美國(guó)國(guó)家人工智能科學(xué)院認(rèn)定人工智能工程師的認(rèn)定標(biāo)準(zhǔn)和方案
一、認(rèn)定標(biāo)準(zhǔn)
技術(shù)能力：
系統(tǒng)掌握并能夠靈活運(yùn)用人工智能基礎(chǔ)理論知識(shí)和專業(yè)技術(shù)知識(shí)，掌握人工智能技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)，具有跟蹤人工智能科技發(fā)展前沿水平的能力。
在人工智能領(lǐng)域具有深厚的學(xué)術(shù)背景和豐富的實(shí)踐經(jīng)驗(yàn)，特別是在機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、機(jī)器人技術(shù)、智能系統(tǒng)等方向有顯著成就。
具備較強(qiáng)的研究能力，能夠主持高級(jí)別高金額人工智能領(lǐng)域研究項(xiàng)目、課題，形成的技術(shù)報(bào)告經(jīng)同行專家評(píng)議具有世界先進(jìn)水平，取得較好的經(jīng)濟(jì)社會(huì)效益。
項(xiàng)目管理能力：
能夠獨(dú)立負(fù)責(zé)項(xiàng)目，包括項(xiàng)目規(guī)劃、執(zhí)行和總結(jié)，擁有豐富的項(xiàng)目管理經(jīng)驗(yàn)。
能夠協(xié)調(diào)團(tuán)隊(duì)成員，確保項(xiàng)目順利進(jìn)行，并在團(tuán)隊(duì)中擔(dān)任關(guān)鍵角色。
創(chuàng)新能力：
在人工智能領(lǐng)域有創(chuàng)新思維，能夠提出新穎的解決方案，推動(dòng)人工智能技術(shù)的創(chuàng)新與應(yīng)用。
在技術(shù)革新、引進(jìn)和推廣新技術(shù)等方面實(shí)現(xiàn)重大突破，取得顯著的經(jīng)濟(jì)社會(huì)效益。
學(xué)術(shù)貢獻(xiàn)：
作為第一作者或通訊作者在重點(diǎn)期刊上發(fā)表有重要學(xué)術(shù)價(jià)值的專業(yè)論文，或作為重要負(fù)責(zé)人完成在行業(yè)內(nèi)具有較大影響的發(fā)明專利、技術(shù)報(bào)告、研究報(bào)告、設(shè)計(jì)文件、技術(shù)標(biāo)準(zhǔn)、專著編著等。
行業(yè)認(rèn)可度：
在人工智能領(lǐng)域具有較高的行業(yè)認(rèn)可度，能夠在指導(dǎo)、培養(yǎng)中青年學(xué)術(shù)技術(shù)骨干方面發(fā)揮重要作用。
二、認(rèn)定方案
申請(qǐng)流程：
申請(qǐng)人提交申請(qǐng)材料，包括個(gè)人簡(jiǎn)歷、研究成果、項(xiàng)目經(jīng)歷、學(xué)術(shù)論文、專利證書(shū)等。
科學(xué)院組織專家對(duì)申請(qǐng)材料進(jìn)行審核，必要時(shí)進(jìn)行面試或現(xiàn)場(chǎng)考察。
根據(jù)審核結(jié)果，科學(xué)院決定是否認(rèn)定申請(qǐng)人為人工智能初級(jí)/高級(jí)工程師。
評(píng)審標(biāo)準(zhǔn)：
評(píng)審專家根據(jù)認(rèn)定標(biāo)準(zhǔn)對(duì)申請(qǐng)人的技術(shù)能力、項(xiàng)目管理能力、創(chuàng)新能力、學(xué)術(shù)貢獻(xiàn)和行業(yè)認(rèn)可度進(jìn)行評(píng)估。
評(píng)審過(guò)程中注重申請(qǐng)人的實(shí)踐經(jīng)驗(yàn)和實(shí)際成果，以及其在人工智能領(lǐng)域的影響力和貢獻(xiàn)。
后續(xù)管理：
被認(rèn)定為人工智能高級(jí)工程師的人員需定期向科學(xué)院提交工作報(bào)告，匯報(bào)其在人工智能領(lǐng)域的研究進(jìn)展和成果。
科學(xué)院將定期對(duì)被認(rèn)定人員進(jìn)行復(fù)審，確保其持續(xù)符合認(rèn)定標(biāo)準(zhǔn)。
對(duì)于不再符合認(rèn)定標(biāo)準(zhǔn)的人員，科學(xué)院將取消其工程師的認(rèn)定資格。
激勵(lì)機(jī)制：
為鼓勵(lì)人工智能領(lǐng)域的人才發(fā)展，科學(xué)院將對(duì)被認(rèn)定為人工智能初級(jí)/高級(jí)工程師的人員給予一定的榮譽(yù)和獎(jiǎng)勵(lì)。
同時(shí)，科學(xué)院將積極推薦被認(rèn)定人員參與國(guó)內(nèi)外學(xué)術(shù)交流與合作，為其職業(yè)發(fā)展提供更廣闊的舞臺(tái)。
通過(guò)以上認(rèn)定標(biāo)準(zhǔn)和方案，美國(guó)國(guó)家人工智能科學(xué)院旨在選拔和認(rèn)定在人工智能領(lǐng)域具有卓越能力和貢獻(xiàn)的初級(jí)/高級(jí)工程師，推動(dòng)人工智能技術(shù)的創(chuàng)新與應(yīng)用，促進(jìn)人工智能領(lǐng)域的健康發(fā)展。

