一、Python技术应用工程师项目简介
“ Python技术应用工程师”是由工业和信息化部教育与考试中心推出一套专业化,科学化,系统化的人才考核标准,涉及在互联网、零售、 金融、电信、 医学、旅游等行业专门从事数据采集、数据分析、机器学习、人 工智能并能制作业务报告、提供决策的新型数据分析人才所需要的技能。“ Python 技术应用工程师”是对在数据分析、人工智能领域中使用 Python 作为主要分析工具从业者的全面考核 ,分为初级, 中级 ,高级三个等级。
二、能力标准
1、 Python 技术应用工程师(初级)
需要掌握 Python 编程基础、Python 常用数据分析及处理工具 numpy、
pandas、scikit-learn,能以 Python 作为工具,解决基本的数据分析问题。能 够理解业务目标,并能将业务目标初步转化为 Python 技术与应用问题,能结合 具体技术进行初步目标实现。适合政府、金融、电信、零售等行业前端业务及 从事市场、管理、财务、供应、咨询等职位的相关人员。
2、 Python 技术应用工程师(中级)
一年以上 Python 数据分析应用工作经验,或已获得 Python 技术应用工程师(初级)证书。掌握 Python 编程基础; Python 常用数据分析及处理工具numpy、pandas、matplotlib、scikit-learn;Python 数据可视化、机器学习、 常规案例应用,能够将业务目标准确转化为 Python 技术与应用目标,能将业务 目标拆解成不同任务并找到对应技术实现方法 ,提升工作价值。适合政府、金
融、电信、零售、互联网、电商、医学等行业专门从事 Python 数据分析应用的 人员。
3、 Python 技术应用工程师(高级)
三年以上 Python 数据分析应用岗位工作经验,或已获得 Python 技术应用工程师(中级)证书。掌握 Python 编程基础; Python 常用数据分析及处理工 具 numpy、pandas、matplotlib、scikit-learn;Python 数据可视化、机器学 习、多行业多领域 Python 技术应用、深度学习、典型人工智能应用,能充分理 解业务目标 ,并将业务目标精准转换、拆分为具体技术任务;具有超强数据规 划能力 ,不仅能自主完成各环节任务还能带领数据分析团队完成大型项目 ,为 企业生产赋能。适合政府、金融、电信、零售、互联网、电商、医学等行业 Python 数据分析应用资深人员。
三、课程内容
初级:
阶段 | 课程 | 知识模块 |
必备技能
| Python编程基础 | Python编程基础 |
科学计算包NumPy | NumPy数值计算基础 | |
数据处理包Pandas | Pandas统计分析基础 | |
职业技术考核 | Python技术应用工程师(初级)职业技术考试 |
中级:
阶段 | 课程 | 知识模块 |
基础知识 | 技术库应用 | 数值计算基础-数组 |
值计算基础-矩阵与函数 | ||
数据可视化基础 | ||
统计分析基础-数据框操作 | ||
统计分析基础-分组聚合 | ||
数据合并 | ||
数据清洗 | ||
数据变换 | ||
数据获取与处理 | 数据获取技术 | 爬虫环境与爬虫简介 |
网页前端基础 | ||
简单静态网页爬取-生成HTTP请求 | ||
简单静态网页爬取-解析网页爬取数据 | ||
常规动态网页爬取 | ||
模拟登录 | ||
特征工程实战 | 特征工程实战 | |
数据预处理 | ||
特征构建 | ||
特征选择 | ||
降维与特征转换 | ||
特征学习 | ||
表情识别案例 | ||
数据标注技术 | 数据标注技术 | |
数据标注基本知识 | ||
文本数据标注 | ||
语音数据标注 | ||
图像数据标注 | ||
数据分析 | 交互式可视化分析 | 可视化技术框架 |
