深度学习工程师中级认证考试由Linux Foundation开源大学和飞桨共同创建，面向了解开源，具有开源意识，具备深度学习相关行业2~5年工作经验的企业员工或社会人士。

概述

深度学习工程师中级认证考试由Linux Foundation开源大学和飞桨共同创建，面向了解开源，具有开源意识，具备深度学习相关行业2~5年工作经验的企业员工或社会人士。

认证范围：了解开源，具有开源意识，能对自然语言处理、计算机视觉领域中的任一类任务，通过调优使得该任务上的模型达到特定的需求指标；熟悉机器学习算法的原理及不同算法间的差异；能对中等应用问题进行选型、设计指标完成全流程构建并解决问题。

认证一览

考试模式：在线编程进行模型训练，总分100分，60分及以上通过考试，考生报名后可选择自然语言处理或计算机视觉任一方向进行考试

考试周期：每两月一次(今年的考试时间为4月18日、6月20日、8月22日、10月24日、以及12月19日)

考试时间：300分钟

证书有效期：3年

重考政策：可接受重考

经验水平：中级

考试细则：

1. 考试为在线模型编程题目，全程需要联网，请确保您的设备电量充足、保持网络稳定，以防止在考试期间出现中断自动交卷的情况。

2. 考试在线编程环境为AI Studio Notebook环境，点击查看在线Notebook环境操作说明。

3. 考试全程将会通过手机进行视频语音监控，请提前十分钟做好准备，打开手机APP线上考试界面，同时登录监控系统确保摄像头可以打开，调整好心态。点击查看监控系统操作手册.

考生购买考试时，需选择考试方向及场次，通过认证考试的考生将获得PDF认证证书。

领域和能力

本认证针对考核成为深度学习中级工程师所需的技能。

本认证考试包括这些领域及技能考核（NLP方向）：

机器学习

l 能够准确地判断应用任务是否适合用机器学习技术解决

l 能够快速判断并选择所需要的模型

l 具备机器学习模型的使用及调优经验

l 能够独立地使用指定的机器学习平台，训练机器学习模型，对模型效果进行一定的调优

l 能够以机器学习理论为指导，分析数据、迭代数据策略、选择模型、完成特征优化、模型训练、学习效果迭代、预测服务开发

l 熟悉机器学习应用开发的全流程

深度学习

l 具备神经网络模型使用及实战经验

l 能够使用多种深度学习平台或工具

l 能够熟练使用飞桨（PaddlePaddle）及AIStudio

l 能够使用深度学习建模方法解决实际需求问题

l 能够在给定的性能要求下，部署及运用工具进行开发

l 能够拆解并实施不完全熟悉的技术方案

l 能够完成工程性能指标的优化

自然语言处理理论及应用

l 熟悉常用的自然语言处理技术，包括分词、命名实体识别、词性标注、依存句法分析、词向量与语义相似度等

l 熟悉自然语言处理方向的常见模型及使用场景，包括文本卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）、注意力机制（Attention）等

l 掌握自然语言处理行业深度学习项目核心业务知识，并熟悉研发关键点

自然语言处理模型应用

l 掌握词向量模型

l 掌握语言模型

l 掌握语义表示模型

l 掌握文本分类模型

l 掌握文本语义匹配模型

l 掌握文本序列标注模型

l 掌握文本序列生成模型

自然语言处理典型案例

l 掌握自然语言处理中的情感分析

l 掌握自然语言处理中的语义角色标注

l 掌握自然语言处理中的机器翻译

本认证考试包括这些领域及技能考核（CV方向）：

机器学习

l 能够准确地判断应用任务是否适合用机器学习技术解决

l 能够快速判断并选择所需要的模型

l 具备机器学习模型的使用及调优经验

l 能够独立地使用指定的机器学习平台，训练机器学习模型，对模型效果进行一定的调优

l 能够以机器学习理论为指导，分析数据、迭代数据策略、选择模型、完成特征优化、模型训练、学习效果迭代、预测服务开发

l 熟悉机器学习应用开发的全流程

深度学习

l 具备神经网络模型使用及实战经验

l 能够使用多种深度学习平台或工具

l 能够熟练使用飞桨（PaddlePaddle）及AIStudio

l 能够使用深度学习建模方法解决实际需求问题

l 能够在给定的性能要求下，部署及运用工具进行开发

l 能够拆解并实施不完全熟悉的技术方案

l 能够完成工程性能指标的优化

计算机视觉理论及应用

l 熟悉常用的计算机视觉技术，包括图像预处理，图像特征提取等

l 熟悉计算机视觉的常见模型及使用场景，包括CNN、VGG、GoogleNet、ResNet、GAN、DCGAN等

l 掌握计算机视觉行业深度学习项目核心业务知识，并熟悉研发关键点

计算机视觉模型应用

l 掌握图像分类模型

l 掌握目标检测模型

l 掌握图像分割模型

l 掌握关键点检测模型

l 掌握图像生成模型

l 掌握场景文字识别模型

l 掌握度量学习模型

l 掌握视频分类模型

l 掌握视频动作定位模型

l 掌握视频分类模型

l 掌握人脸识别模型

l 掌握3D视觉模型

l 掌握模型压缩

计算机视觉典型案例

l 掌握计算机视觉中的图像分类

l 掌握计算机视觉中的生成对抗网络

政策和资源

FAQ

1、考试题型是什么样的？是否有样题？

答：考试为在线编程形式。可参考样题地址：https://aistudio.baidu.com/aistudio/competition

2. 中级双认证有两个方向，我需要两个方向都考过吗？

答：中级双认证包括NLP和CV两个方向，考生可任选一个方向进行考试，通过后即可获得中级认证证书。

3. 报名后离考试还有一段时间，忘了考试怎么办？到时候会有人提醒吗？

答：考试前，会有专人发送邮件及短信提醒，并协助考生调试设备。

4、可接受重考的定义是什么？

答：可接受重考是指没通过考试后可以重新付费考试，目前没有免费补考次数。

请查看课程概述以及下面的其他推荐资源。 

课程概述 （见课程介绍）