人工智能工程师

"想成为AI领域的全能高手？这份指南为你指明方向！ 1. 核心技术应用：掌握算法选型、模型调优及深度学习框架开发，精通剪枝、量化等模型压缩技术，实现复杂问题的高效解决 2. 需求分析能力：从行业场景中精准挖掘AI需求，撰写专业文档，并指导团队完成需求转化与集成诊断 聚焦算法与落地，助你进阶AI工程师！"

人工智能工程师

• 本职业设有五个职业方向：人工智能芯片产品实现、人工智能平台产品实现、自然语言及语音处理产品实现、计算机视觉产品实现、人工智能应用产品集成实现。各方向均设立三个等级，分别为初级、中级、高级。
• 1.人工智能芯片产品实现
• 初级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1能准确地判断应用任务是否适合用机器学习技术解决 1.1.2能应用深度学习或主流机器学习算法原理解决实际任务 1.1.3能运行基础神经网络模型，按照一定的指导原则，对深度神经网络进行调优 1.1.1机器学习基本概念，包括监督学习、无监督学习、强化学习等 1.1.2深度神经网络，包括卷积神经网络、长短期记忆网络、图神经网络等的基本概念 1.1.3机器学习与深度学习算法常见的评估方法：准确率、召回率、AUC指标、ROC曲线、检测指标、分割指标等 1.1.4图像/视频处理、语音处理、自然语言处理等领域的基本方法 1.2人工智能算法实现及应用 1.2.1能使用至少一种国产化深度学习框架训练模型，并使用训练好的模型进行预测 1.2.2能实现深度学习框架的安装、模型训练、推理部署 1.2.1国产化深度学习框架基本情况 1.2.2深度学习框架运行的基本软硬件环境要求 1.2.3至少一种深度学习框架使用方法 2.人工智能设计开发 2.1人工智能芯片逻辑设计 2.1.1能利用人工智能算法常用的运算/数据类型，根据芯片模块的设计功能描述进行代码编写 2.1.2能对芯片模块代码进行书写规则和可综合检查和优化 2.1.1数字电路设计相关知识 2.1.2计算机组成原理 2.1.3 Verilog HDL、VHDL、System Verilog等硬件语言 3.人工智能测试验证 3.1人工智能芯片验证 3.1.1能运用验证工具，解读并分析测试覆盖率报告，提升测试覆盖率 3.1.2能搭建测试验证环境，执行测试用例和验证脚本 3.1.3能使用面向对象的模块级验证方法进行模块级芯片验证环境 3.1.1验证工具使用方法（如各种高性能测量仪器（示波器、误码仪等）和调试器等的使用） 3.1.2测试覆盖率报告格式3.1.3测试用例的编写知识3.1.4验证脚本编写方法 3.1.5数字电路结构知识 3.1.6面向对象的模块级验证方法 3.1.7模块级芯片验证环境的搭建方法
• 中级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1 人工智能算法选型及调优 1.1.1 能快速判断并选择所需要的模型，合理使用机器学习模型与深度学习模型并进行模型调优 1.1.2 能调研及运行深度的神经网络模型，在需要进行参数调整和适配到自身的应用问题时， 对关键参数的调整能提出解决方 案 1.1.1 深度学习算法训练、推理、部署的方法及技术细节 1.1.2 数据策略、网络中的核心模块、参数规模、优化算法、损失函数、正则项等关键参数 1.1.3 数据并行、模型并行、流水线并行等深度学习模型的并行训练的方法 1.2 人工智能算法实现及应用 1.2.1 能完成深度学习框架安装、模型训练、推理部署的全流程 1.2.2 能使用深度学习框架的 用户接口进行神经网络模型搭建 1.2.1 深度学习框架设计的基本概念， 如动态图、静态图等 1.2.2 深度学习框架的常用编程接口 1.2.3 常用模型的使用方法，如文本生成目标检测、图像分割、机器翻译等 2.人工智能设计开发 2.1 人工智能芯片逻辑设计 2.1.1 能根据芯片架构文档进行模块功能划分和功能描述，并进行代码编写 2.1.2 能对实现代码进行 CDC， 功耗分析和优化 2.1.3 能完成芯片时钟详细设计及时钟约束 2.1.4 能将人工智能算法常见的运算拆解成 ASIC 上面可实现的硬件电路并实现 2.1.5 能基于选定的基本工艺器件对芯片模块进行逻辑综合与时序优化 2.1.6 能针对 INT8 、 FP16 、BF16、FP32、TF32 数据类型开展优化的人工智能核心设计 2.1.7 能基于并行计算开展数据同步设计 2.1.8 能基于芯片指令集开展微架构设计 2.1.1 数字电路设计基础知识 2.1.2 计算机组成原理 2.1.3 计算机系统结构基础知识 2.1.4 计算机接口技术 2.1.5 计算复杂度和可计算理论 2.1.6 深度学习算法和神经网络模型 2.1.7 FPGA/ASIC 相关设计知识 2.1.8 异构计算知识 3.人工智能测试验证 3.1 人工智能芯片验证 3.1.1 能运用验证工具，根据业务需求编写并分析测试覆盖率报告，提升测试覆盖率 3.1.2 能设计和制订验证计划文档 3.1.3 能搭建和优化测试验证环境，编写测试用例和验证脚本 3.1.4 能使用面向对象的验证方法进行子系统级芯片验证 3.1.5 能进行低功率验证 3.1.6 能搭建系统级和子系统级别的仿真平台 3.1.7 能对人工智能处理器进行验证 3.1.8 能搭建门级仿真环境 （包括前仿真和后仿真） 3.1.9 能快速定位门级仿真环境、库、时序等相关问题 3.1.10 能综合运用时序分析方法分析数字电路时序，并根据时序约束文件，针对特殊时序路径 开发后仿真的测试用例 3.1.1 验证工具的类型、优缺点使用方法 3.1.2 测试覆盖率报告的编写知识 3.1.3 验证计划文档的编写方法 3.1.4 测试用例的设计知识 3.1.5 验证脚本的编写方法 3.1.6 数字电路时序分析方法 3.1.7 面向对象的子系统级验证方法 3.1.8 子系统验证环境对模块环境的复用方法 3.1.9 UPF（Unified Power Format） /NLP(Native Low Power)/Emulator 基础知识 3.1.10 GPU、TPU、XPU 等人工智能处理器验证方法 3.1.11 门级电路知识 3.1.12 门级仿真验证环境的搭建方法 门级仿真测试用例的编写方法 4.人工智能咨询服务 4.1 人工智能技术咨询 4.1.1 能进行人工智能芯片项目的技术评估，使用工程咨询方法进行相应咨询服务 4.1.2 能进行人工智能芯片项目技术体系架构和方案设计，完成项目建议书的编写、可行性研究报告的编制，并编制相应的实 施规划 4.1.1 工程咨询方法与系统分析知识 4.1.2 项目建议书、可行性研究报告编制方法 招投标技术咨询知识和项目后评价方法 4.2 人工智能系统咨询管理和评价 服务 4.2.1 能进行人工智能系统项目资源分析和评价 4.2.2 能进行人工智能系统人 机交互、隐私保护、数据安全等技术的咨询和评价服务 4.2.1 项目资源的计划、配置、控制和处置方法 4.2.2 人工智能伦理知识 隐私保护知识 4.3 人工智能咨询培训及运营管理咨询 4.3.1 能组织开展人工智能技术咨询服务培训 4.3.2 能跟进人工智能最新技术及应用场景，并针对性开展技术论证 4.3.3 能对人工智能项目运营 过程进行咨询 4.3.1 培训方法及问题反馈和分析方法 4.3.2 培训质量管理知识 4.3.3 运营管理方法
