深度學習工程師能力模型

深度學習工程師能力模型

       深度學習工程師能力評估標準主要面向軟體相關行業的企業員工及社會人士，能力級別 分為初級，中級，高級三個級別，深度學習工程師能力評估要素主要包括專業知識，工程能 力，業務理解與實踐共 3 大類 9 小類，其中，專業知識包括編程基礎、機器學習基礎、神經 網路基礎、深度學習基礎；工程能力包括代碼規范能力、演算法模型實作能力、工程開發與架 構設計能力；業務理解與實踐包括行業及業務知識、業務應用能力.

4.1 基本要求
能夠熟練開發、修改和運行深度學習代碼，并進行工程化層面上的改造；具有將初等復 雜的應用問題初步轉化為適當的機器學習問題，并予以解決的能力，
4.2 專業知識要求
深度學習工程師 能力評估要素
專業知識
編程基礎
機器學習基礎
神經網路基礎
深度學習基礎
工程能力
代碼規范能力
演算法模型實作能力
工程開發與架構設計能力
業務理解與實踐
行業及業務知識
業務應用能力
4.2.1 編程基礎
應具備程式開發經歷和經驗，具體要求包括：
a) 能夠較為熟練地使用編程語言（以 Python 為例）；
b) 能夠使用編程語言處理文本資料、圖片資料及語音資料等；
c) 能夠按照檔案說明使用矩陣運算包和機器學習包（以 numpy，sklearn 為例） ；
d) 能夠使用高級語言開發實作給定需求，
4.2.2 機器學習基礎
應具備機器學習模型使用經驗，具體要求包括：
a) 熟悉三種以上監督學習演算法的原理；
b) 具備機器學習模型的使用及調優經驗，
4.2.3 神經網路基礎
應對神經網路有一定的理解，具體要求包括：
a) 能夠理解基礎神經網路模型的原理并完成運行；
b) 能夠對關鍵引數（如資料策略、網路中的核心模塊、引數規模、優化演算法、損失函 數、正則項等）建立起自己的理解，并能對引數調整的結果進行預判；
c) 能夠按照一定的指導原則對神經網路進行調優，
4.2.4 深度學習基礎
應熟悉深度學習模型應用，具體要求包括：熟悉自然語言處理、計算機視覺、語音三大 領域中的至少一類任務（如文本分類、序列標注、文本生成、影像分類、目標檢測、影像分 割、語音識別、語音合成等），獨立運行這一任務上的深度學習模型，
4.3 工程能力要求
4.3.1 代碼規范能力
應具備良好的檔案習慣，有規范化意識，具體要求包括： a) 能夠組織維護技術檔案或技術博客； b) 能夠根據代碼規范要求，獨立撰寫設計檔案； c) 能夠遵守代碼規范進行開發，有規范化意識，
4.3.2 演算法模型實作能力 
應具備一定的開發經驗和獨立開發的能力，具體要求包括： a) 能夠遵循一定理論和原則，獨立地進行資料策略迭代及特征工程相關作業； b) 能夠獨立使用指定的機器學習平臺，訓練機器學習模型，進行預測計算，并對模型 效果進行調優，
4.3.3 工程開發與架構設計能力
應熟悉使用工具開發，具體要求包括： a) 能夠熟練地使用一種機器學習平臺或機器學習工具； b) 能夠在給定的性能要求下，部署及運用工具進行開發，

4.4 業務理解與實踐能力要求
4.4.1 行業及業務知識
應能夠理解所在行業的業務和產品，具體要求包括： a) 了解所在行業同類深度學習專案的業務知識； b) 了解產品的特性及需求，
4.4.2 業務應用能力
應能將已有模型運用于自身業務及產品，具體要求包括：了解已有模型，并對自身業務 需求進行分析、評估及實作，
5 深度學習中級工程師
5.1 基本要求
能夠對自然語言處理、計算機視覺、語音三大領域中的任一類任務，通過調優使得該任 務上的模型達到特定的需求指標；熟悉機器學習演算法的原理及不同演算法間的差異，能夠對中 等復雜的應用問題進行合理選型、設計相應的指標完成全流程構建并解決問題，
5.2 專業知識要求
5.2.1 編程基礎
應熟練掌握演算法開發，具體要求包括：
a) 充分理解編程語言（以 Python 和 C++為例）的特性，并能熟練開發；
b) 熟練進行各種資料處理和復雜的數學運算（以使用 numpy 為例）；
c) 能夠針對并行處理資料或計算提供技術解決方案；
d) 能夠混合使用腳本語言結合高級語言（以 Python 及 C++語言為例）呼叫合適的第三 方工具，開發完整的機器學習任務，
5.2.2 機器學習基礎
應熟練掌味訓器學習演算法的開發及優化，具體要求包括：
a) 能夠準確地判斷應用任務是否適合用機器學習技術解決；
b) 能夠快速判斷并選擇所需要的模型；
c) 具備機器學習模型的使用及調優經驗，
5.2.3 神經網路基礎
應能夠進行神經網路模型調研與開發，具體要求包括：
a) 具備神經網路模型使用及實戰經驗；
b) 能夠調研及運行深度的神經網路模型，當需要進行引數調整和適配到自身的應用問 題時，對關鍵引數（資料策略、網路中的核心模塊、引數規模、優化演算法、損失函式、正則 項）能提出解決方案；
c) 能夠按照論文及技術資料實作新模型，并驗證其效果，
5.2.4 深度學習基礎
應熟練掌握深度學習演算法的開發及優化，具體要求包括：能夠針對自然語言處理、計算 機視覺、語音三大領域中的至少一類任務，對該任務上的模型進行調優達到特定的需求指標，

