TellerU 官方课 · 核心原理 · 零基础
数据：AI 的燃料
没有好数据就没有好 AI：数据集、标注与质量
你将从零基础出发，掌握数据在 AI 中的核心作用——数据集、特征与标签、训练/验证/测试集、数据标注、数据质量与伦理，产出个人数据画像报告与 AI 数据方案。
- 📚 2 个单元 · 7 节课
- ⏱ 约 3 小时
- 🧑🏫 AI 老师白板讲解 + 随堂练习
数据数据标注AI基础零基础AI数据
免费开始学这门课 →适合谁学
零基础学习者
课程目录
第 1 单元：数据如何成为 AI 的燃料
学习目标：本单元用生活化类比解释数据在 AI 中的角色，让你理解数据集、特征与标签，并学会划分训练/验证/测试集。你将完成个人数据画像报告，为课程项目打下数据认知基础。
燃料认知：AI 为什么离不开数据？
用做饭、学车等生活类比，让你明白数据是 AI 的燃料，没有数据 AI 就无法学习。
- 数据集：AI 的“食材”从哪里来？（约 26 分钟）
- 特征与标签：AI 眼中的“线索”和“答案”是什么？（约 26 分钟）
学习规则：AI 如何用数据“考试”？
通过模拟考试类比，解释训练集、验证集、测试集的作用，以及为什么不能混用。
- 训练/验证/测试集：为什么 AI 也要“模拟考”和“期末考”？（约 26 分钟）
第 2 单元：数据从哪来、好不好、怎么用
学习目标：本单元聚焦数据标注、数据质量与数据伦理，让你理解人工标注与众包标注的流程，识别缺失、噪声、偏差、不平衡等质量问题，并建立伦理合规意识。你将完成 AI 数据方案，为课程项目收尾。
标注车间：谁在教 AI 认世界？
用教小孩认动物的类比，介绍人工标注和众包标注的过程与挑战。
- 数据标注：AI 的“老师”是怎么批改作业的？（约 27 分钟）
- 众包标注：为什么说“人多力量大”也有风险？（约 26 分钟）
质量检测：坏数据如何毁掉 AI？
用食材变质类比，讲解数据质量维度，以及缺失、噪声、偏差、不平衡四种常见问题。
- 数据质量：缺失、噪声、偏差、不平衡——哪个最致命？（约 27 分钟）
伦理红线：用数据时不能踩的坑
通过真实案例讨论知情同意、隐私和偏见，让你明白数据伦理为什么重要。
- 数据伦理：为什么“同意”和“公平”比想象中更重要？（约 27 分钟）
在 TellerU 怎么学这门课
- AI 老师在白板上边讲边画，一节课讲透 3 个知识点；
- 讲到的结论都标注出处，点一下就能核对原文；
- 每节有随堂快测和练习，系统按你的掌握度安排复习；
- 听不懂随时提问，老师按你的进度换个讲法再讲一遍。