• 高级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能在面对用户需求和业务需求时，将其准确转换为机器学习语言、算法及模型 1.1.2 能对机器学习技术要素进行组合使用，并进行建模 1.1.3 能在标准算法基础上，对组合多种机器学习技术要素进行 模型设计及调优的能力 1.1.1 新型模型和相关技术 1.1.2 深度学习模型的剪枝、量化、蒸馏和模型结构搜索等模型压缩方法 1.2人工智能算法实现及应用 1.2.1 能使用深度学习框架实现算法的设计和开发 1.2.2 能合理组合、改造并创新 深度学习模型来解决更加复杂的应用问题 1.2.1 深度学习框架的技术细节及发展趋势 1.2.2 深度神经网络结构与深度学习算法的开发设计方法 2.人工智能设计开发 2.1人工智能芯片架构设计 2.1.1 能完成系统应用架构定义，并进行芯片规格设计和参考设计开发 2.1.2 能总结和归纳各种人工智能算法/模型对硬件计算、存储资源的需求，并根据芯片的应用场景对硬件资源做出合理分配 2.1.3 能根据算力和应用需求，针对通用或专用人工智能加速芯片，进行算力分配和评价，合理分配通用计算与专用加速计算，并给出相关参数（加速比/理论最高算力TOPS／能耗比） 2.1.4 能搭建原型化软硬件评估和仿真平台，进行高层次建模和设计，对PPA（性能、功耗、面积）进行早期评价 2.1.5 能制订芯片测试计划，指导芯片产品工程师进行硅片和封装级测试 2.1.6 能应用上层软件定义高 效、节能、可移植性强的实现框架 2.1.7能在面向云侧训练开展设计时，进行训练集群的架构设计 2.1.1 数字电路设计相关知识 2.1.2 计算机组成原理 2.1.3 计算机系统结构相关知识 2.1.4 操作系统原理 2.1.5 计算机接口技术 2.1.6 算法与数据结构相关知识 2.1.7 计算复杂度和可计算理论 2.1.8 深度学习算法和神经网络模型 2.1.9 分布式计算原理 2.1.10 异构计算相关知识 2.1.11 编译器、算子接口、集成工具 （driver/API/IDE）相关知识 2.2人工智能芯片逻辑设计 2.2.1 能进行芯片详细功能划分和设计，向下一级芯片逻辑设计团队分发详细设计任务需求 2.2.2 能进行芯片总线架构，子模块定义和划分 2.2.3 能把控和应用芯片设计关键IP模块(PCIe,DDR/GDDR/HBM，NoC) 2.2.4 能进行芯片顶层及关键IP模块可测试逻辑功能设计 2.2.5 能对芯片的安全管理和功耗管理功能进行设计 2.2.6 能协助芯片物理设计工程师进行基本物理器件PPA分析及选型，并根据PPA评估的结果优化关键性模块(如神经网络加速)代码 2.2.7 能与验证工程师共同完成芯片验证，并通过代码、功能 覆盖率检查保证验证的完备性 2.2.1 数字电路设计相关知识 2.2.2 计算机组成原理 2.2.3 计算机系统结构相关知识 2.2.4 操作系统原理 2.2.5 计算机接口技术 2.2.6 计算复杂度和可计算理论 2.2.7 深度神经网络模型 2.2.8 算法与数据结构相关知识 2.2.9 FPGA/ASIC相关设计知识 2.2.10 异构计算知识 3.人工智能测试验证 3.1人工智能芯片验证 3.1.1 能依据验证工具工作原理，提升验证环境执行效率，通过覆盖率报告协助芯片设计工程师改进电路设计 3.1.2 能确定具体验证工具链，制订验证方法学和验证流程 3.1.3 能熟练使用面向对象的模块级验证方法进行验证并对方法学进行改进 3.1.4 能使用机器学习及神经网络算法对验证数据进行建模 3.1.5 能对最终的验证计划，验证报告进行核签 3.1.6 能对最新的验证方法学和工具进行跟踪、改进和优化，并对验证工具提出功能性改进的建议 3.1.7能协助软件开发工程师将框架移植到仿真环境，并在该环境完成神经网络模型训练及推理流程的仿真 3.1.1 验证工具的工作原理 3.1.2 验证环境执行效率的优化知识 3.1.3 验证工具的优缺点及工具链组合知识 3.1.4 验证方法学知识 3.1.5 数字电路综合时序分析知识，数字电路设计优化知识 3.1.6 面向对象的模块级验证方法 3.1.7 深度学习算法建模知识 3.1.8 深度学习算法和神经网络模型 3.1.9 常见深度学习框架的背景 4.人工智能咨询服务 4.1人工智能技术咨询 4.1.1 能进行人工智能芯片项目的技术要素分析、产业成本分析、产业链架构等咨询 4.1.2 能对人工智能芯片项目 的社会作用进行合理性分析咨询 4.1.1 现代工程咨询方法 4.1.2 社会伦理学知识 4.2人工智能咨询管理和评价服务 4.2.1 能制订人工智能技术应用的组织管理机制及协调机制 4.2.2 能对人工智能系统应用提出持续改进建议 4.2.3 能进行人工智能项目的 社会可持续发展情况评价 4.2.1 系统规划知识 4.2.2 信息系统工程知识 4.2.3 软件体系架构评估知识 4.2.4 社会评价方法 4.3人工智能咨询培训及运营管理咨询 4.3.1 能进行人工智能技术咨询服务和运营管理培训 4.3.2 能进行计划、组织、实施和控制等运营过程管理 4.3.2能进行运营经济性预 测，提出运营计划调整策略 4.3.1 培训方案制订方法 4.3.2 运营过程规划及管理知识 4.3.2敏感数据分析知识
• 2.人工智能平台产品实现
• 初级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能准确地判断应用任务是否适合用机器学习技术解决 1.1.2 能应用深度学习或主流机器学习算法原理解决实际任务 1.1.3 能运行基础神经网络模型，按照一定的指导原则，对深度神经网络进行调优 1.1.1 机器学习基本概念，包括监督学习、无监督学习、强化学习等 1.1.2 深度神经网络，包括卷积神经网络、长短期记忆网络、图神经网络等的基本概念 1.1.3 机器学习与深度学习算法常见的评估方法：准确率、召回率、AUC指标、ROC曲线、检测指标、分割指标等 1.1.4 图像/视频处理、语音处理、自然语言处理等领域的基本方法 1.2人工智能算法实现及应用 1.2.1 能使用至少一种国产化深度学习框架训练模型，并使用训练好的模型进行预测 1.2.2 能实现深度学习框架的安装、模型训练、推理部署 1.2.1 国产化深度学习框架基本情况 1.2.2 深度学习框架运行的基本软硬件环境要求 1.2.3 至少一种深度学习框架使用方法 2.人工智能需求分析 2.1人工智能平台需求分析 2.1.1 能对外说明人工智能平台研发的主要流程和用户使用场景 2.1.2 能将用户对人工智能平台的相关使用需求整理成文档 2.1.3 能按照规范撰写业务场景需求设计分析和需求文档 2.1.1 人工智能场景的主要环节和使用流程 2.1.2 人工智能算法训练、推理、部署的方法和流程 2.1.3 人工智能平台业务场景需求设计分析和需求文档的撰写规范 3.人工智能设计开发 3.1人工智能平台设计开发 3.1.1 能绘制至少1类人工智能场景全周期流程图，如计算机视觉、自然语言处理等 3.1.2 能使用机器学习框架完成人工智能数据处理、特征提取、模型训练、模型部署等全周期流程 3.1.3 能调用大数据处理工具进行数据存取、任务编排等 3.1.4 能使用容器及虚拟化工具进行产品代码打包，镜像发布 3.1.1 人工智能场景的主要环节和技术规范 3.1.2 深度学习框架的使用方法 3.1.3 大数据技术的基础知识 3.1.4 容器及虚拟化技术的基础知识 4.人工智能测试验证 4.1人工智能平台验证 4.1.1 能绘制1类人工智能场景的验证流程图，如计算机视觉、自然语言处理等 4.1.2 能撰写人工智能平台、算法、模型的验证报告 4.1.3 能完整验证人工智能平台开发的算法和模型的精度等主流算法指标 4.1.4 能基于给定场景验证人工智能端 到端线上线下一致性等业务正确性指标 4.1.1 人工智能平台主要组件的使用流程 4.1.2 人工智能平台主要组件的功能验证方法和性能验证方法 4.1.3 人工智能平台验证报告撰写规范 5.人工智能产品交付 5.1人工智能平台产品交付 5.1.1 能绘制1类人工智能场景交付流程图，如计算机视觉、自然语言处理等 5.1.2 能安装人工智能平台的主要组件并完成交付流程 5.1.3 能基于业务场景编制产品交付 文档 5.1.1 人工智能场景的主要环节和交付方法 5.1.2 人工智能平台的主要组件和安装、配置、调试的方法 6.人工智能产品运维 6.1人工智能平台产品运维 6.1.1 能使用人工智能平台操作基本命令完成平台运维操作 6.1.2 能按照人工智能平台部署手册对产品进行部署升级 6.1.3 能根据标准流程进行人工智能 平台的日常巡查 6.1.1 人工智能平台的基本操作 6.1.2 人工智能平台的基本运维技术 6.1.3 人工智能平台的部署 升级方法
