一、機器學(xué)習(xí)工程師項目簡介
機器學(xué)習(xí)工程師是指采用人工智能技術(shù)，開發(fā)人工智能（A?I）機器并使其學(xué)習(xí)和應(yīng)用知識的高級程序員 ，能夠針對監(jiān)控生產(chǎn)系統(tǒng)中的數(shù)據(jù)產(chǎn)品的具體問題快速反應(yīng)。本次課程安排及考試內(nèi)容符合工信部教考中心機器學(xué)習(xí)工程師等級考試項目要求?，適用于大數(shù)據(jù)產(chǎn)業(yè)從業(yè)人員和預(yù)就業(yè)人員?，在大數(shù)據(jù)采集、大數(shù)據(jù)技術(shù)和大數(shù)據(jù)應(yīng)用等領(lǐng)域。
課程涉及Python 編程基礎(chǔ)、Python 數(shù)據(jù)分析與應(yīng)用、?Python 機器學(xué)習(xí)實戰(zhàn)、?Python?數(shù)據(jù)可視化、深度學(xué)習(xí)原理及編程實現(xiàn)，應(yīng)用行業(yè)涉及互聯(lián)網(wǎng)、政府、電商和農(nóng)業(yè)等大數(shù)據(jù)相關(guān)行業(yè)。
機器學(xué)習(xí)工程師主要分有三個級別?，初級、?中級和高級，每個等級面向?qū)ο蠛涂荚噧?nèi)容不一樣。初級首要面向事務(wù)數(shù)據(jù)分析，為機器學(xué)習(xí)領(lǐng)域的初級?崗位，需要懂得數(shù)據(jù)需求，能收集重要的數(shù)據(jù)和必備的信息。?中級分為數(shù)據(jù)挖?掘和大數(shù)據(jù)方向，為機器學(xué)習(xí)領(lǐng)域的中級崗位，理解問題的痛點，?明白如何用機器學(xué)習(xí)方法看待商業(yè)問題。高級為數(shù)據(jù)科學(xué)，歸于機器學(xué)習(xí)領(lǐng)域的高級崗位?，具備從模型中攫取價值的能力?，明白模型的最終目的是產(chǎn)生商業(yè)價值，理解經(jīng) 典模型的基本調(diào)參 ，可以解釋分析模型的輸出結(jié)果，其相關(guān)崗位多為上市、?國企的大型企業(yè)的招聘崗位。
二、能力標準
1、機器學(xué)習(xí)工程師（初級）
需要掌握?Python 編程基礎(chǔ)、?Python 常用數(shù)據(jù)分析及處理工具 numpy、pandas、scikit-learn ，能以Python 作為工具?，基本解決項目中的技術(shù)問題。能夠理解業(yè)務(wù)目標?，并能將業(yè)務(wù)目標初步轉(zhuǎn)化為機器學(xué)習(xí)應(yīng)用問題?，能結(jié)合具體技術(shù)進行初步目標實現(xiàn)。適合政府、金融、?電信、零?售等行業(yè)前端業(yè)務(wù)及從事市場、管理、財務(wù)、供應(yīng)咨詢等職位的相關(guān)人員。
2、機器學(xué)習(xí)工程師（中級）
一年以上機器學(xué)習(xí)技術(shù)的應(yīng)用工作經(jīng)驗 ，或已獲得機器學(xué)習(xí)工程師（初級）證書。掌握 Python 編程基礎(chǔ)； Python 常用數(shù)據(jù)分析 及處理工具numpy、 pandas、 matplotlib、scikit-learn； Python 數(shù)據(jù) 可視化 、 機器學(xué)習(xí) 、常規(guī)案例應(yīng)用，能夠?qū)I(yè)務(wù)目標準確轉(zhuǎn)化為 Python技術(shù)與應(yīng)用目標 ，在機器學(xué)習(xí)項目的需求分析、方案設(shè)計及代碼實現(xiàn)中，按時保質(zhì)交付有實效、有創(chuàng)新、有智慧的機器學(xué)習(xí)項目 ，積極探索，勇于實踐新理論。適合政府、金融、 電信、零售、互聯(lián)網(wǎng)、電商、醫(yī)學(xué)等行業(yè)專門從事機器學(xué)習(xí)應(yīng)用的人員。
3、機器學(xué)習(xí)工程師（高級）
