一、竞赛命题标准

本赛项参照人社部人工智能训练师高级工（三级）和技师（二 级）为考核标准，结合当前人工智能行业从业人员的要求及相关 新知识、新技能和新技术设计赛题。

二、竞赛命题原则

依据国家职业技能标准，注重基本技能，体现现代技术，结 合行业实际，在命题内容上力求体现“以职业活动为向导，以职 业技能为核心”的指导思想，在命题编制结构上，针对人工智能 从业或行业领域，按照理论+实操方式进行命题组合，竞赛考核 尽可能体现人工智能职业综合能力要求，并对人工智能行业技能 人才培养起到示范引导作用。

三、竞赛考核方式

本竞赛为个人赛，按照报名人数进行分批次比赛，最终按理 论知识成绩占 30%、实操技能成绩占 70%的总和成绩决定竞赛名 次，总分为 100 分。如果参赛选手总成绩相同，操作技能竞赛成 绩高的选手名次在前；如果操作技能竞赛成绩依然相同，则操作 竞赛完成用时少的选手名次在前。

（一）理论知识

1．采用上机无纸化考试形式进行，比赛时间为 90 分钟，题 型为单选 140 题（每题 0.5 分）、判断 20 题（每题 0.5 分）， 多选 20 题（每题 1 分），满分为 100 分。

理论知识点范围：

（1）基础知识

（2）业务分析

（3）智能训练

（4）智能系统设计

（5）职业素养知识

2. 比赛时间：8 月 10 日

3. 比赛地点：宁波（北仑）公共实训中心

（二）实操技能

1．采用现场操作方式进行，比赛时间为 120 分钟，满分为100 分，具体内容如下：

模块一：人工智能环境搭建

模块二：数据采集、处理与分析 模块三：人工智能应用开发

2. 比赛时间：8 月 10 日

3. 比赛地点：宁波（北仑）公共实训中心

四、竞赛实操技能考核规范

(一)实操技术描述

赛项紧密结合新一代人工智能产业发展战略规划，以实际产 业应用为项目背景进行设计。赛项内容分为人工智能平台部署与 维护；数据采集与预处理，数据加载、标注、处理，模型创建训 练及评估；人工智能应用开发等模块。能熟练 Linux 系统基本 操作、人工智能软件安装与维护、可视化建模工具的使用、数据 采集、数据导入、数据标注、模型训练和数据测试、使用 Python 和前端框架进行 AI 应用开发等多方面的知识与技能点。

（二） 题目设计

1． 技术点

（1）能够结合人工智能技术要求和业务特征，设计整套业 务数据采集、处理和审核流程；

（2） 能够结合业务知识，识别业务流程中单一模块的问题；

（3）能够结合人工智能技术设计业务模块优化方案并推动 实现；

（4）能够结合人工智能技术要求和业务特征，设计数据清 洗和标注流程；

（5）能够结合人工智能技术要求和业务特征，制定数据清 洗和标注规范

（6） 能够维护日常训练集与测试集

（7）能使用工具对算法进行训练

（8）能够使用测试工具对人工智能产品的使用进行测试

（9）能够对测试结果进行分析，编写测试报告

（10）能够运用工具，分析算法中错误案例产生的原因并进 行纠正

（11）能够对单一智能产品使用的数据进行全面分析，输出 分析报告

（12）能够对单一智能产品提出优化需求

（13）能够为单一智能产品的应用设计智能解决方案

（14）能够通过数据分析，找到单一场景下人工和智能交互 的最优方式

（15）能够通过数据分析，设计单一场景下人工和智能交互 的最优流程

（16）具备安全规范意识与职业素养。

2． 题型与实现

本项目在人工智能实训平台上完成业务分析、智能训练、智 能系统设计和人工智能应用开发等实践操作技能。

（三）评分细则

本赛项需裁判人员数量为 3-5 人（视参赛规模定），严格按

照评分细则，进行评分，最后将该赛事所有成绩汇总成表，并由 裁判长审核确认，移交竞赛组委会。

1.题目配分

2.评分表

3.考核标准

本赛项参照人工智能训练师国家职业技能标准，设置每个环 节考核知识点、技能点以及评价标准，以技能考核为主， 由专家 工作组制定比赛规程、实施方案与各项评分细则，邀请有关专家 组成裁判工作组，对选手技能进行公开、公平、公正的评判。评 分标准与赛项的竞赛内容完全一致。