产线工作行为数据分析与可视化案例 | ||
基于大数据技术的产品良率分析案例 | ||
京东智能家居市场综合分析案例 | ||
建模分析 | 回归分析 | |
决策树 | ||
KNN与支持向量机 | ||
神经网络 | ||
聚类分析 | ||
智能推荐 | ||
食品生产情况分析案例 | ||
股票价格形态聚类与收益分析案例 | ||
用户浏览新闻行为分析与智能推荐案例 | ||
项目实战 | 产品订单的数据分析与需求预测 | 项目任务书 |
实训指导书 | ||
背景与挖掘目标 | ||
数据说明 | ||
数据预处理 | ||
职业技术考核 | Python技术应用工程师(中级)职业技术考试 |
高级:
阶段 | 课程 | 知识模块 |
基础知识 | 数据分析 | 数据分析概述 |
Numpy数组 | ||
Numpy矩阵与读写文件 | ||
数据挖掘 | 数据挖掘概述 | |
编程基础 | ||
常用库使用 | ||
数据采集 | Python爬虫环境与爬虫简介 | |
网页前端基础 | ||
简单静态网页爬取-生成HTTP请求 | ||
简单静态网页爬取-解析网页 | ||
简单静态网页爬取-爬取并存储数据 | ||
机器学习进阶知识 | 分类与回归 | 回归分析 |
决策树算法介绍 | ||
泰坦尼克号生还者预测 | ||
人工神经网络介绍 | ||
单样本网络训练 | ||
全样本网络训练 | ||
K近邻算法 | ||
朴素贝叶斯 | ||
支持向量机算法介绍 | ||
支持向量机代码实现 | ||
市财政收入分析及预测 | ||
聚类分析 | 聚类分析概述与实现 | |
密度与层次聚类 | ||
根据刷卡经纬度信息分析乘客上车站点 | ||
推荐算法 | 基于用户的协同过滤推荐 | |
基于物品的协同过滤推荐 | ||
基于流行度推荐 | ||
实操案例:新闻用户智能推荐 | ||
时间序列 | 时间序列原理与实现 | |
脑卒中发病环境因素分析及干预 | ||
金融服务机构资金流量预测 | ||
集成学习与强化学习 | 集成学习概述与实现 | |
强化学习概述与实现 | ||
网络入侵用户自动识别 | ||
深度学习知识 | 深度学习算法 | 神经网络概述 |
神经网络类型 | ||
TensorFlow2深度学习实现 | ||
TensorFlow2实现手写数字识别 | ||
PyTorch深度学习实现 | ||
自然语言处理 | 绪论 | |
语料库处理 | ||
正向与逆向最大匹配法 | ||
N元语法模型与隐马尔可夫 | ||
Viterbi算法 | ||
Jieba分词与去停用词 | ||
向量化与独热编码 | ||
职业技术考核 | Python技术应用工程师(高级)职业技术考试 |
四、报考条件
初级:无要求 ,皆可报考。
中级:(满足其中一个条件即可)
1.获得初级证书。
2.年满18周岁,具备高中以上学历,工作年限满1年
高级:(满足其中一个条件即可)
1.获得中级证书。
2.年满20周岁以上,工作年限满2年
3.年满20周岁以上,具备大专及以上学历
五、考试方式
考试方式分为线下考试站点或线上考试系统统考两种方式,考试形式为上机答题,闭卷。
考试题型:
初级:120 分钟,单选题+多选题+判断题+操作题+简答题,上机答题。
中级:120 分钟,单选题+多选题+判断题+操作题+简答题,上机答题。
高级:120 分钟,单选题+多选题+判断题+操作题+简答题,上机答题。
六、成绩评分
考试最终成绩满分为100分,成绩80-100分为优秀;成绩60-79分为合格;成绩60分以下为不合格。
七、证书颁发
学员经考核合格,由工业和信息化部教育与考试中心颁发 Python技术应用工程师职业技术证书 ,证书可登录国家工信部教育与考试中心官网查询。
证书样本:

八、官方指定报名渠道www.aigc.cn,详情可咨询:
必须备注:Python技术应用工程师
