国家工业信息安全发展研究中心
关于举办2024大模型研发工程师人才培育
工作的通知
各有关单位:
今年“人工智能+”首次被写入《政府工作报告》, 人工智能大模型技术迈向规模应用,人工智能关键岗位 需求大增。为培养具备深厚人工智能大模型研发技能的 高质量人才队伍,加快人工智能深度应用,培育壮大人工智能产业和人才供给,加强专业人才队伍建设,国家 工业信息安全发展研究中心组织开展“AI大模型研发工程师”人才培育工作,现将有关事项通知如下:
一、评价方向
AI大模型研发工程师 (中级)
AI 大模型研发工程师 (高级)
二、培训对象
算法工程师、IT 开发人员、产品经理、业务创新者、 运营人员,对Python、机器学习和深度学习有基础知识 的了解的相关人员及对大模型应用技术感兴趣的相关人员
三、培训方式及时间
1、培训方式:
线上直播教学
2、培训与考试时间:
直播:8月16-18日(中级上)
8月23-25日(中级下)
8月16-18日(高级上)
8月23-27日(高级下)
四、证书颁发
经考试所有科目成绩合格者,获得由工业和信息化 部教育与考试中心颁发的AI 大模型研发工程师职业技术
证书,查询地址:https://www.miiteec.org.cn/。
五、收费标准与报名方式
1、评价收费标准:
请联系工作人员进行咨询报名:
联系电话(微信同号):136 8108 2353 冯老师
2、报名方式:
报名将采取填报报名表(附件1)的方式进行,同
时需提交电子版2寸近期免冠照片。
六 、成绩查询
考试结束后15个工作日,学员可联系带班老师查询 考试成绩。参考人员应按照《AI 大模型研发工程师考试 在线系统环境要求及考务流程》要求,提前调试设施设
备,遵守考场纪律和考务要求参加考试。
附件1:AI 大模型研发工程师(中级)课程安排
附件2:AI 大模型研发工程师(高级)课程安排
国家工业信息安圣发展砾究中心
20241军06月-26
附件1:AI 大模型研发工程师(中级)课程安排
培训时间 |
培训模块 |
培训内容 | 培训 方式 | |
第一天 | 上 午 |
大规模数 据处理技 术 | 数据获取与清理: 1.数据收集方法与工具 2.数据清理与处理的常见问题 与解决方案 |
线上 直播 |
下 午 | 数据预处理与特征工程: 1.数据标准化、归一化 2.特征选择与构建 3.处理缺失值与异常值的方法 |
线上 直播 | ||
第二天 | 上 午 | 大规模数据集处理: 1..分布式计算与大数据处理框 架 2.数据采样与数据集划分策略 |
线上 直播 | |
下 午 |
模型训练 与优化技 术 | 训练策略与超参数调整: 1.学习率调整策略 2.批量大小选择 3.Dropout与正则化技术 |
线上 直播 |
第三天 | 上 午 | 模型调优与性能优化: 1.模型剪枝与压缩 2.参数初始化方法 3.模型融合与集成学习 |
线上 直播 | |
下 午 | 模型评估与监控: 1.评价指标的选择与解读 2.模型性能监控与调整 |
线上 直播 | ||
第四天 | 全 天 |
项目实践 与案例分 析 | 实际项目设计与实施: 1.项目规划与设计 2.数据集的处理与准备 3.模型的选择与设计 |
线上 直播 |
第五天 | 全 天 | 项目实践: 1.实际操作:数据处理、模型训 练与优化 2.成功项目的案例分析 3.面对困难的解决方案分享 |
线上 直播 | |
第六天 | 上 午 |
科目一考试 |
线上 考试 | |
下 午 |
科目二考试 |
附件2: AI 大模型研发工程师(高级)课程安排
培训时间 | 培训模 块 |
培训内容 | 培训 方式 | |
第一天 | 全 天 |
自然语言 处理领域 深化 | 进阶NLP模型架构: 1.Transformer架构的进一步理 解 2.BERT模型的细节与原理 3.GPT模型的变种与应用 |
