《2024全国职工职业技能大赛人工智能训练师赛.docx》由会员分享,可在线阅读,更多相关《2024全国职工职业技能大赛人工智能训练师赛.docx(21页珍藏版)》请在课桌文档上搜索。
1、第八届全国职工职业技能大赛人工智能训练师赛项技术文件一、技术描述I(一)项目概要1(二)基本知识与能力要求1二、试题与评判标准4(一)试题4(二)比赛时间及试题具体内容5(三)评判标准7(四)公布方式(保密安排)9(五)竞赛样题9三、竞赛细则12(一)比赛的具体流程12(二)裁判员条件和工作内容12(三)选手条件和工作内容15(四)工作人员及其他人员须知16(五)申诉与仲裁16四、竞赛场地、设施设备等安排17(一)赛场规格要求17(二)场地布局17三)基础设施清单17五、安全健康要求21(一)选手安全防护措施要求21(二)裁判安全防护措施要求21(三)工作人员安全防护措施要求22(四)健康安全
2、违规的处理方案22(五)医疗设备和措施22(六)绿色环保22一、技术描述(一)项目概要当前人工智能技术已广泛应用于智慧零售、医疗、交通、安防等领域,本赛项以国家新一代人工智能发展规划为背景,针对国家新职业“人工智能训练师”的岗位定义与典型工作任务,面向全国人工智能工程技术、人工智能技术应用、智能科学与技术、电子信息工程、计算机与软件工程等相应专业领域的职业从业人员,体现行业特色,围绕真实工作过程、任务和要求设计竞赛内容,重点考查选手人工智能工程技术能力、规范操作和创新创意水平,检验参赛选手的综合职业能力。本赛项为单人赛,以实际工程应用为项目背景进行设计,针对在人工智能技术实际使用过程中进行数据
3、库管理、算法参数设置、人机交互设计、性能测试跟踪及其他辅助作业方向,考察选手对计算机科学、数据科学、机器学习、深度学习等相关领域的基础理论知识以及编程技能,重点考察参赛选手数据采集、数据清洗、数据标注、训练环境搭建、模型训练、模型调优、模型验证、模型部署、人工智能系统运维等人工智能全链工具的工程应用技术的运用能力。(二)基本知识与能力要求参赛选手完成本赛项的考核需要具备人工智能训师练相关基础知识与技能,见表1及表2:表1人工智能训练师项目相关基础知识相关要求权重比例(%)I博础理论知识15基本知识计算机硬件组成、指令集架构、存储器层次结构、输入输出设备等.操作系统的基本概念、功能,掌握进程管理
4、、内存管理、文件系统、输入输出管理等关键技术。一战性表、树、图、哈希表等常见数据结构,以及樗序、查找、图遍历等基本党法。一&悉至少一种而级编程语言(例如PyIhOn、Java、C+),包括语言的基本语法、控制结构、函数、面向对象编程等。计算机网络的基本概念、协议分层、TCP/IP协议族、网络安全等。线性代数、微积分、概率论等数学工具在计算机科学中的应用,掌握基本的数值优化方法.人工智能的基本概念、历史发展、应用领域,掌握人工智能的基本原理与技术。i1.舞机科学中的伦理与法律间咫,如数据隐私、安全、知识产权等。信息安全知识生产安全和环境安全知识2数据处理20基本知识数据库基础概念,数据库管理系统
5、的功能,数据阵系统的组成,数据库技术的发展历程常用SQ1.语言数据库的并发控制、事务管理和隔离级别数据库设计知识,了解实体-关系模型、存储结构选择数据库备份与恢灾、数据库性能调优、数据文件、分布式数据库、云数据库、大数据技术、数据仓库、数据挖掘等等人工智能数据处理知识工作能力能锵使用常用编程语言和数据库,实现数据读取和可视化、数据集划分、数据施础处理以及数据增强等常用操作3机罂学习15基本知识机器学习基础概念监督学习、无监督学习和强化学习的概念机器学习的基本流程分类、聚类、回归、关联规则常用算法采样、降维、特征选择等特征工程方法一机器学习中过拟合与欠拟合、数据不平衡处理等常见问题与解决方案工作
