课程背景
在航天科工的智能化转型中，在实际应用里，我们常常面临一个尴尬的境地：“算力有了，从实践看，算法也有了，但喂给AI的‘粮食’（资料）要么是发霉的（质量差），要么是散落的（资料孤岛），运行层面，在实际应用里，要么是不敢碰的（涉密敏感）。” 很多部门花了大价钱做AI试点，最后却由于资料治理没跟上而烂尾。
课程收益
1.
算清一笔账：
认清资料质量对AI模型成效的致命影响，搞懂“好资料”比“大算力”更省钱。
2.
掌握一套法：
学会低成本的“小步快跑”资料治理打法，完 美适配军工保密要求和现有IT架构。
3.
看清几实例：
借鉴同行（军工/高端制造）的资料集建设心得，找到咱们自己车间的AI落地破局点。
课程大纲
1. 破冰：咱们航天科工的“资料烦恼”
• 实地痛点共鸣： 研发端（多源异构资料难融合）、生产端（质检图片样本少并且不平衡）、管控端（各部门资料壁垒森严）。
• 核心金句： “Garbage In, Garbage Out（垃圾进，从实践看，垃圾出）”。算力和算法是加速器，但资料是引擎，引擎坏了全得停。
2. 重新定义“好资料”：AI视角下的资料质量准则
• 从传统数仓的“准确性、完整性”，运行层面，升级到AI视角的“一致性、时效性，代表性、无偏性”。
• 探讨： 为何有时候资料量越大，AI模型反而越傻？（资料噪声和标注脏乱差的代价）。
1. 资料采集和合规：在“保密红线”内跳舞
• 军工特 供打法： 外部公开资料怎样合规引入？内部涉密资料怎样做脱敏处理和分级分类？
• 成本将控招数： 怎样在不推翻现有IT系统的大前提下，低成本搭建AI专用的资料沙箱？
2. 资料清洗和标注：“抠门”但高效的精益管控法
• 告别盲目堆人： 拆解自动化清洗抓手的运用，降低80%的人工预处理时间。
• 标注质量管控（重点）： 面对复杂的工业情境，怎样设定标注规范？怎样借助“多人交叉验证+黄金资料集”将控标注质量？（附带实际工业缺陷图标注对比实例）。
3. 资料集版本管控：让AI实验变得“可溯源、可复现”
• 破解痛点：模型训崩了，找不到是哪批资料出了问题？构筑简单高效的Dataset Versioning制度。
1. 实例一：某军工院所的“智能文档处理”突围战
• 来由： 海量历史技艺文档，图纸无法被检索和利用。
• 解法： 针对非结构化文本/图纸的资料清洗、OCR识别和学识图谱构筑实战。
• 启示： 怎样用最小的人工标注量，激活沉睡数十年的无形资产。
2. 实例二：某航空航天部件厂的“AI质检”降本之路
• 来由： 货品缺陷样本极少（长尾分布），传统督导研习根本跑不通。
• 解法： 采用“仿真资料生成 + 小样本研习”的资料集扩充打法。
• 启示： 没钱买算力？那就将钱花在刀刃上（资料增强打法）。
1. 第 一步：找个“冤大头”业务（找痛点）
• 怎样挑选高价值、低敏感度的试点业务（如公共装置的预测性维护、非密货品的外观质检），积累初期的资料治理心得。
2. 第二步：构筑“资料护城河”（建准则）
• 不搞大而全的顶层规划，从试点项目出发，构筑公司级《AI资料标注规范指引》和《资料安全脱敏指南》。
3. 第三步：算清“资料资产账”（促营运）
• 怎样让业务部门愿意共享资料？规划合理的“资料积分/成本核算”内部结算制度。
4. 讲师交流答疑（Q&A）
• 针对参训者们在实际事务中遇到的具体资料难题，开展实地诊断和低成本解法建议。
教学形式和风格说明
• 风格接地气： 讲师具备多年一线海量资料和AI落地心得，深知体制内/大型国企的办事流程和痛点。讲课不说“互联网黑话”，从实践看，全是“大白话+实战干货”。
• 交流为主： 预留充足时间开展“实地问诊”，确保参训者带着问题来，拿着初步方案走。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
公司相关管人人员。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。