优，数据标注等

对自然语言来说理解容易受挑战的有以下四个方面

1、在语法、语义和语音等不同层面存在不确定性

2、新的词汇、术语、语义和语法导致未知语言现象的不可预测性。

3、数据资源难以完全覆盖复杂的语言现象

4、语义的模糊性和错综复杂的关联性难以用简单的数学模型描述。

知识梳理概念：知识梳理是教会人工智能产品如何在应用场景实现

知识图谱概念：知识图谱其本质是结构化的知识库，是一种描述实体关系的语义网络，基本组成单位是”实体-关系-实体

数据智能目标：是希望数据能驱动决策，让机器具有推理等认知能力，只有业务数据化进程的完成，才能真正进入到业务智能化，依靠数据改变业务、指导决策。

语音标注：
语音转文本内容、语音、语速
。人工对语音内容进行文本转录，算法模型通过对文本内容识别并与相应的音频进行逻辑关联
。例如:语音识别由需要对常用语言场景、方言、语速、音色等进行标注和识别

图像标注：
对相应的轮廓标记。

。基于图像的形态、目标点、结构划分图像生成、图片加注，敏感风险等。
。例如:自动驾驶中，汽车需要对别的车辆、行人、障碍物、绿化带、天空等进行识别

文本标注面向文本内容的标注

。情绪分析、分类标注、关键词提取、文字翻译、搜索引擎等
。例如:智能客服接待中对用户咨询内容的识别、物流单照片中对物流单号的识别等

机器学习分为监督学习，无监督学习，强化学习

自然语言处理的挑战有以下四个方面

1、在语法、语义和语音等不同层面存在不确定性

2、新的词汇、术语、语义和语法导致未知语言现象的不可预测性。

3、数据资源难以完全覆盖复杂的语言现象

4、语义的模糊性和错综复杂的关联性难以用简单的数学模型描述。

数据展示工具有PPT，FineBI,Qlikview等

数据分析工具有Excel、Python、SPSS等

数据存储工具有：MYSQL、Qracle等

人工智能的核心驱动力是算力，算法，大数据

算法是人工智能的“发动机”