一、項(xiàng)目簡(jiǎn)介
為貫徹落實(shí)《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》、工業(yè)和信息化部《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020 年）》等文件精神，結(jié)合我國人工智能應(yīng)用型人才緊缺現(xiàn)狀，提升我國人工智能應(yīng)用型人才素質(zhì)，工業(yè)和信息化部教育與考試中心經(jīng)過長(zhǎng)期調(diào)研和論證，在國家工業(yè)和信息化部人才培養(yǎng)考評(píng)項(xiàng)目序列中推出了以人工智能應(yīng)用型人才培養(yǎng)為核心的人工智能應(yīng)用工程師考評(píng)項(xiàng)目。
人工智能應(yīng)用工程師考試是對(duì)人工智能領(lǐng)域從業(yè)者的全面考核，共分為初級(jí)，中級(jí)，高級(jí)三個(gè)等級(jí)。
二、能力標(biāo)準(zhǔn)
1、人工智能應(yīng)用工程師（初級(jí)）
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，解決基本的數(shù)據(jù)分析問題。能夠理解業(yè)務(wù)目標(biāo)，并能將業(yè)務(wù)目標(biāo)初步轉(zhuǎn)化為人工智能初級(jí)應(yīng)用的能力，能結(jié)合具體技術(shù)進(jìn)行初步目標(biāo)實(shí)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(chǎng)、管理、財(cái)務(wù)、供應(yīng)、咨詢等職位的相關(guān)人員。
2、人工智能應(yīng)用工程師（中級(jí)）
一年以上大數(shù)據(jù)分析應(yīng)用或人工智能應(yīng)用實(shí)踐工作經(jīng)驗(yàn)，或已獲得人工智能應(yīng)用工程師（初級(jí)）。掌握Python編程基礎(chǔ)；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(jī)器學(xué)習(xí)、常規(guī)案例應(yīng)用，能夠?qū)I(yè)務(wù)目標(biāo)準(zhǔn)確轉(zhuǎn)化為人工智能技術(shù)與應(yīng)用目標(biāo)，能將業(yè)務(wù)目標(biāo)拆解成不同任務(wù)并找到對(duì)應(yīng)技術(shù)實(shí)現(xiàn)方法，提升工作價(jià)值。
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)專門從事人工智能分析應(yīng)用的人員。
3、人工智能應(yīng)用工程師（高級(jí)）
三年以上大數(shù)據(jù)分析應(yīng)用或人工智能應(yīng)用實(shí)踐崗位工作經(jīng)驗(yàn)，或已獲得人工智能應(yīng)用工程師（中級(jí)）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；數(shù)據(jù)可視化、自然語言處理、網(wǎng)絡(luò)爬蟲、人工智能應(yīng)用、機(jī)器學(xué)習(xí)、多行業(yè)多領(lǐng)域AI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(biāo)，并將業(yè)務(wù)目標(biāo)精準(zhǔn)轉(zhuǎn)換、拆分為具體技術(shù)任務(wù)；具有超強(qiáng)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)數(shù)據(jù)分析團(tuán)隊(duì)完成大型項(xiàng)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)數(shù)據(jù)分析應(yīng)用資深人員。
三、課程內(nèi)容
