人工智能助力打造培训生态圈
开发者学堂课程【阿里巴巴智能服务-打造数字化企业:人工智能助力打造培训生态圈】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/539/detail/7358
人工智能助力打造培训生态圈
内容介绍
一、保险业务中心介绍
二、智能培训解决方案介绍
三、智能培训案例介绍
四、智能培训场景演示
一、保险业务中心介绍
文思海辉--来自中国的全球IT服务领导者
文思海辉技术有限公司是一家来自中国的全球性IT服务企业，汇聚了国内外260000余名专业人士，为全球1200余家客户提供领先的数字化咨询、体验交互、技术实施与运营服务，并致力于成为全球企业“最具价值的业务合作伙伴”。
在22年的成长历程中，文思海辉凭借在高科技、金融、制造、电信、汽车、能源、旅游交通等行业的深厚积累和丰富经验，与128家《财富》500强企业建立了长期合作关系。
（一）保险行业服务能力
底层的BIgdate、Cloud、Social、Mobile为核心能力
（二）保险行业解决方案简述
文思海辉在保险行业有着丰富的经验积累，服务范围涵盖各个层面，包括大数据咨询与解决方案、数据集成咨询与实施、数据挖掘、客户管理、产品管理、业务运营、财务管理及风险管理等。
二、智能培训解决方案介绍
（一）保险行业AI应用动态
2017年保险行业AI应用动态：2017年随着保险科技浪潮的风起云涌，AI在保险行业价值链“营销、客服、运营”环节的深入运用，许多保险公司运用AI技术提升了价值和效率。
（二）运用表现
1、营销，如平安“智能闪赔”、蚂蚁“定损宝”、腾讯微信“微保平台”、人保“智能反欺诈”
2、客服，如平安“智能培训”、平安“金牌话术”、太保“智能客服”、泰康“小泰智能客服机器人”
3、运营，如阿里“智慧大脑”、平安“智能保险云”、保信“事故车定损云”
（二）智能服务应用细分领域之智能培训
1、可看出底层仍专注于AI技术，像深度学习、强化、深度强化等越来越成熟，ASR语音识别、TTS语音合成、NLP自然语言理解技术的成熟代表着可以商用化，且最终应用时用机器代替人工可以降低成本和提高效率。
2、重点是智能培训，其中包括三部分AI技术，即实时的语音识别、转文本、语音合成。这三部分就涵盖了智能质检的方面。
3、金牌话术也可称为智能助手，后台系统根据知识库的推荐话术推荐至前端以此来回答客户的问题，有助于提升客户的服务质量和效率。
（三）智能培训助力打造培训生态圈
传统培训与现在培训的区别：
1、传统培训学习和工作场景相分离，培训以学习者为中心；现在运用一种工作辅助系统，即人机对练的一种真实模拟场景，培训学习和工作场景相融合，学习场景结合工作场景的需求，培训以工作执行者为中心，从而提升工作成效。现在的培训方式逐渐发展为一种趋势。
2、传统的培训通过静态的话术和课程学习来提升营销员的能力，现在的培训除了以前所用方法外还增加了动态的人机模拟真实场景训练，有利于全方位的提升营销员能力。
3、智能培训系统客户报告
注：黄色标注的第一梯队对AI技术非常关注
（四）培训现状及智能培训带来的价值提升
1、现状：客服人员流动量大；新客服培训工作压力较大；师资力量不足；新人产能需提升，要快速出单，特别是首单完成时间。
2、价值提升：1对1专属陪练;模拟真实营销场景；教师教学助手，提高培训质量；引导话术设计;随时随地训练（手机端移动端）;提升成单率;提升有效沟通时长。
（五）系统功能模块
1、其中模拟训练为核心内容，问题管理、规则管理和场景管理这三个模块为老师所用，话术学习为学员所用。（问题管理为话术库，规则管理为考核规则）
2、系统功能介绍
（1）首页
首页具有游戏元素，用户可以通过训练和得分提升自己等级，类似游戏中打怪升级，增加系统趣味性。
（2）模拟训练（系统核心功能）
模拟训练通过导航栏指导用户按照场景选择、模拟训练、训练结果三个步骤完成训练，特别是训练做得好时有动画鼓励用户，提升用户体验。
3、系统三大核心技术（阿里三大引擎）
质检引擎（SCA）、实时语音转文本（ASR）、语音合成（TTS）
（六）智能培训系统采用数据化运营
智能培训系统采用数据化运营方式，运营理念转变为提升用户体验，运营方法转变为运营精细化、精准化，各级管理者通过看数据进行业务管理，教师团队通过看数据进行过程控制。
其中传统培训更多为培训技能，现在智能培训更多为沟通表达能力，可以更好的提高综合能力。
（七）智能培训系统未来展望
1、移动端培训时代来临，随时随地训练。
2、其他职训、通关等培训内容都整合进来，成为全面培训员工的统一管理系统。
3、嵌入呼叫中心，作为子系统之一，每天日常工作需要的必备功能。
三、智能培训案例介绍
（一）某产险智能机器人培训系统建设——智能培训
客户背景：目前产险电销因客服人员流动量大，新客服培训工作压力较大，师资力量不足等原因，希望通过智能培训项目，开发客服专属陪练机器人，辅助教师进行培训，提高培训质量，提升7日破零率指标，提升有效通话时长。
根据针对客户痛点，客服人员流动量大、培训工作压力大、师资力量不足等，用机器代替人工的逻辑处理。
（二）某产险智能培训的效果
1、智能培训指标：7日破零率、有效通话时长增长
备注:7日破零率指的是自培训之日起第10(前5日为第一阶段培训)日至第17日进行统计，当前班级有成单坐席人数/总坐席人数。
2、效果
7日破零率提升：通过一定时间系统模拟训练的坐席，对比未使用系统训练的坐席，破零率提升30%及以上;
有效通话时长增长：通过一定时间系统模拟训练的坐席，对比未使用系统训练的坐席，在正式上岗1个月内，有效通话时长指标增长20%及以上
四、智能培训场景演示
1、点开智能培训软件并运行，通过为客户提供车险推荐服务模拟真实场景。
内容：首先介绍自己，“我是太平洋电话车险服务专员小智，工号001。目前我们公司针对上海地区正在开展车险服务升级活动。耽误两分钟时间给您设计一套车险方案，您先了解一下。”然后根据机器人的回应以及车型进一步推荐性价比最高的报价和方案。
2、模拟训练完成后每个场景都会有记录，包括训练时的文本以及得分和扣分情况。在智能培训软件的话术学习中就可看到模拟场景练习的内容及得分情况。
这个过程是实时自检的，每一个考核点都是针对每一个话术考核设置的规则，可以对应一个或多个规则。
3、云上的识别能力会强于实有化的识别能力，不过通过数据的积累和设定的规则也会提高识别率。
