![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/541f76a89c2abdeb0d3f724cc6de0796.png)
深度学习初级工程师
1.1 基本要求
能够熟练开发、修改和运行深度学习代码,并进行工程化层面上的改造;具有将初等复 杂的应用问题初步转化为适当的机器学习问题,并予以解决的能力。
1.2 专业知识要求
1.2.1 编程基础
应具备程序开发经历和经验。具体要求包括:
a) 能够较为熟练地使用编程语言(以 Python 为例);
b) 能够使用编程语言处理文本数据、图片数据及语音数据等;
c) 能够按照文档说明使用矩阵运算包和机器学习包(以 numpy,sklearn 为例) ;
d) 能够使用高级语言开发实现给定需求。
1.2.2 机器学习基础
应具备机器学习模型使用经验。具体要求包括:
a) 熟悉三种以上监督学习算法的原理;
b) 具备机器学习模型的使用及调优经验。
1.2.3 神经网络基础
应对神经网络有一定的理解。具体要求包括:
a) 能够理解基础神经网络模型的原理并完成运行;
b) 能够对关键参数(如数据策略、网络中的核心模块、参数规模、优化算法、损失函 数、正则项等)建立起自己的理解,并能对参数调整的结果进行预判;
c) 能够按照一定的指导原则对神经网络进行调优。
1.2.4 深度学习基础
应熟悉深度学习模型应用。具体要求包括:熟悉自然语言处理、计算机视觉、语音三大 领域中的至少一类任务(如文本分类、序列标注、文本生成、图像分类、目标检测、图像分 割、语音识别、语音合成等),独立运行这一任务上的深度学习模型。
1.3 工程能力要求
1.3.1 代码规范能力
应具备良好的文档习惯,有规范化意识。具体要求包括: a) 能够组织维护技术文档或技术博客; b) 能够根据代码规范要求,独立撰写设计文档; c) 能够遵守代码规范进行开发,有规范化意识。
1.3.2 算法模型实现能力
应具备一定的开发经验和独立开发的能力。具体要求包括: a) 能够遵循一定理论和原则,独立地进行数据策略迭代及特征工程相关工作; b) 能够独立使用指定的机器学习平台,训练机器学习模型,进行预测计算,并对模型 效果进行调优。
1.3.3 工程开发与架构设计能力
应熟悉使用工具开发。具体要求包括: a) 能够熟练地使用一种机器学习平台或机器学习工具; b) 能够在给定的性能要求下,部署及运用工具进行开发。
1.4 业务理解与实践能力要求
1.4.1 行业及业务知识
应能够理解所在行业的业务和产品。具体要求包括: a) 了解所在行业同类深度学习项目的业务知识; b) 了解产品的特性及需求。
1.4.2 业务应用能力
应能将已有模型运用于自身业务及产品。具体要求包括:了解已有模型,并对自身业务 需求进行分析、评估及实现。
深度学习中级工程师
1.1 基本要求
能够对自然语言处理、计算机视觉、语音三大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,能够对中 等复杂的应用问题进行合理选型、设计相应的指标完成全流程构建并解决问题。
1.2 专业知识要求
1.2.1 编程基础
应熟练掌握算法开发。具体要求包括:
a) 充分理解编程语言(以 Python 和 C++为例)的特性,并能熟练开发;
b) 熟练进行各种数据处理和复杂的数学运算(以使用 numpy 为例);
c) 能够针对并行处理数据或计算提供技术解决方案;
d) 能够混合使用脚本语言结合高级语言(以 Python 及 C++语言为例)调用合适的第三 方工具,开发完整的机器学习任务。
1.2.2 机器学习基础
应熟练掌握机器学习算法的开发及优化。具体要求包括:
a) 能够准确地判断应用任务是否适合用机器学习技术解决;
b) 能够快速判断并选择所需要的模型;
c) 具备机器学习模型的使用及调优经验。
1.2.3 神经网络基础
应能够进行神经网络模型调研与开发。具体要求包括:
a) 具备神经网络模型使用及实战经验;
b) 能够调研及运行深度的神经网络模型,当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(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)能提出解决方案;
c) 能够按照论文及技术资料实现新模型,并验证其效果。
1.2.4 深度学习基础
应熟练掌握深度学习算法的开发及优化。具体要求包括:能够针对自然语言处理、计算 机视觉、语音三大领域中的至少一类任务,对该任务上的模型进行调优达到特定的需求指标。