6、能力能够使用常用编程语言和工具阵,进行特征提取、模型构建、模型训练和模型验证等操作4深度学习15基本知识一神经网络的结构与工作原理卷积神经网络、循环神经网络等深度学习的基本概念强化学习的基本概念和常见方法深度学习模型的模型评估超参数调优方法工作能力能够使用常用深度学习框架对图像、视顼桀进行目标识别、对象分类等工作5生成式人工智能15基本知识一生成式模蟹基础架构,包括BERT.GPT.DiffUMOn等生成式模型的数据准备,包括去重、过滤、解私处理、数据配比等生成式模里的训练方法,包括经典优化器和分布式优化器生成式模里的微调与对齐,包括参数高效微调、思维链、人类反馈的强化学习生成式模型的应用技术
7、,包括智能代理(agem)和检索增强生成(RAG)牛.成式模型的评估技术,门豚评估语言生成、知识运用、复杂推理等能力的方法6人工智能进行应用开发20基本知识使用人工智能进行应用开发的知识问题定义与数据收集数据稹处理与清洗一特征工程与模型选择模型训练与评估一模型部署与监控工作能力能够使用常用人工智能开发框架进行应用开发、应用维护、性能优化等操作,了解人工智能在行业中的典型应用合计I(X)表2人工智能训练师项目相关实操能力相关要求权重比例(%)1数据准备及处理20实操能力-数据采集原理、安全法规及义务数据清洗安全法则、数据安全的原则数据采集工具与设备基础知识数据标注工程基础图片数据清洗2模型选型能
8、力10实操能力一根据特定任务(如图像识别、语言理解或预测分析)选择合适的机器学习算法和模型3模型调参10实操能力一热练数据预处理、样本评估、算法参数调优的方法4模型训练25实操能力掌握专业领域特征提取基础理论及方法设计算法模型训练、算法模型验证及评测等技术流程灵活使用jupyternotebook,VSCodC等IDE软件灵活使用PyTOrCh等深度学习框架5模型性能评估10实操能力一热悉模型评估的方法和指标,包括准确性、召回率、精确率、RoC曲线、AUC值等6模型部署应用2()实操能力掌握模型转换流程设计自主人工智能产品交互流程设计制定人工智能产品应用解决方案监控及分析人工智能产品应用数据跟
9、踪人工智能产品应用数据管理7安全意识与职业亲养5实操能力一一网络安全意识、数据保护法律与伦理、团队合作与沟通技巧一对数据安全、用户建私保护以及职业行为规范的了解和亚视程度合计I(M)二、试题与评判标准(一)试题1 .竞赛形式本项目比赛形式为单人实操比赛。2 .试题命制的办法及基本流程本赛项专家组根据本竞赛技术规则要求组织命题。大赛全国组委会技术委员会组织有关专家参照现行人工智能训练师国家职业技能标准(三级)应知应会的知识与技能、结合企业生产、院校教学实际和人工智能训练的发展状况,并借鉴世界技能大赛相关项目的命题方法和考核内容,适当增加相关新知识、新技术、新设备、新技能等内容,进行编制技术文件和
10、命题。(二)比赛时间及试题具体内容本次比赛分为理论知识和上机实操两部分。1、理论知识内容与题型(1)比赛题型理论知识比赛以在计算机上答卷(闭卷)的方式进行。比赛时间为90分钟。题型包括200道单项选择题、40道判断题、30道多项选择题,共270道题。其中,单项选择题每题0.5分,判断题每题0.5分,多项选择题每题1分,共计150分。(2)比赛要求参赛选手凭本人身份证和参赛证进入考场,按规定登录竞赛平台答题。试题答案按要求在线回答,草稿纸由现场人员统提供。参赛选手自带签字笔,其他任何资料和电子产品禁止带入考场,否则成绩无效。2、实操环节内容与题型本赛项为实操模拟行业人工智能技术开发与应用的整个流