学校工业40智能制造生产线实训方案
学校工业4.0智能制造生产线实训方案智能制造生产线|微型教学用智能制造示范线|工业4.0产线
一、智能制造生产线介绍
工业4.0智能制造生产线实验平台主要应用于学生应用实践类教学。它将各分散的学习要素集中起来，组成一个能够让学生参与设计、构建和调试，让更多老师参与研发、设计和学习，让设备不断更新、技术不断前进的系统。所要研发的系统能够为学生提供了一种崭新的综合实验平台，使他们能够综合运用所学知识设计、构建各种较大规模的自动化生产系统模型。这种全新的实验模式十分经济地扩展了实验设备，对培养和提高大学生的创新精神和创新能力具有非常重要的价值。工业智能制造示范线以模块化大大的提高了其灵活性，更贴近现实生产实际过程，让学生在学校就能够了解实际生产实践的细节，填补了产学同步的空白。综合了现代实际生产中较流行、较先进的各种实用技术知识点，其中包括数控机床，PLC编程技术，网络通讯技术，电气控制技术，气动应用技术，传感器技术，伺服驱动控制技术，机器人应用技术等。
采用了模块化的设计，学生可以发挥自己的创新思维，对原有的生产流程进行创新改造。在掌握基础知识的前提下，进一步提高学生的积极性、动手能力和创新思维。
二、智能制造生产线实训方案特点
智能制造生产线实验平台，是对工业现场大型设备进行提炼和浓缩的一款小型智能制造生产线实训设备，专门为职业院校、教育培训机构等而研制的，它适合机械制造及其自动化、机电一体化、电气工程及自动化、控制工程、测控技术、计算机控制、自动化控制等相关专业的教学和培训。融合了数控机床加工、光、电、气，包含了PLC、机器人、传感器、气动、工业控制网络、电机驱动与控制、计算机等诸多技术领域，对柔性制造技术的工作过程进行研究，监控系统、主控PLC和下位PLC通过网络通讯技术构成一个完整的多级计算机控制系统，通过训练，使学生了解智能制造生产线的基本组成和基本原理，让学生全面掌握机电一体化技术的应用开发和集成技术，帮助学生从系统整体角度去认识。为信息学院自动化和电气工程自动化本科及其控制科学与工程研究生均提供了实验和科研的平台。
三、设备实物图
四、平面布置图
五、工作流程示意图
六、系统组成简介
1、立体仓库单元
立体仓库单元的主要功能是为系统提供加工工件原材料和储存成品件两大仓储功能，采用三层货架储存单元货物，用相应的物料搬运设备进行货物入库和出库作业的仓库。
2、环型流水线单元
环型流水线单元主要由铝合金型材基体、环行传输线、自动导向机构、变频调速系统、自动定位机构等组成。可完成对工件在不同速度下的输送，不同工位的自动定位，从而大大提高了自动环形传输线的工作效率。3、数控车床加工中心单元
数控车床加工中心单元采用小型化，占地小，用于整个工件的轴类部份的加工，采用自动门、自动装夹、四工位自动刀架、并有工件冷却加工系统，现实机加工件无人化DNC自动加工，配置伺服电机、工业级数控系统，精度高。
4、数控铣床加工中心单元
数控铣床加工中心单元采用小型化，占地小，用于整个工件三轴联动加工。可用于雕刻、数控钻、数控铣等加工工艺，采用自动门、自动装夹等，现实机加工件无人化DNC自动加工，配置伺服电机、工业级数控系统，精度高，
5、六自由度机器人单元
六自由度工业机器人、抓取机构、气爪等组成，主要完成对工件的提取及搬运到各数控加工单元、AGV小车搬运单元及工件视觉检测单元等。包含旋转（S轴），下臂（L轴）、上臂（U轴）、手腕旋转（R轴）、手腕摆动（B轴）和手腕回转（T轴）,6个关节合成实现末端的6自由度动作
6、四坐标机器人
四坐标机器人主要负责立体仓库的原材料入库与出库、成品零件的入库。够实现自动控制的、可重复编程的、多功能的、多自由度的、运动自由度间成空间直角关系、多用途的操作机。他能够搬运物体、操作工具，以完成各种作业，具有高速性的最大化吞吐量,超长的工作运行时间,节省地面空间
7、视觉检测单元单元
检测单元的主要功能是对工件的精度、外观形状品质是否合格，通过摄像头获取工件的图像，由图像处理器完成工件合格与否的判断，将不合格工件剔除，将合格的工件传送至下一单元，而将不合格的工件推送至废料槽。
8、RFID系统单元
RFID系统单元是一种非接触式的自动识别系统，它通过射频无线信号自动识别目标对象，用于对工件材料的信息记录，加工路径记录、产品追溯化管理，由RFID标签和RFID读写器组成，标签安装在工件放置的工装板上-记录该工装板上放置零件信息，RFID读写器安装在工装板经过的每一个工位上，当工件到达该工位时系统可通过读写器，识别到该工件的运输及加工途径。每个传输工装板上都安装有RFID标签，在每个加工工位物料都需要进行识读操作，并将信息通过网络传输给服务器，实时的跟踪物料位置信息和仓储位置信息，做到物料、成品、半成品的可追溯性管理。
9、AGV小车搬运单元
AGV小车无人搬运车由机器人输送加工后的零件或从库房特定库架抓取零件，AGV智能小车并依据方位计划运动途径，运行至装卸站,准停，主动将零件放置到装卸站缓冲区，由四轴坐标机器人卸货至立体仓库成品区或原材料区。实现线边设备和自动仓储的自动上下料功能，采用激光通讯传感器通讯，信号传输快捷方便；行走模组采用PLC控制，AGV的PLC通讯，PLC发送任务码给机器人，实现点位控制；主控通讯，AGV整体与主控PLC通讯。
10、PLC工作站单元
采用工业自动化主流PLC，可随意扩展，配备触摸屏、具备物联网接口，铝合金型材构成，连接牢固。
11、总控台
总控平台主要由单相电网电压指示、电源控制部分、控制主机、状态指示灯、10.4英寸工业彩色触摸屏S7-315主机，电脑等组成，主要完成监视各分站的工作状态并协调各站运行，完成工业控制网络的集成。它带有电源总控制系统、视频监控系统，产线处的有数据均可从总控制台收集获取，可通过总控调度分配各个模块的工作职能。电源系统实施强弱电分开管理，待机休息及检修时要求强电关闭，控制、信号灯弱点部分完全独立运行。
12、零部件周转拖盘
用于原材料及成品件的输送周转用，配合RFID系统及智能仓库、环型流水线中应用。实现送料，取料，输送周转功能；实现智能化工作与管理，并对每个环节的时间点、责任人等关键数据进行实时采集，汇集到统一的信息平台，最大限度的提高存储货物的能力。
七、整套系统功能
