‖ 项目简介      数字技术应用工程师课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端人工智能人才培养体系，面向数字技术应用领域，旨在培养具备扎实数字技术基础、丰富实践经验和创新能力的专业人才

‖ 项目简介      大模型应用工程师课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端大模型领域人才培养体系。该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 学员经考核合格，颁发的大模型应用工程师职业技术证书，证书可官网查询。  

是课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端计算机软件内容领域人才培养体系，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     数字技术应用工程师课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端人工智能人才培养体系，面向数字技术应用领域，旨在培养具备扎实数字技术基础、丰富实践经验和创新能力的专业人才

‖ 项目简介         大数据治理工程师课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端大数据领域人才培养体系，涵盖了从基础到高级的全面技能要求，旨在培养能够在互联网、金融等众多行业中，运用大数据治理技术进行数据整合、处理、分析与应用的专业人才，以提升企业数据管理水平，挖掘数据价值，助力企业数字化转型和决策优化。      “大数据治理工程师”证书分为初级、中级、高级三个等级，每个等级对相关从业人员的知识和技能要求逐步提升，形成了一套完整的人才培养和评估体系。 ‖ 能力标准 1、大数据治理工程师（初级）      掌握Linux操作系统的基本操作，具备一定的Python数据分析基础知识，了解数据分析的基本流程，能够进行简单的数据预处理和分析任务。     对ETL大数据整合与处理有初步认识，理解数据抽取、转换和加载的基本概念，能够在指导下完成简单的数据处理任务，如创建数据库连接、进行基础的数据处理操作等。 2、大数据治理工程师（中级）      熟练掌握 Linux 操作系统的进阶技能，能够编写简单的脚本实现自动化任务，提升工作效率。深入理解 Python 数据分析与挖掘技术，能够运用数据分析工具和技术解决实际业务问题。     熟练掌握 ETL 大数据整合与处理流程，能够独立完成数据处理任务。具备一定的数据存储和管理知识，了解数据仓库的基本概念，能够进行数据库的简单管理和维护。 3、大数据治理工程师（高级）      精通 Linux 操作系统，能够对系统进行优化配置，解决复杂的系统故障和性能问题，确保大数据处理环境的稳定运行。能够运用高级数据分析算法和技术进行深度数据挖掘，为企业提供数据驱动的决策建议。     熟练掌握 ETL 大数据整合与处理技术，能够设计和优化大型数据处理流程，处理海量数据的集成和转换任务。深入理解数据存储技术，能够构建高效的数据存储和管理系统。     掌握多种大数据实时处理框架，满足企业对实时数据处理的需求。在机器学习进阶知识领域，熟悉各类算法、集成学习和强化学习等技术，能够将这些技术应用于实际项目中，解决复杂的业务问题。     具备大数据治理项目的整体规划和管理能力，能够带领团队完成大数据治理项目的实施，确保项目目标的达成。 ‖ 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 学员经考核合格，颁发大数据治理工程师职业技术证书，证书可官网查询。  

‖ 项目简介      大模型应用工程师课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端大模型领域人才培养体系。该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 学员经考核合格，颁发的大模型应用工程师职业技术证书，证书可官网查询。  

‖ 项目简介      大模型应用工程师课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端大模型领域人才培养体系。该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 学员经考核合格，颁发的大模型应用工程师职业技术证书，证书可官网查询。  

是课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端计算机软件内容领域人才培养体系，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      大模型应用工程师课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端大模型领域人才培养体系。该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 学员经考核合格，颁发的大模型应用工程师职业技术证书，证书可官网查询。  

是课程是一套集专业化知识架构、科学化培养路径、系统化考核标准于一体的高端计算机软件内容领域人才培养体系，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