三年以上機器學(xué)習(xí)技術(shù)的應(yīng)用工作經(jīng)驗?，或已獲得機器學(xué)習(xí)工程師（中級）證書。掌握Python 編程基礎(chǔ)；?Python常用數(shù)據(jù)分析及處理工具numpy、?pandas、?matplotlib、scikit-learn；?Python數(shù)據(jù)可視化、機器學(xué)習(xí) 原理、多行業(yè)多領(lǐng)域Python技術(shù)應(yīng)用、深度學(xué)習(xí)、典型人工智能應(yīng)用?，能充分理解業(yè)務(wù)目標 ，并將業(yè)務(wù)目標精準轉(zhuǎn)換、拆分為具體技術(shù)任務(wù)；具有超強數(shù)據(jù)規(guī)劃能力?，不僅能自主完成各環(huán)節(jié)任務(wù)還能帶領(lǐng)機器學(xué)習(xí)團隊完成大型項目?，為企業(yè)生產(chǎn)賦能。適合政府、金融、電信、零售、互聯(lián)網(wǎng)、電商、?醫(yī)學(xué)等行業(yè)機器學(xué)習(xí)應(yīng)用資深人員。
三、課程內(nèi)容
初級：
| 階段 | 課程 | 知識模塊 |
|
前置知識 |
編程基礎(chǔ) | 準備工作 |
| 字符串操作 | ||
| 列表及字典操作 | ||
| 程序流程控制語句 | ||
| 函數(shù)與面向?qū)ο缶幊?/td> | ||
| 文件基礎(chǔ)與內(nèi)置模塊 | ||
|
常用庫應(yīng)用 | 概述 | |
| 數(shù)組創(chuàng)建 | ||
| 數(shù)組索引 | ||
| 通用函數(shù)與文件讀寫 | ||
|
數(shù)據(jù)準備 |
數(shù)據(jù)處理 | 數(shù)據(jù)檢驗 |
| 趨勢度量與分布及數(shù)據(jù)特征分析 | ||
| 數(shù)據(jù)清洗 | ||
| 數(shù)據(jù)標準化、離散化 | ||
| 獨熱編碼與數(shù)據(jù)合并 | ||
| 分組聚合 | ||
|
ETL數(shù)據(jù)整合 | ETL工具與環(huán)境配置 | |
| 數(shù)據(jù)輸入與生成 | ||
| 組件操作 | ||
| 字符串操作、分組、選擇與拆分 | ||
| 計算器與增加序列 | ||
| 數(shù)據(jù)連接與單變量統(tǒng)計 | ||
| 公式與變量 | ||
| 遷移和裝載 | ||
| 工程轉(zhuǎn)換與郵件發(fā)送 | ||
| 數(shù)據(jù)檢查 | ||
|
數(shù)據(jù)分析 |
數(shù)據(jù)可視化 | Matplotlib繪圖 |
| Seaborn繪圖基礎(chǔ)、圖表 | ||
| Pyecharts圖表 | ||
| 供應(yīng)鏈銷售數(shù)據(jù)分析 | ||
| 自熱食品營銷分析 | ||
| 谷物營養(yǎng)成分分析 | ||
| 上市企業(yè)利潤數(shù)據(jù)分析和可視化 | ||
|
機器學(xué)習(xí)算法 | 機器學(xué)習(xí)緒論 | |
| 性能度量 | ||
| 回歸分析 | ||
| 決策樹算法介紹 | ||
| 泰坦尼克號生還者預(yù)測 | ||
| 人工神經(jīng)網(wǎng)絡(luò)介紹 | ||
| 網(wǎng)絡(luò)訓(xùn)練實現(xiàn) | ||
| 性能評價與神經(jīng)網(wǎng)絡(luò)實現(xiàn) | ||
| 最近鄰算法 | ||
| 樸素貝葉斯分類 | ||
| 聚類分析 | ||
| 支持向量機 | ||
| 基于用戶的協(xié)同過濾推薦 | ||
| 基于流行度的推薦 | ||
| 時間序列 | ||
| 項目實戰(zhàn) | 教育平臺的線上課程智能推薦 | 教育平臺的線上課程智能推薦 |
| 職業(yè)技術(shù)考核 | 機器學(xué)習(xí)工程師（初級）職業(yè)技術(shù)考試 |
中級：
| 階段 | 課程 | 知識模塊 |
|
必備技能 |
Python特征工程實戰(zhàn) | 特征工程的概念 |