既能完成认知型和综合型实验实训，又能完成开发设计型实验实训，还能实现学生现场动手操作；对样件具有全程演示及生产能力；系统应具有全自动控制功能，能充分展示现代工业中进行数字化管理生产的各个环节；系统应具有单机独立控制、独立运行功能；系统应具有启停控制、动态作业计划调度、库存资源动态显示、系统故障诊断与处理、工件位置动态显示等等功能。该系统除能服务于工程训练实践教学环节外，还应能覆盖相关课程，并能进行相关的实践性教学环节，具体如下：（1）可服务的相关课程机器人技术基础与操作、机械制造基础、机械工程测试技术、机电传动控制、液压与气压传动、机器人技术与应用、机电一体化系统设计、数控技术、机电系统仿真、CAD/CAM、PLC原理及应用、数字化制造技术、机电设备故障诊断、制造技术、多轴数控加工技术、虚拟与仿真技术等，和其它相关课程。（2）教学演示类项目柔性化加工系统演示、控制演示、机电控管一体化技术演示、自动传输系统演示、AGV搬运演示、机器人编程使用、产品自动仓储系统演示等等。（3）综合训练类、设计类等项目机械制造技术项目综合训练、机床检测综合实验、数字化技术项目综合训练、多轴数控技术项目综合训练、机电控制综合实验、机电一体化系统综合设计、机电一体化系统综合设计、工件传输线应用设计、工件装配项目应用设计、立体仓库应用设计、气压系统应用设计、系统供电方案应用设计、计算机辅助工艺规程设计、数据库应用及开发、总控系统的应用与开发、传感器应用与选择、PLC应用编程设计、PLC网格通讯应用、伺服驱动应用、人机界面编程设计、生产实习、毕业实习、毕业设计等等。
人工智能课程实训方案
第一章发展背景当今，世界无时无刻不在发生着变化。对于技术领域而言，普遍存在的一个巨大变化就是为大数据（Bigdata）打开了大门。随着国家大数据战略推进实施以及配套政策的贯彻落实，大数据产业发展环境进一步优化，社会经济各领域对大数据服务需求进一步增强，大数据的新技术、新业态、新模式不断涌现，产业规模持续保持高速增长态势。并且，随着高校获准开设“数据科学与大数据技术”专业，大数据需要的复合型人才将源源不断形成。加之海外和传统行业跨界人才不断加入大数据行业，大数据产业将迎来创新发展。大数据时代的来临加快了人工智能应用的发展，随着大数据的应用，以及计算机算力的大幅提升，深度学习进一步提升和完善的需要得到了满足，数据驱动的人工智能时代已经到来，人工智能发展进入新阶段。当前，新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升，数据科学与人工智能的结合越来越紧密。大数据及人工智能成为国际竞争的新焦点，是引领未来的战略性技术，世界主要发达国家把大数据、人工智能的发展作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。当前，我国国家安全和国际竞争形势更加复杂，必须放眼全球，把大数据及人工智能发展放在国家战略层面系统布局、主动谋划，牢牢把握新阶段大数据及人工智能国际竞争的战略主动，打造竞争新优势、开拓发展新空间，有效保障国家安全。
第二章方案平台优势2.1.方案优势基于云模式的智慧教育人工智能教学实训平台的设计全面落实“产、学、用、监、评”一体化的思想和模式，从教学、实践、使用、监控、评估等多方面注重专业人才和特色人才的培养。学生可以通过在教学平台的学习熟练掌握人工智能的基础知识,通过掌握的知识在人工智能课程实验中进行动手实践。本实训系统平台方案融合操作系统、数据库、编程语言、Python数据处理、人工智能等课程，人工智能领域涉及深度学习、机器学习、深度学习、自然语言处理、计算机视觉等诸多方面，课程类型包括基础实训、关键技术掌握、应用创新等等各层次实践教学。从面向人工智能行业的需求、促进学生职业发展的角度，规划建设基于云模式的人工智能教学实训平台，真正在产业、学校及实际项目中相互配合，发挥优势，形成生产、学习、实践、运用、监控、评估的系统运作模式，从而建设大数据及人工智能特色专业。利用虚拟化教学资源，搭建实训实战平台，将理论学习、实践教学和大数据及人工智能搭建、挖掘、存储、分析实战融为一体，从易到难、循序渐进，逐步提升学生的学习技能和实践水平，提高“学”的质量和成效。定制专业化技能评估与教学监控功能，将学生的学习情况、专业喜好、适用岗位形成报告模版。秉承着“精准、先进、创新”的原则，实时监控学生操作，分析学习情况，评估学生知识水平，从而减轻学校及教师的压力。2.2.系统优势人工智能教学实训平台基于开源的Docker环境，构建硬件虚拟化设备，并基于同样开源的Kubernetes架构，实现GPU集群设备的自动管理和调度，以Yarn为核心，构建了资源管理系统，实现计算任务的智能调度与冲突协调。一个基础平台的生命力，有赖于系统的基础支撑能力与对外服务能力。在面向人工智能计算需求的建设开发上，必须要考虑如何开发组织系统对外服务的能力。而人工智能研发需求的两个基本要素就是计算和数据。因此，本系统也着眼于组建基础计算能力和基础数据处理能力。在计算能力建设中，系统将传统人工智能计算方法与计算模型、当前流行的人工智能计算模型与框架，完美地融入了整个系统的计算模块中，并且与底层的硬件管理与计算资源的调度，完美地结合在一起。在数据能力的建设中，系统将自建一套以非结构化数据的标记清洗，结构化数据的清洗为主要内容的数据处理系统。在系统底层硬件管理上，支持CPU、GPU、FPGA、ASIC等通用或专用计算硬件，实现对主流计算硬件的即插即用。在计算集群的设置上，往往也是分布式的，计算集群可以分布在不同机房中，不受空间限制，是人工智能教学实训平台在底层硬件管理上的特点。在系统最核心的调度算法上，通过系统自身构建的智能化调度策略，针对不同的计算框架和机器学习方法，系统自动分配相应的计算资源，包括处理器数量、内存数量，使计算请求与计算资源的使用达到最优匹配，提高计算资源的利用效率，降低单位时间的运行成本。同时，当用户发起计算请求时，系统会根据用户距离计算中心的“距离”,自动将用户的请求适配到距离用户最近的计算集群上，以便用户可以更快速地获取计算结果，提升用户的计算体验。在教学管理方面，平台自带人工智能课程推荐功能，可为学生提供个性化课程推荐及AI课程助手，助力学生定向就业。还可以通过大数据分析，自动生成学业报告，为学生就业提供桥梁，并作为教师教学的得力助手，为高校的学生能力培养及教师的工作提供强有力的支持。