三、認(rèn)定收費(fèi)

單次認(rèn)定官方定價(jià)：1500RMB/200美金

NAAI人工智能工程師測(cè)試考場(chǎng)合作授權(quán)：

50000RMB（7000美金）/年

工程師認(rèn)定考場(chǎng)合作聯(lián)系方式：

secretary@thenaai.org

認(rèn)定專業(yè)包括：

人工智能算法專業(yè)
人工智能算法專業(yè)方向包括機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)挖掘、計(jì)算智能、自然語(yǔ)言處理、知識(shí)表示與處理、大數(shù)據(jù)智能、跨媒體智能、群體智能、類腦計(jì)算、人機(jī)混合智能、計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別與合成、多智能體系統(tǒng)、自主智能無(wú)人系統(tǒng)、虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)、人工智能安全等人工智能算法，以及相關(guān)基礎(chǔ)軟件的設(shè)計(jì)、開(kāi)發(fā)與優(yōu)化技術(shù)崗位。
人工智能硬件專業(yè)
人工智能硬件專業(yè)方向包括人工智能芯片、智能傳感器、智能控制器、計(jì)算平臺(tái)、邊緣與端側(cè)設(shè)備、腦機(jī)設(shè)備、智能機(jī)器人、智能終端等人工智能硬件的研發(fā)、部署與優(yōu)化技術(shù)崗位。
人工智能應(yīng)用專業(yè)
人工智能應(yīng)用專業(yè)方向包括將人工智能算法及相關(guān)技術(shù)與制造、醫(yī)療、交通、家居、金融、商務(wù)、農(nóng)業(yè)、教育、政務(wù)、安防、物流、能源、互聯(lián)網(wǎng)等行業(yè)需求相結(jié)合，實(shí)現(xiàn)相關(guān)軟硬件平臺(tái)工程化落地的設(shè)計(jì)、開(kāi)發(fā)、測(cè)試、優(yōu)化、運(yùn)維、服務(wù)等技術(shù)崗位。