5.3 工程能力要求
5.3.1 代碼規范能力
應能夠熟練運用檔案、代碼和質量保障規范，具體要求包括：
a) 規范化意識已經融入作業（包括檔案規范、代碼規范、質量保障規范）；
b) 能夠按照規范參與多人合作，
5.3.2 演算法模型實作能力
應具備獨立的演算法開發能力, 并熟悉機器學習任務開發全流程，具體要求包括：
a) 能夠獨立地使用指定的機器學習平臺，訓練機器學習模型，對模型效果進行一定的 調優；
b) 能夠以機器學習理論為指導，分析資料、迭代資料策略、選擇模型、完成特征優化、 模型訓練、學習效果迭代、預測服務開發；
c) 熟悉機器學習應用開發的全流程，
5.3.3 工程開發與架構設計能力
應能夠對性能優化問題提出方案并執行，具體要求包括：
a) 能夠熟練地使用多種機器學習平臺或機器學習工具；
b) 能夠在給定的性能要求下，部署及運用工具進行開發；
c) 能夠拆解并實施不完全熟悉的技術方案；
d) 能夠完成工程性能指標的優化，
5.4 業務理解與實踐能力要求
5.4.1 行業及業務知識
應能夠理解所在行業的業務和產品，具體要求包括：
a) 掌握所在行業同類深度學習專案核心業務知識，并熟悉研發關鍵點；
b) 深入了解產品的特性及需求，
5.4.2 業務應用能力 
應能夠推動深度學習在自身業務和產品上的應用，具體要求包括：
a) 深入分析業務需求，了解產品特性；
b) 能夠使用深度學習建模方法解決實際需求問題，
6 深度學習高級工程師
6.1 基本要求
應能夠深入分析自身業務或同類業務的需求，了解產品特性和研發關鍵點，理解演算法本 質，能夠合理組合、改造并創新模型來解決更加復雜的應用問題，

6.2 專業知識要求
6.2.1 編程基礎
應能夠提出業務技術方案，解決特定技術問題，具體要求包括：
a) 對機器學習應用開發程序中遇到的技術難題能夠提供技術解決方案；
b) 對矩陣計算和計算程式的開發技術選型有一定的判斷和見解；
c) 有機器學習應用開發經驗，
6.2.2 機器學習基礎
應具備獨立進行模型選擇，設計，開發的能力，具體要求包括：
a) 能夠在面對用戶需求和業務需求時，將其準確轉換為機器學習語言、演算法及模型；
b) 能夠對機器學習技術要素進行組合使用，并具備建模能力；
c) 根據業務實際需求，具備技術選型能力；
d) 在標準演算法基礎上，具備組合多種機器學習技術要素進行模型設計及調優的能力，
6.2.3 神經網路基礎
應能自主開發神經網路演算法，具體要求包括：
a) 能夠充分地理解各種新型模型和相關技術資料；
b) 能夠根據實際業務需求，自主工具或現有平臺自主搭建神經網路模型；
c) 能夠充分理解前沿技術，
6.2.4 深度學習基礎
應能獨立開發或指導團隊開發，具體要求包括：
a) 能夠針對自然語言處理、計算機視覺、語音三大領域中的至少一類任務，對該任務 上的模型進行調優達到特定的需求指標；
b) 能夠合理組合、改造并創新深度學習模型來解決更加復雜的應用問題，有成功開發 經驗，
6.3 工程能力要求
6.3.1 代碼規范能力
應能夠組織制定代碼規范，具體要求包括：
a) 規范化意識已經融入作業（包括檔案規范、代碼規范、質量保障規范）；
b) 能夠組織制定檔案規范及技術規范；
c) 能夠按照規范參與及指導多人合作，
6.3.2 演算法模型實作能力 
應能夠指導團隊開發，具體要求包括：
a) 有良好的機器學習基礎知識；
b) 能夠理解業務需求，并準確地轉化為技術語言；
c) 能夠快速選擇模型，制定技術方案，提出學習性能優化方案；
d) 能夠將業務需求轉化為演算法策略，提出見解和方案，

6.3.3 工程開發與架構設計能力
應能夠組織技術選型，并具備決斷能力，具體要求包括：
a) 對工具選擇、性能優化問題具備獨立見解；
b) 能夠組織技術討論，完成技術選型，有技術決斷能力；
c) 能夠拆解并實施不完全熟悉的技術方案；
d) 能夠完成工程性能指標的優化，
6.4 業務理解與實踐能力要求
6.4.1 行業及業務知識
應能夠理解所在行業的業務和產品，具體要求包括：
a) 掌握同類核心業務知識，對行業未來發展趨勢有獨立見解；
b) 深入了解產品的特性及需求，對產品發展和技術架構趨勢有獨立見解，
6.4.2 業務應用能力 
應能夠推動深度學習在自身業務和產品上的應用，具體要求包括：
a) 深入分析業務需求，了解產品特性和研發關鍵點；
b) 在技術設計時能針對產品、架構的未來發展進行預留性及可擴展性的設計；
c) 能夠熟練使用深度學習建模方法解決實際需求問題，
 
 

如有想了解更多軟體設計與架構, 系統IT,企業資訊化, 團隊管理 資訊，請關注我的微信訂閱號：

作者：Petter Liu
出處：http://www.cnblogs.com/wintersun/
本文著作權歸作者和博客園共有，歡迎轉載，但未經作者同意必須保留此段宣告，且在文章頁面明顯位置給出原文連接，否則保留追究法律責任的權利， 該文章也同時發布在我的獨立博客中-Petter Liu Blog，

標籤：其他

上一篇：雙指標演算法

下一篇：演算法初探 - 最短路徑