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
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
3.比赛地点：宁波（北仑）公共实训中心
（二）实操技能
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
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
模块
模块名称
分值权重（%）
模块一
人工智能环境搭建
20
模块二
数据采集、处理与分析
40
模块三
人工智能应用开发
合计
100
内容
赋分
得分
1
根据任务书配置环境变量
5
2
安装深度学习框架及其依赖库
10
3
根据任务书新建项目名称并关联虚拟环境，在项目下创建python文件，在该python文件中导入深度学习框架，并打印出版本信息
小计
数据采集
数据清洗
数据预处理及可视化
按要求完成数据加载与划分
构建深度学习模型和编译，准确率不低于95%
可视化损失值变化和准确率变化
4
调用保存好的模型实现识别功能
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
（四）赛事设施
序号
软件名称
数量
备注
操作系统
Windows10及以上操作系统
浏览器
GoogleChromeV103及以上
人工智能实训平台
部署在服务器上
（五）赛事流程
8月10日
8:00-8:30
裁判会议
8:30-8:50
赛场检录
9:00-10:00
理论比赛（无纸化）
10:10-10:25
选手抽签
10:30-13:00
实操比赛
14:00-17:00
裁判评分、成绩汇总、核定
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、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。
（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。
【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】
对给定的网站进行图像数据采集
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。
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。
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。
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。
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。
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。