Python 常用数据分析及处理工 具 numpy、pandas、matplotlib、scikit-learn；Python 数据可视化、机器学 习、多行业多领域 Python 技术应用、深度学习、典型人工智能应用

它是一种实现人工智能的方式，是一门交叉学科，综合了统计学、概率论、逼近论、凸分析、计算复杂性理论等。

‖ 项目简介      大模型应用工程师职业技术认证是工业和信息化部教育与考试中心推出的，针对大模型领域专业人才的考核体系。该认证旨在衡量从业者在大模型应用‌数据整合、语义理解、逻辑推理、文本输出以及应用等方面的能力，以满足不同行业对大模型应用人才的需求，推动企业大模型应用驱动决策的发展。      证书分为初级、中级、高级三个等级，为不同层次的大模型应用人才提供了专业的能力考核。 ‖ 能力标准 1、大模型应用工程师（初级）      掌握大模型的基础应用，如数据清洗、预处理，以及模型的基本训练和调优。能够使用常见的深度学习框架和工具，进行大模型的部署和集成。     熟悉PyTorch、TensorFlow等深度学习平台，能够使用Python/C++编程语言进行基本的模型开发和调试。具备数据处理能力，包括数据爬取、清洗、增强和标注等。     通过实际操作，熟悉大模型在实际项目中的应用流程，包括模型设计、数据处理、训练与优化、部署以及性能监测与维护等环节。 2、大模型应用工程师（中级）      掌握大模型的基础应用，如数据清洗、预处理，以及模型的基本训练和调优。能够使用常见的深度学习框架和工具，进行大模型的部署和集成。     熟悉PyTorch、TensorFlow等深度学习平台，能够使用Python/C++编程语言进行基本的模型开发和调试。具备数据处理能力，包括数据爬取、清洗、增强和标注等。     深入了解LLM大模型的基础特性和应用场景，掌握大模型部署与应用的相关技术。     熟练进行数据读取、模型训练、特征提取与相似度计算等操作，实现准确高效的文本检索功能，并对整个文本检索过程进行总结和优化。     具备一定的商业敏感度，能够结合业务场景，从大模型应用角度提出合理的建议和决策支持。 3、大模型应用工程师（高级）      掌握大模型的基础应用，如数据清洗、预处理，以及模型的基本训练和调优。能够使用常见的深度学习框架和工具，进行大模型的部署和集成。     熟悉PyTorch、TensorFlow等深度学习平台，能够使用Python/C++编程语言进行基本的模型开发和调试以及熟悉使用modelscope平台和LLaMA - Factory界面微调工具等。     具备数据处理能力，包括数据爬取、清洗、增强和标注等。深入了解LLM大模型的基础特性和应用场景，掌握大模型部署与应用的相关技术以及深入理解基于CLIP模型的电商多模态图文检索原理和应用场景，能够对相关数据进行有效的预处理，使其符合模型输入要求。     具备独立部署Qwen2大模型的能力，包括环境搭建、模型配置、运行调试等环节，同时能够对模型进行量化优化，提高模型运行效率。了解其他常见大模型的部署方法和流程，具备举一反三的能力，同时具备团队管理和项目协调能力，能够带领团队完成大模型应用分析项目，与其他部门有效沟通协作，推动大模型成果在企业中的落地应用。 ‖ 课程内容 ‖ 报考条件 初级：无要求，皆可报考。 中级：（满足其中一个条件即可） 1. 获得初级证书。 2. 年满18周岁，具备高中以上学历，工作年限满1年。 高级：（满足其中一个条件即可） 1. 获得中级证书。 2. 年满20周岁以上，工作年限满2年。 3. 年满20周岁以上，具备大专及以上学历。 ‖ 考试方式 考试方式分为线下考试站点或线上考试系统统考两种方式，考试形式为上机答题，闭卷。 考试题型： 初级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 中级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 高级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 ‖ 成绩评分 考试最终成绩满分为100分，成绩80-100分为优秀；成绩60-79分为合格；成绩60分以下为不合格。 ‖ 证书样本 学员经考核合格，由工业和信息化部教育与考试中心颁发的大模型应用工程师职业技术证书，证书可登录国家工信部教育与考试中心官网查询。  