• 中级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1 人 工智能算法选型及调优 1.1.1 能快速判断并选择所需要的模型，合理使用机器学习模型与深度学习模型并进行模型调优 1.1.2 能调研及运行深度的神经网络模型，在需要进行参数调整和适配到自身的应用问题时，对关键参数的调整能提出解决方案 1.1.1 深度学习算法训练、推理、部署的方法及技术细节 1.1.2 数据策略、网络中的核心模块、参数规模、优化算法、损失函数、正则项等关键参数 1.1.3 数据并行、模型并行、流水线并行等深度学习模型的并行训练方法 1.2 人 工智能算法实现及应用 1.2.1 能完成深度学习框架安装、模型训练、推理部署的全流程 1.2.2 能使用深度学习框架的用户接口进行神经网络模型搭建 1.2.1 深度学习框架设计的基本概念，如动态图、静态图等 1.2.2 深度学习框架的常用编程接口 1.2.3 常用模型的使用方法，如文本生成目标检测、图像分割、机器翻译等 2.人工智能需求分析 2.1 人工智能平台需求分析 2.1.1 能指导本领域初级人员撰写业务场景需求设计分析和需求文档 2.1.2 能将用户的使用问题整理转化为人工智能平台的需求并整理成文档 2.1.3 能完善需求文档和设计分析文档中的细节和不足 2.1.1 人工智能场景的全流程的细节和技术规范 2.1.2 人工智能算法训练、推理、部署的方法、流程和操作细节 2.1.3 人工智能平台业务需求设计分析和需求文档的撰写规范和指导方法 3.人工智能设计开发 3.1 人工智能平台设计开发 3.1.1 能绘制2类人工智能场景的流程图和细节，如计算机视觉、自然语言处理等 3.1.2 能使用计算图裁剪、算子合并等高性能计算技术，加速模型推理性能 3.1.3 能使用并行计算与分布式技术， 开发可以进行分布式处理的应用 3.1.4 能指导本领域的初级人员完成任务编排调度、计算程序性能加速以及分布式处理应用开发等工作 3.1.1 人工智能场景的全流程细节和技术规范 3.1.2 至少一种机器学习框架的技术细节 3.1.3 高性能计算技术的知识细节 3.1.4 并行计算与分布式计算技术的知识细节 4.人工智能测试验证 4.1 人工智能平台验证 4.1.1 能完成 1～2 类人工智能场景的验证流程和细节，如计算机视觉、自然语言处理等 4.1.2 能设计针对人工智能平台主要组件的测试计划，完整地验证其功能、精度、性能等 4.1.3 能选择合理的自动化解决方案，实现针对人工智能平台的自动化测试工具 4.1.1 人工智能平台场景的主要环节和验证方法 4.1.2 人工智能平台的主要组件的功能、性能的验证方法 4.1.3 人工智能算法、模型的精测验证方法 4.1.4 自动化测试的方法和工具 5.人工智能产品交付 5.1 人工智能平台产品交付 5.1.1 能绘制 2 类人工智能场景交付流程图，如计算机视觉、自然语言处理等 5.1.2 能面向复杂业务场景编制交付文档 5.1.3 能对现场部署过程中交付问题进行分析、定位和解决 5.1.1 人工智能平台的所有组件和安装、配置、调试的方法 5.1.2 人工智能平台的产品交付文档的规范和撰写要求 5.1.3 人工智能平台问题的定位方法和工具 6.人工智能产品运维 6.1 人工智能平台产品运维 6.1.1 能在专有硬件上运维人工智能平台 6.1.2 能编写人工智能平台部署手册 6.1.3 能持续改进人工智能平台日常巡检流程 6.1.4 能指导本领域初级人员进行人工智能平台运维工作 6.1.5 能按照标准步骤对人工智能平台常见问题进行排查 6.1.1 人工智能平台的操作细节和原理 6.1.2 人工智能平台的专有硬件知识 6.1.3 人工智能平台的常见问题排查流程和方法 7.人工智能咨询服务 7.1 人工智能技术咨询 7.1.1 能根据实际情况规划人工智能平台方向和发展战略，并制定阶段性升级规划 7.1.2 能进行人工智能平台项目的技术评估，使用现代工程咨询方法进行相应咨询服务 7.1.2 能完成人工智能平台项目建议 书的编写、可行性研究报告的编制，能编制相应的实施规划 7.1.1 工程咨询方法与系统分析知识 7.1.2 技术评估基本方法 7.1.3 项目建议书、可行性研究报告编制方法 7.1.4 招投标技术咨询知识和项目后评价方法 7.2 人工智能系统咨询管理和评价服务 7.2.1 能进行人工智能系统项目资源分析和评价 7.2.2 能进行人工智能系统人机交互、 隐私保护、数据安全等技术的咨询和评价服务 7.2.1 项目资源的计划、配置、控制和处置方法 7.2.2 人工智能伦理知识 7.2.3 隐私保护知识 7.3 人工智能咨询培训及运营管理咨询 7.3.1 能组织开展人工智能技术咨询服务培训 7.3.2 能跟进人工智能最新技术及应用场景，并针对性开展技术论证 7.3.3 能对人工智能项目运营过程进 行咨询 7.3.1 培训方法及问题反馈和分析方法 7.3.2 培训质量管理知识 7.3.3 运营管理方法
• 高级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1 人 工智能算法选型及调优 1.1.1 能在面对用户需求和业务需求时，将其准确转换为机器学习语言、算法及模型 1.1.2 能对机器学习技术要素进行组合使用，并进行建模 1.1.3 能在标准算法基础上，对组合多种机器学习技术要素进行模型设计及调优的能力 1.1.1 新型模型和相关技术 1.1.2 深度学习模型的剪枝、量化、蒸馏和模型结构搜索等模型压缩方法 1.2 人工智能算法实现及应用 1.2.1 能使用深度学习框架实现算法的设计和开发 1.2.2 能合理组合、改造并创新深度学 习模型来解决更加复杂的应用问题 1.2.1 深度学习框架的技术细节及发展趋势 1.2.2 深度神经网络结构与深度学习算法的开发设计方法 2.人工智能需求分析 2.1 人工智能平台需求分析 2.1.1 能引导用户主动将使用问题转化为人工智能平台的需求 2.1.2 能制订业务场景需求设计分析和需求文档的撰写规范 2.1.1 人工智能需求文档撰写规范及制订原因 2.1.2 现有主要人工智能平台的技术特点及发展趋势 3.人工智能设计开发 3.1 人工智能平台设计开发 3.1.1 能定制化修改开源人工智能框架，提升框架性能和稳定性 3.1.2 能改进虚拟化技术及容器调度编排技术的核心机制 3.1.3 能结合硬件架构和硬件指令优化高性能计算代码 3.1.4 能使用并行计算与分布式技术， 设计和实现可以大规模并发的并型计算应用 3.1.5 能根据网络拓扑和网络架构分析和设计通信机制和策略改进程序性能 3.1.6 能指导本领域的初级人员完成任务编排调度、加速计算程序性能以及开发分布式处理应用等工作 3.1.7 能分析人工智能平台全流程，定位复杂系统内性能问题和故障 ，并给出技术解决方案 3.1.1 至少两种机器学习框架的技术细节及发展趋势 3.1.2 容器及虚拟化技术的实现细节和发展趋势 3.1.3 高性能计算技术的实现细节和发展趋势 3.1.4 并行计算与分布式计算技术的实现细节和发展趋势 3.1.5 网络拓扑和网络架构设计和实现细节 3.1.6 人工智能平台性能分析知识和故障分析知识 4.人工智能测试验证 4.1 人工智能平台验证 4.1.1 能制订并优化 1～2 类人工智能场景验证流程，如计算机视觉、自然语言处理等 4.1.2 能制订和实现合理的自动化解决方案，并设计和实现自动化测试工具，完成人工智能平台的测试和验证 4.1.3 能指导本领域初级、中级人员完 成平台组件验证工作 4.1.1 人工智能平台验证流程制订原因 4.1.2 人工智能平台主要组件的实现细节 4.1.3 人工智能平台产品验证文档的规范、撰写要求及制订原因 5.人工智能产品交付 5.1 人工智能平台产品交付 5.1.1 能制订人工智能平台的安装交付流程 5.1.2 能指导交付团队实现复杂人工智能平台现场部署、调试与维护 5.1.3 能面向复杂业务场景，设计人工智能平台产品交付方案 5.1.1 人工智能平台的操作细节和设计原因 5.1.2 面向复杂场景的人工智能平台的问题定位的原理， 以及辅助工具的开发方法 5.1.3 人工智能平台的产品 的交付流程及制订原因 6.人工智能产品运维 6.1 人工智能平台产品运维 6.1.1 能在专有硬件上编写人工智能平台运维工具 6.1.2 能撰写人工智能平台的部署升级规范和日常巡查规范 6.1.3 能针对各类突发故障，结合自身经验进行分析和处理，拟定解决方案 6.1.4 能开发自动化人工智能运维工具 6.1.1 人工智能平台专有硬件的实现细节 6.1.2 人工智能平台的部署升级和日常巡查的流程和细节 6.1.3 人工智能平台的复杂或突发问题的排查流程、方法和细节 6.1.4 自动化运维工具的开发方法 7.人工智能咨询服务 7.1 人工智能技术咨询 7.1.1 能进行人工智能平台项目的技术要素分析、产业成本分析等咨询 7.1.2 能对人工智能平台项目的人机作用、网络作用、社会作用进行合理性分析 咨询 7.1.1 现代工程咨询方法 7.1.2 社会伦理学知识 7.2 人工智能咨询管理和评价服务 7.2.1 能制订人工智能技术应用的组织管理机制及协调机制 7.2.2 能对人工智能系统应用提出持续改进建议 7.2.3 能进行人工智能项目的社会可持 续发展情况评价 7.2.1 系统规划知识 7.2.2 信息系统工程知识 7.2.3 软件体系架构评估知识 7.2.4 社会评价方法 7.3 人工智能咨询培训及运营管理咨询 7.3.1 能进行人工智能技术咨询服务和运营管理培训 7.3.2 能进行计划、组织、实施和控制等运营过程管理 7.3.2 能进行运营经济性预测，提出运营计划调整策略 7.3.1 培训方案制订方法 7.3.2 运营过程规划及管理知识 7.3.2 敏感数据分析知识
