TensorFlow面向学生、开发者、数据科学家等人群，帮他们展示自己在用 TensorFlow 构建、训练模型的过程中所学到的实用机器学习技能。

  TensorFlow 的产品总监 Kemal EL Moujahid 在一则推文中解释了他们推出该认证的初衷，表示「许多想要上手 ML 项目的公司说他们找不到人才，想要入行 ML 的开发者说他们不知道如何做。于是，我们推出了 TensorFlow 认证项目来解决这一个问题。」

  为了对接开发者和需求方，TensorFlow 不仅设置了认证考试，还搭建了一个认证网络。这个网络相当于一个人才库，通过认证考试的开发者会被纳入其中，其他人能够最终靠检索找到这些人才信息。此外，开发者还可以在简历、GitHub 以及社会化媒体平台（如领英）上展示他们获得的证书。

  此一级考试认证主要测试的是开发者将机器学习集成至工具或应用上的基本能力。认证程序要求理解怎么样去使用计算机视觉、卷积神经网络、自然语言处理、现实世界中真实的数据集以及最优策略去建立 TensorFlow 模型。

  学习新东西：这一考试能提高你的机器学习能力，还能测试你使用 TensorFlow 的技能。

  展示你的技能：通过将证书展示在简历和社交平台上，你能成为顶级科技公司入门级 TensorFlow 开发者职位的候选人。

  寻找人才：通过认证网络，你能够找到那些拥有证书的人，在 ML 的工作中寻找你想要的人才。

  考试时间总共有 5 小时，在下载并注册考试插件后开始计时。如果没能在 5 小时内完成考试，那到时间也会自动提交代码。

  整场考试主要测试学生使用 TensorFlow 构建模型、处理问题的能力。在考试中，参与者需要完成 5 个模型，每一个都属于不同的类别。考试总分 100 分，过了 90 分就算合格，也就是说 5 个模型都要完成，且只能有一些小错误。

  深度学习最基础的知识点实际上并不多，全连接、卷积、循环神经网络就能解决大多数问题，剩下的是各种优化与提升模块。如果我们要在 5 小时内完成这 5 个模型，从头写估计时间会非常紧张，因此我们大家可以事先完成一部分。例如模型架构、损失函数和最优化器，再加上训练过程等等。

  因为同类模型大多数差别都体现在数据预处理与分批过程，所以后面一大堆代码都可以事先准备。例如训练卷积神经网络，我们大家可以以 CIFAR-10 为例，搭建一个完整的图像识别模型，并把数据接口做得更易于迁移。等到拿到真实数据后，只需要改数据接口，再测试几组超参数就差不多了。

  考试手册并没有说是 TF 1.X 还是 2.X，很多资深 TF Boy 还会使用 1.X 的静态计算图。不过估计考试会采用 2.X，毕竟连 Colab 都开始默认使用 2.X 了。

  整个 TensorFlow 认证考试是面向全球的，国内也可以直接参与，但一些受美国制裁的国家和地区不能「直接」参加考试。整个考试的流程可大致分为以下 6 个步骤：学习课程、注册、预备环境、参与考试、收到证书、展示证书。

  在考试过程中，游览器会被限制只能访问 TensorFlow 文档，且每次考试都需要缴纳 100 刀。中间的考试环境都是准备好的，TF 团队把各种配置都集成为 PyCharm IDE 的一个插件，考生只需要熟悉 PyCharm 并安装了 TensorFlow 就行了。

  最后，为避免某些氪金玩家靠量取胜，TF 规定第一次没通过考试需要等 14 天才能再次测试，连续两次没通过需要等两个月，而连续三次没通过需要等一年才能再次测试。

  值得注意的是，每次考试的有效期只有三年，也就是说三年后要重新参加考试。

  当然，这个证书只是一个开始，TensorFlow 还计划为高级从业者提供更高级别的认证。

  认证概述 HCIA-AI认证定位于人工智能的普及、深度学习的了解、基于开源TensorFlow框架进行编程之基础能力的构建和华为云EI的学习，旨在推动ICT行业AI人才的培养。 HCIA-AI认证包括...

  HCIA-AI认证定位于人工智能的普及、深度学习的了解、基于开源TensorFlow框架进行编程之基础能力的构建和华为云EI的学习，旨在推动ICT行业AI人才的培养。

  AI概览、Python编程和实验、数学基础知识和实验、TensorFlow介绍和实验、深度学习预备知识和深度学习概览、华为云EI概览，图像识别、语音识别、人机对话的应用实验。

  通过HCIA-AI认证，将证明您系统理解并掌握Python编程，AI领域的必备数学知识，应用广泛的开源机器学习/深度学习框架TensorFlow的基础编程方法，深度学习的预备知识和深度学习概览，华为云EI概览，图像识别基础编程，语音识别基础编程，人机对话基础编程，使您具备人工智能售前技术上的支持、人工智能售后技术上的支持、AI产品销售、人工智能项目管理、自然语言处理工程师、图像处理工程师、语音处理工程师、机器学习算法工程师等岗位所必备的知识和技能。

  拥有HCIA-AI 认证的工程师，意味着企业掌握了人工智能技术基础原理、架构和编程等知识，具备运用人工智能技术、机器学习技术、深度学习技术和开源 TensorFlow 框架进行机器学习、图像识别、语音识别和人机对话等AI产品和人工智能解决方案设计、开发的必备能力。

