人工智能工程技术人员标准 2.docx
《人工智能工程技术人员标准 2.docx》由会员分享，可在线阅读，更多相关《人工智能工程技术人员标准 2.docx（89页珍藏版）》请在冰豆网上搜索。
人工智能工程技术人员标准2
人工智能工程技术人员
国家职业技术技能标准
1职业概况
1.1职业名称
人工智能工程技术人员
1.2职业编码
2-02-10-09
1.3职业定义
（征求意见稿）
从事与人工智能相关算法、深度学习等多种技术的分析、研究、开发，并对人工智能系统进行设计、优化、运维、管理和应用的工程技术人员。
1.4专业技术等级
本职业共设三个等级，分别为初级、中级、高级。
分为五个职业方向：
人工智能芯片产品实现、人工智能平台产品实现、智能
语音及自然语言处理产品实现、计算机视觉产品实现、人工智能应用集成。
1.5职业环境条件
室内，常温。
1.6职业能力特征
具有一定的学习、分析、推理和判断能力，具有一定的表达能力、计算能力。
1.7普通受教育程度
大学专科学历（或高等职业学校毕业）。
1.8职业培训要求
1.8.1培训期限
人工智能工程技术人员需按照本《标准》的职业要求参加有关课程培训，完成规定学时，取得学时证明。
初级64标准学时，中级80标准学时，高级80标准学时。
1.8.2培训教师
承担初级、中级理论知识或专业能力培训任务的人员，应具有人工智能工程技术人员中级及以上专业技术等级或相关专业中级及以上职称。
承担高级理论知识或专业能力培训任务的人员，应具有人工智能工程技术人员高级专业技术等级或相关专业高级职称。
1.8.3培训场所设备
理论知识和专业能力培训所需场地为标准教室或线上平台，必备的教学仪器设备包括计算机、网络、软件及相关硬件设备。
1.9专业技术考核要求
1.9.1申报条件
——取得初级培训学时证明，并具备以下条件之一者，可申报初级专业技术等级：
（1）取得技术员职称。
（2）具备相关专业大学本科及以上学历（含在读的应届毕业生）。
（3）具备相关专业大学专科学历，从事本职业技术工作满1年。
（4）技工院校毕业生按国家有关规定申报。
——取得中级培训学时证明，并具备以下条件之一者，可申报中级专业技术等级：
（1）取得助理工程师职称后，从事本职业技术工作满2年。
（2）具备大学本科学历，或学士学位，或大学专科学历，取得初级专业技术等级后，从事本职业技术工作满3年。
（3）具备硕士学位或第二学士学位，取得初级专业技术等级后，从事本职业技术工作满1年。
（4）具备相关专业博士学位。
（5）技工院校毕业生按国家有关规定申报。
——取得高级培训学时证明，并具备以下条件之一者，可申报高级专业技术等级：
（1）取得工程师职称后，从事本职业技术工作满3年。
（2）具备硕士学位，或第二学士学位，或大学本科学历，或学士学位，取得中级专业技术等级后，从事本职业技术工作满4年。
（3）具备博士学位，取得中级专业技术等级后，从事本职业技术工作满1年。
（4）技工院校毕业生按国家有关规定申报。
1.9.2考核方式
从理论知识和专业能力两个维度对专业技术水平进行考核。
各项考核均实行百分制，成绩皆达60分（含）以上者为合格，考核合格者获得相应专业技术等级证书。
理论知识考试采用笔试、机考方式进行，主要考查人工智能工程技术人员从事本职业应掌握的基本知识和专业知识；专业能力考核采用专业设计、模拟操作等实验考核方式进行，主要考查人工智能工程技术人员从事本职业应具备的实际工作能力。
1.9.3监考人员、考评人员与考生配比
理论知识考试监考人员与考生配比不低于1:
15，且每个考场不少于2名监考人员；专业能力考核中的考评人员与考生配比不低于1:
10，且考评人员为3人（含）以上单数。
1.9.4考核时间
理论知识考试时间不少于90min，专业能力考核时间不少于60min。
1.9.5考核场所设备
理论知识考试和专业能力考核所需场地为标准教室或线上平台，必备的考核仪器设备包括计算机、网络、软件及相关硬件设备。
2基本要求
2.1职业道德
2.1.1职业道德基本知识
2.1.2职业守则
（1）遵守法律，保守秘密。
（2）尊重科学，客观公正。
（3）诚实守信，恪守职责。
（4）爱岗敬业，服务大众。
（5）勤奋进取，精益求精。
（6）团结协作，勇于创新。
（7）乐于奉献，廉洁自律。
2.2基础知识
