一种基于大数据的AI实训方法及系统与流程

一种基于大数据的ai实训方法及系统
技术领域
1.本发明涉及大数据领域，更具体的，涉及一种基于大数据的ai实训方法及系统。


背景技术：

2.人工智能，简称ai(intelligent artificial)，是当今计算机领域中炙手可热的一大焦点。在社会经济不断发展中，人工智能作为行业关注的焦点，将其运用在不同领域之中，不仅可以推动产业升级，而且还可以充分满足行业的质量发展需求，逐步提升产业的竞争力。同时，随着大数据在互联网的发展，ai与大数据的产业应用共同成为了目前企业争相研究的热门技术。
3.但是，在一些从事ai领域的教育机构中，由于受制于传统的教育方式，对ai的实训教学普遍存在教学效率低，学员实训能力难以提高，教师依靠人工经验编写实训内容效率低下等问题，这大大阻碍了学员对ai的实训学习。因此，现在亟需一种能够提高学员ai实训效率的方法。


技术实现要素：

4.为了解决上述至少一个技术问题，本发明提出了一种基于大数据的ai实训方法及系统。
5.本发明第一方面提供了一种基于大数据的ai实训方法，包括：
6.获取ai教学大数据；
7.从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备；
8.根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据；
9.根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到教学实训方案信息；
10.根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息。
11.本方案中，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，之前包括：
12.从互联网进行人工智能教学内容检索，得到初始检索数据；
13.将所述初始检索数据通过预设大数据分类方式进行数据分类，得到ai内容分类数据；
14.根据所述ai内容分类数据进行试题模拟分析与数据整合，得到ai教学大数据。
15.本方案中，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，具体为：
16.从ai教学大数据进行预设学习模块的内容分类与筛选，得到各个学习模块的教学
模块数据；
17.将所述教学模块数据进行试题格式转化，得到模块试题数据；
18.将全部模块试题数据进行数据整合得到ai试题数据。
19.本方案中，所述根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据，具体为：
20.将ai试题数据发送至目标学员终端设备进行试题测试；
21.获取目标学员试题完成数据，将所述目标学员试题完成数据进行预设学习模块的综合评估，得到目标学员学习进度评估数据。
22.本方案中，所述根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到教学实训方案信息，具体为：
23.根据目标学员学习进度评估数据对特定学习模块内容进行实训内容检索，得到实训框架信息、实训算法信息、实训模型信息；
24.根据目标学员学习进度评估数据对目标学员进行实训能力评估，并生成相应的实训要求信息；
25.将所述实训框架信息、实训算法信息、实训模型信息、实训要求信息进行方案整合，得到教学实训方案信息。
26.本方案中，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息，具体为：
27.根据教学实训方案信息进行终端格式转化，得到实训大纲数据、实训流程数据；
28.将所述实训大纲数据、实训流程数据进行数据可视化整合，得到ai综合实训数据；
29.将所述ai综合实训数据发送至目标学员终端设备进行显示。
30.本方案中，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息，还包括：
31.获取目标用户实训框架设计数据，实训算法设计数据；
32.将所述实训框架设计数据，实训算法设计数据导入实训测试模块进行测试，并获取测试后的学员算法硬件资源消耗信息、学员算法效率信息，学员算法准确率，学员实训模型出错率信息；
33.根据所述学员算法硬件资源消耗信息、学员算法效率信息，学员算法准确率，学员实训模型出错率信息对学员进行实训综合能力评估，得到学员实训评估信息；
34.将所述学员实训评估信息发送至学员终端设备与教师终端设备进行显示。
35.本发明第二方面还提供了一种基于大数据的ai实训系统，该系统包括：存储器、处理器，所述存储器中包括基于大数据的ai实训程序，所述基于大数据的ai实训程序被所述处理器执行时实现如下步骤：
36.获取ai教学大数据；
37.从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备；
38.根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据；
39.根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到教学实训方
案信息；
40.根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息。
41.本方案中，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，之前包括：
