学习路线与目录

适用：人工智能训练师内部选拔赛理论考试。
目标：把总复习资料拆成可逐章学习、可背诵、可刷题的资料包。

推荐学习顺序

1. 第 01 章：职业标准与考试框架。先知道考什么、怎么考。
2. 第 02 章：计算机通用基础。补齐选择题常见基础概念。
3. 第 03 章：数据库、SQL 与数据管理。数据处理题的底座。
4. 第 04 章：数据采集、清洗、标注与质量控制。人工智能训练师最核心。
5. 第 05 章：Python 与 AI 工具链。理解实操和理论中的工具名词。
6. 第 06 章：机器学习基础。分类、回归、聚类、调参和评估。
7. 第 07 章：深度学习基础。CNN、RNN、Transformer、训练机制。
8. 第 08 章：生成式 AI 与大模型。BERT、GPT、LoRA、RAG、Agent。
9. 第 09 章：计算机视觉与自动驾驶场景。目标检测、mAP、IoU、NMS。
10. 第 10 章：模型评估、部署、运维与 MLOps。工程化和上线后的题。
11. 第 11 章：数据安全、法规伦理与职业素养。判断题、多选题高频。
12. 第 12 章：综合题库与答案。最后刷题。

两天冲刺法

第一天上午：第 01、04 章，建立职业和数据处理框架。
第一天下午：第 06、07 章，掌握机器学习和深度学习。
第一天晚上：第 08 章，背生成式 AI、LoRA、RAG、RLHF。

第二天上午：第 09、10 章，掌握视觉、检测、部署和运维。
第二天下午：第 11、12 章，刷法规伦理和综合题。
考前 30 分钟：只看易错点、公式和错题。

每章怎么学

每章都按同一结构组织：

• 学习目标：知道本章要掌握到什么程度。
• 考点地图：知道题目大概率从哪里出。
• 知识详解：按考试语言讲清楚概念。
• 易错点：专门区分容易混的概念。
• 例题：带答案和解析。
• 自测清单：学完后检查是否掌握。

考前最高频记忆卡

• 职业编码：4-04-05-05。
• 包含工种：数据标注员、人工智能算法测试员。
• 职业守则：诚实公正、严谨求是；遵纪守法、恪尽职守；勤勉好学、追求卓越。
• AI 项目流程：问题定义 -> 数据采集 -> 清洗 -> 标注 -> 划分 -> 特征工程 -> 模型选择 -> 训练 -> 验证调参 -> 测试评估 -> 部署 -> 监控 -> 反馈迭代。
• 训练集学参数，验证集调超参数，测试集做最终评估。
• Precision 防误报，Recall 防漏报，F1 看平衡。
• 过拟合：训练好测试差；欠拟合：训练和测试都差。
• BERT 偏理解，GPT 偏生成。
• LoRA 改少量参数，RAG 检索外部知识。
• IoU 看框重叠，mAP 看目标检测整体效果，NMS 去重复框。
• 匿名化不可复原，去标识化可能复原。