4.评分方法

所有项目成绩汇总表均完成后，由裁判长指定其中 2 个裁判 成员，对所有项目进行分数复查确认，最终生成参赛队总成绩表， 由裁判长签字确认后，将工作任务书、现场所有记录表、确认表 等相关纸质文档进行封箱签字，移交到竞赛组委会。

（四）赛事设施

每个竞赛位各有 1 套竞赛设备， 通过账号访问技术平台进 行竞赛，满足每个竞赛位可以独立进行竞赛相关操作。

（五）赛事流程

注：实际比赛时间以最终公布的竞赛指南为准，且根据参赛队伍数量可能分为两场 进行！

五、安全措施 竞赛基本规范

（一）选手在比赛期间不得使用手机、照相机、录像机等设 备。

（二）不得携带、使用自带的参考资料和任何存储设备。

（三）竞赛过程中，违反赛场纪律，由裁判现场记录参赛选 手违纪情节，依据情节扣 1-5 分。

（四）造成设备损坏或影响他人比赛情节严重的，报竞赛执 委会批准，由裁判长宣布终止该选手的比赛，竞赛成绩以 0 分计 算。

（五）损坏赛场提供的设备，浪费材料，污损赛场环境等不

符合职业规范的行为，视情节扣 5-10 分。

六、竞赛其他要求

（一）选手必须携带有效身份证件参加比赛。

（二）根据选手人数，在操作竞赛前进行抽签决定竞赛批次 号和工位号，竞赛前 15 分钟进入竞赛工位，工作人员核实参赛 人员身份（若出现冒名顶替或不符合参赛资格等现象取消参赛资 格），选手核对现场提供的设备、技术资料等； 竞赛开始前 10 分钟，拆封竞赛任务书，讲解考试注意事项。

（三）竞赛过程连续进行；竞赛过程中严禁接受任何形式的 场外指导。

（四）竞赛内容以赛场下发的试卷为准。

（五）竞赛过程中，选手必须严格遵守操作规程，并接受裁 判员的监督。

（六）由于设备故障等客观原因导致选手中断竞赛的，经核 实确认后由裁判长视具体情况作出裁决。

（七）选手若提前结束比赛，应向裁判员举手示意，竞赛终 止时间由裁判员记录，竞赛结束后选手不得再进行任何操作。

七、竞赛环境

（一）竞赛工位：每个工位标明工位号，布置竞赛平台、电 脑各 1 台。

（二）赛场供电系统有必要的安全保护措施，提供独立的电 源保护装置和安全保护措施。

（三）每个工位提供计算机 1 台，并安装竞赛所需的编程软 件和相关应用软件。

（四）竞赛场地保证良好的采光、照明和通风，提供稳定的 电源和应急供电设备。

（五）竞赛场地有供裁判（仲裁）工作的区域；有应急药箱； 有合格的消防设施设备。

附件：

竞赛样题

模块一：人工智能环境搭建（20  分） 【功能说明】

Anaconda 是一个可用于科学计算的 Python 发行版，集成 了非常多的第三方库（如 numpy、pandas、matplotlib）、可以 根据不同的人工智能项目创建并管理不同的虚拟环境。

在 Ubuntu 虚拟机中安装 Anaconda 进行虚拟环境管理。虚 拟机中已安装 python 环境和包管理工具 pip，相关软件安装包 放在虚拟机“/opt”目录下。

【任务要求】

1、通过提供的安装包，将 Anaconda 安装到

“/opt/anaconda3”目录下， 若目录不存在则自行创建。

2、安装完成后， 配置环境变量，在 Terminal 终端模拟器 中验证并显示 Anaconda 版本信息。

3、使用 Anaconda 创建虚拟环境，并命名为“tf_env”， 虚拟环境“tf_env”创建完成后，在 Terminal 终端模拟器中验 证并显示虚拟环境列表。