42.从互联网进行人工智能教学内容检索，得到初始检索数据；
43.将所述初始检索数据通过预设大数据分类方式进行数据分类，得到ai内容分类数据；
44.根据所述ai内容分类数据进行试题模拟分析与数据整合，得到ai教学大数据。
45.本方案中，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，具体为：
46.从ai教学大数据进行预设学习模块的内容分类与筛选，得到各个学习模块的教学模块数据；
47.将所述教学模块数据进行试题格式转化，得到模块试题数据；
48.将全部模块试题数据进行数据整合得到ai试题数据。
49.本发明公开了一种基于大数据的ai实训方法及系统，通过从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备进行多模块测试，根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据，并进一步根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到对不同学员的教学实训方案信息。本发明提高了学员ai实训的效率，减轻了教师的工作量，进一步实现了提高学员ai实训能力的目的。
附图说明
50.图1示出了本发明一种基于大数据的ai实训方法的流程图；
51.图2示出了本发明获取ai教学大数据流程图；
52.图3示出了本发明获取ai试题数据流程图；
53.图4示出了本发明一种基于大数据的ai实训系统的框图。
具体实施方式
54.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
55.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
56.图1示出了本发明一种基于大数据的ai实训方法的流程图。
57.如图1所示，本发明第一方面提供了一种基于大数据的ai实训方法，包括：
58.s102，获取ai教学大数据；
59.s104，从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数
据发送至目标学员终端设备；
60.s106，根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据；
61.s108，根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到教学实训方案信息；
62.s110，根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息。
63.需要说明的是，所述目标学员终端设备一般为计算机终端，本系统终端设备包括学员终端设备、教师终端设备和管理员终端设备。
64.图2示出了本发明获取ai教学大数据流程图。
65.根据本发明实施例，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，之前包括：
66.s202，从互联网进行人工智能教学内容检索，得到初始检索数据；
67.s204，将所述初始检索数据通过预设大数据分类方式进行数据分类，得到ai内容分类数据；
68.s206，根据所述ai内容分类数据进行试题模拟分析与数据整合，得到ai教学大数据。
69.需要说明的是，所述通过预设大数据分类方式进行数据分类，具体为通过大数据分类算法对初始检索数据进行分类，所述大数据分类算法包括knn算法，贝叶斯分类算法等。所述ai内容分类数据具体为对ai实训课程内容进行分类得到的已分类数据，所述ai实训课程内容包括ai的基础概念，框架，算法，模型构建等内容。所述ai内容分类数据进行试题模拟分析与数据整合，具体为将ai内容分类数据进行试题转化，得到相应的ai教学大数据。
70.图3示出了本发明获取ai试题数据流程图。
71.根据本发明实施例，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，具体为：
72.s302，从ai教学大数据进行预设学习模块的内容分类与筛选，得到各个学习模块的教学模块数据；
73.s304，将所述教学模块数据进行试题格式转化，得到模块试题数据；
74.s306，将全部模块试题数据进行数据整合得到ai试题数据。
75.需要说明的是，所述学习模块包括基础概念模块，框架模块，算法模块，模型搭建学习模块，模型实训能力模块等，本发明通过对各个模块的试题提炼分析，得到能够进行综合评定学员ai掌握能力的ai试题数据，从而能够进一步分析出学员的针对性教学方案。
76.根据本发明实施例，所述根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据，具体为：
77.将ai试题数据发送至目标学员终端设备进行试题测试；
78.获取目标学员试题完成数据，将所述目标学员试题完成数据进行预设学习模块的综合评估，得到目标学员学习进度评估数据。
79.需要说明的是，所述目标学员学习进度评估数据包括对目标学员的各个学习模块
的进度评估，通过目标学员学习进度评估数据，能够掌握学员对ai基础概念，ai框架，ai算法，模型搭建，模型实训的具体学习情况，从而制定学员的学习方案。
80.根据本发明实施例，所述根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到教学实训方案信息，具体为：