初級(jí)：
| 階段 | 課程 | 知識(shí)模塊 |
| 必備技能
| 人工智能導(dǎo)論 | 人工智能概述 |
| 大數(shù)據(jù)與人工智能 | ||
| 配套資料下載 | ||
| Python編程基礎(chǔ) | 數(shù)據(jù)挖掘基礎(chǔ) | |
| Python數(shù)據(jù)挖掘編程基礎(chǔ) | ||
| 配套資料下載 | ||
| 科學(xué)計(jì)算包NumPy | NumPy數(shù)值計(jì)算基礎(chǔ) | |
| 課程配套資料下載 | ||
| Python數(shù)據(jù)可視化 | Matplotlib | |
| 配套資料下載 | ||
| Python數(shù)據(jù)探索 | 數(shù)據(jù)探索 | |
| 配套資料下載 | ||
| 職業(yè)技術(shù)考核 | 人工智能應(yīng)用工程師（初級(jí)）職業(yè)技術(shù)考試 |
?中級(jí)：
| 階段 | 課程 | 知識(shí)模塊 |
| 人工智能環(huán)境管理 | 環(huán)境與存儲(chǔ)系統(tǒng)配置 | 第三方庫與虛擬機(jī)安裝 |
| 依賴環(huán)境安裝與配置 | ||
| 分布式服務(wù)框架安裝與存儲(chǔ)系統(tǒng)配置 | ||
| 人工智能數(shù)據(jù)管理 | 數(shù)據(jù)獲取與采集技術(shù) | 爬蟲環(huán)境與爬蟲簡(jiǎn)介 |
| 網(wǎng)頁前端基礎(chǔ) | ||
| 簡(jiǎn)單靜態(tài)網(wǎng)頁爬取 | ||
| 模擬登錄 | ||
| 網(wǎng)絡(luò)爬蟲框架 | ||
| 數(shù)據(jù)標(biāo)注技術(shù) | 數(shù)據(jù)標(biāo)注 | |
| 數(shù)據(jù)遷移技術(shù) | 基礎(chǔ)操作命令 | |
| 人工智能應(yīng)用編程 | 特征工程實(shí)戰(zhàn) | 特征工程的概念 |
| 數(shù)據(jù)探索與刪除缺失值 | ||
| 缺失值填充、標(biāo)準(zhǔn)化與歸一化處理 | ||
| 特征構(gòu)建 | ||
| 基于皮爾遜相關(guān)系數(shù)與假設(shè)檢驗(yàn)的特征選擇 | ||
| 基于樹與線性模型的特征選擇 | ||
| 降維 | ||
| 特征轉(zhuǎn)換 | ||
| 特征學(xué)習(xí)-相關(guān)介紹與數(shù)據(jù)準(zhǔn)備 | ||
| 特征學(xué)習(xí)-代碼實(shí)現(xiàn) | ||
| 表情識(shí)別案例 | ||
| 圖像處理技術(shù) | 概述 | |
| 圖像基礎(chǔ) | ||
| 圖像幾何變換 | ||
| 灰度級(jí)修正 | ||
| 圖像二值化與圖像平滑 | ||
| 圖像銳化 | ||
| 視頻圖像處理練習(xí) | ||
| 循環(huán)讀取圖片數(shù)據(jù) | ||
| 第三方庫讀取圖像文件 | ||
| 單張圖像增強(qiáng) | ||
| 多張圖像增強(qiáng) | ||
| 自然語言處理 | 緒論 | |
| 語料預(yù)處理 | ||
| 正向與逆向最大匹配法 | ||
| N元語法模型與隱馬爾可夫 | ||
| Viterbi算法 | ||
| jieba分詞與去停用詞 | ||
| 機(jī)器學(xué)習(xí)算法 | 機(jī)器學(xué)習(xí)緒論 | |
| 回歸分析 | ||
| 決策樹算法介紹 | ||
| 泰坦尼克號(hào)生還者預(yù)測(cè) | ||
| 人工神經(jīng)網(wǎng)絡(luò)介紹 | ||
| 單樣本網(wǎng)絡(luò)訓(xùn)練 | ||
| 全樣本網(wǎng)絡(luò)訓(xùn)練 | ||
| 全樣本網(wǎng)絡(luò)訓(xùn)練 | ||
| 最近鄰算法 | ||
| 聚類分析 | ||
| 支持向量機(jī)算法介紹 | ||
| 支持向量機(jī)代碼實(shí)現(xiàn) | ||