• 3.自然语言及语音处理产品实现
• 初级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1 人工智能算法选型及调优 1.1.1 能准确地判断应用任务是否适合用机器学习技术解决 1.1.2 能应用深度学习或主流机器学习算法原理解决实际任务 1.1.3 能运行基础神经网络模型，按照一定的指导原则，对深度神经网络进行调优 1.1.1 机器学习基本概念， 包括监督学习、无监督学习、强化学习等 1.1.2 深度神经网络，包括卷积神经网络、长短期记忆网络、图神经网络等的基本概念 1.1.3 机器学习与深度学习算法常见的评估方法：准确率、召回率、AUC 指标、ROC 曲线、检测指标、分割指标等 1.1.4 图像/视频处理 、语 音处理、自然语言处理等领域的基本方法 1.2 人工智能算法实现及应用 1.2.1 能使用至少一种国产化深度学习框架训练模型，并使用训练好的模型进行预测 1.2.2 能实现深度学习框架的安装、模型训练、推理部署 1.2.1 国产化深度学习框架基本情况 1.2.2 深度学习框架运行的基本软硬件环境要求 1.2.3 至少一种深度学习框架使用方法 2.人工智能需求分析 2.1 自然语言及语音处理需求分析 2.1.1 能明确自然语言及语音处理应用工具或产品的主要服务对象 2.1.2 能根据自然语言及语音处理应用场景进行基本需求分析 2.1.3 能根据不同用户对自然语言及语音处理应用工具或产品的使用习惯进行需求分析 2.1.1 语音识别、语音合成、自然语言处理基础知识 2.1.2 自然语言及语音处理应用工具或产品的工作原理 2.1.3 自然语言及语音处理应用工具或产品的操作方法 3.人工智能设计开发 3.1 自然语言及语音处理设计开发 3.1.1 能进行自然语言处理、语音识别、语音合成、深度学习等基本算法研究，使用专业工具或行业应用 3.1.2 能对特定的应用场景使用合适的自然语言处理、语音识别、合成算法模型 3.1.3 能进行自然语言处理、智能语音引擎接口开发及技术文档编写 3.1.1 自然语言处理、语音信号处理、语音识别、语音合成基础算法知识 3.1.2 数据结构与算法基础知识 3.1.3 自然语言处理及语音识别相关的机器学习及深度学习常用模型 4.人工智能测试验证 4.1 自然语言及语音处理验证 4.1.1 能根据各种自然语言及语音处理应用工具或产品设计需求制订测试计划 4.1.2 能根据各种自然语言及语音处理应用工具或产品，设计测试数据和测试用例，并提交测试报告 4.1.3 能针对不同的应用场景，解决自然语言处理、语音识别、语音合成相关核心技术在实际应用系统中的问题 4.1.1 各种自然语言及语音处理应用工具或产品的测试流程、测试理论和方法 4.1.2 多种测试平台工具和测试方法 4.1.3 网络技术和相关配置知识 4.1.4 需求分析、案例设计与编写、测试案例执行、回归测试、生产上线验证等标准化的测试流程知识 5.人工智能产品交付 5.1 自然语言及语音处理产品交付 5.1.1 能按照项目要求与用户沟通，协调前后场人员 5.1.2 能根据不同的自然语言及语音处理应用工具或产品，编写各类测试用例、测试报告、用户手册和交付文档 5.1.3 能准确收集用户的相关需求 5.1.1 计算机基础知识 5.1.2 自然语言及语音处理应用工具或产品的测试流程 5.1.3 自然语言及语音处理应用工具或产品的技术支持和实施交付流程 6.人工智能产品运维 6.1 自然语言及语音处理产品运维 6.1.1 能撰写日常运维方案 6.1.2 能完成各种自然语言及语音处理应用工具或产品业务系统的维护和升级 6.1.3 能进行自然语言及语音处理应用工具或产品的运维流程、相关规范、手册的制订及实施 6.1.1 日常运维文档规范 6.1.2 自然语言及语音处理应用工具或产品的操作与运维方法 6.1.3 主流操作系统运维知识
• 中级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能快速判断并选择所需要的模型，合理使用机器学习模型与深度学习模型并进行模型调优 1.1.2 能调研及运行深度的神经网络模型，在需要进行参数调整和适配到自身的应用问题时，对关键参数的调整能提出解决方案 1.1.1 深度学习算法训练、推理、部署的方法及技术细节 1.1.2 数据策略、网络中的核心模块、参数规模、优化算法、损失函数、正则项等关键参数 1.1.3 数据并行、模型并行、流水线并行等深度学习模型的并行训练方法 1.2人工智能算法实现及应用 1.2.1 能完成深度学习框架安装、模型训练、推理部署的全流程 1.2.2 能使用深度学习框架的用户接口进行神经网络模型搭建 1.2.1 深度学习框架设计的基本概念，如动态图、静态图等 1.2.2 深度学习框架的常用编程接口 1.2.3 常用模型的使用方法，如文本生成目标检测、图像分割、机器翻译等 2.人工智能需求分析 2.1自然语言及语音处理需求分析 2.1.1 能对自然语言及语音处理应用场景需求，有机整合不同算法和模型进行定制化设计 2.1.2 能将人工智能技术整合到各类实际的自然语言及语音处理应用场景对应的系统中，满足业务实际需求 2.1.3 能根据业务需求，对自然语言及语音处理应用工具或产品数据进行统计分析并出具报告 2.1.1 自然语言及语音处理相关基础算法 2.1.2 自然语言处理及语音、音频信号处理相关知识 2.1.3 自然语言处理及语音识别深度学习算法和机器学习相关知识 3.人工智能设计开发 3.1自然语言及语音处理设计开发 3.1.1 能选择并实现常见的算法模型，将业务需求转化为可实现的技术方案 3.1.2 能协助进行底层自然语言处理、语音识别、语音合成引擎开发和部署 3.1.3 能协助进行自然语言及语音处理设备相关应用产品的研发 3.1.1 自然语言处理（如词法分析、句法分析、情感分析、文本摘要等）、语音识别（如端点检测、声学机理、特征提取、解码搜索）、语音合成、声学模型、数据结构等算法知识 3.1.2 智能芯片、声学结构和器件等原理麦克风阵列信号处理算法 3.1.3 机器学习常用算法知识 4.人工智能测试验证 4.1自然语言及语音处理验证 4.1.1 能基于自然语言处理系统，按场景需求，与外部数据语料、业务系统等完成接口集成与验证 4.1.2 能对自然语言处理、语音识别和合成结果准确率进行人工测评，并对标注结果进行质量审核，反馈审核结果 4.1.3 能使用不同工具结合自然语言处理、语音识别和合成应用，对使用过程中产生的数据进行收集和分析，为工具或产品的优化提供依据和支撑 4.1.1 常用自然语言处理基础模型及语音模型的构建与使用方法 4.1.2 语音拨号、语音导航、室内设备控制等工具使用方法 4.1.3 软硬件测试平台工具和测试方法 5.人工智能产品交付 5.1自然语言及语音处理产品交付 5.1.1 能安装与部署相关自然语言及语音处理产品 5.1.2 能进行自然语言及语音处理产品上线后的维护支撑工作 5.1.3 能按照自然语言及语音处理产品需求，进行安全策略配置，完成产品上线试运行 5.1.1 主流操作系统开发环境知识 5.1.2 大数据流处理计算框架工具 5.1.3 自然语言处理及语音全链路技术 6.人工智能产品运维 6.1自然语言及语音处理产品运维 6.1.1 能及时跟踪国内外自然语言及语音处理技术的发展，并结合产品运行状况做持续优化 6.1.2 能推动产品程序架构与部署优化，推动产品运维流程的自动化 6.1.3 能进行自然语言及语音处理应用工具或产品线上线下系统的发布、更新、架构调整、服务器环境配置和调试 6.1.1 多种运维脚本编写知识 6.1.2 数据库运维知识和各个中间件的安装、配置、调优方法 6.1.3 多种社区开源工具使用方法 7.