2026年2月人工智能训练师全省报考全指南

2026年2月人工智能训练师全省报考全指南一、报考须知1.报考窗口：2026年2月3日09:00—2月17日17:00，逾期系统自动关闭，不设补报。2.资格门槛：(1)具有中华人民共和国国籍；(2)年满18周岁且未达国家法定退休年龄；(3)具备大专及以上学历（学信网可查），或持有中级以上计算机技术与软件专业技术资格；(4)近三年内无重大违法失信记录（以“信用中国”查询结果为准）。3.考区设置：全省共设11个考区，考生按户籍或社保缴纳地任选其一，提交后不得更改。4.费用标准：报名费160元，综合评审费240元，合计400元，线上支付，一经缴费概不退回。5.证件要求：准考证、有效居民身份证、2B铅笔、黑色签字笔、无声无存储功能计算器（仅《模型优化与计算》科目允许携带）。二、考试结构考试分“知识验证”“技能实操”“综合评审”三阶段，均在同一天完成。1.知识验证（闭卷笔试，90min，满分100，占权重30%）题型：单选40题×1.5分，多选10题×2分，判断10题×1分，简答2题×5分。2.技能实操（机房实操，120min，满分100，占权重50%）任务：基于给定业务场景，完成数据清洗、特征工程、模型训练、调参、结果解释并提交完整代码包。3.综合评审（面试答辩，15min，满分100，占权重20%）考生针对实操报告回答3个随机专业问题，考官现场打分。三、知识验证原创题库（全卷示例）【单项选择】1.在PyTorch中，若需冻结卷积层conv1的全部参数，以下代码正确的是：A.forpinmodel.conv1.parameters():p.requires_grad=FalseB.model.conv1.trainable=FalseC.model.conv1.freeze()D.torch.freeze(model.conv1)答案：A2.关于F1-score，下列说法正确的是：A.仅适用于二分类B.是精确率与召回率的调和平均C.对类别不平衡不敏感D.值域为[-1,1]答案：B3.在NLP任务中，使用BPE编码主要是为了：A.提升句法分析准确率B.减少OOV（未登录词）概率C.降低训练显存D.加速推理答案：B4.当学习率设定过大时，模型训练通常会出现：A.损失快速收敛到全局最优B.损失震荡甚至发散C.梯度消失D.权重衰减系数失效答案：B5.在联邦学习框架中，SecureAggregation的核心作用是：A.提升模型精度B.防止中央服务器窥探个体梯度C.减少通信轮次D.实现异构设备兼容答案：B【多项选择】6.以下属于Transformer架构中的模块有：A.Multi-HeadAttentionB.PositionalEncodingC.GRUD.LayerNorm答案：A、B、D7.关于数据增强，下列做法在图像分类中合理的有：A.随机水平翻转B.随机裁剪C.改变亮度饱和度D.对测试集同步增强答案：A、B、C8.在Python中，能用于查看DataFrame缺失值比例的属性或方法有：A.df.isnull().mean()B.()C.df.describe()D.df.isna().sum()答案：A、B、D【判断】9.使用ReLU激活函数可以完全避免梯度消失问题。答案：错误10.在k折交叉验证中，k越大模型方差一定越小。答案：错误【简答】11.简述“早停”（EarlyStopping）机制的原理并指出其两项超参数。参考答案：在验证集性能连续n轮未提升时终止训练，防止过拟合；两项超参数为patience（容忍轮数）与min_delta（最小变化量）。12.说明L1与L2正则化对模型权重分布的影响差异。参考答案：L1使权重稀疏化，趋向于产生大量零值；L2使权重平滑趋零，分布更均匀。四、技能实操评分细则（示例场景）场景：某市地铁闸机每日产生1200万条刷卡记录，字段包括卡ID、站点、时间、设备编号、进出标志。需预测“未来7日各站点日均客流量”。评分点：1.数据清洗（20分）–缺失值处理策略合理（≥95%字段完整）；–异常值剔除逻辑清晰（如时间戳超出运营时段）。2.特征工程（25分）–构造时间特征（星期、节假日、小时桶）；–构造空间特征（站点线路拓扑图嵌入，Node2Vec维度32）。3.模型建立（25分）–至少对比两种算法（如XGBoost、TFT时序Transformer）；–给出交叉验证策略（时间序列滚动窗口）。