| 數(shù)據(jù)預(yù)處理 | ||
| 特征構(gòu)建 | ||
| 特征選擇 | ||
| 降維與特征轉(zhuǎn)換 | ||
| 特征學(xué)習(xí) | ||
| 案例分析:表情識別 | ||
| 課程配套數(shù)據(jù)、代碼及PPT | ||
| scikit-learn機器學(xué)習(xí)算法實現(xiàn) | 使用scikit-learn構(gòu)建模型 | |
| 課程配套資料下載 | ||
| Python數(shù)據(jù)預(yù)處理 | 數(shù)據(jù)預(yù)處理 | |
| 配套資料下載 | ||
| 職業(yè)技術(shù)考核 | 機器學(xué)習(xí)工程師（中級）職業(yè)技術(shù)考試 |
高級：
| 階段 | 課程 | 知識模塊 |
|
環(huán)境管理 |
技術(shù)環(huán)境配置 | Python環(huán)境配置 |
| Scala搭建 | ||
| 安裝虛擬機與Java | ||
| Hadoop集群部署模式與固定IP | ||
| Hadoop集群配置與啟動 | ||
| Hive安裝配置 | ||
| Spark安裝部署 | ||
| 搭建Spark開發(fā)環(huán)境 | ||
| 數(shù)據(jù)準備 | 數(shù)據(jù)標注 | 數(shù)據(jù)標注概述 |
| 數(shù)據(jù)存儲、編碼方式與標注工具 | ||
| 數(shù)據(jù)標注平臺與文件格式 | ||
| 文本數(shù)據(jù)標注 | ||
| 語音數(shù)據(jù)標注 | ||
| 圖像數(shù)據(jù)標注基礎(chǔ)與分類 | ||
| 物體檢測實戰(zhàn) | ||
| 語義分割、實例分割與描點標注實戰(zhàn) | ||
|
數(shù)據(jù)倉庫 | Hive表格創(chuàng)建 | |
| Hive查詢與內(nèi)置函數(shù) | ||
| 工程創(chuàng)建與數(shù)據(jù)導(dǎo)入 | ||
| 數(shù)據(jù)統(tǒng)計分析 | ||
| 自定義函數(shù) | ||
| 查詢優(yōu)化 | ||
| 綜合案例：房價數(shù)據(jù)統(tǒng)計分析 （1）數(shù)據(jù)探索與數(shù)值統(tǒng)計 （2）銷售額統(tǒng)計與分析 | ||
|
算法實現(xiàn) |
機器學(xué)習(xí)進階算法 | 半監(jiān)督學(xué)習(xí)與強化學(xué)習(xí) |
| 集成學(xué)習(xí) | ||
| 綜合案例：網(wǎng)絡(luò)入侵用戶自動識別 （1）背景分析與數(shù)據(jù)預(yù)處理 （2）模型訓(xùn)練與預(yù)測 | ||
|
深度學(xué)習(xí)框架 | MindSpore框架基礎(chǔ) | |
| MindSpore構(gòu)建線性模型 | ||
| MindSpore手寫數(shù)字識別-數(shù)據(jù)加載與轉(zhuǎn)換 | ||
| MindSpore手寫數(shù)字識別-模型訓(xùn)練與預(yù)測 | ||
| 綜合案例：問政留言分類 （1）重復(fù)值刪除與文本預(yù)處理 （2）分詞與構(gòu)建word2vec詞向量 （3）詞向量提取 （4）模型搭建 （5）模型訓(xùn)練與預(yù)測 | ||
| 綜合案例：腦PET圖像分析和疾病預(yù)測 （1）圖像讀取與增強 （2）模型介紹與定義 （3）模型訓(xùn)練與應(yīng)用 | ||
| 卷積神經(jīng)網(wǎng)絡(luò) | ||
| PyTorch實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò) | ||
| PyTorch實現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò) | ||
| PyTorch實現(xiàn)手寫數(shù)字識別 | ||