81.根据目标学员学习进度评估数据对特定学习模块内容进行实训内容检索，得到实训框架信息、实训算法信息、实训模型信息；
82.根据目标学员学习进度评估数据对目标学员进行实训能力评估，并生成相应的实训要求信息；
83.将所述实训框架信息、实训算法信息、实训模型信息、实训要求信息进行方案整合，得到教学实训方案信息。
84.根据本发明实施例，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息，具体为：
85.根据教学实训方案信息进行终端格式转化，得到实训大纲数据、实训流程数据；
86.将所述实训大纲数据、实训流程数据进行数据可视化整合，得到ai综合实训数据；
87.将所述ai综合实训数据发送至目标学员终端设备进行显示。
88.需要说明的是，将所述实训大纲数据、实训流程数据进行数据可视化整合中，具体为将实训大纲数据根据实训流程数据生成对终端设备可视化的ai综合实训数据。
89.根据本发明实施例，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息，还包括：
90.获取目标用户实训框架设计数据，实训算法设计数据；
91.将所述实训框架设计数据，实训算法设计数据导入实训测试模块进行测试，并获取测试后的学员算法硬件资源消耗信息、学员算法效率信息，学员算法准确率，学员实训模型出错率信息；
92.根据所述学员算法硬件资源消耗信息、学员算法效率信息，学员算法准确率，学员实训模型出错率信息对学员进行实训综合能力评估，得到学员实训评估信息；
93.将所述学员实训评估信息发送至学员终端设备与教师终端设备进行显示。
94.需要说明的是，所述学员算法硬件资源消耗信息包括处理器综合使用率，内存使用率，gpu使用率等硬件消耗信息，gpu使用率具体为电脑图形处理器的使用率。
95.根据本发明实施例，所述将所述实训框架信息、实训算法信息、实训模型信息、实训要求信息进行方案整合，得到教学实训方案信息,还包括：
96.将所述实训框架信息、实训算法信息、实训模型信息发送至教师客户端；
97.教师通过教师客户端查看所述实训框架信息、实训算法信息、实训模型信息并通过教师客户端输入应用场景数据；
98.系统获取所述应用场景数据，并结合所述实训框架信息、实训算法信息、实训模型信息生成应用场景附加数据；
99.将所述应用场景附加数据附加到教学实训方案信息中形成具有应用场景的教学实训方案信息。
100.需要说明的是，本发明将实训框架信息、实训算法信息、实训模型信息发送至教师客户端，由教师进行实训信息的检查和编写场景并输入应用场景数据，通过本发明方案，能
够大大减轻教师的重复性工作，教师通过合理地添加应用场景信息至教学实训方案能够得到更加贴合实际的教学实训方案，使学员在进行实训时能够充分感受实训方案贴近生活实际，具有实际的学习意义。
101.根据本发明实施例，还包括：
102.获取学员算法硬件资源消耗信息与学员实训模型出错率信息；
103.若所述学员算法硬件资源消耗信息的硬件消耗高于预设条件且学员实训模型出错率高于预设出错率；
104.则获取目标学员ai测试数据，将所述ai测试数据进行智能数据截取，得到截取ai测试数据；
105.将截取ai测试数据作为新的测试数据进行二次实训综合能力评估，得到二次学员实训评估信息；
106.将所述二次学员实训评估信息发送至学员终端设备与教师终端设备进行显示。
107.需要说明的是，在进行实训测试过程中，由于一些学员在初学阶段，所测试出来的学员算法硬件资源消耗信息的硬件消耗与学员实训模型出错较高，难以分段地掌握初学者的ai实训情况，本发明通过将ai测试数据进行智能数据截取，降低测试难度，从而对初学ai的学员能够有较为准确的实训能力评估，增加本发明的实训综合评估的准确星。所述智能数据截取过程，具体为将ai测试数据进行数据量折半截取，每次得到截取后的截取ai测试数据需要循环进行学员算法硬件资源消耗信息与学员实训模型出错率的判断比较，直至学员算法硬件资源消耗信息的硬件消耗低于或等于预设条件且学员实训模型出错率低于或等于预设出错率，所述预设条件与预设出错率一般为教师设定。
108.根据本发明实施例，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试,还包括：
109.进行实训测试时通过系统实时监测目标学员做作答情况；
110.获取实训过程中目标学员的总体测试作答时间、框架搭建时间、算法改进时间；
111.将所述总体测试作答时间、框架搭建时间、算法改进时间进行信息整合得到实训监控数据；
112.根据实训监控数据进行目标学员平均数据比较，得到目标学员实训算法熟练度；
113.根据目标学员实训算法熟练度与目标学员实训评估信息进行测试项分析，得到附加测试项；
114.根据附加测试项生成目标学员附加实训计划。
115.需要说明的是，所述学员平均数据具体为学员监控数据中的平均值，即平均总体测试作答时间、平均框架搭建时间、平均算法改进时间等。本发明通过对目标学员的测试监控数据进行多维度学员算法能力评估，能够得到对目标学员有针对性的目标学员附加实训计划，从而加强学员实训能力。
116.根据本发明实施例,还包括：
117.获取附加测试项；
118.根据附加测试项进行知识点提取，得到测试知识点；
119.根据测试知识点，从ai教学大数据中进行相似实训项目提取，得到实训相似测试项；
120.根据所述实训相似测试项修正目标学员附加实训计划，形成新的目标学员附加实训计划。
