岗位认证介绍

Introduction to post certification

一、适用学习对象

中高职在校相关专业学生、专科及以上同等学历非相关专业转行人员、符合初级申报资格的人员

二、岗位能力要求

a) 综合能力

——理解算法工程师日常工作流程，常用框架及工具，具备一定的使用AI算法构建业务流的能力；

——根据实际业务需求能够提出初步解决方案，并对模型进行训练和评估，了解模型的各项指标及优化方向；

——掌握深度学习手段和建模方法，了解构建深度学习的方法论，能够利用深度学习方法来解决部分实际应用问题。

b) 专业知识能力

——有良好的算法基础，对深度学习算法有了解，熟悉主流的深度学习模型，并能完成对模型的优化，超参数选择等；

——掌握CV领域深度学习基本技术及原理，并能完成对图像的分类；

——熟悉NLP中常用的深度序列模型及其变体，了解他们的发展和各自致力于解决的实际问题。

c)技能能力

——具备扎实的编程开发基础，掌握PyTorch、 SKlearn，Numpy，Pandas，Matplotlib等常用深度学习框架及科学计算库；

——具备基本的模型优化及调参能力，能针对不同问题场景完成数据的增强及并提高模型的泛化能力及准确性。

d)工程实践能力

——具备深度学习项目研发经验，初步了解模型的后处理流程，量化蒸馏裁剪等，并知道模型的优化方式，能够完成简单的深度学习模型的工程化实践；

——能够对数据进行可靠的数据预处理及特征工程，保证训连深度学习的模型数据优质，利于模型学习。

三、考纲明细

四、学习路径

（一）掌握六门基础课程

    1. 《人工智能导论》

    2. 《人工智能应用基础》

    3. 《Linux系统管理》

    4. 《数据库技术及应用》

    5. 《计算机与大数据基础》

    6. 《大数据平台应用》

    7.《机器学习》

（二）掌握四门专业核心课程

    1. 《python基础》

    2. 《特征工程与机器学习基础算法》

    3. 《深度学习与自然语言处理》

    4. 《深度学习与计算机视觉》

（三）熟练学习四个实训项目

    1. 人工智能通识与导论

    2. 人工智能程序设计

    3. 机器学习技术与应用

    4. 计算机视觉技术与应用