11、程,考察参赛选手对数据的处理、算法模型的应用熟练程度。赛项总用时480分钟,共分为3道题,共350分。实操竞在模块时长模块A:数据分析与挖掘90分钟模块B:大语言模型特定任务的微调180分钟模块C:智能自动驾般场景综合应用210分钟安全意识与职业素养全过程总时长480分钟(1)数据分析与挖掘(90分钟50分)分为三个步骤:数据探索、数据挖掘、模型评估调优,具体如卜丁步骤-:数据探索,参赛选手根据任务书要求,使用考试平台提供的原始数据完成数据清洗和可视化任务。步骤1:数据分析与挖掘,导入步骤一制作好的训练级、测试集、验证集,选择合理算法训练,输出算法在验证集的结果。步骤三:调参与优化,用合理的方
12、法评估上述模型效果,可视化展示评估结果,如有需要,可进行算法调优调参。按照步骤得分:第一步20分,第二步20分,第三步10分:第一步:3项数据探索、5项数据清洗和2项数据可视化任务。每项任务2分。短项任务成功运行且正确得2分:未运行正确则视过程得OT分第二步:5项任务,每项任务4分。每项任务成功运行且正确得4分:未运行正确则视过程得0-3分。第三步:3项任务;每项任务分别3分、4分、3分,每项任务成功运行且正确得3-4分:未运行正确则视过程得0-3分。f1.值排名,前10劾口5分,前1B-204加3分,前2*30外加1分。(2)大语言模型特定任务的微调(180分钟,100分)考试内容说明:本次
13、比赛的主办方将向参赛者提供一个大语言模型(如Gemma-2B或其它相似大小的模型)以及3种下游任务数据集(如MRpC或KTE)o参赛者需要利用高效参数微调技术,在下游任务数据集上分别对大模型进行微调,使大模型在这些下游任务数据中取得较好的精度。选手操作步骤:步骤1:将主办方提供的每种下游任务数据集进行预处理,并分别制作训练集和验证集步骤2:选择合适的微调算法(如适配器微调、前缀微调、1.oRA等),将主办方提供的大模型对某种下游任务进行微调。步骤3:当完成微调后,将大模型在主办方提供的测试数据集上进行推理,得到大模型在该项任务的准确率。步骤4:重复步骤2和步骤3,直到完成全部下游任务的微调。评
14、分标准:本次评分分为三部分:数据准备(10分),模型微调(30分),精度排名(60分)。第一部分(数据准备)。分别为每种下游任务数据制作训练集和验证集。完成种任务的数据处理是3分,完成2种是6分,完成全部3种任务得10分。第二部分(模型微调).每次针对下游任务进行微调完成得10分。全部完成得分30分。第三部分(精度排名)o每项下游任务都会对选手提供的微调模型按精度进行排名,并根据排名进行打分:前5%给20分,前5%至前10%给15分,前10%至前30熠Ho分,前38I至前6般给5分,剩余选手中,如果提交模型比没有经过微调的基础模型效果好给3分,不如基础模型不给分。全部三项任务最高给分60分。(
15、3)智能自动驾驶场景综合应用(210分钟200分)考察以图像分类、目标检测技术为主的图像类深度学习算法训练,主要分为四个步骤:步骤一:数据采集,使用虚拟场景沙盘采集需要的标识,导出数据集。步骤二:数据标注,利用组委会提供的数据标注平台根据比赛题目任务进行数据集标注,按命名规范、文件目录、文件格式等题目要求保存。步骤三:模型训练与评估,导入制作好的训练集、测试集、验证集,选择合理算法训练,输出算法在验证集的结果。用合理的方法评估上述模型效果,可视化展示评估结果,如有需要,可进行算法调优调参。模型可以在一批未标注的的测试集上进行推理。步骤四:模型部署,在组委会指定服务器上部署上述模型,在虚拟场景沙