  阿里云人工智能工程师认证是面向人工智能技术爱好者、入门学习者的专业方面技术认证，主要涉及人工智能概论、深度学习神经网络及TensorFlow基础、阿里云机器学习与深度学习开发平台PAI、阿里云人工智能API等，是对学员入门人工智能基础，以及掌握阿里云AI产品技能水平的全面检验和能力认证。

  主要介绍人工智能的概念、发展历史、技术概览（机器学习、深度学习）、应用场景（自然语言、图像、语音、知识图谱等）

  主要介绍神经网络的概念、神经元模型、工作机制、激活函数，以及常见的神经网络——CNN、RNN、GAN等。

  主要介绍深度学习开发框架TensorFlow的使用方法，包括架构与工作原理、基本语法、开发流程、神经网络模型开发等。

  主要介绍阿里云的机器学习平台和深度学习一站式开发平台PAI，包括可视化建模方法、以及notebook的使用。

  主要介绍阿里云的人工智能API产品，以及如何在应用中使用API快速实现自然语言、图像、语音等智能处理需求。

  为了便于国内大数据从业者和数据管理国际协会中国分会会员参加由数据管理国际协会实施的数据管理专业技术人员认证（简称CDMP）考试，数据管理国际协会中国分会（DAMA中国）结合国内实际的需求对CDMP认证考试的考试语言、考试形式、考试证书、证书类型等进行了适当的本地化重构，重构后认证考试分为数据治理工程师（简称CDGA）、数据治理专家（简称CDGP）认证两种，考试试卷为中文。

  考试认证题库题目由 DAMA 中国会员、数据管理领域专家，专业讲师等以志愿或有偿的方式提供，经过复核后纳入题库。每次考试从题库按照对各知识领域按比例抽取题目形成试卷，按照保密要求举办考试并批改试卷得到考试成绩。目前没有对外公开的考试题库！

  数据治理工程师（CDGA）考试时间为100分钟，平均每道题且答题时间为1分钟。

  数据治理专家（CDGP）考试时间为130分钟，单选题为10道每道1分，多选题为15题每道2分，杂项题60分，共5道。

  ②考试合格且提交的资料通过审核检查者，颁发数据治理工程师或数据治理专家证书。

  ③考试完成后，15个工作日内以邮件的方式公布考试成绩，后继续提供线上查询服务。

  ④自成绩公布之日起15个工作日内核查相关证件，制作证书，备案及颁发证书。

  个人参加考试报名请关注DAMA中国官方微信公众号（公众号名称：MyDAMA），上面有考试报名通道以及最新的考试讯息。

  目前认证费用为CDGA 1000元/人，CDGP 2000元/人。缴费成功后方可参加考试，未通过此次考试，费用不退还，可免费参加下一次认证考试。

  总的来说，通过这项专业认证考试是为帮助大家掌握数据管理知识体系的整体框架及各领域知识内容，对关键数据管理各领域中的重点、难点及实践加深理解，建立系统化、体系化、结构化的数据管理问题辨析、思考和分析能力，及数据管理解决方案设计、执行能力。

  对于数据从业者个人而言，可以全面进一步探索国际数据管理知识的专业基础理论，掌握数据管理专业相关知识体系、熟练数据管理技能，帮助数据管理管理从业人士获得组织数字化转型战略下的必备职业能力。培养以数字化为牵引的全局变革意识，扩展数字化转型视野，塑造个人在数字化转型时代的领导力。通过专业认证，能够获得持续不断的专业发展，获得更高的市场信誉和认可。

  目前国内有很多DAMA授权的培训机构在开展DAMA认证培训，据参加过培训的朋友反馈，主要是培训讲师根据《DAMA数据管理知识体系指南（2.0）》书籍内容及考试要求有明确的目的性的进行培训，授课形式一般是课件PPT讲解，有的培训机构可能会出现收集积累的相关题库供练习，不同培训机构的培训情况也不一样，有的培训2天，有的培训3天，费用一般在10000元左右，至于要不要参加培训请大家依据自己真实的情况决定。

  CDA（Certified Data Analyst），即“CDA数据分析师”，是大数据和AI时代面向国际范围全行业的数据分析专业人才职业简称，具体指在互联网、金融、咨询、电信、零售、医疗、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才。 全球CDA持证者秉承着先进商业数据分析的新理念，遵循着《CDA数据分析师职业道德和行为准则》新规范，发挥着自身数据科学专业能力，推动科学技术创新进步，助力经济持续发展。

  面向零基础、业务领域（包括市场、营销、运营、产品、咨询、财务等），无需编程技术，能力有一定的要求：统计基础、SQL数据库、数据处理、常用建模分析。

  面向数据挖掘、机器学习、建模分析有关技术与业务岗，助公司实现客户生命周期管理、风控、精准营销等业务目标。能力有一定的要求：数据挖掘理论与算法，数据处理技术，项目建模分析。

  面向有三年以上工作经验的资深数据岗，为企业培养具有总实力的首席数据官。能力有一定的要求：计算机科学技术，大数据处理与架构设计，机器学习与深度学习，项目管理。