| 基于用戶的協(xié)同過濾推薦 | ||
| 基于流行度推薦 | ||
| 人工智能應(yīng)用測(cè)試 | 模型效果測(cè)試 | 性能度量 |
| 構(gòu)建評(píng)價(jià)聚類和分類模型 | ||
| 構(gòu)建評(píng)價(jià)回歸模型與算法優(yōu)化 | ||
| 項(xiàng)目實(shí)戰(zhàn) | 水產(chǎn)養(yǎng)殖水質(zhì)智能識(shí)別 | 水產(chǎn)養(yǎng)殖水質(zhì)智能識(shí)別： 1.?單張圖像預(yù)處理 2.?批量數(shù)據(jù)預(yù)處理與模型構(gòu)建 |
| 職業(yè)技術(shù)考核 | 人工智能應(yīng)用工程師（中級(jí)）職業(yè)技術(shù)考試 |
?高級(jí)：
| 階段 | 課程 | 知識(shí)模塊 |
| 人工智能環(huán)境管理 | 環(huán)境與存儲(chǔ)系統(tǒng)配置 | 搭建Python環(huán)境 |
| 搭建Spark環(huán)境 | ||
| 安裝虛擬機(jī)與Java | ||
| Hadoop集群配置 | ||
| 分布式服務(wù)框架 | ||
| 分布式數(shù)據(jù)庫 | ||
| 人工智能數(shù)據(jù)管理 | 數(shù)據(jù)標(biāo)注技術(shù) | 數(shù)據(jù)標(biāo)注 |
| 數(shù)據(jù)遷移技術(shù) | 數(shù)據(jù)遷移工具 | |
| 人工智能應(yīng)用編程 | 深度學(xué)習(xí)算法 | 人工神經(jīng)網(wǎng)絡(luò)介紹 |
| 單樣本網(wǎng)絡(luò)訓(xùn)練 | ||
| 全樣本網(wǎng)絡(luò)訓(xùn)練 | ||
| 深度學(xué)習(xí)原理 | ||
| 循環(huán)神經(jīng)網(wǎng)絡(luò) | ||
| LSTM與生成對(duì)抗神經(jīng)網(wǎng)絡(luò) | ||
| TensorFlow2深度學(xué)習(xí)實(shí)現(xiàn) | ||
| TensorFlow2實(shí)現(xiàn)手寫數(shù)字識(shí)別 | ||
| PyTorch深度學(xué)習(xí)實(shí)現(xiàn) | ||
| PyTorch實(shí)現(xiàn)手寫數(shù)字識(shí)別 | ||
| MindSpore深度學(xué)習(xí)實(shí)現(xiàn) | ||
| MindSpore實(shí)現(xiàn)手寫數(shù)字識(shí)別 | ||
| 基于PyTorch實(shí)現(xiàn)VGG網(wǎng)絡(luò)貓狗大戰(zhàn)； 1.數(shù)據(jù)預(yù)處理 2.模型訓(xùn)練與預(yù)測(cè) 3.模型訓(xùn)練與預(yù)測(cè) | ||
| 計(jì)算機(jī)視覺實(shí)戰(zhàn) | 乳腺癌組織病理圖像分類: 1.?背景分析與直方圖均衡化 2.?圖像增強(qiáng) 3.?模型訓(xùn)練與評(píng)估 | |
| 基于深度學(xué)習(xí)的肝臟腫瘤分割: 1.?案例背景與數(shù)據(jù)介紹 2.?數(shù)據(jù)讀取與windowing方法 3.?數(shù)據(jù)預(yù)處理 4.?圖像增強(qiáng)與歸一化 5.?模型搭建與訓(xùn)練 | ||
| 電力巡檢智能缺陷檢測(cè)： 1.?背景介紹與數(shù)據(jù)探索 2.?掩膜圖形二值化與圖像切分 3.?數(shù)據(jù)平衡與圖像增強(qiáng) 4.?圖像批處理與模型搭建 5.?模型訓(xùn)練和測(cè)試 6.?模型預(yù)測(cè) 7.?yolo-V3原理與實(shí)現(xiàn) | ||
| 人臉智能生成 | ||
| 自然語言處理 | 向量化與獨(dú)熱編碼 | |
| 詞袋模型與TF-IDF | ||
| Word2Vec模型： 1.?概述與訓(xùn)練 2.?應(yīng)用與Doc2Vec模型 | ||
