【摘    要】

指南从政策、技术、产业层面介绍了当前高质量数据集建设的背景，梳理了高质量数据集的定义、特征、分类、建设主体以及“三大建设难点”，提出了人工智能数据工程的“五大核心要素”和企业建设高质量数据集“三步走”战略，分析了高质量数据集建设的核心技术，展示了科学、通信、交通、铁塔、医疗、文化等领域高质量数据集建设实践，最后从工程能力、技术创新、质量评估、版权合规、基础制度创新等层面对未来高质量数据集建设的趋势进行了展望，并提出了对政府部门和企业机构的建议，为业界推进高质量数据集建设提供有力支撑。

【目    录】

一、高质量数据集成为人工智能应用升级的核心要素

（一）政策层面：“人工智能+数据要素”政策协同布局

（二）技术层面：人工智能技术演进重构数据工程范式

（三）产业层面：数据成为人工智能行业应用的护城河

二、高质量数据集建设的现状和难点

（一）高质量数据集的“三高”特征

（二）高质量数据集分类维度

（三）高质量数据集建设主体

（四）高质量数据集建设难点

三、搭建人工智能数据工程能力核心要素

（一）管理体系

（二）开发维护

（三）质量控制

（四）资源运营

（五）合规可信

四、高质量数据集建设路径设计

（一）体系规划阶段——构建高质量数据集认知框架

（二）工程建设阶段——打造高质量数据集生产体系

（三）质量监测阶段——构建高质量数据集全流程管控机制

五、高质量数据集“炼化”流程和技术

（一）数据设计和采集

（二）数据治理

（三）数据标注

（四）数据质检

（五）数据运营

六、总结展望和建议

（一）建立AI数据工程体系

（二）推动AI数据技术创新

（三）搭建全流程AI数据质量管理体系

（四）加快AI数据开发利用机制突破

【全文下载】

人工智能高质量数据集建设指南.pdf