从「AI 为什么需要老师」走到「能管一个十万条数据的项目」。这门课沿用码上问学一贯的讲法： 不背流程名词，先理解每一步在解决什么问题——每个术语都讲清「英文全称、概念的由来、 给外行听的生活类比、能写进笔记的严谨定义」四层；算法全部在浏览器里真算，标注动作全部可以亲手点、亲手拖。
| 教材章节 | 覆盖内容 | 对应课程模块 |
|---|---|---|
| 第 1 章 人工智能与数据标注 | AI 基础、数据是 AI 的石油、标注概念与发展脉络（专家标注→群智化） | M1 AI 为什么需要老师 · M2 数据是石油 · M3 数据三要素与偏差 · M4 三代标注演进 |
| 第 2 章 群智化标注技术与系统 | 基本方法（人工/自动/人机协同）、任务及工具、群智化技术、平台与实例（MTurk/百度众测） | M5 三种标注方式 · M6 群智化为什么出现 · M7 四大挑战与两大平台 |
| 第 3 章 项目管理方法 | 实施流程（采集→清洗→标注→质检→交付→验收）、人员与过程管理 | M8 流水线与人员分层 |
| 第 4 章 质量管理与真值聚合 | 质量控制意义与概念、一致性度量、真值估计 | M9 质量控制与真值聚合 |
| 第 5 章 文本标注 第 7 章 图像标注 | 文本分类/NER/关系抽取；图像分类/检测/分割/关键点 | M10 文本与图像标注 |
| 第 6 章 音频标注 第 8 章 视频标注 | 语音转写/切分/说话人分离；目标跟踪/动作/视频分割 | M11 语音、视频与点云 |
| 第 9 章 自动驾驶 第 10 章 人脸人体 | 2D/3D 标注、可行驶区域、Corner Case；关键点与属性标注 | M12 行业案例与未来 |
| 第 11 章 未来发展 | 智能化标注、隐私安全、行业走向 | M12 视野：行业案例与未来 |
12 个模块、72 个知识点：左边点知识点，右边读「术语卡 + 要点」。算法节带可改可跑的代码台 （多数投票、Kappa、Dawid-Skene、IoU 全是真算），任务节带可点可拖的标注演示。
蜜罐抓「不认真」，Kappa 量「分类一致」，IoU 量「框一致」——远程看不见人时，质量是靠机制而不是靠信任。 三个演示都能拖动参数实时看判定结果。
需求分析 → 任务设计 → 采集清洗 → 标注执行 → 质量检验 → 交付验收。点每一步看关键动作、交付物， 以及这一步最容易踩的坑——授课时最适合拿来当骨架。
把 AI 三大支柱、五段数据流水线、四类脏数据、三代标注演进、数据飞轮、众包三方、蜜罐、Kappa、IoU、NER 的 BIO 标记、 自动驾驶闭环等抽象概念一张张画出来。每图配一句「讲课时说」，投影即可照念；图已同步内嵌进知识地图对应知识点。
覆盖文本／音频／图像／视频／点云五类形态：自动驾驶、人脸人体、医疗、语音、内容审核、电商六大案例，每个写清标注任务、工具、难点与质控，对应标准「行业案例」章节。
Label Studio／CVAT／Doccano／Praat 四类标注工具，百度众测／京东众智／MTurk 接单平台，含横向对比表与上机指引，对应模块 2、4 的实操要求。
12 个模块 + 期末项目共 13 张金句卡，每讲完一章投一张，既是章末总结也是开卷考锚点，可回链知识地图对应模块。
12 组最易混、最爱考的概念两两摆开（三方式 / 图像四任务 / 两种 Kappa / 蜜罐与金标准…），配一句话区分，考前集中刷。
期末项目要交的两份材料：标注规范（≥3 页）与质检报告（含 Kappa≥0.6 判定），可直接打印填写，满足考核硬指标。
单选／多选／判断／填空／名词解释／简答／计算／案例分析共 45 题，覆盖 12 个模块；答案与解析默认隐藏、一键展开，支持直接打印或导出 PDF。
每章穿插自测题，另备两套期末模拟卷与「智能组卷」（易题加权、尽量让你过关）。考试即从这批题库中抽，练熟即过关。
孙海龙等《群智化数据标注技术与实践》（北京航空航天大学出版社，2022）； 《人工智能数据服务（微课版）》第 1~10 章配套课件。课程结构在此基础上重组为 12 个模块、72 个知识点， 并为算法类知识点补齐了可运行的浏览器实训台。