2.2.1专业基础知识
（1）数学基础知识。
（2）编程基础知识。
（3）数据处理知识。
（4）软件工程知识。
（5）控制工程知识。
2.2.2工程效能相关知识
（1）文档规范、代码规范、质量保障规范相关知识。
（2）数据采集、标注、清洗、质量控制等数据工程相关知识。
（3）机器学习基本算法设计与开发相关知识。
（4）工程开发与架构，工程性能提升指标等相关知识。
2.2.3业务理解与实践知识
（1）人工智能基础知识。
（2）人工智能的产业应用相关知识。
（3）人工智能发展现状及趋势相关知识。
（4）人工智能热点问题和前沿研究相关知识。
2.2.4人工智能伦理及安全知识
（1）人工智能安全与隐私保护相关知识。
（2）人工智能安全与隐私保护原则及标准相关知识。
（3）人工智能伦理治理发展趋势知识。
（4）人工智能道德伦理相关原则及标准相关知识。
2.2.5相关法律、法规知识
（1）《中华人民共和国劳动法》相关知识。
（2）《中华人民共和国劳动合同法》相关知识。
（3）《中华人民共和国网络安全法》相关知识。
（4）《中华人民共和国知识产权法》相关知识。
3工作要求
本标准对初级、中级、高级三个等级的专业能力要求和相关知识要求依次递进，高级别涵盖低级别的要求。
3.1人工智能芯片产品实现
3.1.1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
1.1.1监督学习、无监督学习、集成
学习、强化学习等机器学习基本概念
1.1.2卷积神经网络，循环神经网络，
是否适合用机器学习技术解决1.1.2能应用机器学习算法原
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，对神经网络进行调优
深度生成模型等深度神经网络的基本概念
1.1.3准确率、召回率、AUC指标、ROC曲线等机器学习与深度学习算法常见的评估方法
1.1.4语音处理、图像处理、自然语言处理、个性化推荐、知识图谱等领域的基本方法
1.2人工智能算法设计及应用
1.2.1能独立使用至少一种深度学习/机器学习框架训练模型，使用训练好的模型进行预测
1.2.2能实现深度学习/机器学习框架的安装、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/机器学习框架使用方法
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
2.1.3VerilogHDL、VHDL、SystemVerilog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
3.1.1验证工具使用方法
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
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
环境
法
3.1.2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
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，对关键参数能提出解决方案
1.1.1机器学习算法训练、推理、部署的方法及技术细节
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
1.1.3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
1.1.4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
1.2.1能独立完成深度学习/机
1.2.1深度学习框架设计的基本概念，
技术
如动态图、静态图等
应用
器学习框架安装、模型训练、推
1.2.2深度学习/机器学习框架的常用
工智能算
理部署的全流程
编程接口
法设计及
1.2.2能使用深度学习/机器学
1.2.3文本分类、序列标注、文本生
应用
习框架的用户接口进行神经网络
成、图像分类、目标检测、图像分割、
模型搭建
语音识别、语音合成等机器学习常用模
型的使用方法
2.