16、盘中进行验证。基于提供的虚拟智能自动驾驶场景应用接口程序,通过对人工智能部署及验证平台的配置、编程与调试,结合灯光系统、语音交互、界面交互等功能,通过不同的灯光显示、语音模块、界面交互等方式,完成规定场景下道路路况的识别,实现对素材中道路环境的E1.主检测,并根据识别结果,控制人工智能部署及验证平台做出相应的动作,实现虚拟智能F1.动驾驶场景综合应用。按照步骤得分:第一步30分,第二步50分,第三步60分,第四步60分。第一步:对数据集的数量(15分)及完整性统计(8分),并进行结果可视化展示(7分)。第二步:数据标注质量45分(系统自动判断),数据保存格式5分。第三步:算法训练50分,结果可
17、视化10分。第四步:模型部署应用60分。每项任务最终结果按照maP值和推理速度排名。(三)评判标准1.分数权重各项竞赛模块及分值权重见下发。竞赛模块分数评分方法模块A:数据分析与挖掘50结果评分模块B:大语言模型特定任务的微调I(X)结果评分模块C:智能自动驾驶场景综合应用2(X)结果评分安全意识与职业素养0违规扣分,最多不超过扣20分总分350各项任务得分之和2 .评判方法竞赛评判方式及标准借鉴世界技能大赛的评分标准,以确保评分的客观性、公正性和准确性。明确规定每个竞赛项目的任务和技能要求,列出具体的评分指标,从技术准确性、质量、时间效率等多个方面进行评估。设定时间限制、安全要求、使用材料和
18、工具规定,确保公平竞争和参赛选手的安全。实际操作是评分的基础,建立明确的评分流程和阶段,对评委进行培训,提高评判水平。设定不同的评分等级或标准,不断完善和更新评分标准以适应技术和行业标准的发展。在借鉴世界技能大赛评分标准时,根据人工智能训练竞赛项目的特点和需求进行相应的调整和细化,同时保障评委的专业性和公正性,确保评分体系科学可靠。3 .评判流程理论比赛评分由比赛平台自动打分,实操比赛模块A、模块B根据提交结果由比赛平台自动打分。实操比赛模块C评分由结果评分、过程评分两部分组成。安全意识与职业素养分数由违规扣分组成。(1)结果评分:结果评分至少由3名裁判根据评分细则进行客观评分,并记录评分结果
19、。采用结果评分的任务,将根据任务书要求的竞赛任务,对参赛队完成调试、设计、训练、检测、决策的质量进行评判。(2)过程评分:过程评分至少由3名不同参赛团裁判员根据评分细则,共同对选手的操作进行现场评分;若现场评分裁判对选手的评分有分歧时,由现场裁判长裁决。采用过程评分的任务,将根据工具、量具、仪器的选择和使用、操作步骤、操作方法、操作规范性、操作结果等诸方面进行评分。3)违规扣分选手竞赛中有下列情形者将予以扣分:1)在完成工作任务的过程中,因操作不当导致事故,扣总分1015%,情况严重者取消竞赛资格;2)因违规操作损坏赛场提供的设备,污染赛场环境等严重不符合职业规范的行为,视情节扣总分510%,
20、情况严甫者取消竞赛资格:3)扰乱赛场秩序,干扰裁判员工作,视情节扣总分510,情况严重者取消竞赛资格;4)没有按照竞赛规程和任务书设定赛项赛题进行的,比赛现场工具摆放不整齐、作业流程混乱、着装不规范、资料归档不完整,视情节扣总分510%(4)评分方法和过程要求规范、统一、标准,保证对所有选手一致公平。4 .最终成绩比赛项目最终成绩按500分制计分。理论成绩150,实操成绩350分。最终成绩经复核无误,由裁判长、监督人员、选手共同签字确认。最终竞赛成绩及排名由组委会统一公布(参赛选手在组委会公布成绩前,只知道自己成绩)。5 .成绩排序名次的排序根据选手竞赛总分评定结果从高到低依次排定;各组选手如
