工信部教考中心人工智能工程师认证紧密结合新一代人工智能（大模型）技术，致力于培养人工智能、机器学习、AIGC、智能运维、开源大模型、语言大模型、AI赋能研发、AI赋能运维等专业方向的工程师和专业技术人员。
发证机构：工业和信息化部教育与考试中心（简称“工信部教考中心”）
培训天数：2天
一、课程概览
随着人工智能技术的飞速发展，对于具备大模型专业技能的人工智能工程师的需求也在不断增长。本课程紧密结合新一代人工智能（大模型）技术，致力于培养人工智能、机器学习、AIGC、智能运维、开源大模型、语言大模型、AI赋能研发、AI赋能运维等专业方向的工程师和专业技术人员。
二、课程对象
人工智能（大模型）工程师课程旨在为有志于从事人工智能领域的技术人员提供全面的理论知识和实践技能，帮助他们掌握人工智能（大模型）的核心概念、算法和应用，从而成为行业内的专业人士。
学员的学历要求：本科学历，或大专学历，且工作2年以上。
三、课程收益
1、掌握人工智能的基础知识和核心概念
2、熟练使用大模型及新一代人工智能框架
3、理解大模型需求和参与人工智能项目实施
4、对人工智能的伦理和安全责任有深入理解
四、发证机构
工业和信息化部教育与考试中心（简称：工信部教考中心）是中国工业和信息化部下属的一个专门机构，主要负责组织实施工业和信息化领域的教育培训及资格考试工作。近年来，工信部教考中心在国家认证课程创新方面很多建树，例如之前主导的国家软考认证（即《计算机技术与软件专业技术资格（水平）考试认证》）得到了全国各行业的持续推广和广泛好评，成为软件教育方面的冠军认证。
五、学习路径图
注：人工智能工程师（初级）认证，是中级和高级认证的基础和前提。后续认证将基于初级课程，供广大学员持续学习和升级。
六、课程内容
课程模块 | 培训内容 | 专业能力要求 |
1. 人工智能基础 | 1.1 人工智能定义 | 1.1.1 人工智能介绍 1.1.2 人工智能发展 1.1.3 人工智能最新发展 |
1.2 人工智能技术分支 | 1.2.1 介绍机器学习 1.2.2 自然语言处理（NLP）1.2.3计算机视觉 1.2.4 机器人学 1.2.5 感知系统 | |
2. 机器学习基础 | 2.1 机器学习定义 | 2.1.1 机器学习介绍 2.1.2 机器学习主要功能 |
2.2 机器学习算法 | 2.2.1 线性回归 2.2.2 逻辑回归 2.2.3 支持向量机（SVM） 2.2.4 随机森林 2.2.5 K-近邻 2.2.6 聚类等 | |
2.3 深度学习算法 | 2.2.1 监督学习 2.2.2 无监督学习 2.2.3 半监督学习 2.2.4 强化学习 | |
3. 人工智能算法和应用 | 3.1 经典人工智能算法介绍 | 3.1.1 图像算法 3.1.2 语音算法 3.1.3 文本分类算法 3.1.4 文本生成算法 |
3.2人工智能应用场景 | 3.2.1 医疗诊断 3.2.2 金融分析 3.2.3 自动驾驶 3.2.4 语音识别 3.2.5 图像识别等 | |
4. 大模型基础知识 | 4.1 大模型定义 | 4.1.1 大模型技术介绍 4.1.2 大模型技术发展 4.1.2 商用大模型与开源大模型 |
4.2 开源大模型定义 | 4.2.1 开源大模型介绍 4.2.2 开源大模型主要特点 | |
4.3 开源大模型技术 | 4.3.1 Transformer 4.3.2 BERT与T5 4.3.3 GPT系列 4.3.4 Diffusion 4.3.4 LLaMA | |
4.4 开源大模型特点 | 4.4.1 大模型特点 4.4.2 大模型优势 | |
5. AIGC基础知识 | 5.1 AIGC定义 | 5.1.1 AIGC介绍 5.1.2 AIGC主要功能 |
5.2 AIGC技术 | 5.2.1 自然语言生成（NLG） 5.2.2 图像生成 5.2.3 视频生成 | |
5.3 AIGC应用 | 5.3.1 自动写作 5.3.2 艺术创作 5.3.3 游戏开发 5.3.4 个性化内容推荐等 | |
