认证概述
适用于对人工智能感兴趣、有志于进入人工智能领域的人员。通过该认证，可证明您掌握人工智能的基本概念、发展进程和基本开发流程，以及腾讯云 AI 的产品功能、优势、应用场景。
建议报名该认证的考生具备以下知识或经验：
具备基础的计算机操作知识，对编程有基本了解。
了解基本的云计算和 IT 基础设施的概念。
了解基本的软件概念（版本管理、开发环境、部署等）。
基本信息
考试类型：理论考试。
考试形式：线下。
题型和数量：单选题40道、多选题20道。
通过/满分分数：70/100分。
考试时长：理论考试90分钟。
考试语言：简体中文。
其他注意事项：
1. 多选题错选、漏选不得分。
2. 考试报名和考试预约指引：报名和考试指引。
3. 成绩查询：考试结束后可通过腾讯云培训认证的 个人中心-认证考试 页面查看成绩，理论考试成绩3天内公布。
建议的学习资源
资源类别 | 资源地址 |
视频讲解 | |
其他 | |
| |
| |
知识点占比和考核重点
知识点 | 比例 | 考核重点 |
人工智能导论 | 10% | 了解人工智能的定义与三个层面（计算智能、感知智能、认知智能），理解 AI、机器学习、深度学习的关系。 了解 AI 发展历程及全球主要国家的产业战略布局。 了解 AI 在金融、医疗、教育、零售等行业的典型应用场景。 |
人工智能基础 | 20% | 理解 AI 发展的三大要素及其协同关系。 了解 AI 算法的演进脉络与深度学习的核心地位。 了解主流算力芯片及其适用场景。 熟悉 AI 主要技术领域：计算机视觉（图像分类、目标检测、人脸识别）、语音技术（ASR、TTS）、自然语言处理（文本分类、机器翻译）。 掌握机器学习的基本分类与深度学习的核心原理，了解主流框架。 |
人工智能项目开发实战 | 40% | 理解 AI 项目全流程：需求分析与数据评估 → 数据采集与标注 → 模型选型与训练优化 → 模型部署与持续运维。 了解开源生态与代码托管平台。 了解主流 ML 开发框架的适用场景。 理解 CPU 与 GPU 的分工、云计算在 AI 开发中的价值。 了解云端（模型训练）与终端/边缘（实时推理）的算力分工。 了解 AI 项目中常见技术风险（数据偏差、泛化问题等）及其应对思路。 |
腾讯云 AI 能力 | 25% | 了解腾讯云 AI 能力架构的四层模型：基础能力层（人脸人体、图像视频、OCR、语音、NLP）、基础平台层（TI-ONE 机器学习平台、TI-Matrix 应用服务平台、TI-DataTruth 数据标注平台）、应用平台层、行业应用层（金融、工业、政务、零售、教育等）。 了解腾讯云 AI 在内容安全（图片/文本/音频审核）和工业视觉（质检系统、车间安全检测）等场景的典型解决方案与案例。 |
人工智能的发展趋势和行业岗位 | 5% | 了解人工智能未来发展的几大趋势方向。 了解 AI 产业典型岗位（智能芯片、机器学习、深度学习、智能语音、NLP、计算机视觉）及其通用能力要求。 掌握 AI 产业人才能力的四要素：综合能力、专业知识能力、技能能力、工程实践能力。 |