Python 常用数据分析及处理工 具 numpy、pandas、matplotlib、scikit-learn；Python 数据可视化、机器学 习、多行业多领域 Python 技术应用、深度学习、典型人工智能应用

Python 常用数据分析及处理工 具 numpy、pandas、matplotlib、scikit-learn；Python 数据可视化、机器学 习、多行业多领域 Python 技术应用、深度学习、典型人工智能应用

项目简介        AIGC应用工程师是由工业和信息化部教育与考试中心推出一套专业化，科学化，系统化的人才考核标准，涉及多个领域和岗位，如服装设计、花型设计、图片拍摄、数字人等行业专门从事基于人工智能通用框架的应用开发工作

大模型开发工程师旨在精准评估和考核在大模型开发领域具备专业技能与实践经验的人才，聚焦于大模型架构设计、算法研发、模型训练与优化、部署及创新应用等核心能力，全面覆盖从基础理论到前沿技术实践的各个层面，有力推动人工智能技术在各行业的深度应用与创新发展

‖ 项目简介      大模型应用工程师职业技术认证是工业和信息化部教育与考试中心推出的，针对大模型领域专业人才的考核体系。该认证旨在衡量从业者在大模型应用‌数据整合、语义理解、逻辑推理、文本输出以及应用等方面的能力，以满足不同行业对大模型应用人才的需求，推动企业大模型应用驱动决策的发展。      证书分为初级、中级、高级三个等级，为不同层次的大模型应用人才提供了专业的能力考核。 ‖ 能力标准 1、大模型应用工程师（初级）      掌握大模型的基础应用，如数据清洗、预处理，以及模型的基本训练和调优。能够使用常见的深度学习框架和工具，进行大模型的部署和集成。     熟悉PyTorch、TensorFlow等深度学习平台，能够使用Python/C++编程语言进行基本的模型开发和调试。具备数据处理能力，包括数据爬取、清洗、增强和标注等。     通过实际操作，熟悉大模型在实际项目中的应用流程，包括模型设计、数据处理、训练与优化、部署以及性能监测与维护等环节。 2、大模型应用工程师（中级）      掌握大模型的基础应用，如数据清洗、预处理，以及模型的基本训练和调优。能够使用常见的深度学习框架和工具，进行大模型的部署和集成。     熟悉PyTorch、TensorFlow等深度学习平台，能够使用Python/C++编程语言进行基本的模型开发和调试。具备数据处理能力，包括数据爬取、清洗、增强和标注等。     深入了解LLM大模型的基础特性和应用场景，掌握大模型部署与应用的相关技术。     熟练进行数据读取、模型训练、特征提取与相似度计算等操作，实现准确高效的文本检索功能，并对整个文本检索过程进行总结和优化。     具备一定的商业敏感度，能够结合业务场景，从大模型应用角度提出合理的建议和决策支持。 3、大模型应用工程师（高级）      掌握大模型的基础应用，如数据清洗、预处理，以及模型的基本训练和调优。能够使用常见的深度学习框架和工具，进行大模型的部署和集成。     熟悉PyTorch、TensorFlow等深度学习平台，能够使用Python/C++编程语言进行基本的模型开发和调试以及熟悉使用modelscope平台和LLaMA - Factory界面微调工具等。     具备数据处理能力，包括数据爬取、清洗、增强和标注等。深入了解LLM大模型的基础特性和应用场景，掌握大模型部署与应用的相关技术以及深入理解基于CLIP模型的电商多模态图文检索原理和应用场景，能够对相关数据进行有效的预处理，使其符合模型输入要求。     具备独立部署Qwen2大模型的能力，包括环境搭建、模型配置、运行调试等环节，同时能够对模型进行量化优化，提高模型运行效率。了解其他常见大模型的部署方法和流程，具备举一反三的能力，同时具备团队管理和项目协调能力，能够带领团队完成大模型应用分析项目，与其他部门有效沟通协作，推动大模型成果在企业中的落地应用。 ‖ 课程内容 ‖ 报考条件 初级：无要求，皆可报考。 中级：（满足其中一个条件即可） 1. 获得初级证书。 2. 年满18周岁，具备高中以上学历，工作年限满1年。 高级：（满足其中一个条件即可） 1. 获得中级证书。 2. 年满20周岁以上，工作年限满2年。 3. 年满20周岁以上，具备大专及以上学历。 ‖ 考试方式 考试方式分为线下考试站点或线上考试系统统考两种方式，考试形式为上机答题，闭卷。 考试题型： 初级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 中级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 高级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 ‖ 成绩评分 考试最终成绩满分为100分，成绩80-100分为优秀；成绩60-79分为合格；成绩60分以下为不合格。 ‖ 证书样本 学员经考核合格，由工业和信息化部教育与考试中心颁发的大模型应用工程师职业技术证书，证书可登录国家工信部教育与考试中心官网查询。  

