认证概述
腾讯云人工智能从业者认证（TCA）是腾讯公司基于腾讯云产品, 面向社会推出的一项专业认证, 旨在推动人工智能的普及、AI入门知识的学习和应用, 推动AI领域初级人才的培养。
证书样本
TCA认证证书 (2年有效）
通过认证考试将获得由腾讯云发放的能力认证证书, 证明自身技术实力；该证书支持企业通过输入您的姓名及认证编号进行查询, 以辨真伪；同时您的信息也将被录入腾讯系优秀人才库, 帮助您获得更多职场机会。
* 注：随着网络技术的发展, 腾讯云认证内容将不断进行更新或优化, 您可通过再认证, 保证认证信息的有效性, 证书有效期刷新自最近一次认证成绩发布日起计算2年。
考试内容
| 知识域 | 百分比 | 知识点 |
|---|---|---|
| 人工智能导论 | 10% | 1.1 人工智能概述 1.2 人工智能应用 1.3 人工智能产业发展 |
| 人工智能基础 | 20% | 2.1 人工智能发展的成功要素 2.2 人工智能迅速发展的技术领域 2.3 人工智能的基础知识 |
| 人工智能项目开发实战 | 40% | 3.1 人工智能项目开发规划与准备 3.2 机器学习开发任务实例（房价预测） 3.3 深度学习开发任务实例（无人小车） 3.4 人工智能项目开发验收与维护 3.5 机器学习开发框架 3.6 如何使用开源代码仓库 3.7 对CPU、GPU 与云计算服务的依赖 |
| 腾讯云AI能力 | 25% | 4.1 腾讯云AI基础算法能力 4.2 腾讯云TI平台 4.3 腾讯云AI解决方案 4.4 腾讯云AI案例解析 |
| 人工智能的发展趋势和行业岗位 | 5% | 5.1 人工智能的未来发展趋势 5.2 人工智能产业岗位分布 5.3 人工智能典型岗位对能力的要求 |
考试条件
-
具备人工智能应用和产业发展、人工智能基本术语和概念、人工智能项目开发基本流程、人工智能常用工具、人工智能企业岗位等方面相关的基础知识；
-
具备一年从事人工智能行业相关经验或计算机、软件、大数据、人工智能等相关专业高校学生；
考察能力项
-
了解什么是人工智能、人工智能在生活中的应用案例, 以及它如何渗透各个产业；
-
理解人工智能的基本术语和概念；
-
掌握人工智能开发项目的流程、常用工具和技术概念；
-
理解腾讯云AI的服务能力、平台框架和功能；
-
了解人工智能的产业岗位分布、岗位能力要求；
培训概述
腾讯云人工智能从业者认证（TCA）是腾讯公司基于腾讯云产品，面向社会推出的一项专业认证，旨在推动人工智能的普及、AI入门知识的学习和应用，推动AI领域初级人才的培养。 通过该认证，可有效证明您具备以下能力： 1. 了解什么是人工智能、人工智能在生活中的应用案例，以及它如何渗透各个产业 2. 理解人工智能的基本术语和概念 3. 掌握人工智能开发项目的流程、常用工具和技术概念 4. 理解腾讯云AI的服务能力、平台框架和功能 5. 了解人工智能的产业岗位分布、岗位能力要求
入学建议
了解IT与云计算的基础知识，有一定云产品操作使用经验。
培训大纲
腾讯云人工智能从业者培训课程涵盖以下内容：
| 知识模块 | 简介 |
|---|---|
| 人工智能导论 |
1. 人工智能概述 1.1 人工智能的定义与三个层面、常见术语解释 1.2 专业人才的人工智能系统学科、AI从业者学习路径 2. 人工智能应用 2.1 生活中的人工智能应用 2.2 人工智能技术渗透各产业：金融/零售/交通/教育/医疗/制造/健康… 2.3 健康码案例详解 3. 人工智能产业发展 3.1 人工智能走向”泛在”智能 |
| 人工智能基础 |
1. 人工智能发展的成功要素 1.1 数据 1.2 算法 1.3 硬件 2. 人工智能迅速发展的技术领域 2.1 计算机视觉 2.2 语音技术 2.3 自然语言处理 3. 人工智能的基础知识 3.1 机器学习，深度学习及其术语之间的联系等 3.2 机器学习：定义、过程、分类等 3.3 深度学习：定义、神经网络、和机器学习的联系 |
| 人工智能项目开发实战 |
1. 人工智能项目开发规划与准备 1.1 人工智能项目开发的目标和周期 1.2 数据准备：数据采集、数据清洗、数据标注、数据验收、数据交付 1.3 特征工程：特征选择、特征提取、特征构建 2. 机器学习开发任务实例（房价预测） 2.1 特征工程与机器学习 2.2 制作数据集：数据准备、数据预处理、数据集划分 2.3 特征工程：数据理解、特征分析、特征构造 2.4 模型训练和优化 2.5 模型评测：输出测试集指标 3. 深度学习开发任务实例（无人小车） 3.1 机器学习 vs 深度学习 3.2 明确数据采集需求：赛道、场地、交通标志等 3.3 制作数据集：数据采集、数据标注、标注检验、数据集拆分 3.4 模型训练：模型选择、模型训练、资源监控、模型指标查看 3.5 模型测评：模型测试（精确率、召回率）、困难样本检查 4. 人工智能项目开发验收与维护 4.1 模型性能评估与测试：分类任务评价指标、模型调优、过拟合与欠拟合 4.2 模型部署与维护：环境选择、面临挑战、模型维护 5. 机器学习开发框架 5.1 什么是机器学习开发框架 5.2 机器学习框架和深度学习框架的关系 5.3 常见深度学习框架：发展历程 6. 如何使用开源代码仓库 6.1 人工智能开源软件发展情况 6.2 常见开源代码托管平台 7. 对CPU、GPU 与云计算服务的依赖 7.1 人工智能算力芯片：CPU、GPU、NPU、TPU 7.2 人工智能与云计算服务 7.3 人工智能产品对算力的依赖 |
| 腾讯云AI能力 |
1. 腾讯云AI能力矩阵 腾讯云AI建设框架 1.1 腾讯云AI基础算法能力 1.2 腾讯云TI平台 2. 腾讯云AI解决方案 2.1 腾讯云AI各行业应用解决方案（泛娱乐、泛互、政务、工业、支付、文旅、教育、金融、广电、硬件） 3. 腾讯云AI案例解析 3.1 腾讯云AI具体应用案例：内容安全产品案例、工业视觉产品案例 |
| 人工智能的发展趋势和行业岗位 |
1. 人工智能的未来发展趋势 1.1 人工智能发展十大趋势 2. 人工智能产业岗位分布 2.1 人工智能产业技术架构及技术岗位分布 2.2 人工智能产业人才金字塔结构及对应岗位分布 3. 人工智能典型岗位对能力的要求 3.1 人工智能产业人才能力四要素 3.2 人工智能各产业对人才的能力要求 |