4、激活虚拟环境“tf_env ”，在该环境中安装 TensorFlow 深度学习框架及其依赖库，完成搭建后，验证并显示当前虚拟环 境中的软件及版本信息。

5、打开 Pycharm 编辑器，新建项目命名为“Project_座位 号”并关联虚拟环境“tf_env ”，在项目下创建 python 文件命 名为“hello＿tf”，在该 python 文件中导入 TensorFlow，并 打印出版本信息。

【操作说明】

1、所有实操均在平台的虚拟机（Ubuntu 系统）中进行，虚 拟机内为断网环境。

2、Anaconda 的安装包存放在虚拟机“/opt”目录下。

3、完成任务后， 根据平台“答题区”对应内容要求，完成 答题报告并点击“保存”按钮实时保存。

模块二：数据处理与分析（40 分）

任务一： 图像数据采集 【功能说明】

数据获取是计算机视觉模型训练的第一步，有了数据才能进 行相关模型训练操作。

【任务要求】

对给定的网站进行图像数据采集

【操作说明】

1、根据指定网站采用 python 数据采集技术将网站中的所有 图像数据获取，获取到的图像保存至虚拟机桌面“ 提交文档/02/ 采集数据 ”文件夹中。

2、完成任务后， 根据平台“答题区”对应内容要求，完成 答题报告并点击“保存”按钮实时保存。

任务二： 图像数据清洗 【功能说明】

数据的质量很大程度决定了后续模型训练的准确性，对图像 数据集进行清洗，输出清晰完整、符合标签类别的图片。

【任务要求】

读取所需数据集后，去除无法加载的异常图像、模糊图片、 相似图片、删除单通道图像等。

【操作说明】

1、所有实操均在平台的虚拟机（Ubuntu 系统）中进行，虚 拟机内为断网环境。

2、从虚拟机桌面“赛题/02_数据处理/03_图像数据清洗” 路径下获取相关资料，结果保存至虚拟机桌面“ 提交文档/02/  图像数据清洗 ”文件夹中。

3、完成任务后， 根据平台“答题区”对应内容要求，完成 答题报告并点击“保存”按钮实时保存。

任务三： 图像预处理及可视化 【功能说明】

对图像数据集进行预处理操作，使得各种类图片数量分布均 匀合理，符合要求。

【任务要求】

1、读取所需数据集后，对图像进行数据二值化、增强处理 等。

2、根据给定的数据集，通过简单的图表展示数据集处理后 的分布情况。

【操作说明】

1、所有实操均在平台的虚拟机（Ubuntu 系统）中进行，虚 拟机内为断网环境。

2、从虚拟机桌面“赛题/02 数据处理/04_图像预处理”路 径下获取相关资料，结果保存至桌面“ 提交文档/02 ”文件夹 中。

模块三：人工智能应用开发（40  分）

图像识别之数字识别

【功能说明】

完成分类模型网络架构设计（也可以采用经典分类模型网络： LeNet-5 、VGG16 等）模型网络架构设计，编写代码，使用深度  学习框架（任选其一：TensorFlow、pytorch、paddlepaddle） 实  现模型搭建，实现手写数字集分类，对数据进行数据清洗，数据  预处理等操作，然后利用处理后的数据，完成模型的训练，实现  数字图像识别任务。

【任务要求】

在num_train.py 文件中编写代码，实现图像数字识别任务， 具体要求如下：

1、编写 load_data()函数读取数据，进行数据增强，数据 集划分操作：其中数据增强方式不限，数据训练集与测试集划分 比例为 8:2。

2、编写 build_model()函数构建深度学习模型和编译，要 求模型在训练集的准确率不低于 95%，并将最终模型保存为“model.h5”。

3、编写 plt_train()函数将训练过程进行可视化展示，包 括损失值变化和准确率变化。

4、调用保存好的模型实现图像识别功能。

【操作说明】