| 綜合案例：基于textCNN的公眾健康問句分?類 （1）背景分析與數(shù)據(jù)探索 （2）文本預(yù)處理 （3）獲取詞向量矩陣 （4）模型構(gòu)建與訓(xùn)練 | ||
| 綜合案例：基于深度學(xué)習(xí)的花卉智能識別 （1）數(shù)據(jù)爬取 （2）數(shù)據(jù)探索與處理 （3）模型訓(xùn)練與預(yù)測 | ||
| 綜合案例：基于PyTorch實現(xiàn)VGG網(wǎng)絡(luò)貓狗?大戰(zhàn) （1）數(shù)據(jù)劃分與預(yù)處理 | ||
| （2）模型訓(xùn)練與預(yù)測 | ||
|
分布式計算框架 | 架構(gòu)及原理 | |
| RDD常用算子 | ||
| 文件讀取與時長統(tǒng)計 | ||
| 創(chuàng)建DataFrame | ||
| DataFrame API操作 | ||
| 數(shù)據(jù)保存與DataSet操作 | ||
| 分布式流式處理框架 | ||
| 編程模型 | ||
| 圖創(chuàng)建方式與圖緩存管理 | ||
| 圖頂點與邊轉(zhuǎn)換 | ||
| 圖結(jié)構(gòu)轉(zhuǎn)換與圖關(guān)聯(lián)聚合操作 | ||
| MLlib機器學(xué)習(xí)算法庫與數(shù)據(jù)標準化 | ||
| 回歸、分類與聚類模型 | ||
| 關(guān)聯(lián)規(guī)則、協(xié)同過濾算法與模型評價 | ||
| 綜合案例：熱門博文實時推薦 （1）Streaming概述與DStream操作 （2）實時更新熱門博文 | ||
| 綜合案例：餐飲大數(shù)據(jù)智能推薦 （1）數(shù)據(jù)探索與處理 （2）算法原理與建模 （3）菜品推薦 | ||
| 綜合案例：招聘網(wǎng)站數(shù)據(jù)分析 （1）案例背景與數(shù)據(jù)存儲 （2）數(shù)據(jù)探索與中文分詞 （3）數(shù)據(jù)預(yù)處理與特征轉(zhuǎn)換 （4）模型構(gòu)建與詞云圖繪制 | ||
| 綜合案例：?P2P信用貸款風(fēng)險分析 （1）案例背景與數(shù)據(jù)導(dǎo)入 （2）數(shù)據(jù)探索分析 （3）特征構(gòu)建 （4）數(shù)據(jù)預(yù)處理與模型構(gòu)建 | ||
| 職業(yè)技術(shù)考核 | 機器學(xué)習(xí)工程師（高級）職業(yè)技術(shù)考試 |
四、報考條件
初級：無要求 ，皆可報考。
中級：（滿足其中一個條件即可）
1.獲得初級證書。
2.年滿18周歲，具備高中以上學(xué)歷，工作年限滿1年
高級：（滿足其中一個條件即可）
1.獲得中級證書。
2.年滿20周歲以上，工作年限滿2年
3.年滿20周歲以上，具備大專及以上學(xué)歷
五、考試方式
考試方式分為線下考試站點或線上考試系統(tǒng)統(tǒng)考兩種方式，考試形式為上機答題，閉卷。
考試題型：
初級： 120 分鐘 ，單選題+多選題+判斷題+操作題+簡答題 ，上機答題。
中級：?120 分鐘 ，單選題+多選題+判斷題+操作題+簡答題 ，上機答題
高級：?120 分鐘 ，單選題+多選題+判斷題+操作題+簡答題 ，上機答題。
六、成績評分
考試最終成績滿分為100分，成績80-100分為優(yōu)秀；成績60-79分
為合格；成績60分以下為不合格。
七、證書頒發(fā)
學(xué)員經(jīng)考核合格，由工業(yè)和信息化部教育與考試中心頒發(fā)機器學(xué)習(xí)工程師職業(yè)技術(shù)證書，證書可登錄國家工信部教育與考試中心官網(wǎng)查詢。
證書樣本：
習(xí)工程師.png "機器學(xué)習(xí)工程師")
八、官方指定報名渠道www.xmqqs.cn，詳情可咨詢：
必須備注：機器學(xué)習(xí)工程師
相關(guān)導(dǎo)航
Copyright?2023-2025 AIGC工具導(dǎo)航 津ICP備2022006237號-2
津公網(wǎng)安備12011002023007號 12377違法和不良信息舉報中心 互聯(lián)網(wǎng)違法和不良信息舉報渠道