Industri kecerdasan buatan terus berkembang pesat, jurulatih AI telah menjadi kerjaya baharu yang permintaannya tinggi dan prospek pembangunan yang luas. Ramai rakan yang berminat menceburi bidang ini mempunyai pemahaman yang kabur tentang gambaran keseluruhan industri dan keperluan jawatan, tidak jelas bagaimana kerja teras seperti pemprosesan data dan anotasi sebenarnya dilakukan, dan tidak tahu cara menggunakan pelbagai alat profesional, sehingga sukar mencapai standard pengambilan syarikat.

Kursus ini direka khas untuk individu yang bertukar kerjaya tanpa asas dan pencari kerja, membina sistem pengetahuan yang lengkap dari peringkat asas hingga lanjutan, serta menerangkan secara menyeluruh pengetahuan teori dan kemahiran praktikal yang diperlukan oleh jurulatih AI. Pada permulaan kursus, pengetahuan asas industri diperkenalkan terlebih dahulu, menjelaskan status pembangunan semasa, menyusun kandungan kerja harian jawatan, standard keupayaan serta norma tingkah laku profesional, membantu pelajar membina pemahaman kerjaya yang betul dan menentukan hala tuju pembelajaran dengan jelas. Selepas menamatkan kursus ini, anda bukan sahaja akan menguasai kemahiran sepanjang proses seperti pengumpulan data, pembersihan data dan anotasi, malah dapat menggunakan pelbagai alat industri seperti Kettle, OpenRefine, DataWrangler, Hawk dan lain-lain dengan mahir, serta mempunyai keupayaan untuk terus bekerja. Bagi rakan yang ingin menambah pendapatan secara sambilan, kemahiran ini juga dapat membantu anda mendapatkan projek berkaitan anotasi data dengan cepat dan merealisasikan pendapatan secara fleksibel.

• 1.Pengetahuan persediaan jurulatih kecerdasan buatan
• 2.Ringkasan kandungan bab ini
• 3.Pengenalan kepada kecerdasan buatan
• 4.Konsep dan status semasa jurulatih kecerdasan buatan
• 5.Tanggungjawab kerja jurulatih kecerdasan buatan
• 6.Model keupayaan jurulatih kecerdasan buatan
• 7.Norma keupayaan etika profesional jurulatih kecerdasan buatan

• 8.Ringkasan bab ini
• 9.Konsep pengumpulan data
• 10.Gambaran keseluruhan kaedah dan alat pengumpulan data
• 11.Penjelasan terperinci kaedah pengumpulan data
• 12.Gambaran keseluruhan pembersihan data
• 13.Operasi asas pembersihan data MS Excel
• 14.Pengenalan dan operasi asas Kettle
• 15.OpenRefine & DataWrangler
• 16.Penggunaan alat Hawk

• 17.Anotasi imej
• 18.Anotasi suara
• 19.Anotasi teks
• 20.Anotasi kolaboratif manusia-mesin

• 21.Kualiti data mempengaruhi algoritma
• 22.Standard kualiti anotasi data
• 23.Kaedah pemeriksaan kualiti anotasi data
• 24.Pengurusan kualiti pintar untuk anotasi data

• 25.Pengenalan alat anotasi data
• 26.Bidang aplikasi anotasi data
• 27.Eksperimen: Anotasi klasifikasi muka
• 28.Eksperimen: Anotasi kotak sempadan muka
• 29.Eksperimen: Anotasi titik tanda muka
• 30.Eksperimen: Anotasi kotak sempadan pejalan kaki
• 31.Eksperimen: Anotasi kawasan garis tanda jalan
• 32.Eksperimen: Anotasi kotak sempadan plat nombor
• 33.Eksperimen: Anotasi poligon kenderaan
• 34.Eksperimen: Anotasi klasifikasi objek
• 35.Eksperimen: Anotasi klasifikasi sel
• 36.Eksperimen: Anotasi kotak sempadan sel
• 37.Eksperimen: Anotasi kawasan imej perubatan

💡 Petua pembelajaran:Kandungan tutorial adalah berdasarkan amalan industri semasa penerbitan, disyorkan untuk menggabungkan peraturan terkini platform semasa pembelajaran.