21、果竞赛总分相同者,考虑按照模块C分数高的成绩优先排名。(四)公布方式(保密安排)6 .赛题保密内容1)竞赛场地所用到的场地元素种类和具体摆放位置。(2)竞赛过程中涉及到的具体程序内容。(3)竞赛过程中涉及到的过程评分点。7 .公布方式及公布时间竞赛场地所用到的场地元素种类和具体摆放位置、涉及到的具体程序内容要求将会在比赛现场以比赛平台通知的方式告知各参赛选手,涉及到的过程评分点在比赛当天以评分表的方式公布给裁判。(五)竞赛样题(一)单选题在生成式模型中,注意力机制的主要作用是:A.减少计算资源的消耗B.提高模型的泛化能力C.加强模型对关键信息的聚焦D.降低模型的训练难度答案:C(二)多选题生成
22、式人工智能模型的应用领域包括:.语言生成B.图像识别C.检索增强生成D.图像理解答案:ACD(三)判断题模型微调时,通常需要调整模型的全部参数。答案:错误(四)实操样题模块A:数据分析与挖掘题目描述:给定数据集Credit.csv,包含了某银行部分信用卡用户数据及违约情况。其中有income、ge、*ender,%,1.imit,4Hefau1.t_fre”、“磔柿,“电mIt”等字段,需建立违约风险模型,并预测一批新客户(resu1.ts,csv),是否存在违约风险。请按照以下顺序依次完成数据分析和挖掘工作,提交预测模型并输出结果。步骤一:数据探索1 .读取Credit.csv、查看数据:2
23、 .填充表中空值:3 .性别用【0、1】替换,省份用One-hot编码替换:4 .按照合理方法处理异常值:步骤二:数据分析与挖掘5 .画出反映不同特征条件下的违约情况;6 .按照7:3切分训练集、测试集:7 .建立用户违约风险模型;步骤三:调参与优化8 .模型参数调优:9 .提交预测模型。系统将执行调优后的模型,预测resu1.ts,csv中的新用户是否存在风险,输出预测准确率门值并根据各步骤结果自动评分。(五)实操样题模块B:大语言模型特定任务的微调题目描述:你将使用主办方提供的大语言模型(如GemIna-2B)和3种卜游任务数据集(VRPC、RTE.SST-2),通过高效参数微调技术对大模
24、型进行微调。你的目标是在这些下游任务数据集上取得较高的精度。你需要完成数据预处理、模型微调和模型推理,并报告模型在测试集上的准确率。数据集:数据集主办方提供以下数据集1) MRPC(微软研究院的句子时语义等价性数据集)2) RTE(识别文本蕴涵数据集)3) SST-2(电影评论情感分类数据集)任务描述:1) 数据预处理a)将每个数据集进行预处理,创建训练集和验证集。保存处理后的数据集以备后续使用。2) 选择和实现微调算法a) 选择一种高效的微调算法(如1.ORA)。b) 实现并应用所选微调算法对大语言模型进行微调。3) 模型推理和评估a)使用微调后的模型在测试集上进行推理,计算并报告模型的准确
25、率。(五)实操样题模块C:智能自动驾驶场景综合应用题目描述:你将使用主办方提供的智能自动驾驶模拟平台,获取比赛使用的场景、车辆和传感采集设备的模拟数据集,通过以图像分类、目标检测对车辆行驶过程中采集的各类数据进行标注和指令处理。你的目标是在比赛给定的场景中,按照给定的行驶路线,自动处理行驶过程遇到的各种场景元素,安全高效的完成预期行驶任务。场景集:模拟平台提供200米*200米的模拟场景,包括红绿灯、其他行驶车辆、行人、道路标识、障碍物等场景元素。可以提供车辆前后摄像头的视频采集模拟数据。任务描述:1)根据前后摄像头的视频采集模拟数据,对车辆行驶过程中遇到的各种场景元素进行标注;2)利用标注数