Python 常用数据分析及处理工 具 numpy、pandas、matplotlib、scikit-learn；Python 数据可视化、机器学 习、多行业多领域 Python 技术应用、深度学习、典型人工智能应用

‖ 项目简介      大数据采集工程师是由工业和信息化部教育与考试中心推出一套专业化、科学化、系统化的人才考核标准，是针对大数据采集领域专业人才的权威考核体系。    “大数据采集工程师 ”是对在大数据采集、清洗、存储、处理及系统架构设计及大数据技术等前沿科技领域中，使用大数据采集技术作为主要工具和方法进行工作的专业人员的全面技能考核，分为初级，中级，高级三个等级。 ‖ 能力标准 1、大数据采集工程师（初级）      了解大数据采集的基本概念与常用技术框架，熟悉Python语言基础及网络爬虫的基本原理。     掌握简单的网页数据采集方法，能够运用基础工具进行静态网页数据爬取，如获取网页中的文本、图片链接等信息，并能对采集到的数据进行初步整理和存储。     具备一定的网页前端知识，可通过浏览器开发者工具分析网页结构，辅助数据定位与采集。     熟悉常见的数据格式转换与存储方式，能够将采集的数据保存为本地文件或简单数据库。 2、大数据采集工程师（中级）      熟练掌握Python网络爬虫技术，能够应对常规动态网页的数据采集挑战，构建高效的数据采集系统，实现大规模数据的自动化抓取。     深入理解数据传输原理，熟练掌握 Flume 等数据采集与传输工具的配置与优化，确保数据在不同系统间的稳定、高效传输。     熟悉常见的大数据存储技术基础，如 Hadoop、Hive 的基本操作，能够将采集的数据合理存储到分布式存储系统中，并进行简单的数据查询与管理。 3、大数据采集工程师（高级）      精通Python网络爬虫的高级技术与架构设计，能够针对复杂的网站结构和反爬机制制定有效的采集策略，实现深度和精准的数据采集。     熟练掌握 Flume 等数据采集工具的高级特性与性能优化技巧，可根据不同的数据源和应用场景定制高效的数据采集与传输流程，保障大规模数据采集的稳定性和可靠性。     在大数据存储技术方面，精通 Hadoop、Hive、MongoDB 等系统的深度应用，能够构建高可用、高性能的数据存储架构，优化数据存储结构与查询性能，实现海量数据的快速存储与检索。     具备扎实的数据处理与分析基础，能够对采集到的数据进行初步的清洗、转换和分析，为后续的数据分析与挖掘提供高质量的数据支持。 ‖ 课程内容 ‖ 报考条件 初级：无要求，皆可报考。 中级：（满足其中一个条件即可） 1. 获得初级证书。 2. 年满18周岁，具备高中以上学历，工作年限满1年。 高级：（满足其中一个条件即可） 1. 获得中级证书。 2. 年满20周岁以上，工作年限满2年。 3. 年满20周岁以上，具备大专及以上学历。 ‖ 考试方式 考试方式分为线下考试站点或线上考试系统统考两种方式，考试形式为上机答题，闭卷。 考试题型： 初级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 中级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 高级：120 分钟，单选题+多选题+判断题+操作题+简答题，上机答题。 ‖ 成绩评分 考试最终成绩满分为100分，成绩80-100分为优秀；成绩60-79分为合格；成绩60分以下为不合格。 ‖ 证书样本 学员经考核合格，由工业和信息化部教育与考试中心颁发的大数据采集工程师职业技术证书，证书可登录国家工信部教育与考试中心官网查询。