第三章教学实训平台人工智能教学实训平台的建设采用B/S架构，用户通过浏览器进行访问，且支持内网与外网同时访问。平台的管理功能是针对前端系统设置的对应的管理功能，便于教学过程中对前端系统的自定义管理。系统课程学习模式包括实验平台、项目路径和职业路径，满足不同场景的教学需求。在教学管理方面，平台自带人工智能课程推荐功能，可为学生提供个性化课程推荐及AI课程助手，助力学生定向就业。还可以通过大数据分析，自动生成学业报告，为学生就业提供桥梁，并作为教师教学的得力助手，为高校的学生能力培养及教师的工作提供强有力的支持。实训平台采用私有云模式，所有课程均在云端进行，自主研发设计的教学平台可将硬件资源进行集中调度分配，可管理大规模CPU、GPU、FPGA等高性能分布式计算集群，利用容器技术对计算资源进行虚拟化，以智能调度的方式对外提供计算服务，并依托开源分布式计算框架和深度学习框架，支持训练、推理，支持CNN、RNN等各种类型的网络模型，支持Xgboost等传统机器学习模型，适合大数据、人工智能、深度计算；课程内容涵盖操作系统、编程语言、Python数据处理、机器学习、数据分析、数据挖掘、深度学习、计算机视觉、自然语言处理等诸多方面，课程类型包括基础实训、关键技术掌握、应用创新等，是一个综合性的学习研究平台；平台配合专用的资源监控系统、课程监控系统，可实时的监控整个平台的硬件资源负载以及学生学习的状态，可帮助教师合理的安排课程及对应资源。3.1.学习模式3.1.1.实验平台该模式以知识体系为核心，将人工智能内容按照不同类型的知识模块进行分类。体系下包含了：操作系统、编程语言、Python数据处理、机器学习、数据分析、数据挖掘、深度学习、计算机视觉、自然语言处理等诸多方面，该模式围绕一个内容展开了多方面知识的学习，与现在教育方式一致，保留了师生们传统的学习授课方法。不仅如此，为满足学校的已有的课程教学资源，老师可以自定义实验内容及实验镜像，将文本类、实操类、视频类课程上传到教学平台上满足教学需求。
实验平台3.2.练习算法3.2.1.算法集算法集提供了一个环境，用户可以在里面写代码、运行代码、查看结果，并在其中可视化数据，并与平台中的数据集功能进行交互式使用，可直接调用平台当中的数据集用于算法在实际数据中的实践测试。鉴于这些优点，它能帮助他们便捷地执行各种端到端任务，如数据清洗、统计建模、构建/训练机器学习模型等。算法集的一个特色是允许把代码写入独立的cell中，然后单独执行。这样做意味着用户可以在测试项目时单独测试特定代码块，无需从头开始执行代码。虽然其他的IDE环境（如RStudio）也提供了这种功能，但就个人使用情况来看，算法集的单元结构是设计的最好的。算法集的优势还体现在灵活性和交互性上，除了最基础的Python，它还允许用户在上面运行R语言。由于它比IDE平台更具交互性，教师也更乐于在各种教程中用它来展示代码。
3.2.2.数据集数据集功能提供数量众多的数据集，包括互联网、零售、电商、医疗等相关数据集，数据集中的数据可直接与算法集中的算法进行交互使用，为算法提供所需数据的调用支撑。教师可根据数据集的内容、格式、数量等为学生设定开放式课题，使用真实的数据集进行大数据、人工智能项目案例处理分析，深度理解掌握如何处理这些数据，例如，教师给定一份数据让学生进行预测实验，学生需设计算法进行清洗与预测等。平台提供开放式上传功能，支持用户将自己的数据上传至平台当中，并可设定是否与他人共用，可帮助用户解决数据存放管理问题，实现用户数据的开放式共享。
3.3.在线考试3.3.1.理论考核理论考核采用在线考核模式，将单选题、多选题、判断题、填空题、简答题添加在试卷上，每一道题的题目、正选、分值等内容可由管理员自行设置，简答题题采用关键词进行自动判分，同时也可以由教师手动判分。
理论考核3.3.2.实践测评实践测评考核模式是以实验操作过程为考核点，也称之为实操题考核模式，由教师在管理端设置考核步骤、分值权重，平台提供配套的实验考试环境。学生在实际操作过程中遇到的考核点，需要根据实际结果去填写，到最后统一汇总分数。该模式突破了传统的考核模式，通过实操的方式来加深印象，巩固知识。
实践测评3.4.智能教务3.4.1.教学进度分析课程实验具有核全局开关功能，打开全局考核后，进行所有实验时都必须完成实验当中设定的每一步考核才能查看下一步。接着，系统不仅自动检测到正在进行实验，也可以手动设定实验状态分析（也可以手动设置分析目标）。查看分析结果时可查看每个班级的学生在进行每个实验时完成度，查看每个实验的每个步骤的通过率、完成率、完成进度、实验总结信息等。教学进度分析功能可通过智能化的手段，有效帮助教师分析并掌握整个班级的学习情况，根据学生完成实验的进度过程进行授课，选择重点难点部分进行针对性讲解，有效降低教师授课压力，高效完成授课任务。
教学分析3.4.2.教学计划管理管理员在后台可以一次性布置全部的教学计划，规定上课时间与学习课程，随后学生通过在前端查看，即可了解到每一天的课程安排。
3.4.3.实验报告管理教师通过此功能查看学生的实验报告，支持预览和批阅等功能，后台自动统计学生学习数据，展示出每个步骤的学习通过时间、成绩正确率、班级排名等信息，并将实验数据与学生的实验报告有机结合，形成完成的实验报告。此功能相较于传统的实验报告，增加了学生的学习数据统计功能，可大大的减轻教师的负担，同时为教师了解班级整体的学习状况提供的有力的支持。
3.5.平台管理3.5.1.用户管理为满足教师方便的管理班级学院，平台提供用户组织管理功能。其中用户管理显示平台用户的信息列表，管理端可对平台用户信息进行编辑与删除，包含根据组织、专业、班级、姓名等信息进行用户模糊筛选，便于管理平台用户；角色管理显示平台现有角色，用户可编辑新的角色并赋予角色权限；组织结构管理显示平台现有的组织机构，管理端可以也可根据层级分步添加组织、学院、系别、专业、班级，对同级别下的机构进行排序。
3.5.2.资源管理用户可以在此查看版本信息、用户数量、实验数量，资源监控及用户虚拟机监控。同时后台资源监控中心可查看平台的用户数量、实验数量、职业路径数量、项目路径数量、算法集数量、数据集数量、用户分布、活跃用户等数据；实时的CPU、内存、硬盘、实例的使用情况和该时刻学生实验进行的状态；可对虚拟机进行监控所处的实验环境、创建位置、用户姓名、创建时间时间以及开启和关闭的状态。该功能的实现可便捷精准的反应出学生的问题所在，可对实验平台进行实时状态的查看，又同时提高了老师的教学质量和效率。
