本文來自于微信公眾號 AIGC開放社區(ID:AIGCOPEN)，作者:AIGC開放社區。

　　3月8日，全球AI領導者英偉達(NVIDIA)在官網推出了，生成式AI(AIGC)專業認證，通過考試可獲得行業認可的權威證書。

　　同時英偉達也推出了相應的培訓課程，包括生成式AI解釋，深度學習入門/基礎知識，基于Transformer 的自然語言處理，使用大語言模型進行定制應用開發，大語言模型的部署、定制、微調等，幫助學員順利通過考試。

　　該認證支持遠程報名和考試，適合軟件工程師、數據工程師、云解決方案架構師、AI DevOps 工程師等，可增加就業競爭力成為大模型領域的專家。

　　本次認證將從太平洋時間3月18日，英偉達舉辦的“2024GTC”人工智能大會上開始。這也是英偉達5年來首次舉辦的線下技術交流大會，屆時將會有900多場會議，20多場與生成式AI有關。英偉達會向全球開發者展示在生成式AI領域的創新技術和最新研究成果。

　　英偉達創始人兼首席執行官-黃仁勛表示，隨著全球各行業、政務機構，正在積極尋求其變革能力，生成式AI已成為技術創新的焦點。

　　生成式AI認證和考試介紹

　　該認證由英偉達頒發，考試主題包括生成式AI和大語言模型兩大塊，考試時間1小時，包括50道題，考試費用135美元(約971元)，在線遠程考試方式。

　　考試詳細內容包括:

　　機器學習和神經網絡基礎知識:探索機器學習的基本概念、算法以及神經網絡的基礎結構，包括前饋神經網絡、卷積神經網絡(CNN)和循環神經網絡(RNN)等。

　　提示工程:在與大語言模型的交互中，設計和優化輸入提示，以提高模型輸出的相關性和準確性。

　　對齊:確保大模型的行為與人類的期望和道德標準一致，包括處理模型偏見和決策可解釋性等問題。

　　數據分析和可視化:通過統計方法和可視化工具來分析數據集，識別數據趨勢和模式，支持數據驅動的決策過程。

　　實驗:設計和執行實驗，以驗證假設、評估模型性能和探索數據的特性。

　　數據預處理和特征工程:通過清理、轉換和選擇重要的數據特征來準備數據，以提高機器學習模型的性能和準確性。

　　實驗設計:計劃和構建實驗框架，以系統地測試和評估不同的算法、模型和參數配置。

　　大語言模型的Python庫:介紹專門用于開發和訓練大型語言模型的Python庫，如Transformers、TensorFlow、PyTorch等。

　　LLM集成與部署:如何將大型語言模型集成到應用程序和服務中，包括API集成、性能優化和模型部署等。

　　有效期:自認證自簽發之日起兩年內有效。可以通過重新參加考試來獲得重新認證。