线上 直播 |
第二天 | 上 午 | 应用于NLP的大规模数据集处理: 1.处理大规模文本数据集的挑战 2.使用预训练模型进行迁移学习 的最佳实践 |
线上 直播 | |
下 午 | 高级NLP任务与技术: 1.文本生成任务(如对话系统、文 章摘要生成) 2.序列到序列任务(如机器翻译、 文本生成) | |||
第三天 | 全 天 | 计算机视觉领域深 化 | 进阶图像处理与卷积神经网络: 1.卷积神经网络(CNN)的进阶应 用 |
线上 直播 |
2.图像生成与风格转换任务 | ||||
对象检测与语义分割: 1.目标检测的模型与算法 2.语义分割的原理与实践 | ||||
视觉领域大模型的性能优化: 1.针对大规模图像数据的训练优 化 2.模型在实际应用中的性能调优 | ||||
第四天 | 全 天 |
大模型最 新研究成 果与行业 动态 | 最新研究成果与行业动态课程: 1.最新进展的大模型研究领域综 述 2.探讨当前大模型研究领域的前 沿问题 3.介绍最新的大模型架构和算法 4.分析这些研究对实际应用的影 响 |
线上 直播 |
迁移学习与大模型应用的最新研 究 : 1.研究迁移学习在大模型应用中 的最新研究成果 2.探讨迁移学习如何改善大模型 在新任务上的性能 |
3.分析实际案例中的迁移学习成 功经验 | ||||
自监督学习的新思路与应用: 1.了解自监督学习的新兴研究方 向 2.学习自监督学习在大模型训练 中的创新应用 3.分析自监督学习在不同领域的 成功案例 | ||||
第五天 | 全 天 | 大规模数据下的新型学习范式: 1.探讨大规模数据下的增量学习、 强化学习等新型学习方法 2.学习新型学习范式在大模型研 发中的应用 3.分析这些学习范式对未来研究 的启示 |
线上 直播 | |
大模型在 不同领域 的应用 | 大模型在自然语言处理领域的应 用 : 1.分析大模型在机器翻译、文本生 成等NLP任务中的成功案例 2.学习大模型在处理语言数据中 的创新应用 |
3.探讨在不同语种和文化背景下 的应用经验 | ||||
大模型在计算机视觉领域的应用 1.了解大模型在图像分类、目标检 测等视觉任务中的应用案例 2.学习大模型在处理大规模图像 数据时的技术优势 3.分析在特定场景中大模型的性 能表现和应用局限性 | ||||
第六天 | 全 天 | 大模型在医疗健康领域的创新应 用 : 1.研究大模型在医学影像诊断、基 因组学等领域的创新应用 2.学习大模型在处理医疗健康数 据时的隐私保护策略 3.分析大模型对医疗领域带来的 挑战和机遇 |
线上 直播 | |
大模型在金融领域的应用与风险 控制 1.探讨大模型在金融数据分析、信 用评估等方面的应用案例 2.学习大模型在金融领域中的风 |
险控制策略 3.分析大模型在金融行业的潜在 挑战与解决方案 | ||||
未来AI 大模型研 发领域 | 元学习与迁移学习进阶: 1.深入研究元学习的原理和应用 2.探索如何结合元学习和迁移学 习应对未知领域 3.实践在不同场景下应用元学习 和迁移学习的案例 | |||
第七天 | 全 天 | 人工智能伦理与法律: 1.讨论AI伦理的最新问题和挑战 2.探索在大模型研发中的伦理决 策和法律合规 3.实践制定符合伦理和法规的AI 项目指南 |
线上 直播 | |
量子深度学习: 1.了解量子计算与深度学习的交 叉领域 2.学习如何在未来的量子计算环 境下进行深度学习 3.实践量子深度学习的基本算法 | ||||
未来AI大模型研发趋势研讨与项 |
目: 1.研究当前和未来AI大模型研发 的趋势和2.前沿技术 3.学员分组完成面向未来挑战的 项目 4.导师提供项目指导和反馈 | ||||
第八天 | 上 午 | 科目一考 试 |
线上考试 | |
下 午 | 科目二考 试 |
线上考试 |