人工智能咨询服务 7.1人工智能技术咨询 7.1.1 能进行自然语言处理、语音识别、语音合成、语义理解项目的技术评估，使用现代工程咨询方法进行相应咨询服务 7.1.2 能进行自然语言及语音处理项目技术体系架构和方案设计，完成项目建议书的编写、可行性研究报告的编制，编制相应的实施规划 7.1.1 工程咨询方法与系统分析知识 7.1.2 技术评估基本方法 7.1.3 项目建议书、可行性研究报告编制方法 7.1.4 招投标技术咨询知识和项目后评价方法 7.2人工智能系统咨询管理和评价服务 7.2.1 能进行人工智能系统项目资源分析和评价 7.2.2 能进行人工智能系统人机交互、隐私保护、数据安全等技术的咨询和评价服务 7.2.1 项目资源的计划、配置、控制和处置方法 7.2.2 人工智能伦理知识 7.2.3 隐私保护知识 7.3人工智能咨询培训及运营管理咨询 7.3.1 能组织开展人工智能技术咨询服务培训 7.3.2 能跟进人工智能最新技术及应用场景，并针对性开展技术论证 7.3.3 能对人工智能项目运营过程进行咨询 7.3.1 培训方法及问题反馈和分析方法 7.3.2 培训质量管理知识 7.3.3 运营管理方法
• 高级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能在面对用户需求和业务需求时，将其准确转换为机器学习语言、算法及模型 1.1.2 能对机器学习技术要素进行组合使用，并进行建模 1.1.3 能在标准算法基础上，对组合多种机器学习技术要素进行模型设计及调 优的能力 1.1.1 新型模型和相关技术 1.1.2 深度学习模型的剪枝、量化、蒸馏和模型结构搜索等模型压缩方法 1.2人工智能算法实现及应用 1.2.1 能使用深度学习框架实现算法的设计和开发 1.2.2 能合理组合、改造并创新深度学习模型来解决更加复杂的应用问题 1.2.1 深度学习框架的技术细节及发展趋势 1.2.2 深度神经网络结构与深度学习算法的开发设计方法 2.人工智能需求分析 2.1自然语言及语音处理需求分析 2.1.1 能根据自然语言处理、语音识别、语音合成应用场景的特点在效果、效率及具体场景实现全面定制化的需求分析 2.1.2 能根据业务需求，对自然语言处理、语音翻译、语音控制、语音转录、情感识别及声纹识别等语音应用场景提供解决方案 2.1.1 主要自然语言处理任务（如词法分析、句法分析、情感分析、文本摘要等）技术原理 2.1.2 数字信号处理、语言模型、声学机理等原理 2.1.3 声学模型训练方法和声纹处理等多项技术原理 3.人工智能设计开发 3.1自然语言及语音处理设计开发 3.1.1 能进行自然语言处理、语音识别、语音合成等技术架构研究 3.1.2 能构建智能问答、机器翻译、智能对话、语音翻译、语音控制、语音转录、情感识别及声纹识别等自然语言及语音处理应用架构 3.1.3 能对不同自然语言及语音处理场景的通用部分进行提取抽象 3.1.4 能解决对大型复杂自然语言及语音处理应用场景下设计与架构的工具选择、性能优化问题 3.1.1 自然语言处理任务（如词法分析、句法分析、情感分析、文本摘要等）所涉模型、语言模型和声学模型训练、解码器或识别算法优化知识 3.1.2 多种深度学习框架知识 3.1.3 自然语言处理模型、数字信号处理、语音合成引擎开发、计算加速、效率优化等关键技术知识 4.人工智能测试验证 4.1自然语言及语音处理验证 4.1.1 能编写自动化测试案例与脚本，部署执行自动化测试案例，定位排查问题 4.1.2 能对自然语言处理、语音识别、语音合成产品系统进行数据处理、模型训练、结果分析、实验验证 4.1.3 能通过分析问题、收集数据、特征提取、建模、设计算法、评估改进等步骤来解决实践中面临的复杂问题 4.1.4 能根据需求设计性能测试方案，编写性能测试脚本并执行 4.1.1 前端测试方案、接口测试方案、大数据测试方案、分布式测试方案的设计知识 4.1.2 自然语言处理、语音识别和语音合成系统工具使用方法 4.1.3 多种性能测试工具使用方法 4.1.4 大数据流处理计算框架工具和数据库使用方法 5.人工智能产品交付 5.1自然语言及语音处理产品交付 5.1.1 能对属地技术人员进行语音应用工具或产品的交付技术培训 5.1.2 能按照项目既定计划完成交付，并承担交付过程中需要的技术方案等交付物的编写 5.1.3 能持续改进完善自然语言及语音处理应用工具或产品的交付流程和流 程产物要求 5.1.1 培训教学方法 5.1.2 多种语音应用工具或产品的安装、配置、调试的操作方法 5.1.3 项目管理的五个过程和十个知识领域 6.人工智能产品运维 6.1自然语言及语音处理产品运维 6.1.1 能开发自然语言及语音处理自动化运维平台 6.1.2 能构建自动化的自然语言及语音处理系统优化模式 6.1.3 能根据自然语言及语音处理工具和系统的发展情况，及时引进新系统和新工具 6.1.1 主流操作系统管理、安全及系统优化方法 6.1.2 多种自动化运维编程工具使用方法 6.1.3 分布式计算框架知识 6.1.4 性能优化方法 7.人工智能咨询服务 7.1人工智能技术咨询 7.1.1 能进行自然语言及语音处理项目的技术要素分析、产业成本分析、产业链架构等咨询 7.1.2 能对自然语言及语音处理系统的人机作用、网络作用、社会作用进行合理性分析咨询 7.1.1 现代工程咨询方法 7.1.2 社会伦理学知识 7.2人工智能咨询管理和评价服务 7.2.1 能制订人工智能技术应用的组织管理机制及协调机制 7.2.2 能对人工智能系统应用提出持续改进建议 7.2.3 能进行人工智能项目的社会可持 续发展情况评价 7.2.1 系统规划知识 7.2.2 信息系统工程知识 7.2.3 软件体系架构评估知识 7.2.4 社会评价方法 7.3人工智能咨询培训及运营管理咨询 7.3.1 能进行人工智能技术咨询服务和运营管理培训 7.3.2 能进行计划、组织、实施和控制等运营过程管理 7.3.2能进行运营经济性预测，提出运营计划调整策略 7.3.1 培训方案制订方法 7.3.2 运营过程规划及管理知识 7.3.2敏感数据分析知识
• 4.计算机视觉产品实现
• 初级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能准确地判断应用任务是否适合用机器学习技术解决 1.1.2 能应用深度学习或主流机器学习算法原理解决实际任务 1.1.3 能运行基础神经网络模型，按照一定的指导原则，对深度神经网络进行调优 1.1.1 机器学习基本概念，包括监督学习、无监督学习、强化学习等 1.1.2 深度神经网络，包括卷积神经网络、长短期记忆网络、图神经网络等的基本概念 1.1.3 机器学习与深度学习算法常见的评估方法：准确率、召回率、AUC指标、ROC曲线、检测指标、分割指标等 1.1.4 图像/视频处理、语音处理、自然语言处理等领域的基本方法 1.2人工智能算法实现及应用 1.2.1 能使用至少一种国产化深度学习框架训练模型，并使用训练好的模型进行预测 1.2.2 能实现深度学习框架的安装、模型训练、推理部署 1.2.1 国产化深度学习框架基本情况 1.2.2 深度学习框架运行的基本软硬件环境要求 1.2.3 至少一种深度学习框架使用方法 2.人工智能需求分析 2.1计算机视觉需求分析 2.1.1 能结合计算机视觉研发的主要流程、主要硬件平台和用户使用场景进行市场调研与分析 2.1.2 能整理用户对计算机视觉的需求 2.1.3 能撰写计算机视觉业务基础需求设计分析和需求文档，合理应用目标检测、分割、图像语义理解等计算机视觉算法满足用户的需求 2.1.1 计算机视觉技术体系基本架构和主要技术规范 2.1.2 计算机视觉模型的训练、推理、部署方法和流程 2.1.3 计算机视觉场景需求设计分析和需求文档的撰写规范 3.人工智能设计开发 3.1计算机视觉设计开发 3.1.1 能设计基础的应用计算机视觉场景开发主要流程 3.1.2 能使用计算机视觉开发工具完成计算机视觉基础算法的训练、推理、部署完整流程，如目标检测、图像分割等 3.1.3 能使用计算机视觉算法工程化常用的硬件环境、工具链，进行开发、调试和故障排除 3.1.1 计算机视觉场景的主要环节和技术规范 3.1.2 计算机视觉工具的使用方法和算法开发流程 3.1.3 计算机视觉基础算法，深度学习中的目标检测、图像分割、目标追踪等计算机视觉相关算法 4.