课程代码（可暂不填）

课程名称

学分

总学时

学时分配

考核方式

开课学期

理论

实践

人工智能与数据标注概论

1

16

16

0

考查

2026年春

Python数据处理基础

3

48

16

32

考查

2026年春

智能数据标注技术

3

48

16

32

考查

2026年春

数据标注实战

4

64

0

64

考查

2026年秋

智能数据标注项目管理与实践

2

32

0

32

考查

2026年秋

合计

13

208

48

160

序号

课程名称

课程简介

1

《人工智能与数据标注概论》

课程目标： 掌握人工智能与数据标注的基础知识，理解数据在AI产业链中的核心价值，建立数据安全与职业道德意识。

主要内容： 人工智能发展历程与核心技术；数据标注的定义、分类与质量标准；数据标注产业链与职业发展路径；数据安全法规与伦理规范。

教学设计： 采用理论讲授（16学时）结合案例研讨的形式。通过行业案例解析，组织课堂辩论与分组讨论，引导学生深入理解伦理规范与产业现状，培养宏观认知能力。

2

《Python数据处理基础》

课程目标：培养运用Python对已标注的数据集进行多维度分析和深度洞察的能力，并能够通过专业的可视化图表清晰、有效地传达分析结果。

主要内容：基于Pandas进行高级数据处理，包括数据聚合、分组计算、数据透视等。系统学习使用Matplotlib和Seaborn库，从基础图表（折线图、柱状图、散点图）进阶到复杂图表（热力图、分布图、多子图），并掌握图表美化和故事化呈现的技巧。

教学设计： 采用案例项目驱动教学。学生将使用一个完整的标注数据集（如COCO或自建数据集），完成从数据探索、质量分析到生成综合性分析报告的全过程，将数据分析技能应用于真实的业务场景。

3

《智能数据标注技术》

课程目标： 熟练使用主流的数据标注工具，能够独立完成图像、文本、音频等多种模态数据的标注任务，理解不同工具的特性与适用场景。

主要内容：系统学习并实操LabelImg、LabelStudio、CVAT等主流开源与在线标注平台。课程内容覆盖图像拉框、多边形分割、文本分类、命名实体识别、音频转写等核心标注类型，并深入讲解标注规范、快捷键使用及团队协作功能。

教学设计：全程在机房或在线实验环境进行，是完全的实操课程。教学遵循“功能演示-学生模仿-任务挑战”的流程，每节课均配备真实的标注数据集供学生练习，培养其肌肉记忆和操作熟练度。

4

《数据标注实战》

课程目标：深入掌握计算机视觉、自然语言处理等特定领域的标注规范与高级技巧，具备处理复杂场景和边界案例的能力。

主要内容：本课程为专项深化课程，分领域精讲。计算机视觉部分涵盖目标检测中的遮挡处理、语义分割的边缘精细化、3D点云基础标注。自然语言处理部分深入讲解关系抽取、文本摘要，以及为大模型准备的指令数据构建与排序标注。

教学设计：以“规范讲解 + 案例剖析 + 大量练习”为核心。课程将提供大量包含难点和边界案例的专项数据集，通过反复的实操训练和作业点评，培养学生的高阶标注技能和质量意识。

5

《智能数据标注项目管理与实践》

课程目标：培养学生从“标注员”到“项目管理者”的思维转变，掌握数据标注项目的全流程管理、质量控制体系构建与团队协作能力。

主要内容：学习如何撰写清晰无歧义的标注规范、设计“一审－二审－抽检”的质量控制流程、计算一致率与准确率等质量指标。通过模拟真实项目，学习任务拆分、进度管理、成本控制和沟通协调。

教学设计：采用“模拟公司”的形式进行项目制学习。学生将被分组，分别扮演项目经理、标注员、质检员等角色，共同完成一个从需求对接到最终交付的完整项目，并输出项目报告，体验真实的工作流程和团队协作。