6.人工智能运维 | 6.1智能运维定义 | 6.1.1 智能运维定义 6.1.2 理解 6.1.3 ML技术 6.1.4 数据挖掘 6.1.5 日志分析 6.1.6 异常检测
|
发证机构：工业和信息化部教育与考试中心（简称“工信部教考中心”）
培训天数：2天
一、课程概览
随着人工智能技术的飞速发展，对于具备大模型专业技能的人工智能工程师的需求也在不断增长。本课程紧密结合新一代人工智能（大模型）技术，致力于培养人工智能、机器学习、AIGC、智能运维、开源大模型、语言大模型、AI赋能研发、AI赋能运维等专业方向的工程师和专业技术人员。
二、课程对象
人工智能（大模型）工程师课程旨在为有志于从事人工智能领域的技术人员提供全面的理论知识和实践技能，帮助他们掌握人工智能（大模型）的核心概念、算法和应用，从而成为行业内的专业人士。
学员的学历要求：本科学历，或大专学历，且工作2年以上。
三、课程收益
1、掌握人工智能的基础知识和核心概念
2、熟练使用大模型及新一代人工智能框架
3、理解大模型需求和参与人工智能项目实施
4、对人工智能的伦理和安全责任有深入理解
四、发证机构
工业和信息化部教育与考试中心（简称：工信部教考中心）是中国工业和信息化部下属的一个专门机构，主要负责组织实施工业和信息化领域的教育培训及资格考试工作。近年来，工信部教考中心在国家认证课程创新方面很多建树，例如之前主导的国家软考认证（即《计算机技术与软件专业技术资格（水平）考试认证》）得到了全国各行业的持续推广和广泛好评，成为软件教育方面的冠军认证。
五、学习路径图
注：人工智能工程师（初级）认证，是中级和高级认证的基础和前提。后续认证将基于初级课程，供广大学员持续学习和升级。
六、课程内容
课程模块 | 培训内容 | 专业能力要求 |
1. 人工智能基础 | 1.1 人工智能定义 | 1.1.1 人工智能介绍 1.1.2 人工智能发展 1.1.3 人工智能最新发展 |
1.2 人工智能技术分支 | 1.2.1 介绍机器学习 1.2.2 自然语言处理（NLP）1.2.3计算机视觉 1.2.4 机器人学 1.2.5 感知系统 | |
2. 机器学习基础 | 2.1 机器学习定义 | 2.1.1 机器学习介绍 2.1.2 机器学习主要功能 |
2.2 机器学习算法 | 2.2.1 线性回归 2.2.2 逻辑回归 2.2.3 支持向量机（SVM） 2.2.4 随机森林 2.2.5 K-近邻 2.2.6 聚类等 | |
2.3 深度学习算法 | 2.2.1 监督学习 2.2.2 无监督学习 2.2.3 半监督学习 2.2.4 强化学习 | |
3. 人工智能算法和应用 | 3.1 经典人工智能算法介绍 | 3.1.1 图像算法 3.1.2 语音算法 3.1.3 文本分类算法 3.1.4 文本生成算法 |
3.2人工智能应用场景 | 3.2.1 医疗诊断 3.2.2 金融分析 3.2.3 自动驾驶 3.2.4 语音识别 3.2.5 图像识别等 | |
4. 大模型基础知识 | 4.1 大模型定义 | 4.1.1 大模型技术介绍 4.1.2 大模型技术发展 4.1.2 商用大模型与开源大模型 |
4.2 开源大模型定义 | 4.2.1 开源大模型介绍 4.2.2 开源大模型主要特点 | |
4.3 开源大模型技术 | 4.3.1 Transformer 4.3.2 BERT与T5 4.3.3 GPT系列 4.3.4 Diffusion 4.3.4 LLaMA | |
4.4 开源大模型特点 | 4.4.1 大模型特点 4.4.2 大模型优势 | |
5. AIGC基础知识 | 5.1 AIGC定义 | 5.1.1 AIGC介绍 5.1.2 AIGC主要功能 |
5.2 AIGC技术 | 5.2.1 自然语言生成（NLG） 5.2.2 图像生成 5.2.3 视频生成 | |
5.3 AIGC应用 | 5.3.1 自动写作 5.3.2 艺术创作 5.3.3 游戏开发 5.3.4 个性化内容推荐等 | |
6.人工智能运维 | 6.1智能运维定义 | 6.1.1 智能运维定义 6.1.2 理解 6.1.3 ML技术 6.1.4 数据挖掘 6.1.5 日志分析 6.1.6 异常检测
|