4.调参与解释（20分）–使用Optuna进行贝叶斯调参，输出最佳超参组合；–提供SHAP值全局摘要图，解释top5特征。5.代码规范（10分）–目录结构清晰，README写明运行环境；–关键函数带docstring，PEP8合规率≥90%。五、综合评审高频问题库（含解析）1.问：若将地铁客流预测模型部署到边缘网关，显存仅4GB，如何压缩模型？解析：可采取知识蒸馏+INT8量化两步走。先用大模型（教师）输出软标签，再训练轻量TFT-small（学生），最后使用PyTorchFXgraphmodequantization将权重压缩至INT8，显存占用降至原32%。2.问：训练集与测试集分布随时间漂移（概念漂移），如何在线检测？解析：采用ADWIN（AdaptiveWindowing）算法监控模型误差率变化，当统计量超出阈值ε时触发重训练；同时用PopulationStabilityIndex（PSI）监控特征分布，PSI>0.2即报警。3.问：联邦学习场景下，某参与方上传全零梯度，如何防御？解析：服务器端执行“梯度范数检验”，若||g||2<ε则视为拜占庭攻击，可启用Krum或TrimmedMean聚合规则，降低恶意更新权重。六、计算题专项示例【题】给定二分类任务，数据集含1000样本，正类300，负类700。模型预测结果如下：TP=240，FP=60，TN=630，FN=70。1.计算精确率P、召回率R与F1-score；2.若希望召回率≥0.85，至少需将TP增加多少（其他量不变）？【答案与解析】1.精确率P=\frac{TP}{TP+FP}=\frac{240}{240+60}=0.800召回率R=\frac{TP}{TP+FN}=\frac{240}{240+70}=0.774F1-scoreF1=2\cdot\frac{P\cdotR}{P+R}=2\cdot\frac{0.800\times0.774}{0.800+0.774}=0.7862.设TP需增加x，则\frac{240+x}{240+x+70}\geq0.85解得240+x\geq0.85(310+x)240+x\geq263.5+0.85x0.15x\geq23.5x\geq156.67向上取整，x=157。故至少需将TP增加157例，此时FN将减少至70−157=−87，显然不可行，说明“其他量不变”前提下降无法达成目标，需同时减少FN或增加正类样本。七、日程与考点指引1.准考证打印：2月20日10:00起，登录“省人事考试网”彩色打印，含考场地图与公交路线。2.入场动线：考点实行“人脸识别+金属探测”，建议提前90min到达；机房考位已预装CUDA12.2、PyTorch2.2、TensorFlow2.15，禁止携带U盘。3.成绩公布：3月8日10:00同步发布笔试、实操、评审三科原始分与加权总分，考生如对分数有异议，可于3月8—10日在线提交复核申请，仅核查登分是否错误，不重新评卷。4.证书领取：总分≥70分且单科均≥60分为合格，3月25日起可选择EMS邮寄或现场领取，电子证书与纸质证书具有同等效力，可在“全国人工智能人才库”查验。八、常见失误警示1.误用测试集调参：实操环节若将测试数据用于训练，一经系统日志发现，该科计零分。2.未关闭梯度追踪：PyTorch中忘记torch.no_grad()导致OOM，机房不提供额外显卡，需自行承担重启时间。3.面试超时：评审严格计时15min，第14min响铃提示，超时未答完则强制结束，未答部分不得分。九、学习路线图（0基础到通过）第1—2周：Python基础+NumPy/Pandas习题200道，掌握向量化思维；第3—4周：机器学习基石，手推线性回归、逻辑回归、Softmax，完成KaggleTitanictop5%；第5—6周：深度学习框架，实现CNN、RNN、LSTM、GRU，跑通CIFAR-1090%准确率；第7周：模型调优与解释，掌握贝叶斯优化、SHAP、LIME，完成一次地铁客流小规模预测；第8周：真题模拟+面试演练，使用本指南题库计时训练，记录错题本，循环复习。十、政策衔接通过人员可同步申报“省数字经济紧缺人才”计划，给予一次性补贴8000元；用人单位聘用持证训练师，按每人5000元标准享受岗前培训补贴，政策有效期至202