人工智能测试验证 4.1计算机视觉验证 4.1.1 能执行计算机视觉人工智能场景的验证流程 4.1.2 能执行计算机视觉应用主要组件的使用流程 4.1.3 能完整验证计算机视觉应用组件的功能、性能等 4.1.4 能完整验证计算机视觉开发的算法和模型的 精度 4.1.1 计算机视觉人工智能场景的主要环节和验证方法 4.1.2 计算机视觉应用的主要组件和使用流程 4.1.3 计算机视觉应用主要组件的功能验证方法和性能验证方法 4.1.4 计算机视觉算法和模型的精测验证方法 5.人工智能产品交付 5.1计算机视觉产品交付 5.1.1 能执行计算机视觉场景交付的主要流程 5.1.2 能执行计算机视觉的主要组件和安装交付流程 5.1.3 能结合计算机视觉业务场景编制产品交付文档 5.1.4 能根据计算机视觉现场情况进行软件的安装调试和维护 5.1.1 计算机视觉场景的主要环节和交付方法 5.1.2 计算机视觉的主要组件和安装、配置、调试的方法 5.1.3 计算机视觉的产品交付文档的规范和撰写要求 5.1.4 计算机视觉基础算法，如图像分类、目标检测、图像分割等 6.人工智能产品运维 6.1计算机视觉产品运维 6.1.1 能使用计算机视觉产品操作命令 6.1.2 能在专有硬件上运维计算机视觉产品 6.1.3 能按照计算机视觉产品部署手册对产品进行部署升级 6.1.4 能根据标准流程进行计算机视觉产品的日常巡查 6.1.1 计算机视觉产品的操作与运维技术 6.1.2 计算机视觉产品的专有硬件知识 6.1.3 计算机视觉产品的部署升级方法 6.1.4 计算机视觉产品的日常巡查规范
• 中级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能快速判断并选择所需要的模型，合理使用机器学习模型与深度学习模型并进行模型调优 1.1.2 能调研及运行深度的神经网络模型，在需要进行参数调整和适配到自身的应用问题时，对关键参数的调整能提出解决方案 1.1.1 深度学习算法训练、推理、部署的方法及技术细节 1.1.2 数据策略、网络中的核心模块、参数规模、优化算法、损失函数、正则项等关键参数 1.1.3 数据并行、模型并行、流水线并行等深度学习模型的并行训练的方法 1.2人工智能算法实现及应用 1.2.1 能完成深度学习框架安装、模型训练、推理部署的全流程 1.2.2 能使用深度学习框架的用户接口进行神经网络模型搭建 1.2.1 深度学习框架设计的基本概念，如动态图、静态图等 1.2.2 深度学习框架的常用编程接口 1.2.3 常用模型的使用方法，如文本生成目标检测、图像分割、机器翻译等 2.人工智能需求分析 2.1计算机视觉需求分析 2.1.1 能挖掘计算机视觉研发的主要流程、主要硬件平台和用户使用场景的细节 2.1.2 能将用户的使用问题整理转化为计算机视觉的业务需求 2.1.3 能使用至少一种计算机视觉算法主要的应用领域及常见算法评估方法，在此领域中结合具体业务场景，系统化地评估算法应用的实施效果 2.1.4 能使用至少一种计算机视觉算法工程化应用的主流软硬件解决方案，在此领域中结合具体应用场景评估解决方案 2.1.5 能根据计算机视觉领域的业务需求设计规范，撰写或指导本领域的初级人员撰写计算机视觉业务需求设计分析和需求文档，合理应用目标检测、分割、图像语义理解等计算机视觉算法满足用户的需求 2.1.1 计算机视觉技术体系架构和技术规范细节 2.1.2 计算机视觉算法的训练、推理、部署方法、流程和操作细节 2.1.3 计算机视觉的主流算法和评估方法 2.1.4 计算及视觉的工程开发主流软硬件知识和评估方法 2.1.5 计算机视觉场景需求设计分析撰写规范和指导方法 3.人工智能设计开发 3.1计算机视觉设计开发 3.1.1 能进行应用计算机视觉场景全流程及细节设计 3.1.2 能针对具体业务场景修改计算机视觉的算法和相关前后处理，使得算法可以满足场景需求 3.1.3 能根据具体的业务要求，将业务问题建模为对应的计算机视觉问题，并针对性的选用合适的算法 3.1.4 能调试和解决算法工程化过程中的故障与问题 3.1.5 能指导本领域的初级人员完成计算式视觉算法工程化的开发、调试和 故障排除 3.1.1 计算机视觉场景的全流程细节和技术规范 3.1.2 计算机视觉主要算法和特点，深度学习中的目标检测、图像分割、目标追踪等计算机视觉相关算法 3.1.3 计算机视觉工具的特点、使用方法，以及算法开发全流程和细节 3.1.4 计算机视觉算法工程化常用的硬件环境和开发工具的细节 4.人工智能测试验证 4.1计算机视觉验证 4.1.1 能设计计算机视觉人工智能场景的验证流程和细节 4.1.2 能设计针对计算机视觉应用主要组件的测试计划，完整地验证其功能、精度、性能等 4.1.3 能制订自动化解决方案，使用测试工具实现针对计算机视觉应用的自动化测试 4.1.1 计算机视觉人工智能场景的主要环节和验证方法技术细节 4.1.2 计算机视觉应用的主要组件和使用流程技术细节 4.1.3 计算机视觉应用主要组件的功能验证方法和性能验证方法技术细节 4.1.4 计算机视觉算法和模型的精测验证方法技术细节 4.1.5 自动化测试的方法和工具 5.人工智能产品交付 5.1计算机视觉产品交付 5.1.1 能进行计算机视觉场景交付的全流程及细节设计 5.1.2 能设计计算机视觉的主要组件和安装交付流程的操作细节 5.1.3 能基于计算机视觉业务场景编制产品交付文档，并指导本领域初级人员完成产品交付文档的编制 5.1.4 能根据计算机视觉现场情况进行软件的安装调试和维护，并对计算机视觉现场部署过程中的交付问题进行分析、定位和解决 5.1.5 能对计算机视觉产品的交付质量、时间、成本及风险进行初步评估 5.1.1 计算机视觉场景的全流程细节和交付方法的技术特点 5.1.2 计算机视觉的主要组件和安装、配置、调试的方法和操作细节 5.1.3 计算机视觉的产品交付文档的规范、撰写要求和指导方法 5.1.4 计算机视觉问题的定位方法和工具 5.1.5 计算机视觉主流算法的细节和特点 6.人工智能产品运维 6.1计算机视觉产品运维 6.1.1 能在专有硬件上运维计算机视觉产品 6.1.2 能进行视觉产品或设备的故障诊断和预测性维护分析 6.1.3 能按照计算机视觉产品常见问题排查流程和标准步骤，进行问题排查 6.1.1 计算机视觉的主要应用流程和基础算法 6.1.2 计算机视觉产品的部署升级和日常巡查的流程和细节 6.1.3 计算机视觉产品的问题排查流程、方法和细节 7.人工智能咨询服务 7.1人工智能技术咨询 7.1.1 能进行计算机视觉项目的技术评估，使用现代工程咨询方法进行相应咨询服务 7.1.2 能进行计算机视觉项目技术体系架构和方案设计，完成项目建议书的编写、可行性研究报告的编制，编制相应的实施规划 7.1.1 工程咨询方法与系统分析知识 7.1.2 项目建议书、可行性研究报告编制方法 7.1.3 招投标技术咨询知识和项目后评价方法 7.2人工智能系统咨询管理和评价服务 7.2.1 能进行人工智能系统项目资源分析和评价 7.2.2 能进行人工智能系统人机交互、隐私保护、数据安全等技术的咨询和评价服务 7.2.1 项目资源的计划、配置、控制和处置方法 7.2.2 人工智能伦理知识 7.2.3 隐私保护知识 7.3人工智能咨询培训及运营管理咨询 7.3.1 能组织开展人工智能技术咨询服务培训 7.3.2 能跟进人工智能最新技术及应用场景，并针对性开展技术论证 7.3.3 能对人工智能项目运营过程进行咨询 7.3.1 培训方法及问题反馈和分析方法 7.3.2 培训质量管理知识 7.3.3 运营管理方法