26、据对给定的图像视频分类算法模型进行训练,提高对场景元素的识别准确率:3)根据场景元素对象和场景元素距离,进行场景规划和驾驶规则配置;4)模拟部署训练好的算法模型和驾驶策略,通过给定的行驶路线进行模拟自动驾驶评估。三、竞赛细则(一)比赛的具体流程1 .场次安排比赛预备参赛人员不超过100人,每省参赛选手报名人数不超过3人,比赛用时两天,每场竞赛内容包括:理论考试、实操模块A数据分析与挖掘、实操模块B大语言模型特定任务的微调、实操模块C智能自动驾驶场景综合应用。竞赛流程安排见下表。竞赛时间竞赛内容第一天上午(90分钟)实操模块A:数据分析与挖掘第一天下午(180分钟)实操模块B:大语言模型特定任务
27、的微调第二天全天(210分钟)实操模块C:智能自动驾驶场景综合应用2 .场次和工位抽签竞赛前,由组委会统筹考虑参赛人数和设备台套数,工位抽签在赛前30分钟进行。3 .日程安排竞赛前将根据参赛人数等做出详细日程表,具体日程安排另行发布。(二)裁判员条件和工作内容1 .裁判长赛场实行裁判长负责制,全面负责本赛项的竞赛执裁工作。2 .裁判员的条件和组成长提出.并由裁判长视相关问题做出解释和解决。(3)过程评分要由至少两位裁判共同执裁。 4)现场裁判应及时响应参赛选手提出的问题和合理要求。 5)现场裁判发现选手不当操作可能产生安全问题,应及时提醒,并做好记录。 6)现场裁判不得在竞赛选手附近评论或讨论
28、任何问题。 7)职业素养评判时不得相互讨论,不得引导他人判断。 8)裁判长有权对评判不当造成不良影响等情况的裁判人员做出终止其裁判工作的处理。(三)选手条件和工作内容1 .选手的条件和要求凡从事相关专业或职业的企事业职工均可报名参加本次大赛。2 .选手的工作内容(1)熟悉场地和设备赛前安排各参赛队选手统有序的熟悉竞赛场地和设备,允许运行设备、使用电脑软件、测试通讯,不允许拆装设备、不允许修改软件和设备参数等。熟悉场地时,不得携带手机、相机等设备,不得对赛场及赛场设备拍照。熟悉场地时不发表没有根据及有损大赛整体形象的言论。熟悉场地时严格遵守大赛各种制度,严禁拥挤,喧哗,以免发生意外事故。(2)检
29、录时选手抽签确定赛位。(3)竞赛过程中选手遵守竞赛纪律,服从赛场规范,按照赛题要求完成竞赛。(4)竞赛结束时选手按照裁判员要求停止竞赛作业,并提交竞赛作品、图纸、U盘、草稿纸等所有相关内容。3 .赛场纪律(1)选手在竞赛期间不得携带、使用手机、照相机、录像机等通信设备,不得携带非大赛提供的电子存储设备、资料。(2)比赛期间,选手有问题应及时向裁判员反映:选手正常比赛时,裁判员不得主动接近或干涉选手:若选手需要技术支持,裁判员应及时通知相关人员前来解决;若需做出判决,则应报告裁判长,由裁判长决定。(3)竞赛结束铃声响起以后,选手应立即停止操作。选手应及时把作品、赛题、图纸、电存储设备、草稿纸等所
30、有相关文件提交给现场裁判,并确认。由加密裁判做好加密和保存工作;最终统一提交给裁判长。(4)未经裁判长允许,选手不得延长比赛时间。(5)未经裁判长允许,竞赛结束后,选手不能离开赛场。(6)参赛选手不得损坏竞赛设备和有影响下一场竞赛的行为。7)参赛选手如果违反前述相关规定和组委会印发的竞赛技术规则,将终止其比赛,并记录在案上报组委会。(四)工作人员及其他人员须知1 .赛务相关工作人员要求(1)各类赛务人员必须服从赛项组委会统一指挥,统一佩戴由大赛组委会签发的相关证件或标识,着装整齐,认真履行职资,做好竞赛服务工作。(2)除现场裁判员和参赛选手外,其他人员不得进入比赛区域。赛场安全员、设备和软件技
