计算机视觉应用开发工程师
主要参与各种计算机视觉应用场景开发所涉及的工程实现环节。
岗位认证介绍
岗位认证介绍
一、适用学习对象
1.持有本专业初级证书。
2.应用型本科学生
3.普通本科非专业学生
4.从事该岗位一定年限的员工
5\.符合本规定中级资格界定标准的人员
二、岗位能力要求
a)综合能力
-具有系统架构设计领域的工程实践能力和项目开发经验；
——能够准确理解和开展主流人工智能算法模型的训练和应用对接模式，了解不同算法对于不同业务领域的实际应用价值；
——可以将给定的模型或算法转化为实际应用场景的可实现内容，从抽象的算法中提取具体的解决方案，实现计算机视觉应用场景的业务实现。
b)专业知识和能力
―具备数据结构和算法基础，熟悉软件工程设计、开发、测试、部署、上线等流程；
-具备计算机视觉和数据挖掘基础，熟悉计算机视觉和深度学习的常用算法和框架；
―熟悉图像、视频等文件的基本存储和压缩方法；
-熟悉基本的图像识别方法，如深度学习；图像处理方法，如图像特征点提取、仿射变换等。
-了解模型训练、模型发布和模型存储的过程；
-了解与GPU相关的软硬件基础知识，基本的网络安全、系统安全等相关知识。
c)技能和能力
―优秀的编程开发能力，掌握C/C、Python、Java等主流编程语言。
―能够为GPU编程；
―熟悉主流操作系统开发环境，如Mac、Linux、Windows及相关操作系统脚本语言；
―掌握关系数据库和SQL语言的原理，掌握MySQL、Oracle、DB2等主流数据库。
―熟悉Hadoop、Spark等分布式开发环境，了解各种常用的开源框架、组件或中间件；
―熟悉图像处理函数库OpenCV的使用；
―熟悉当前流行的计算机视觉平台，如TensorFlow、MXNet、Keras等。
-熟悉集装箱技术，如Docker、K8S、Mesos等。
d)工程实践能力
-有一定的项目实施经验，有大型商业人工智能场景应用经验，如字符识别OCR、图像识别等。
―具备大型复杂业务应用的设计和架构能力，建议具备分布式系统研发经验；可以为应用运行过程中的架构选择、数据处理、应用系统对接、性能优化等问题提供解决方案；
-能够选择和实现通用算法模型，准确理解业务需求，并将其转化为可实现的技术解决方案。
三、能力与考纲逻辑
四、考纲明细
(一)综合能力
(三)技能和能力
(4)工程实践能力
五、学习路径推荐
ong>（一）建议掌握二门基础课程
1\. 《人工智能导论》（推荐教材：李德毅，http://product.dangdang.com/25335907.html）
2\. 《计算机与大数据技术基础》，此模块包括3门独立课程：
（1）《数据库（开发）》（推荐SQL教程：https://www.runoob.com/sql/sql-
tutorial.html，MySQL教程：https://www.runoob.com/mysql/mysql-tutorial.html）
（2）《容器（通用）》（推荐Docker教程：https://www.runoob.com/docker/docker-
tutorial.html；《容器云运维实战――Docker与Kubernetes集群》，黄靖钧《Mesos 实战》，Roger Ignazio）
（3）《大数据（开发）》（推荐教材《Hadoop+Spark大数据技术》，刘彬斌）
（二）建议学员掌握三门专业核心课程
1\. 《计算机视觉开发与应用》（推荐教材《Python计算机视觉编程》，Jan Erik Solem著，朱文涛译）
2\. 《 机器学习》（推荐教材：“机器学习基础”可参考《机器学习》，周志华；scikit-learn可参考《机器学习基础―基于Python和scikit-
learn的机器学习应用》，海特萨拉赫（Hyatt Saleh）著 ，邹伟 译）
3\.
《深度学习》（推荐教程：“深度学习基础”可参考吴恩达老师在coursera上的深度学习课程；《Keras深度学习框架》、《人脸识别项目实战》可参考《Python人脸识别：从入门到工程实践》，作者：王天庆）
（三）建议熟练学习5个实训项目
1\. 深度学习环境搭建与使用
2\. 视频变化区域检测（python+opencv）
3\. 人脸识别模型构建
4\. 基于视频流的行人检测
5\. Spark环境下的图像分类模型学习
（本岗位考纲及题库由华中科技大学人工智能与自动化学院建设）
（AIOC人工智能职业技能等级认证学习平台：https://www.91aioc.com/查看岗位课表）