人工智能设计开发
2.1人工智能芯片逻辑设计
2.1.1能根据芯片架构文档进
2.1.1数字电路设计基础知识
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
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
2.1.7FPGA/ASIC相关设计知识
时序优化
2.1.8异构计算知识
2.1.6能针对INT8、FP16、
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
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能设计和制定验证计划文档
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
3.1.9PF（UnifiedPowerFormat）
/NLP（NativeLowPower）/Emulator基础知识
3.1.10GPU、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
3.1.13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能进行人工智能系统项目需求分析和应用环境及目标技术评估，完成调研分析报告
4.1.2能进行人工智能系统项目的技术体系架构和方案设计，能完成项目建议书的编写、可行性方案的规划和制定，编制相应的实施规划
4.1.1项目建议书、可行性研究报告编写规范及编制方法，评审程序知识
4.1.2人工智能与人类思维方法论
4.1.3场景识别方法，人工智能场景选择原则
4.1.4工程咨询方法与系统分析知识
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、控制和处置知识
4.2.2人工智能伦理原则
4.2.3隐私保护原则和基本方法
4.2.4招投标技术咨询、融资咨询、绩效追踪、项目后评价知识
4.3人
4.3.1能进行人工智能技术咨
4.3.1培训方法、问题反馈和分析方
询服务培训
法
工智能咨
4.3.2能跟进并掌握人工智能
4.3.2培训方案的制定方法、培训质
询培训及
最新技术及应用场景，并针对性
量管理知识
运营管理
开展技术论证
4.3.3可持续互动交流机制
咨询
4.3.3能对人工智能项目运营
4.3.4人工智能前沿技术
过程进行咨询
4.3.5运营管理方法
3.1.3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
1.1人
1.1.1能在面对用户需求和业务
1.1.1新型模型和相关技术
需求时，将其准确转换为机器学习
语言、算法及模型
工智能算法选型及调优
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
1.2人工智能算法设计及应用
1.2.1能使用深度学习/机器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/机器学习模型来解决更加复杂的应用问题
1.2.1深度学习/机器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
应用
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
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
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，并能给出相关参数（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能制定芯片测试计划，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
2.2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，并能根据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以及通过代码，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深度学习算法和神经网络模型
2.2.8算法与数据结构相关知识
2.2.9FPGA/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，制定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
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机器学习算法建模知识
3.1.8计算复杂度和可计算理论
3.1.9深度学习算法和神经网络模型
3.1.10常见深度学习框架的背景
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
4.
4.1人工智能技术咨询
4.1.1能以改进或创新业务结合
4.1.1综合分析、规划咨询、市场分
析、项目评价、项目管理等现代工程咨
人工智能技术为基础，进行技术要
询方法
素分析咨询、产业成本分析咨询、产业链架构咨询
4.1.2能以社会学、心理学、机器学、伦理学等专业为基础，对人
4.1.2逻辑方法、学科方法、哲学方法等现代工程咨询方法体系
4.1.3人工智能应用集成方法
4.1.4人工智能常见业务建模平台，
工智能应用的人机作用、网络作用、
业务建模方法
社会作用进行合理性分析咨询
4.1.5社会伦理学、政治经济学、心
理学、仿生伦理学
4.2人工智能咨询管理和评价服务
4.2.1能制定人工智能技术应用
4.2.1社会行为、企业行为组织、管
的社会、企业组织管理机制及相关
协调机制
理运行相关能力知识
4.2.2能根据人工智能系统具体应用及运行结果对系统应用提出持续改进建议并进行分析评价，同时具备建立相关咨询标准的能力
4.2.3能进行人工智能项目的社
4.2.2战略数据规划方法，信息系统工程方法等企业系统规划方法知识
4.2.3常用组合分析方法，软件体系架构评估、软件标准化知识
4.2.4项目影响评价方法、项目目标
人工
智能
咨询
服务
会可持续发展情况评价，包括与环
评价方法、项目可持续评价工作方法等
境、生态、能源、社会和谐等关系
社会评价的主要方法
的评价
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
4.3.1运营流程规划及管理方法
4.3.2敏感数据分析技术与反馈机制，用户、需求和场景的整合及改进知识
服务培训，咨询技术及运营管理指
导
4.3.2能合理地进行计划、组织、实施和控制等运营过程管理，达到更好地连接人工智能产品与用户需求的目标
4.3.2能进行运营经济性预测，
提出运营计划调整方向，以达到项
目持续性运营的目标
3.2人工智能平台产品实现
3.2.1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
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
1.1.1机器学习基本概念，
包括监督学习，无监督学习，
集成学习，强化学习等
1.1.2深度神经网络，包括
用机器学习技术解决
1.1.2能应用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，能按
卷积神经网络，循环神经网络，深度生成模型的基本概念
1.1.3机器学习与深度学习算法常见的评估方法：
准确率、
智能
照一定的指导原则对神经网络进行调优
召回率、AUC指标、ROC曲线等
共性
1.1.4语音处理、图像处理、
技术
自然语言处理、个性化推荐、
应用
知识图谱等领域的基本方法
1.2人工智能算法设计及应用
1.2.1能独立使用至少一种深度学习/机器学习框架训练模型，能够使用训练好的模型进行预测
1.2.2能实现深度学习/机器学习框架的安装、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/机器学习框架使用方法
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
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算法训练、推理、部署全周期流程
3.1.3能使用大数据技术进行数据存取、任务编排
3.1.4能使用容器及虚拟化技术进行应用封装、加速芯片对接
3.1.1人工智能场景的主要环节
升级会员 