相關(guān)簡(jiǎn)歷資料發(fā)至郵箱：secretary@thenaai.org

郵件注明認(rèn)定初級(jí)工程師/高級(jí)工程師、專業(yè)方向

NAAI官網(wǎng)鏈接：
https://thenaai.org/index/index/newsdata2/id/355.shtml

申請(qǐng)認(rèn)定表下載掃描二維碼獲取

美國(guó)國(guó)家人工智能科學(xué)院（NAAI）對(duì)全球從事計(jì)算機(jī)與人工智能領(lǐng)域的工程師進(jìn)行資格認(rèn)定，這一認(rèn)定代表了NAAI對(duì)人工智能行業(yè)從業(yè)人員的專業(yè)水平給予認(rèn)可，NAAI對(duì)于認(rèn)定工作是嚴(yán)謹(jǐn)而高標(biāo)準(zhǔn)的，需要嚴(yán)格符合NAAI認(rèn)定標(biāo)準(zhǔn)才能授予工程師稱號(hào)。NAAI工程師認(rèn)定由NAAI學(xué)術(shù)委員會(huì)組織各國(guó)人工智能領(lǐng)域權(quán)威院士進(jìn)行認(rèn)定工作。因此，NAAI工程師認(rèn)定既是人工智能領(lǐng)域工程師技術(shù)高水平的嚴(yán)格認(rèn)定，也是極高的榮譽(yù)性認(rèn)定。

NAAI工程師認(rèn)定測(cè)試體系解讀與介紹

NAAI工程師認(rèn)定測(cè)試大致考察以下幾個(gè)方面

1、編程技能：編程是人工智能工程師的基礎(chǔ)技能。精通Python、R、Java和C++等編程語(yǔ)言是構(gòu)建和實(shí)現(xiàn)AI模型的關(guān)鍵。Python因其簡(jiǎn)潔易讀、功能強(qiáng)大、生態(tài)豐富等特點(diǎn)，成為AI領(lǐng)域的首選語(yǔ)言。
2、數(shù)學(xué)和統(tǒng)計(jì)學(xué)基礎(chǔ)：掌握線性代數(shù)、概率論、統(tǒng)計(jì)學(xué)和微積分等數(shù)學(xué)知識(shí)是理解和實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法的基礎(chǔ)。這些知識(shí)在數(shù)據(jù)分析和模型構(gòu)建中至關(guān)重要，能夠幫助優(yōu)化機(jī)器學(xué)習(xí)模型的性能。
3、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)框架：熟悉常見(jiàn)的機(jī)器學(xué)習(xí)算法如線性回歸、KNN、樸素貝葉斯、支持向量機(jī)等，并能夠使用PyTorch、TensorFlow、Keras等框架進(jìn)行模型訓(xùn)練和優(yōu)化。深度學(xué)習(xí)方面，了解卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和生成對(duì)抗網(wǎng)絡(luò)（GAN）等常見(jiàn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其應(yīng)用。
4、數(shù)據(jù)處理和分析：掌握數(shù)據(jù)庫(kù)、數(shù)據(jù)清理技術(shù)和數(shù)據(jù)可視化工具，如Tableau、Matplotlib、Seaborn等，以更直觀地展示數(shù)據(jù)分析結(jié)果。了解數(shù)據(jù)挖掘技術(shù)，能夠幫助從復(fù)雜數(shù)據(jù)中提取有價(jià)值的信息，為模型訓(xùn)練提供高質(zhì)量的數(shù)據(jù)。
5、領(lǐng)域知識(shí)：根據(jù)興趣領(lǐng)域（如自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等），掌握相關(guān)的專業(yè)知識(shí)。例如，自然語(yǔ)言處理涉及文本預(yù)處理、分詞、詞性標(biāo)注、句法分析、語(yǔ)義理解等技術(shù)；計(jì)算機(jī)視覺(jué)涉及圖像預(yù)處理、目標(biāo)檢測(cè)、圖像分類等技術(shù)。
6、項(xiàng)目管理和溝通能力：除了技術(shù)技能外，還需要具備項(xiàng)目管理能力和良好的溝通能力，以便在團(tuán)隊(duì)中協(xié)作并有效地傳達(dá)技術(shù)方案。

NAAI人工智能工程師認(rèn)定證書(shū)

認(rèn)定后工程師可在NAAI官網(wǎng)engineer查詢個(gè)人主頁(yè)