• 高级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能在面对用户需求和业务需求时，将其准确转换为机器学习语言、算法及模型 1.1.2 能对机器学习技术要素进行组合使用，并进行建模 1.1.3 能在标准算法基础上，对组合多种机器学习技术要素进行模型设计及调优的能力 1.1.1 新型模型和相关技术 1.1.2 深度学习模型的剪枝、量化、蒸馏和模型结构搜索等模型压缩方法 1.2人工智能算法实现及应用 1.2.1 能使用深度学习框架实现算法的设计和开发 1.2.2 能合理组合、改造并创新深度学习模型来解决更加复杂的应用问题 1.2.1 深度学习框架的技术细节及发展趋势 1.2.2 深度神经网络结构与深度学习算法的开发设计方法 2.人工智能需求分析 2.1计算机视觉需求分析 2.1.1 能设计计算机视觉算法研发的主要流程，结合具体原因设计计算机视觉使用场景的细节，制订计算机视觉算法研发的整体计划，并拆解到各个主要流程中 2.1.2 能使用主流计算机视觉算法的应用领域及评估方法，结合具体业务场景分析与设计算法应用的主要技术指标，系统化地评估算法应用的实施效果 2.1.3 能使用主流计算机视觉算法工程化应用的软硬件解决方案，结合具体应用场景以及软硬件特点设计和应用解决方案，指导项目部署与实施 2.1.4 能根据用户的场景需求和计算机视觉算法的发展情况，制订计算机视觉的业务需求设计规范 2.1.1 计算机视觉技术体系架构和技术规范及制订原因 2.1.2 现有计算机视觉算法的主要特点、评估方法和发展趋势 2.1.3 计算及视觉的工程开发主流软硬件的主要特点、评估方法和发展趋势 3.人工智能设计开发 3.1计算机视觉设计开发 3.1.2 能对计算机视觉主要算法的内部机制具有深刻的理解，结合业务需要设计算法模型 3.1.3 能根据具体的业务要求，将业务问题建模为对应的机器学习问题，并针对问题选用合适的算法，必要的时候进行优 化 3.1.4 能使用计算机视觉算法工程化常用的硬件环境和工具，根据业务需求选择和设计软硬件方案 3.1.5 能指导本领域的初级人员完成计算式视觉算法工程化的开发、调试和故障排除 3.1.1 计算机视觉技术体系架构和前沿研究领域发展趋势 3.1.2 计算机视觉的核心原理和重要相关应用领域的知识 3.1.3 计算机视觉主流算法的技术原理、细节和特点 3.1.4 计算机视觉工具的特点、使用方法，以及算法开发全流程、设计原理和细节 4.人工智能测试验证 4.1计算机视觉验证 4.1.1 能合理运用计算机视觉应用的主要组件和使用流程，设计针对其中组件的测试计划，完整地验证其功能、精度、性能等 4.1.2 能组织完成自动化测试工具的设计和实现，用于计算机视觉应用的测试和验证 4.1.3 能设计和搭建自动化测试以及CI/CD基础设施，并利用基础设施持续提升测试质量与效率 4.1.1 计算机视觉场景和应用的验证方法的技术特点和发展趋势 4.1.2 计算机视觉算法和模型的精测验证方法的技术特点和发展趋势 4.1.3 自动化测试方法和工具的技术特点和发展趋势 5.人工智能产品交付 5.1计算机视觉产品交付 5.1.1 能设计并预警计算机视觉场景交付的全流程细节，以及交付方法的技术特点和发展趋势 5.1.2 能制订计算机视觉的安装交付流程 5.1.3 能面向复杂场景，设计计算机视觉产品交付方案，编制交付文档，并指导本领域初级人员完成产品交付文档的编制 5.1.4 能指导交付团队实现复杂计算机视觉现场部署、调试与维护 5.1.5 能对计算机视觉产品的交付质量、时间、成本及风险进行全局评估 5.1.1 计算机视觉场景的全流程细节和交付方法的技术特点及发展趋势 5.1.2 计算机视觉的主要组件和安装、配置、调试的技术原理 5.1.3 计算机视觉的产品交付文档规范、撰写要求、指导方法的制订原因 5.1.4 面向复杂场景的计算机视觉问题定位的原理，以及辅助工具的开发方法 5.1.5 计算机视觉主流算法的技术原理 6.人工智能产品 运维 6.1计算机视觉产品运维 6.1.1 能解决各类突发故障，并结合自身经验针对性地进行分析和处理 6.1.2 能开发自动化运维工具 6.1.1 计算机视觉产品专有硬件的实现细节 6.1.2 自动化运维工具的开发方法 7.人工智能咨询服务 7.1人工智能技术咨询 7.1.1 能进行计算机视觉项目的技术要素分析、产业成本分析、产业链架构等咨询 7.1.2 能对计算机视觉系统的人机作用、网络作用、社会作用进行合理性分析咨询 7.1.1 现代工程咨询方法 7.1.2 社会伦理学知识 7.2人工智能咨询管理和评价服务 7.2.1 能制订人工智能技术应用的组织管理机制及协调机制 7.2.2 能对人工智能系统应用提出持续改进建议 7.2.3 能进行人工智能项目的社会可持续发展情况评价 7.2.1 系统规划知识 7.2.2 信息系统工程知识 7.2.3 软件体系架构评估知识 7.2.4 社会评价方法 7.3人工智能咨询培训及运营管理咨询 7.3.1 能进行人工智能技术咨询服务和运营管理培训 7.3.2 能进行计划、组织、实施和控制等运营过程管理 7.3.2能进行运营经济性预测，提出运营计划调整策略 7.3.1 培训方案制订方法 7.3.2 运营过程规划及管理知识 7.3.2敏感数据分析知识
• 5.人工智能应用产品集成实现
• 初级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能准确地判断应用任务是否适合用机器学习技术解决 1.1.2 能应用深度学习或主流机器学习算法原理解决实际任务 1.1.3 能运行基础神经网络模型，按照一定的指导原则，对深度神经网络进行调优 1.1.1 机器学习基本概念，包括监督学习、无监督学习、强化学习等 1.1.2 深度神经网络，包括卷积神经网络、长短期记忆网络、图神经网络等的基本概念 1.1.3 机器学习与深度学习算法常见的评估方法：准确率、召回率、AUC指标、ROC曲线、检测指标、分割指标等 1.1.4 图像/视频处理、语音处理、 自然语言处理等领域的基本方法 1.2人工智能算法实现及应用 1.2.1 能使用至少一种国产化深度学习框架训练模型，并使用训练好的模型进行预测 1.2.2 能实现深度学习框架的安装、模型训练、推理部署 1.2.1 国产化深度学习框架基本情况 1.2.2 深度学习框架运行的基本软硬件环境要求 1.2.3 至少一种深度学习框架使用方法 2.人工智能需求分析 2.1人工智能应用集成需求分析 2.1.1 能收集用户对人工智能应用的需求，进行需求分析 2.1.2 能根据人工智能产品主要的应用领域、服务对象和使用场景、应用需求，选择人工智能产品 2.1.3 能撰写人工智能应用集成需求分析文档 2.1.1 人工智能应用集成需求调研方法 2.1.2 人工智能产品知识、典型场景和人工智能产品集成应用成熟案例 2.1.3 人工智能应用需求分析文档撰写规范 3.人工智能设计开发 3.1人工智能应用集成设计开发 3.1.1 能列出人工智能应用中涉及的数据，并利用数据分析与处理方法准备数据 3.1.2 能使用常用编程语言和主流平台工具，进行人工智能应用相关模块代码的开发 3.1.3 能根据人工智能应用集成设计方案和开发方案，进行人工智能应用接口的基础性开发 3.1.1 数据采集、预处理、统计、挖掘等常见数据分析与处理方法 3.1.2 人工智能程序低代码开发工具的使用方法 3.1.3 人工智能应用常见集成方法 3.1.4 应用集成接口开发知识 4.人工智能产品交付 4.1人工智能应用集成产品交付 4.1.1 能按照人工智能应用集成的交付流程和交付标准，进行人工智能应用主要组件和接口的安装、配置、调试 4.1.2 能按照人工智能应用集成的交付流程和交付标准，进行人工智能应用的功能测试验证和性能测试 4.1.3 能基于业务场景编制人工智能应用安装手册、使用手册等交付文档 4.1.1 人工智能应用集成交付的主要环节和交付方法 4.1.2 智能语音、计算机视觉、自然语言处理、机器人流程自动化等人工智能应用集成主要组件的安装、配置、调试方法 4.1.3 人工智能应用交付文档的规范和撰写要求 5.人工智能产品运维 5.1人工智能应用集成产品运维 5.1.1 能根据产品手册和运维手册，部署、操作常见的人工智能产品 5.1.2 能根据产品手册与运维手册，执行标准的运维流程，包括日常巡检、部署升级等 5.1.3 能记录日常运维工作，撰写运维日志和运维文档 5.1.1 人工智能产品的使用知识 5.1.2 适合人工智能应用的软硬件、操作系统和网络知识 5.1.3 人工智能应用运维日志和运维文档撰写方法