3.5.3.系统管理邮件系统配置是为了减轻管理端的任务负担，配置好邮件系统之后，学生在忘记登陆密码之后可以通过邮件找回密码。
第四章红亚教学资源4.1.人工智能基础课程资源4.1.1.Linux基础Linux系统是开源软件，其可靠性得到肯定，是当今举世瞩目、发展最快、应用最广的主流软件之一。在服务器平台、嵌入式系统和云计算系统所运行的操作系统中，Linux占很大比重。大数据主流框架Hadoop、Spark都架设在Linux系统上，所以现在学习和应用Linux成为众多用户和学生的首选。Linux基础Linux基础Linux系统概述Linux简介Linux应用领域Linux优势字符操作环境使用Shell字符编辑器VILinux文件系统Linux文件ext3文件系统安装和卸载文件系统进程管理Linux进程概述进程控制命令常用命令介绍目录操作文件操作磁盘操作文本编辑帮助命令用户管理Linux用户账户概述管理用户和群组命令行配置用户管理器配置系统监控与备份显示系统进程查看硬件信息查看日志文件数据备份与恢复软件包管理RPM概述RPM包的命令介绍查看软件包（检查软件包签名）软件包管理工具管理网络服务守护进程服务配置FTP服务配置邮件服务器Apache服务器
4.1.2.编程基础编程基础包含Python基础、R语言基础、Scala基础和Java基础四大模块共计82个实验项目。针对每一个所讲解的知识点都进行了深入分析，并使用生动形象的情境化举例，将原本复杂的、难于理解的知识点和问题进行简化，针对每个知识点，精心设计了相应的问题，让学习者不但能掌握和理解这些知识点，并且还可以清楚地知道在实际工作中如何去运用。编程基础Python基础Python基础Python介绍Python开发环境搭建Python基本数据类型Python变量Python基本输入输出Python模块Python运算符与表达式Python选择与循环结构Python序列操作Python列表常用方法Python元组Python列表解析式与生成器表达式Python字符编码Python字符串基本操作Python字符串格式化Python字符串方法Python正则表达式与re模块Python字典创建与使用Python字典方法Python集合创建与使用Python集合常用运算Python文件基本概念Python打开与关闭文件Python文件对象基本方法Python数据序列化与反序列化Python文件与文件夹基本操作Python函数的定义和调用Python函数参数Python变量作用域Python函数返回值Python函数嵌套定义、闭包、装饰器Python类的定义和使用Python构造方法与析构方法Python成员访问权限Python继承Python异常概念与常见表现形式Python常见异常处理结构Python的raise语句R语言基础R语言基础R语言开发环境搭建R语言对象与属性R语言向量R语言矩阵和数组R语言列表R语言数据框R语言构建子集lapply函数apply函数mapply函数split函数tapply函数R语言重复值处理R语言排序Scala基础Scala基础Scala开发环境搭建Scala控制结构和函数Scala数组相关操作Scala映射与元组Scala类与对象Scala包管理Scala继承Scala文件和正则表达式Scala特质Scala运算符(原本为scala操作符)Scala高阶函数Scala集合Scala模式匹配和样例类Scala类型参数Scala高级类型Scala隐式转换和隐式参数Java基础Java基础Java开发环境搭建Java的类和对象Java标识符、关键字与运算符Java基本数据类型Java流程控制Java继承与多态Java抽象类与接口Java内部类Java异常处理Java集合类Java基础类库Java泛型Java的输入与输出Java数据库操作
4.1.3.数学基础数字在数学体系中稳固的位置，而大数据技术也和数学紧紧地结合在一起。数学基础共计信息论、线性代数、概率论与数理统计、数值计算和最优化方法五大模块30个教学项目。大数据技术本身是一门交叉性学科，统计方法为核心，所以学习数学基础就显得尤为重要。数学基础信息论信息论熵联合熵条件熵相对熵互信息最大熵模型线性代数线性代数标量向量张量范数矩阵特征分解几种常用距离计算概率论与数理统计概率论与数理统计随机变量概率分布贝叶斯公式期望方差协方差常见分布函数最大似然估计数值计算数值计算数值计算概述上溢和下溢计算复杂性与NP问题最优化方法最优化方法最优化理论概述最优化问题的数学描述凸集与凸集分离方法梯度下降算法启发式优化方法牛顿法和拟牛顿法
4.1.4.数据库基础数据库已是当今信息社会须臾不可脱离的重要工具，数据库的教学也就成为计算机科学与技术专业的一门必修课程。在大数据技术中，数据仓库的搭建离不开传统数据库的支持，所以，学习数据库基础是为大数据的存储做准备。数据库基础excelExcleExcel函数与公式Excel数据统计与汇总VBA程序基础VBA数据类型VBA流程控制VBA综合应用mysqlMysqlMySQL简介与安装MySQL创建连接MySQL操作数据库MySQL操作数据表MySQL操作数据MySQL条件限定与正则表达式MySQL表的连接MySQL排序、分组与过滤MySQL结果合并MySQL函数MySQL导入与导出oracleOracleOracle安装与卸载Oracle数据类型（文本）表的创建与管理简单查询单行函数分组统计查询多表查询SybasePowerDesigner设计工具mongodbMongoDBMongoDB简介与安装MongoDB创建连接MongoDB操作数据库MongoDB操作集合MongoDB操作文档MongoDB条件操作符与正则表达式MongoDB之Limit与Skip方法MongoDB排序与聚合Redis+MemcacheRedis+MemcacheRedis简介、安装与配置Redis命令（包括Redis键）Redis数据类型Redis基数统计Redis服务器与连接memcached简介与安装memcached连接memcached存储memcached查找memcached统计SQLiteSQLiteSQLite简介与安装SQLite操作数据库SQLite操作数据表SQLite操作数据SQLite条件限定与通配符SQLite表的连接SQLite排序、分组与过滤SQLite结果合并SQLite之Explain细节描述SQLite函数