| 垃圾短信智能識(shí)別： 1.?背景介紹與預(yù)處理 2.?詞頻統(tǒng)計(jì)與文本向量化 | ||
| 基于深度學(xué)習(xí)的問政留言分類： 1.?背景介紹與預(yù)處理 2.?詞向量提取與模型訓(xùn)練 | ||
| 股市評(píng)論數(shù)據(jù)情感分析： 1.?背景介紹與預(yù)處理 2.?機(jī)器學(xué)習(xí)模型 3.?深度學(xué)習(xí)模型 4.?測(cè)試集預(yù)測(cè) | ||
| 基于Seq2Seq的機(jī)器翻譯： 1.?數(shù)據(jù)預(yù)處理與劃分 2.?定義模型結(jié)構(gòu) 3.?模型編譯與訓(xùn)練 4.?翻譯與模型優(yōu)化 | ||
| 語音識(shí)別技術(shù) | 語音識(shí)別概述與wave操作 | |
| 讀寫音頻與錄音 | ||
| 時(shí)域、頻域與Mel譜圖 | ||
| 降噪與靜音處理 | ||
| 預(yù)加重、分幀、加窗與傅里葉變換 | ||
| 語音特征提取 | ||
| 常用的語音識(shí)別算法介紹 | ||
| 聲紋智能識(shí)別 | ||
| 英文數(shù)字語音識(shí)別： 1.?背景介紹與數(shù)據(jù)讀取 2.?數(shù)據(jù)劃分與特征提取 3.?特征處理與維度分析 4.?數(shù)據(jù)預(yù)處理與模型構(gòu)建 5.?模型訓(xùn)練與測(cè)試 | ||
| 語音智能合成： 1.?背景介紹與預(yù)處理 2.?數(shù)據(jù)集構(gòu)建與模型結(jié)構(gòu) 3.?模型代碼 | ||
| 人工智能應(yīng)用測(cè)試 | 模型效果測(cè)試 | 市財(cái)政收入分析及預(yù)測(cè)： 1.?相關(guān)性分析與Lasso回歸方法 2.?特征值預(yù)測(cè)與模型訓(xùn)練 |
| P2P信貸結(jié)果預(yù)測(cè)： 1.?背景分析與數(shù)據(jù)加載 2.?非結(jié)構(gòu)化數(shù)據(jù)處理 3.?缺失值處理 4.?異常值處理 5.?構(gòu)建新指標(biāo)并劃分?jǐn)?shù)據(jù) 6.?模型預(yù)測(cè) | ||
| 職業(yè)技術(shù)考核 | 人工智能應(yīng)用工程師（高級(jí)）職業(yè)技術(shù)考試 |
四、報(bào)考條件
初級(jí)：無要求，皆可報(bào)考。
中級(jí)：（滿足其中一個(gè)條件即可）?
1.獲得初級(jí)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(jí)：（滿足其中一個(gè)條件即可）
1.獲得中級(jí)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(diǎn)或線上考試系統(tǒng)統(tǒng)考兩種方式，考試形式為上機(jī)答題，閉卷。
考試題型：
初級(jí)：120 分鐘，單選題+多選題+判斷題+操作題+簡(jiǎn)答題，上機(jī)答題。
中級(jí)：120 分鐘，單選題+多選題+判斷題+操作題+簡(jiǎn)答題，上機(jī)答題。
高級(jí)：120 分鐘，單選題+多選題+判斷題+操作題+簡(jiǎn)答題，上機(jī)答題。
六、成績(jī)?cè)u(píng)分
考試最終成績(jī)滿分為100分，成績(jī)80-100分為優(yōu)秀；成績(jī)60-79分
為合格；成績(jī)60分以下為不合格。
七、證書樣本
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)人工智能應(yīng)用工程師職業(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：
用工程師.png "人工智能應(yīng)用工程師")
八、官方指定報(bào)名渠道www.xmqqs.cn，詳情可咨詢：
必須備注：人工智能應(yīng)用工程師
相關(guān)導(dǎo)航
.png)
津公網(wǎng)安備12011002023007號(hào)