这是一个训练“全栈”数据人才的项目。

让数据科学知识在产业中落地、实现商业价值，并不是只依靠孤立的算法和分析就能达成的目标。从事这些岗位的人还必须学会如何与上下游环节形成良好的协作关系，这需要从业者对于相应环节的工作相对深入的了解。

对于一个数据模型来说，它的上游有定义问题和数据准备的环节，下游有产品化和收集反馈改进的环节。其中，上游紧邻的数据准备环节在很大程度上决定着算法的效果上限，下游紧邻的产品化环节则是算法是否能被广泛应用的关键。了解这两个环节的基本工作逻辑和方法，甚至能够自己完成相关环节的基本工作，对于从事算法和分析工作的从业者来说，是非常有益的、对于专业素养的补充。

数据建模及其上下游工作

《驾驶员危险状态监测：数据标注、YOLO模型与产品开发》项目围绕“识别危险驾驶行为”这一主题展开，不但涵盖了建立模型这一核心环节，还将其上游的数据标注、下游的产品开发一起纳入。学员将亲自对图片进行标注，生成训练模型所需的数据。在完成建模后，还要学习如何开发一个可用于对驾驶视频或图像进行实时动态识别的GUI系统。项目由4个系列任务组成：

✔ TASK1: 数据标注产业调研与实战初体验

✔ TASK2: 数据标注与训练数据集制作

✔ TASK3: YOLO系列模型分析与实现

✔ TASK4: 危险驾驶行为监控系统GUI开发

这样，大家在项目中将经历一个通过算法解决实际问题的完整过程，不但更能够理解如何通过提升数据质量来提升模型的效果、如何通过产品化的方式让算法被更广泛地应用，也能更加清晰地看到自己的工作在整体图景中的位置。这些理解对于从事算法开发和数据分析工作的从业者与上下游建立良好的合作关系、提升工作效率都非常有帮助。

希望这个项目的训练，能够帮助大家以更加开阔的视角看待自己的专业和工作，也为我们的日常工作找到更多的提升空间。扫描下方二维码，可以了解更多项目信息：

扫码了解更多项目信息