NAAI工程師認(rèn)定初級(jí)工程師測(cè)試題樣題：

測(cè)試目標(biāo)：旨在覆蓋基礎(chǔ)理論知識(shí)、編程技能、算法理解、以及實(shí)際應(yīng)用能力。這份測(cè)試分為四個(gè)部分：基礎(chǔ)知識(shí)、編程與算法、深度學(xué)習(xí)與機(jī)器學(xué)習(xí)、以及項(xiàng)目與實(shí)踐。

第一部分：基礎(chǔ)知識(shí)
1、簡(jiǎn)述人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的關(guān)系與區(qū)別。
2、解釋一下監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的基本概念，并各舉一個(gè)應(yīng)用場(chǎng)景。
3、什么是過(guò)擬合？有哪些方法可以防止過(guò)擬合？
4、解釋一下梯度下降法及其工作原理，包括批量梯度下降、隨機(jī)梯度下降和小批量梯度下降的區(qū)別。
4、簡(jiǎn)述激活函數(shù)的作用，并列舉三種常見(jiàn)的激活函數(shù)及其特點(diǎn)。

第二部分：編程與算法
1、請(qǐng)用Python實(shí)現(xiàn)一個(gè)簡(jiǎn)單的線性回歸模型，包括數(shù)據(jù)預(yù)處理、模型訓(xùn)練和預(yù)測(cè)。
2、給出一個(gè)包含缺失值的數(shù)據(jù)集，如何使用Pandas庫(kù)進(jìn)行數(shù)據(jù)清洗？
3、解釋什么是時(shí)間復(fù)雜度和空間復(fù)雜度，并分別給出一個(gè)例子說(shuō)明。
4、描述一種排序算法（如快速排序），并寫出其Python實(shí)現(xiàn)。
5、使用NumPy實(shí)現(xiàn)兩個(gè)矩陣的乘法。

第三部分：深度學(xué)習(xí)與機(jī)器學(xué)習(xí)
1、解釋一下卷積神經(jīng)網(wǎng)絡(luò)（CNN）的基本結(jié)構(gòu)和工作原理，以及它在圖像識(shí)別中的應(yīng)用。
2、什么是循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）？它如何處理序列數(shù)據(jù)？請(qǐng)簡(jiǎn)述LSTM和GRU的區(qū)別。
3、解釋一下什么是生成對(duì)抗網(wǎng)絡(luò)（GAN）及其基本組成部分。
4、在深度學(xué)習(xí)中，什么是Dropout？它如何幫助改善模型的泛化能力？
5、描述一下你熟悉的一個(gè)深度學(xué)習(xí)框架（如TensorFlow或PyTorch），并說(shuō)明其主要特點(diǎn)和優(yōu)勢(shì)。

第四部分：項(xiàng)目與實(shí)踐
1、描述一個(gè)你參與過(guò)的AI項(xiàng)目，包括項(xiàng)目背景、你承擔(dān)的角色、使用的技術(shù)棧、遇到的挑戰(zhàn)及解決方案。
2、假設(shè)你需要為一個(gè)電商網(wǎng)站構(gòu)建一個(gè)推薦系統(tǒng)，你會(huì)選擇哪種算法或模型？為什么？請(qǐng)簡(jiǎn)述你的設(shè)計(jì)思路。
3、在進(jìn)行自然語(yǔ)言處理（NLP）任務(wù)時(shí)，如何處理文本數(shù)據(jù)以提高模型性能？請(qǐng)列舉并解釋至少三種方法。
4、給出一個(gè)實(shí)際場(chǎng)景，設(shè)計(jì)并實(shí)現(xiàn)一個(gè)簡(jiǎn)單的AI解決方案，包括數(shù)據(jù)收集、模型選擇、訓(xùn)練、評(píng)估和部署的全過(guò)程。
5、討論在AI項(xiàng)目中，數(shù)據(jù)隱私和倫理問(wèn)題的重要性，并提出至少兩項(xiàng)保護(hù)措施。

NAAI工程師認(rèn)定測(cè)試題樣題來(lái)源于NAAI官網(wǎng)

網(wǎng)址：thenaai.org