121.需要说明的是，所述实训相似测试项具体对附加测试项相似的测试项，所述相似的测试项对学员有强化练习的作用，通过实训相似测试项能够进一步让学员巩固自己对不熟练算法的理解，提升ai实训能力。
122.图4示出了本发明一种基于大数据的ai实训系统的框图。
123.本发明第二方面还提供了一种基于大数据的ai实训系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于大数据的ai实训程序，所述基于大数据的ai实训程序被所述处理器执行时实现如下步骤：
124.获取ai教学大数据；
125.从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备；
126.根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据；
127.根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到教学实训方案信息；
128.根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息。
129.需要说明的是，所述目标学员终端设备一般为计算机终端，本系统终端设备包括学员终端设备、教师终端设备和管理员终端设备。
130.根据本发明实施例，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，之前包括：
131.从互联网进行人工智能教学内容检索，得到初始检索数据；
132.将所述初始检索数据通过预设大数据分类方式进行数据分类，得到ai内容分类数据；
133.根据所述ai内容分类数据进行试题模拟分析与数据整合，得到ai教学大数据。
134.需要说明的是，所述通过预设大数据分类方式进行数据分类，具体为通过大数据分类算法对初始检索数据进行分类，所述大数据分类算法包括knn算法，贝叶斯分类算法等。所述ai内容分类数据具体为对ai实训课程内容进行分类得到的已分类数据，所述ai实训课程内容包括ai的基础概念，框架，算法，模型构建等内容。所述ai内容分类数据进行试题模拟分析与数据整合，具体为将ai内容分类数据进行试题转化，得到相应的ai教学大数据。
135.根据本发明实施例，所述从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备，具体为：
136.从ai教学大数据进行预设学习模块的内容分类与筛选，得到各个学习模块的教学模块数据；
137.将所述教学模块数据进行试题格式转化，得到模块试题数据；
138.将全部模块试题数据进行数据整合得到ai试题数据。
139.需要说明的是，所述学习模块包括基础概念模块，框架模块，算法模块，模型搭建
学习模块，模型实训能力模块等，本发明通过对各个模块的试题提炼分析，得到能够进行综合评定学员ai掌握能力的ai试题数据，从而能够进一步分析出学员的针对性教学方案。
140.根据本发明实施例，所述根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据，具体为：
141.将ai试题数据发送至目标学员终端设备进行试题测试；
142.获取目标学员试题完成数据，将所述目标学员试题完成数据进行预设学习模块的综合评估，得到目标学员学习进度评估数据。
143.需要说明的是，所述目标学员学习进度评估数据包括对目标学员的各个学习模块的进度评估，通过目标学员学习进度评估数据，能够掌握学员对ai基础概念，ai框架，ai算法，模型搭建，模型实训的具体学习情况，从而制定学员的学习方案。
144.根据本发明实施例，所述根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到教学实训方案信息，具体为：
145.根据目标学员学习进度评估数据对特定学习模块内容进行实训内容检索，得到实训框架信息、实训算法信息、实训模型信息；
146.根据目标学员学习进度评估数据对目标学员进行实训能力评估，并生成相应的实训要求信息；
147.将所述实训框架信息、实训算法信息、实训模型信息、实训要求信息进行方案整合，得到教学实训方案信息。
148.根据本发明实施例，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息，具体为：
149.根据教学实训方案信息进行终端格式转化，得到实训大纲数据、实训流程数据；
150.将所述实训大纲数据、实训流程数据进行数据可视化整合，得到ai综合实训数据；
151.将所述ai综合实训数据发送至目标学员终端设备进行显示。
152.需要说明的是，将所述实训大纲数据、实训流程数据进行数据可视化整合中，具体为将实训大纲数据根据实训流程数据生成对终端设备可视化的ai综合实训数据。
153.根据本发明实施例，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试，并根据测试结果生成学员实训评估信息，还包括：
154.获取目标用户实训框架设计数据，实训算法设计数据；
155.将所述实训框架设计数据，实训算法设计数据导入实训测试模块进行测试，并获取测试后的学员算法硬件资源消耗信息、学员算法效率信息，学员算法准确率，学员实训模型出错率信息；
156.根据所述学员算法硬件资源消耗信息、学员算法效率信息，学员算法准确率，学员实训模型出错率信息对学员进行实训综合能力评估，得到学员实训评估信息；