31、术支持人员、工作人员必须在指定区域等待,未经裁判长允许不得进入比赛区域。(3)工作人员按照分工准时上岗,不得擅自离岗,应认真履行各自的工作职责,保证竞赛工作的顺利进行。4)工作人员应在规定的区域内工作,未经许可,不得擅自进入竞赛场地。如需进场,需经过裁判长同意,核准证件,有裁判跟随入场。(5)如遇突发事件,须及时向裁判员报告,同时做好疏导工作,避免重大事故发生。(6)竞赛期间,工作人员不得干涉及个人工作职责之外的事宜,不得利用工作之便,弄虚作假、徇私舞弊。如有上述现象或因工作不负责任的情况,造成竞赛程序无法继续进行,由赛项组委会视情节轻重,给予通报批评或停止工作,并通知其所在单位做出相应处理。
32、(7)除现场裁判员和参赛选手外,其他人员不得进入竞赛区域。赛场安全员、设备和软件技术支持人员、工作人员必须在指定区域等待,未经裁判长允许不得进入竞赛区域,候场选手不得进入赛场。套I“可视化挖I1.包含流程化设计、任务流程执行、任务组件,支持流程测试、任务调度配四、数据源细件、特征工程组件等能力.“脚本挖建模:涵靛Python挖掘建模、R语言挖掘建模等,支持多种脚本建模与SQ1.分析探索。W模案库共享,包括模型共享发布、版本管理和模型导入能力3软件AI训练平台(实操:图像、文本等北结构化数据建模)您1,效福管理:/包含文件管理、数据集管理功能,支持文件的上传与下载、权限控制、数据集共享和版本管理
33、./包含标注项目管理、数据标注功能,支持标注任务分配、爆则配置、图像和文本分类.OCR数据集标注等.深度学习,集成深度学习框架(Pytorch1Tcnsorf1.oir),支持深度学习框架的集成与应用“大模亚/懒大模型(如Ge1.nma-2B、QWen等)部署和训练,模型训练,/包含训练作业管埋、内置匏法、TensorHoard功能.支持模皇训练、深或学习可觇化和作业监控,开发环境,/包含开发环境中请、云IDE功能,支持Jupyter服务、交互,编辑器、资源解控利镜像管理.,模型部I1.,包含模型首理、服务预测功能,支持模里创建、版本管理、模型共享、限务监控和预测服务,自动学习:,包含任务管理
34、、AutoM1.建模、AutoD1.建模功能,支持自动分类和回归训练、模盘评估和发布。J模型推理管理:,包含推理服务管理、批中预测笆理功能,支持模型服务调用、服务监控、批量预测和日志管理,/AI能力门户,,包含A1.能力展示、A1.管理控制台、运行环境管理功能,支持A1.能力展示、管理和运音监控,4软件智能自动鹫破场景套I,提供的真实道路环境视领素材,提供智能自动驾驻场景应用接口程序,使用虚拟场景沙盘,实现对道路环境的自主检满,并根据识别结果,控制人工智能部署及验证平价做出相应的动作,实现虚拟智能自动驾监场景媒合应用选手无需自带工具、材料P选手禁止携带U盘以及任何形式的通讯、存储设备。未明确在
35、选手携带工具清单中的,i律不得带入赛场。另外,赛场配发的各类工具、材料,选手律不得带出赛场。2 .竞赛平台技术参数(1)人工智能标注、训练及算法平台序号模块名称单位M用途备注I调蜘R务辱(云服务器)X86或拧ARMCPU:8核GPU:显存24G以上内存;I6G以上系统盆:X)G操作系统:CCntoS7及以上版本台1002应用*务(云服务器)X86或者ARMCPU:16核内存:MG系统找:100G数据盘:IT网络帚宽:IG操作系统:CCnSS7及以上版本台8邮署在践考试系统、挖握平台系统、A1.W练平台系统的前端应用,以及MySQ1.ft据库3客户配置(第记本电脑)操作系统:支持Windows1
