|| 阶段与流程 || || 实操跟练内容 ||  

|| 阶段与流程 || || 实操跟练内容 ||  

|| 阶段与流程 ||   || 实操跟练内容 ||  

Python 技术应用工程师”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，涉及在互联网、零售、 金融、电信、 医学、旅游等行业专门从事数据采集、数据分析、机器学习、人 工智能并能制作业务报告

‖ 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。  

‖ 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 技术应用工程师”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，涉及在互联网、零售、 金融、电信、 医学、旅游等行业专门从事数据采集、数据分析、机器学习、人 工智能并能制作业务报告

目前很多知名的机器学习、人工智能以及深度学习框架也都是基于Python语言进行开发的。

目前很多知名的机器学习、人工智能以及深度学习框架也都是基于Python语言进行开发的。

目前很多知名的机器学习、人工智能以及深度学习框架也都是基于Python语言进行开发的。