• 中级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能快速判断并选择所需要的模型，合理使用机器学习模型与深度学习模型并进行模型调优 1.1.2 能调研及运行深度的神经网络模型，在需要进行参数调整和适配到自身的应用问题时，对关键参数的调整能提出解决方 案 1.1.1 深度学习算法训练、推理、部署的方法及技术细节 1.1.2 数据策略、网络中的核心模块、参数规模、优化算法、损失函数、正则项等关键参数 1.1.3 数据并行、模型并行、流水线并行等深度学习模型的并行训练方法 1.2人工智能算法实现及应用 1.2.1 能完成深度学习框架安装、模型训练、推理部署的全流程 1.2.2 能使用深度学习框架的用户接口进行神经网络模型搭建 1.2.1 深度学习框架设计的基本概念，如动态图、静态图等 1.2.2 深度学习框架的常用编程接口 1.2.3 常用模型的使用方法，如文本生成目标检测、图像分割、机器翻译等 2.人工智能需求分析 2.1人工智能应用集成需求分析 2.1.1 能根据应用场景的特点,聚焦应用集成目标，将用户对应用集成的主要诉求整理、转化成人工智能应用集成需求 2.1.2 能指导本领域初级人员撰写业务场景需求分析文档 2.1.1 应用集成的主要方法和风险防范知识 2.1.2 人工智能产品的开放性与集成效果评估知识 2.1.3 人工智能应用集成需求调研方法 2.1.4 人工智能应用项目需求管理相关流程 3.人工智能设计开发 3.1人工智能应用集成设计开发 3.1.1 能根据现状分析与需求分析文档，编制人工智能应用集成设计方案和开发方案 3.1.2 能面向用户集成需要，完成人工智能应用的选型，并选择合理的人工智能产品组合，对多种组合方案进行分析比对 3.1.3 能梳理集成数据和业务流程，理清应用间集成关系 3.1.4 能完成人工智能应用间的一般软硬件接口设计与开发，以及一般集成中间件的开发 3.1.5能完成人工智能应用使用到AI算法的选型与实现、模型训练等 3.1.1 人工智能应用集成设计方案和开发方案撰写规范 3.1.2 面向集成需求的人工智能应用选型原则与方法 3.1.3 物理接口、软件接口、数据接口、中间件、机器人流程自动化等人工智能应用组件软硬件接口设计和开发方法 3.1.4 模型训练技术与方法 4.人工智能产品交付 4.1人工智能应用集成产品交付 4.1.1 能设计人工智能应用集成交付方案，编制人工智能应用交付文档 4.1.2 能根据应用集成设计方案，协调各被集成人工智能应用供应商，有效组织开展集成工作，按方案要求开发接口并调试 4.1.3 能结合客户实际现场环境，完成AI集成应用运行环境搭建 4.1.4 能对所开发的接口进行部署，并与各集成应用实现联调测试，将人工智能应用从测试环 境交付到正式环境 4.1.1 人工智能应用集成项目管理与交付知识 4.1.2 人工智能应用环境搭建基础知识 4.1.3 常见人工智能工具、平台的使用知识 5.人工智能产品运维 5.1人工智能应用集成产品运维 5.1.1 能根据常见人工智能产品的运行状况、故障特征及判定方法,按照标准步骤排查现场运行的简单问题和故障 5.1.2 能开展人工智能应用集成上线运行后的日常维护，解决客户的技术要求、疑问和使用过程中的问题 5.1.3 能进行运维流程、相关规范、手册的制订及实施 5.1.1 常见人工智能产品的运行状况、故障特征及判定方法 5.1.2 人工智能应用常见问题排查方法 5.1.3 人工智能应用集成环境搭建基础知识 5.1.4 人工智能应用软硬件运维的基础知识 6.人工智能咨询服务 6.1人工智能技术咨询 6.1.1 能进行人工智能应用集成项目工作流程规划，使用现代工程咨询方法进行相应咨询服务 6.1.2 能进行人工智能应用集成项目技术体系架构和方案设计，完成项目建议书的编写、可行性研究报告的编制，编制相应 的实施规划 6.1.1 工程咨询方法与系统分析知识 6.1.2 技术评估基本方法 6.1.3 项目建议书、可行性研究报告编制方法 6.1.4 招投标技术咨询知识和项目后评价方法 6.2人工智能系统咨询管理和评价服务 6.2.1 能进行人工智能系统项目资源分析和评价 6.2.2 能进行人工智能系统人机交互、隐私保护、数据安全等 技术的咨询和评价服务 6.2.1 项目资源的计划、配置、控制和处置方法 6.2.2 人工智能伦理知识 6.2.3 隐私保护知识 6.3人工智能咨询培训及运营管理咨询 6.3.1 能组织开展人工智能技术咨询服务培训 6.3.2 能跟进人工智能最新技术及应用场景，并针对性开展技术论证 6.3.3 能对人工智能项目运营过程进行咨询 6.3.1 培训方法及问题反馈和分析方法 6.3.2 培训质量管理知识 6.3.3 运营管理方法
• 高级 职业功能 工作内容 专业能力要求 相关知识要求 1.人工智能共性技术应用 1.1人工智能算法选型及调优 1.1.1 能在面对用户需求和业务需求时，将其准确转换为机器学习语言、算法及模型 1.1.2 能对机器学习技术要素进行组合使用，并进行建模 1.1.3 能在标准算法基础上，对组合多种机器学习技术要素进行模型设计及调优的能力 1.1.1 新型模型和相关技术 1.1.2 深度学习模型的剪枝、量化、蒸馏和模型结构搜索等模型压缩方法 1.2人工智能算法实现及应用 1.2.1 能使用深度学习框架实现算法的设计和开发 1.2.2 能合理组合、改造并创新深度学习模型来解决更加复杂的应用问题 1.2.1 深度学习框架的技术细节及发展趋势 1.2.2 深度神经网络结构与深度学习算法的开发设计方法 2.人工智能需求分析 2.1人工智能应用集成需求分析 2.1.1 能利用行业知识和集成经验，开展人工智能应用集成咨询与诊断 2.1.2 能在行业场景中挖掘人工智能应用需求，引导用户将使用问题转化为人工智能应用需求 2.1.3 能制订人工智能应用需求分析文档规范，指导本领域初级人员进行需求分析和需求分析 文档撰写 2.1.1 人工智能应用集成方法 2.1.2 主要人工智能产品的技术特点及发展趋势 2.1.3 人工智能应用集成咨询知识 3.人工智能设计开发 3.1人工智能应用集成设计开发 3.1.1 能在人工智能应用集成设计方案中合理考虑集成安全、成本、质量、可扩展性等关键要素并实现均衡优化，合理分解性能指标 3.1.2 能确认和评估AI集成应用开发需求，制订开发规范，搭建系统集成实现的核心构架和复杂接口设计开发 3.1.3 能对被集成供应商的开发工作提出明确要求，并对交付物进行审核确认 3.1.4能进行总体技术路线制订和核心算法选型 3.1.1 人工智能应用选型与适配知 识 3.1.2 人工智能应用集成开发知识与集成性能评估知识 3.1.3 应用集成可靠性知识 4.人工智能产品交付 4.1人工智能应用集成产品交付 4.1.1 能制订人工智能应用集成的交付规范 4.1.2 能指导交付团队实现复杂场景下应用集成的现场部署、调试与维护，或协调人工智能应用组件供应商完成安装交付 4.1.3 能在现场对集成接口进行及时优化和适应性开发 4.1.1 集成项目管理与交付知识 4.1.2 接口开发与调试知识 4.1.3 人工智能应用集成全系统联调知识 5.人工智能产品运维 5.1人工智能应用集成产品运维 5.1.1 能制订人工智能应用集成的部署升级规范、日常巡查规范和运维预案 5.1.2 能针对运维期间的疑难问题和突发故障，针对性地进行分析和处理 5.1.3 能开展人工智能应用集成系统的性能优化 5.1.4 能根据人工智能应用运行结果及场景需求，优化AI算法、AI软件 5.1.1 人工智能应用的操作与运维技术 5.1.2 人工智能应用的部署升级和日常巡查的流程和细节 5.1.3 人工智能应用的问题排查流程、方法和细节 5.1.4 系统性能优化知识 5.1.5 AI算法和AI软件体系架构和相关编程知识 6.人工智能咨询服务 6.1人工智能技术咨询 6.1.1 能进行人工智能应用集成项目的技术要素分析、产业成本分析、产业链架构等咨询 6.1.2 能对人工智能应用集成系统的人机作用、网络作用、社会作用进行合理性分析咨询 6.1.1 现代工程咨询方法 6.1.2 社会伦理学知识 6.2人工智能咨询管理和评价服务 6.2.1 能制订人工智能技术应用的组织管理机制及协调机制 6.2.2 能对人工智能系统应用提出持续改进建议 6.2.3 能进行人工智能项目的 社会可持续发展情况评价 6.2.1 系统规划知识 6.2.2 信息系统工程知识 6.2.3 软件体系架构评估知识 6.2.4 社会评价方法 6.3人工智能咨询培训及运营管理咨询 6.3.1 能进行人工智能技术咨询服务和运营管理培训 6.3.2 能进行计划、组织、实施和控制等运营过程管理 6.3.2能进行运营经济性预 测，提出运营计划调整策略 6.3.1 培训方案制订方法 6.3.2 运营过程规划及管理知识 6.3.2敏感数据分析知识