4.1.5.Python数据处理随着大数据疯狂的浪潮，新生代的工具Python得到了前所未有的爆发。简洁、开源是这款工具吸引了众多客户的原因。通过Python的实训练习，掌握数据采集、数据分析、模型调优等技术，实现人工智能与Python的完美融合。
Python基础知识Python基础简介Python语言概述为何学习Python语言Python主要应用领域Python开发环境搭建初识PythonPython基本数据类型Python变量Python基本输入输出Python模块Python运算符与表达式Python选择与循环结构Python猜数字游戏列表与元组Python序列操作Python列表常用方法Python元组Python列表解析式与生成器表达式字符串与正则表达式Python字符编码Python字符串基本操作Python字符串格式化Python字符串方法Python正则表达式与re模块字典Python字典创建与使用Python字典方法集合Python集合创建与使用Python集合常用运算文件操作Python文件基本概念Python打开与关闭文件Python文件对象基本方法Python数据序列化与反序列化Python文件与文件夹基本操作函数Python函数的定义和调用Python函数参数Python变量作用域Python函数返回值Python函数嵌套定义、闭包、装饰器面向对象Python类的定义和使用Python构造方法与析构方法Python成员访问权限Python继承异常处理结构Python异常概念与常见表现形式Python常见异常处理结构Python的raise语句
Python数据采集爬虫初识爬虫简介爬虫应用场景爬虫基本工作原理网络请求基础TCP/IP协议HTTP请求格式HTTP常用请求头响应状态码浏览器发送HTTP请求的过程cookie和session使用Python发送网络请求Requests模块介绍使用Requests发送post请求使用Requests发送get请求使用Requests发送带Header请求使用Requests发送带参数请求Python爬虫实战XPATH介绍及节点选择LXML介绍及使用对抗反爬虫措施网站数据爬取实验IP代理数据爬取
Python数据分析分类与预测决策树K近邻分类算法支持向量机Python随机森林Logistic回归分析人工智能网络常用聚类分析算法K-Means聚类算法系统聚类算法DBSCAN聚类算法关联规则算法Apriori算法简介Apriori算法应用协同过滤算法基于用户的协同过滤算法基于物品的协同过滤算法时间序列数据分析时间序列预处理平稳时间序列分析非平稳时间序列分析Python主要时序模式算法离群点检测方法离群点检测概述基于密度的离群点检测方法基于聚类的离群点检测方法基于距离的离群点检测方法数据降维数据降维概述常用降维方法-1.机器学习简介常用降维方法-2.机器学习数学预备知识常用降维方法-3.常用降维方法的目的常用降维方法-4.常用降维方法解读模型调优与实战模型评估与调优模型评估和调优的意义评估指标模型调优建议与注意事项数据分析与挖掘实战电子商务的智能推荐财政收入分析电商产品评价分析电力窃漏识别分析电器使用情况分析
4.2.人工智能课程资源4.2.1.机器学习机器学习是人工智能中发展最快的分支之一，是人工智能的主要技术途径。在本课程体系中，机器学习处于基础地位，是学好后续课程的基础。本课程讲授机器学习的基本原理和方法，涵盖了线性回归实验分析、Python从零实现线性回归方程、机器学习模型评估方法对比分析、逻辑回归实验分析等课程的主要方法。机器学习线性回归线性回归实验分析Python从零实现线性回归方程机器学习模型评估方法对比分析逻辑回归逻辑回归实验分析Python从零实现逻辑回归方程项目实战-信用卡交易数据欺诈检测决策树与集成实例决策树算法实验分析Python从零实现决策树模型集成算法实验分析集成模型搭建实例项目实战-基于随机森林的气温预测贝叶斯算法Python从零实现贝叶斯算法项目实战-基于贝叶斯的新闻数据分类贝叶斯优化及其工具包使用实战贝叶斯分析实例聚类算法分析Python从零实现Kmeans算法聚类算法实验分析支持向量机基于SVM的简易人脸识别案例支持向量机实验分析降维算法线性判别分析实验主成分分析提升算法Xgboost建模调参实战xgboost-gbdt-lightgbm算法对比分析项目实战-使用lightgbm进行饭店流量预测隐马尔科夫模型HMM实现中文分词机器学习综合项目制作自己常用工具包特征工程试验分析项目实战-从零开始打造音乐推荐系统推荐系统实验分析关联规则工具包实战Python从零实现关联规则科比职业生涯数据分析建模Python时间序列分析实战ARIMA模型实战项目实战-人口普查数据集项目实战-收入预测模型学习曲线分析基于统计分析的电影推荐项目实战-贷款申请最大利润分析NLP-文本特征方法对比项目实战-用户流失预警机器学习项目建模模板
4.2.2.数据分析数据分析指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。本课程涵盖了数据分析的主要知识内容。
数据分析统计分析方法假设检验分析相关分析方差分析科学计算库-Numpy数据分析处理库-Pandas可视化库-Matplotlib可视化库-Seaborn数据降维常用策略数据降维分析鸢尾花数据集分析数据预处理与缺失值分析数据科学你得知道的几种分布实例商品可视化展示与文本处理数据分析经典案例多变量分析实例纽约出租车运行情况分析建模基于统计分析的电影推荐任务商品订单数据集分析KIVA贷款数据分析汽车价格回归分析手写字体识别对比分析员工离职预测基于NLP的股价预测借贷公司数据分析