36、0,I1.及MaCOS等操作系统资源配汽:支持4核8G内存及以上的配置浏览涔要求:1)推荐使用Chrome浏览器(版本:73及以上的正式版本)台1)用于访问参赛系统一个卷褰选手一台2)考试葡请关闭即时通信软件以及其他可能会有弹窗的软件4网络接入线路提供兆W1.F1.带宽网络;要求能接入互联网:支持WIF1.接入.并发接入支持数100个4(2)人工智能部署、验证及应用平台序号模块名粽财单位9用途!参赛应用部4MR务器(公眼务器虚机)X86或者ARMCPU:4核GPU:8G显存内存:16G系统投:100G数据盘:200GB网络指宽:IG操作系统:CentOS7及以I.版本台I(X)参赛选手自主部署
37、相关应用智能自动驾驶场景综合应Jfj).组织方提供数据集,由参赛方输出结果3 .赛场配备设施赛场配备设施清单不少于下表所列,选手无需自带工具、材料。选手禁止携带U盘以及任何形式的通讯、存储设备。未明确在选手携带工具清单中的,一律不得带入赛场。另外,赛场配发的各类工具、材料,选手一律不得带出赛场。设备号场地设注清单设备类型名称ft*单位应用场景I公共通用类黑白打印机1台办公区2彩色打印机I台办公区3A4纸4包办公区4档案袋4包办公区5订书机4个办公区6电板夹30个办公区7抹布2包体息区8警示胶带30卷办公区、工位、休息区9签字笔2(支办公区1()卷尺5把办公区I1.美工刀20把办公区12剪刀20
38、把办公区13秒友24个工位14克干75兆办公区、工位15工位桌子60张工位16饮水机3台休息区17储物架8个休息区18工位裁判椅子15张办公区19椅子70张休息区、工位21对讲机3个工位22现场监控1套工位23扩音甥2个工位24台式电脑2台办公区25灭火器IO个工位26插排48个工位27扫把2个体息区28垃圾铲2个休息区29垃圾桶2个休息区30应急药箱1个体息区31讲璃区大屏1个办公区32裁判室大屏1个办公区33纸杯i箱休息区32倒计时5个工位五、安全健康要求(一)选手安全防护措施要求1 .选手参赛前需要经过身体健康检查,确保没有潜在的健康问题。2 .选F应接受相关技能培训,熟悉竞赛项目的操作
39、规程和安全要求。3 .选手应严格遵守竞赛规则和安全标准,禁止采取任何危险行为,以保护其安全。大赛时,裁判员对违反安全与健康条例、违反操作规程的选手和现象将提出警告并进行纠正。不听警告,不进行纠正的参赛选手会受到不允许进入竞赛现场、罚去安全分、停止加工、取消竞赛资格等不同程度的惩罚。实际穿戴要求各个项目根据项目的实际特点做出规范要求。(二)裁判安全防护措施要求1 .裁判需要保证身体健康,确保能够胜任评判任务。2 .裁判应具备相关技能和知识,能够准确评判选手的表现。3 .裁判需要关注选手和工作人员的安全状况,及时发现并处理潜在的安全问题。()工作人员安全防护措施要求1 .工作人员需要接受相关培训和指导,了解工作任务和安全要求。2 .工作人员应佩戴必要的安全防护装备,确保在工作过程中不受伤害。3 .工作人员应熟悉紧急救援措施,以应对可能出现的突发状况。(四)健康安全违规的必理方案1 .对于轻微的健康安全违规,给予相关人员口头警告,并加强健康安全培训,提高安全意识。2 .对于较为严重的健康安全违规,采取适当的处罚措施,例如取消