1.3 工程能力要求
1.3.1 代码规范能力
应能够熟练运用文档、代码和质量保障规范。具体要求包括:
a) 规范化意识已经融入工作(包括文档规范、代码规范、质量保障规范);
b) 能够按照规范参与多人合作。
1.3.2 算法模型实现能力
应具备独立的算法开发能力, 并熟悉机器学习任务开发全流程。具体要求包括:
a) 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;
b) 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;
c) 熟悉机器学习应用开发的全流程。
1.3.3 工程开发与架构设计能力
应能够对性能优化问题提出方案并执行。具体要求包括:
a) 能够熟练地使用多种机器学习平台或机器学习工具;
b) 能够在给定的性能要求下,部署及运用工具进行开发;
c) 能够拆解并实施不完全熟悉的技术方案;
d) 能够完成工程性能指标的优化。
1.4 业务理解与实践能力要求
1.4.1 行业及业务知识
应能够理解所在行业的业务和产品。具体要求包括:
a) 掌握所在行业同类深度学习项目核心业务知识,并熟悉研发关键点;
b) 深入了解产品的特性及需求。
1.4.2 业务应用能力
应能够推动深度学习在自身业务和产品上的应用。具体要求包括:
a) 深入分析业务需求,了解产品特性;
b) 能够使用深度学习建模方法解决实际需求问题。
深度学习高级工程师
1.1 基本要求
应能够深入分析自身业务或同类业务的需求,了解产品特性和研发关键点,理解算法本 质,能够合理组合、改造并创新模型来解决更加复杂的应用问题。
1.2 专业知识要求
1.2.1 编程基础
应能够提出业务技术方案,解决特定技术问题。具体要求包括:
a) 对机器学习应用开发过程中遇到的技术难题能够提供技术解决方案;
b) 对矩阵计算和计算程序的开发技术选型有一定的判断和见解;
c) 有机器学习应用开发经验。
1.2.2 机器学习基础
应具备独立进行模型选择,设计,开发的能力。具体要求包括:
a) 能够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;
b) 能够对机器学习技术要素进行组合使用,并具备建模能力;
c) 根据业务实际需求,具备技术选型能力;
d) 在标准算法基础上,具备组合多种机器学习技术要素进行模型设计及调优的能力。
1.2.3 神经网络基础
应能自主开发神经网络算法。具体要求包括:
a) 能够充分地理解各种新型模型和相关技术资料;
b) 能够根据实际业务需求,自主工具或现有平台自主搭建神经网络模型;
c) 能够充分理解前沿技术。
1.2.4 深度学习基础
应能独立开发或指导团队开发。具体要求包括:
a) 能够针对自然语言处理、计算机视觉、语音三大领域中的至少一类任务,对该任务 上的模型进行调优达到特定的需求指标;
b) 能够合理组合、改造并创新深度学习模型来解决更加复杂的应用问题,有成功开发 经验。
1.3 工程能力要求
1.3.1 代码规范能力
应能够组织制定代码规范。具体要求包括:
a) 规范化意识已经融入工作(包括文档规范、代码规范、质量保障规范);
b) 能够组织制定文档规范及技术规范;
c) 能够按照规范参与及指导多人合作。
1.3.2 算法模型实现能力
应能够指导团队开发。具体要求包括:
a) 有良好的机器学习基础知识;
b) 能够理解业务需求,并准确地转化为技术语言;
c) 能够快速选择模型,制定技术方案,提出学习性能优化方案;
d) 能够将业务需求转化为算法策略,提出见解和方案。
1.3.3 工程开发与架构设计能力
应能够组织技术选型,并具备决断能力。具体要求包括:
a) 对工具选择、性能优化问题具备独立见解;
b) 能够组织技术讨论,完成技术选型,有技术决断能力;
c) 能够拆解并实施不完全熟悉的技术方案;
d) 能够完成工程性能指标的优化。
1.4 业务理解与实践能力要求
1.4.1 行业及业务知识
应能够理解所在行业的业务和产品。具体要求包括:
a) 掌握同类核心业务知识,对行业未来发展趋势有独立见解;
b) 深入了解产品的特性及需求,对产品发展和技术架构趋势有独立见解。
1.4.2 业务应用能力
应能够推动深度学习在自身业务和产品上的应用。具体要求包括:
a) 深入分析业务需求,了解产品特性和研发关键点;
b) 在技术设计时能针对产品、架构的未来发展进行预留性及可扩展性的设计;
c) 能够熟练使用深度学习建模方法解决实际需求问题。