4.2.3.数据挖掘数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策。本课程涵盖了数据挖掘的主要知识内容。数据挖掘数据挖掘经典实例解读数据特征预处理实验文本特征处理方法对比项目实战-爱彼迎数据集分析与建模项目实战-基于相似度的酒店推荐系统项目实战-商品销售额回归分析项目实战-绝地求生数据集探索分析与建模项目实战-银行客户还款可能性预测图像特征聚类分析实践竞赛优胜解决方案项目实战-快手短视频用户活跃度分析项目实战-工业化工生产预测项目实战-智慧城市-道路通行时间预测特征工程建模可解释工具包项目实战-医学糖尿病数据命名实体识别贷款平台风控模型-特征工程项目实战-新闻关键词抽取模型数据特征常用构建方法项目实战-用电敏感客户分类项目实战-京东购买意向预测项目实战-泰坦尼克号获救预测数据挖掘常用策略实战用户画像分析数据特征常用构建方法集成策略实例模型解释方法实战kaggle数据科学调查分析项目实战-房价预测项目实战-fbprophet时间序列预测自然语言处理常用工具包实战Pandas数据处理实战
4.2.4.深度学习深度学习是人工智能第三次浪潮的核心技术，广泛应用于图像识别、语音识别、机器翻译、医疗影像处理、自然语言处理、人机博弈等众多领域，使得这些领域取得了突破性进展。本课程是AI课程系列中的核心，讲授深度学习的原理、技巧和前沿技术。
深度学习神经网络算法神经网络算法实验分析word2vec词向量模型实验基于word2vec的文本分类实战维基百科数据集训练词向量模型Python从零实现神经网络PyTorch框架与实战PyTorch框架基本处理操作神经网络实战分类与回归任务图像识别核心模块实战解读迁移学习的作用与应用实例递归神经网络与词向量原理解读新闻数据集文本分类实战对抗生成网络架构原理与实战解析Keras框架与实战搭建神经网络模型再战卷积神经网络基于keras的LSTM时间序列预测任务多标签与多输出任务实战keras文本分类实战Keras实战对抗生成网络数据增强实战迁移学习与Resnet残差网络Keras框架实战模板总结Tensorflow框架与实战tensorflow安装与简介搭建神经网络进行分类与回归任务猫狗识别实战图像数据增强实例训练策略-迁移学习实战基于TensorFlow实现word2vec基于RNN模型进行文本分类任务tfrecord制作数据源将CNN网络应用于文本分类实战TF2时间序列预测Tensorboard可视化模块Tensorflow基础操作致敬经典：Alexnet网络实战Tensorflow卷积神经网络实战CNN文本分类任务验证码识别
4.2.5.自然语言处理自然语言处理和理解是智能的核心之一，在深度学习时代，自然语言理解取得了很大的进展。本课程讲授自然语言理解领域的基本概念、原理和方法，以及最新的一些技术进展。自然语言处理自然语言处理基础自然语言处理必备工具包实战-1自然语言处理必备工具包实战-2自然语言处理必备工具包实战-3NLP-文本相似度计算实例自然语言处理综合项目实现word2vec词向量模型项目实战-问答机器人项目实战-构建自己的输入法项目实战-NMT机器翻译框架项目实战-LSTM时间序列预测任务项目实战-地址邮编多序列任务
4.2.6.计算机视觉计算机视觉研究从图像中理解现实世界的技术，是人工智能的主要研究方向之一。本课程讲授计算机视觉的核心原理和方法，涵盖了主要的经典算法原理和最新的前沿成果。计算机视觉OpenCV图像处理基础Opencv图像基本操作Opencv的DNN模块分析常用图像处理策略图像阈值与平滑处理图像金字塔与轮廓检测直方图与傅里叶变换图像计算实例图像形态学操作实例图像梯度计算实例边缘检测实战图像特征-harris实例图像特征-sift实例背景建模实例光流估计实例计算机视觉综合项目项目实战-人脸检测数据与网络制作项目实战-实现人脸检测项目实战-关键点检测网络训练项目实战-关键点定位模型实现项目实战-信用卡数字识别项目实战-文档扫描OCR识别案例实战-全景图像拼接项目实战-停车场车位识别项目实战-答题卡识别判卷项目实战-目标追踪项目实战-图像风格转换（style-transfer）项目实战-图像缺失自动补全项目实战-超分辨率重构项目实战-疲劳检测第五章数据安全科研保障箱数据安全科研实验箱是在建立在学生具备完善的数据安全基础知识的层面上的，在学生掌握了一定的数据安全攻击防御学科知识的同时，亦可进行学科性的知识拓展研究；在一定程度上可延伸学生的学习和知识掌握能力；同时更加全面的提高了学生的综合知识能力。数据安全科研实验实验箱集成了四种处理器，包括A8处理器、M4处理器、Z32处理器、FPGA编程板，可通过编程实现如下科研项目：SM2密码算法与实现、12684液晶屏串行显示实验、SLE4428逻辑加密卡实验、SM3密码杂凑算法程序设计。
《人工智能训练师
综上所述，无论是从企业的业务、客服的诉求，还是产品的进步、从业者的迷茫来说，客服部门都需要回归本职轨道，重点关注智能时代客服人员（即人工智能训练师）的成长及能力发展，才能让人工智能技术发挥出应有的价值。
2020年2月21日，国家职业资格培训鉴定实验基地人工智能高新技术能力评价考试项目已实施，旨在培养人工智能技术服务和开发应用型人才。2020年2月25日，人力资源社会保障部与市场监管总局、国家统计局联合向社会发布了人工智能训练师新职业，这是自2015年版《中华人民共和国职业分类大典》颁布以来发布的第二批新职业，2020年3月26号，中国国际贸易促进委员会发布人工智能训练师职业能力要求。
持续已三年的疫情给我们的生活及工作带来了很大的影响。这场没有硝烟的战争，同时也加速了客服中心往智能化服务的转型。但是基于智能化客服客服中心转型的时代背景下，智能服务产品本身训练的高门槛，新的技术下面的运营方法，导致企业无法明确训练师岗位的职级划分、能力模型界定，智能服务产品能够发挥的能效大大被降低，那么人工智能训练师到底需要具备哪些技能和素质，到底如何培养？训练师又该如何快速掌握人工智能产品的核心？如何通过非技术干预下，快速从0到1建立具备完善知识体系以及问答体系的人工智能服务机器人？都是准备设立或已有人工智能训练师岗位的企业普遍关心的问题。包括：
•人工智能训练师的定义？
•如何构建契合行业业务特点人工智能训练师团队；
•智能服务产品运营如何开始？
•如何确定智能服务的目标、场景、业务？
•智能服务产品知识库如何搭建优化？
•如何评估智能服务产品的效果？
课程收益：
•智能服务未来的发展趋势；
•智能服务产品的定位；
•智能服务需求转化；
•在线机器人训练前掌握的基本知识；
•语料、知识、应答之间的转化
•在线机器人的知识库设计；
•在线机器人上线的推广；
•如何评估在线机器人的绩效；
•如何从“选、育、培、优”构建人工智能训练师团队
