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准主要面向軟件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 網絡基礎、深度學習基礎；工程能力包括代碼規范能力、算法模型實現能力、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，並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，並予以解決的能力。
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
神經網絡基礎
深度學習基礎
工程能力
代碼規范能力
算法模型實現能力
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
應具備程序開發經歷和經驗。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數據、圖片數據及語音數據等；
c) 能夠按照文檔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現給定需求。
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 神經網絡基礎
應對神經網絡有一定的理解。具體要求包括：
a) 能夠理解基礎神經網絡模型的原理並完成運行；
b) 能夠對關鍵參數（如數據策略、網絡中的核心模塊、參數規模、優化算法、損失函 數、正則項等）建立起自己的理解，並能對參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絡進行調優。
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、圖像分類、目標檢測、圖像分 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
應具備良好的文檔習慣，有規范化意識。具體要求包括： a) 能夠組織維護技術文檔或技術博客； b) 能夠根據代碼規范要求，獨立撰寫設計文檔； c) 能夠遵守代碼規范進行開發，有規范化意識。
4.3.2 算法模型實現能力 
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，獨立地進行數據策略迭代及特征工程相關工作； b) 能夠獨立使用指定的機器學習平台，訓練機器學習模型，進行預測計算，並對模型 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台或機器學習工具； 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項目的業務知識； 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於自身業務及產品。具體要求包括：了解已有模型，並對自身業務 需求進行分析、評估及實現。
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；熟悉機器學習算法的原理及不同算法間的差異，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並解決問題。
5.2 專業知識要求
5.2.1 編程基礎
應熟練掌握算法開發。具體要求包括：
a) 充分理解編程語言（以 Python 和 C++為例）的特性，並能熟練開發；
b) 熟練進行各種數據處理和復雜的數學運算（以使用 numpy 為例）；
c) 能夠針對並行處理數據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）調用合適的第三 方工具，開發完整的機器學習任務。
5.2.2 機器學習基礎
應熟練掌握機器學習算法的開發及優化。具體要求包括：
a) 能夠准確地判斷應用任務是否適合用機器學習技術解決；
b) 能夠快速判斷並選擇所需要的模型；
c) 具備機器學習模型的使用及調優經驗。
5.2.3 神經網絡基礎
應能夠進行神經網絡模型調研與開發。具體要求包括：
a) 具備神經網絡模型使用及實戰經驗；
b) 能夠調研及運行深度的神經網絡模型，當需要進行參數調整和適配到自身的應用問 題時，對關鍵參數（數據策略、網絡中的核心模塊、參數規模、優化算法、損失函數、正則 項）能提出解決方案；
c) 能夠按照論文及技術資料實現新模型，並驗證其效果。
5.2.4 深度學習基礎
應熟練掌握深度學習算法的開發及優化。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
應能夠熟練運用文檔、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工作（包括文檔規范、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 算法模型實現能力
應具備獨立的算法開發能力, 並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台，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，分析數據、迭代數據策略、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並執行。具體要求包括：
a) 能夠熟練地使用多種機器學習平台或機器學習工具；
b) 能夠在給定的性能要求下，部署及運用工具進行開發；
c) 能夠拆解並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項目核心業務知識，並熟悉研發關鍵點；
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，理解算法本 質，能夠合理組合、改造並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過程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序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，將其准確轉換為機器學習語言、算法及模型；
b) 能夠對機器學習技術要素進行組合使用，並具備建模能力；
c) 根據業務實際需求，具備技術選型能力；
d) 在標准算法基礎上，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 神經網絡基礎
應能自主開發神經網絡算法。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，自主工具或現有平台自主搭建神經網絡模型；
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、改造並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工作（包括文檔規范、代碼規范、質量保障規范）；
b) 能夠組織制定文檔規范及技術規范；
c) 能夠按照規范參與及指導多人合作。
6.3.2 算法模型實現能力 
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，並准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，並具備決斷能力。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) 能夠拆解並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。
 
 

---

今天先到這兒，希望對雲原生，技術領導力， 企業管理，系統架構設計與評估，團隊管理, 項目管理, 產品管管，團隊建設 有參考作用 , 您可能感興趣的文章:
領導人怎樣帶領好團隊
構建創業公司突擊小團隊
國際化環境下系統架構演化
微服務架構設計
視頻直播平台的系統架構演化
微服務與Docker介紹
Docker與CI持續集成/CD
互聯網電商購物車架構演變案例
互聯網業務場景下消息隊列架構
互聯網高效研發團隊管理演進之一
消息系統架構設計演進
互聯網電商搜索架構演化之一
企業信息化與軟件工程的迷思
企業項目化管理介紹
軟件項目成功之要素
人際溝通風格介紹一
精益IT組織與分享式領導
學習型組織與企業
企業創新文化與等級觀念
組織目標與個人目標
初創公司人才招聘與管理
人才公司環境與企業文化
企業文化、團隊文化與知識共享
高效能的團隊建設
項目管理溝通計划
構建高效的研發與自動化運維
某大型電商雲平台實踐
互聯網數據庫架構設計思路
IT基礎架構規划方案一(網絡系統規划)
餐飲行業解決方案之客戶分析流程
餐飲行業解決方案之采購戰略制定與實施流程
餐飲行業解決方案之業務設計流程
供應鏈需求調研CheckList
企業應用之性能實時度量系統演變

如有想了解更多軟件設計與架構, 系統IT,企業信息化, 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/
本文版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聲明，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。