157.将所述学员实训评估信息发送至学员终端设备与教师终端设备进行显示。
158.需要说明的是，所述学员算法硬件资源消耗信息包括处理器综合使用率，内存使用率，gpu使用率等硬件消耗信息，gpu使用率具体为电脑图形处理器的使用率。
159.根据本发明实施例，所述将所述实训框架信息、实训算法信息、实训模型信息、实训要求信息进行方案整合，得到教学实训方案信息,还包括：
160.将所述实训框架信息、实训算法信息、实训模型信息发送至教师客户端；
161.教师通过教师客户端查看所述实训框架信息、实训算法信息、实训模型信息并通过教师客户端输入应用场景数据；
162.系统获取所述应用场景数据，并结合所述实训框架信息、实训算法信息、实训模型信息生成应用场景附加数据；
163.将所述应用场景附加数据附加到教学实训方案信息中形成具有应用场景的教学实训方案信息。
164.需要说明的是，本发明将实训框架信息、实训算法信息、实训模型信息发送至教师客户端，由教师进行实训信息的检查和编写场景并输入应用场景数据，通过本发明方案，能够大大减轻教师的重复性工作，教师通过合理地添加应用场景信息至教学实训方案能够得到更加贴合实际的教学实训方案，使学员在进行实训时能够充分感受实训方案贴近生活实际，具有实际的学习意义。
165.根据本发明实施例，还包括：
166.获取学员算法硬件资源消耗信息与学员实训模型出错率信息；
167.若所述学员算法硬件资源消耗信息的硬件消耗高于预设条件且学员实训模型出错率高于预设出错率；
168.则获取目标学员ai测试数据，将所述ai测试数据进行智能数据截取，得到截取ai测试数据；
169.将截取ai测试数据作为新的测试数据进行二次实训综合能力评估，得到二次学员实训评估信息；
170.将所述二次学员实训评估信息发送至学员终端设备与教师终端设备进行显示。
171.需要说明的是，在进行实训测试过程中，由于一些学员在初学阶段，所测试出来的学员算法硬件资源消耗信息的硬件消耗与学员实训模型出错较高，难以分段地掌握初学者的ai实训情况，本发明通过将ai测试数据进行智能数据截取，降低测试难度，从而对初学ai的学员能够有较为准确的实训能力评估，增加本发明的实训综合评估的准确星。所述智能数据截取过程，具体为将ai测试数据进行数据量折半截取，每次得到截取后的截取ai测试数据需要循环进行学员算法硬件资源消耗信息与学员实训模型出错率的判断比较，直至学员算法硬件资源消耗信息的硬件消耗低于或等于预设条件且学员实训模型出错率低于或等于预设出错率，所述预设条件与预设出错率一般为教师设定。
172.根据本发明实施例，所述根据教学实训方案信息生成ai综合实训数据并发送至目标学员终端设备进行实训测试,还包括：
173.进行实训测试时通过系统实时监测目标学员做作答情况；
174.获取实训过程中目标学员的总体测试作答时间、框架搭建时间、算法改进时间；
175.将所述总体测试作答时间、框架搭建时间、算法改进时间进行信息整合得到实训监控数据；
176.根据实训监控数据进行目标学员平均数据比较，得到目标学员实训算法熟练度；
177.根据目标学员实训算法熟练度与目标学员实训评估信息进行测试项分析，得到附加测试项；
178.根据附加测试项生成目标学员附加实训计划。
179.需要说明的是，所述学员平均数据具体为学员监控数据中的平均值，即平均总体
测试作答时间、平均框架搭建时间、平均算法改进时间等。本发明通过对目标学员的测试监控数据进行多维度学员算法能力评估，能够得到对目标学员有针对性的目标学员附加实训计划，从而加强学员实训能力。
180.根据本发明实施例,还包括：
181.获取附加测试项；
182.根据附加测试项进行知识点提取，得到测试知识点；
183.根据测试知识点，从ai教学大数据中进行相似实训项目提取，得到实训相似测试项；
184.根据所述实训相似测试项修正目标学员附加实训计划，形成新的目标学员附加实训计划。
185.需要说明的是，所述实训相似测试项具体对附加测试项相似的测试项，所述相似的测试项对学员有强化练习的作用，通过实训相似测试项能够进一步让学员巩固自己对不熟练算法的理解，提升ai实训能力。
186.本发明公开了一种基于大数据的ai实训方法及系统，通过从ai教学大数据中进行多模块试题筛选，得到ai试题数据，将所述ai试题数据发送至目标学员终端设备进行多模块测试，根据目标学员试题完成数据进行多模块综合分析，得到目标学员学习进度评估数据，并进一步根据所述目标学员学习进度评估数据进行实训内容分析与检索，得到对不同学员的教学实训方案信息。本发明提高了学员ai实训的效率，减轻了教师的工作量，进一步实现了提高学员ai实训能力的目的。
187.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
188.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
189.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
190.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
191.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，
该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
192.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。