课程大纲：
实操训练：
企业上线智能服务产品平台前，成熟智能服务产品平台相关基础知识介绍，上线智能服务产品之后，应用智能服务产品过程中面临的问题，包括：智能服务语料梳理、智能服务产品应答能力构建、FAQ、多轮对话训练等实操内容，告别沙盘模拟，真实场景案例实操；
沉浸式教学：提前开通学员实操平台，实操平台培训师直播教学，手把手沉浸式教学，针对学员当下实操问题立马解决；真实场景案例实操：提供典型、真实的实操案例与实操原始资料，还原真实业务场景，让学员快速上手实操平台并能够运用自如；实操能力提升：在实操教学过程中，将培、互、问、答、学多为一体实操体系进行穿插，结合真实业务场景案例，并引导学员扩展至所属行业业务场景，在活用自如实操平台的基础下，能够真正解决自己的实际业务问题，大大提升智能服务产品实操能力。训练方式：
实操讲解+平台实操+问题答疑+真实案例解答+模块训练+讨论点评
训练大纲：
训练支持：
实训课程以平台班主任社群运营方式进行：
方案背景学员经过两天的培训后通过人工智能实操平台功能（包含FAQ、多轮、闲聊）进行为期一个月的练习，完成考核，对于学员在练习过程中碰到的疑问需要一个完善的答疑机制来解决
运营目标汇总并共享常见问题，提高答疑效率，形成良好的学习氛围
运营方式微信群：老师会在群内做出通知，学员可在答疑群内提出碰到的问题，竹间会提供一个常见问题列表，方便汇总问题和共享
社群运营内容1、规章制度：建群初期告知群内的基本规范和答疑规则，告知一些重要时间节点（如老师答疑时间、每日汇总时间等），方便学员不错过重要内容
2、答疑：对于学员在群内提出的问题，班主任老师会在一定时间内快速给予回应，学员也可先自行查阅常见问题列表，看是否已包含在其中；对于未包含的问题，班主任老师会在群内进行解答，并将该问题添加至常见问题列表
附：学员问题解决流程
3.每日总结：每天定期以群公告的方式汇总当天群内的问题，方便学员回顾复习
实操课程工作组：
实操课程工作组：
班主任老师：负责参训学员的联络及组织工作；
理论培训老师：负责在实训期间结合培训框架进行答疑；
实操训练老师：负责实训各环节内容讲授及答疑。
课程团队：
苏钰：人工智能服务领域知名培训专家
•清华大学出版社《客服域人工智能训练师》作者
•客户世界机构AIT（人工智能训练师）首席专家
•多个国家级人工智能项目训练负责人
•人工智能训练师专栏作家
•人工智能训练师职业技能标准构建
•多次从0到1构建人工智能训练师团队及训练体系
•丰富人工智能服务训练与咨询管理经验
•人工智能服务领域知名培训专家
苏老师应用数学专业出身对计算机、统计数学、心理学等专业均有涉猎研究，曾获得全国数据挖掘竞赛国家一等奖，并通过知名企业“大数据专家认证”项目认证，美国PMP项目管理项目经理认证，人工智能训练师认证，撰写《客服域人工智能训练师》专著，人工智能训练师领域专栏作家，参与过多个国家级人工智能项目并负责其中训练体系构建与运营，参与多个人工智能训练师相关职业技能标准构建，长期专注于人工智能训练师运营与管理，多次从0到1构建人工智能训练师团队、训练体系，长期从事人工智能服务训练与咨询管理工作，时刻进行经验的总结和管理方法的创新，帮助多家世界500强企业诊断智能服务训练症结，提升团队训练及运营能力。
从业经历涉及知名客户中心在线、电话服务团队主管到智能客服团队，团队所有数据指标均高于一线平均水平，从0到1搭建智能服务体系，包括：对内：企业内训手册、企业内训规范，对外：智能服务运营培训规范包括不限于智能服务标注、应答、运营数据、运营岗位等板块培训内容。在产品上完成从产品研发、产品经理、智能产品运营、测试的闭环。参与企业多种智能服务产品、智能服务转型建设项目与建设指导，通过线上和驻场调研，帮助企业搭建完整人工智能训练师运营体系，梳理服务流程，构建知识库体系、定向提升训练师专项能力等。
苏老师拥有世界五百强企业客户中心管理经验以及创业经历，拥有丰富的内训咨询实战经验。
涉及范围：电子商务、金融、政企、电力、电信、汽车、互联网金融、银行、运营商、呼叫中心等行业，包括不限于：移动、联通、电信、京东、阿里、招商银行、广发银行、农行、农村信用社、建设银行、长沙银行、汇丰银行、泰康保险、科讯嘉联、渤海银行、广西电网、长点电子商务、众城汽车保险、惠氏、一号互联、中石化易派客、北京政信、佛山政府热线、昆明耀龙、易谷网络、平安普惠、国寿、人寿、百年人寿、人保、山航、深圳航空、乐酷达、民生银行、沁园集团、中海油、中石油、中石化、一汽大众、招商基金、微众银行、富途网络、汤臣倍健、天威视讯、百果园、学而思、贝丰科技、招联消费、绿源电动车、优信二手车、伊利、OKC、嘉实基金、国华人寿、西山居、智联招聘、中邮消费、华泰证券、银联、快乐购、中邮消费金融、汇丰银行、北京大学、中国医学科学院、北方汽车、大众汽车、国家电网为近百家单位企业进行内训咨询服务，深受学员好评。
培训机构：
客户世界机构（集团）创立于2002年，是一个产、学、研一体化的产业发展集团。我们立足呼叫中心产业发展、专注客户管理研究方向、推动服务科学实践创新、拓展数字经济全新疆界。透过媒体出版、认证测评、产业研究、管理咨询、会展服务、产业投资、教育培训、人力资源、法律服务等全方位、多维度、高度整合的产业链基础业务，对相关产业发展提供支撑服务。
【课程金额】：RMB5800元／人
【培训证书】：参加全程培训并考核通过学员获得“客服域人工智能训练师（中级）”认证证书。
【往期培训】：
1.客服域人工智能训练师AIT（课程体系，培训大纲，第一期，第二期，第三期，第四期，第五期，第六期）
2.全媒体运营师OMO（课程体系，培训大纲，第一期，第二期，第三期）
3.客户中心管理师CCM（第一期，第二期）
4.服务外包管理师EPM（第一期，第二期）
了解更多：客户世界-2022（甲方）会员升级服务计划暨核心岗位胜任力提升培训方案
课程咨询：
官方网站：www.ccmw.net
--THEEND--客户世界机构（CCMWorldGroup）创立于2002年，是一个产、学、研一体化的产业发展集团。我们立足呼叫中心产业发展、专注客户管理研究方向、推动服务科学实践创新、拓展数字经济全新疆界。透过媒体出版、认证测评、产业研究、管理咨询、会展服务、产业投资、教育培训、人力资源、法律服务等全方位、多维度、高度整合的产业链基础业务，对相关产业发展提供支撑服务。返回搜狐，查看更多