1、企业数字化管理与决策人员

企业数字化转型负责人、技术管理负责人、研发管理负责人、信息化管理负责人

2、人工智能技术研发与应用人员

从事人工智能应用开发、大模型落地、机器学习建模、算法设计与实现的相关人员

3、AI 产品与需求设计人员

从事 AI 产品规划、需求分析、业务方案设计的相关人员

4、数据处理与软件开发人员

从事数据分析、数据开发、系统开发、软件测试、系统架构设计的相关人员

5、AI 项目实施与业务改造人员

负责 AI 项目落地、业务智能化升级、流程自动化、系统集成的技术与业务骨干

6、全行业 AI 建设与管理相关人员

政府机构、金融、制造、能源、交通、医疗等全行业，负责 AI 系统建设、运营与管理的相关人员

培训形式、时间和地点

培训形式：线上课程

考试时间：2026年6月26日（线上机考，具体考试办法详见考试通知书）

培训费用

4980元/人（含培训费、考试管理费、证书注册费、发票等费用）。

证书颁发

通过培训项目评价考核后，工业和信息化部电子工业标准化研究院将颁发《人工智能应用工程师》数字人才证书。

各有关单位：

在人工智能全面赋能千行百业、数字化转型纵深推进、合规监管日趋完善的背景下，人工智能应用工程师已成为企业智能化落地、技术价值转化、业务提质增效的核心岗位。为帮助从业者系统掌握人工智能技术原理、大模型应用、行业场景落地与安全合规要求，提升 AI 工程化实施与业务融合能力，工业和信息化部电子工业标准化研究院定于 2026 年举办“人工智能应用工程师” 高级研修培训班 。

培训背景

人工智能成为新质生产力核心引擎，国家 “人工智能 +” 行动深入实施，AI 技术与实体经济深度融合成为必然趋势。随着生成式 AI、大模型、机器学习、计算机视觉等技术快速普及，企业对能落地、懂业务、守合规的 AI 应用工程师需求急剧增长。

本课程紧扣产业需求与政策导向，系统覆盖 AI 基础理论、大模型应用开发、行业场景落地、数据安全与算法合规、AI 工程化实施全流程，帮助学员构建 “技术懂行、场景落地、合规可控、价值可量化” 的综合能力，成为企业智能化转型的中坚力量。

培训价值

1. 企业价值

商业价值：构建可落地、可量化、可持续的 AI 应用能力，推动 AI 与业务深度融合，实现降本增效、流程优化与业务创新，破解试点难落地、价值难量化问题。

战略价值：搭建专业化 AI 人才梯队，推动 AI 从试点走向规模化应用，支撑数字化转型战略，明确 AI 布局与实施路径。

合规价值：强化 AI 数据治理、算法合规与隐私保护能力，符合国家标准与法规要求，防范合规、数据安全与算法偏见风险。

2. 个人价值

能力进阶：系统掌握 AI 应用全流程知识体系，打通工具使用、场景落地、项目管理能力，向资深工程师与项目负责人升级。

技术提升：熟练掌握 RAG、智能体、智能工作流等核心技能，掌握大模型等前沿技术落地方法，懂合规、能实施、可把控风险，显著提升职场竞争力。

1.大语言模型和智能工作工具使用 1.1大模型应用和提示词使用原理 1）基础大模型应用场景分类

2）提示词的工作原理和示例

3）提示词模板：28要素和常用个模板

4）提示词设计策略

5）使用Deepseek的多种方式

6）大语言模型的缺陷与问题防范方法

1.2智能工作流工具的进阶使用-coze 1）智能工作流工具介绍

2）Coze的简介及使用方法

2.1Coze空间-通用AI-Agent 与 专家AI-Agent

2.2Coze开发工具：开发自己的AI-Agent的

3）Coze开发普通的Agent

3.1工作流开发—小红书爆款文案抓取转存飞书

3.2RAG功能的智能体—数据安全助手

4）高级AI应用开发

4.1非结构化数据转结构化工作流[智能工作流+数据库节点]

1.3智能工作流工具的进阶使用-dify 1）基于阿里云微服务产品快速部署

2）基于Docker实现local部署

3）简单AI应用开发

3.1聊天助手

 -智能对话机器人

 -智能面试官

3.2 Agent

 -智能体-旅游规划助手[工具]

3.3Agent+知识库

 -智能体-智能客服系统[RAG]

3.4 工作流

 -智能体-文案改写助手[工作流]

4）Agent高级工作流

 -企业工商信息获取[智能工作流+Python节点]

1.4Vibe Coding 入门和TRAE 实战 1）什么是Vibe Coding

2）Vibe Coding带来的机会和挑战

3）Vibe Coding主流工具

4）TRAE安装与功能介绍

5）环境配置

6）Vibe Coding 小游戏开发

7） 配置MCP

8）SOLO Coder 自动优化升级项目

9）TRAE 进阶功能介绍

2.人工智能应用进阶

2.1数智产品设计思维框架 1）产品设计思维框架

2）商业与用户发展路线

3）技术发展路线

4）企业IT系统数智化改造的四种类型

2.2企业量化策略基础 1）量化策略分析思维

2）量化策略分析框架

3）量化策略分析流程

2.3人工智能应用简介 1）企业数智化工作方法

2）AI辅助高效办公工具链

2）分析式小模型和生成式大模型的特征、应用场景

3）企业落地AI的五个技术要点

2.4需求分析 1）需求分析的业务驱动因素和目标

2）需求分析的相关概念

3）需求分析的实施方法

4）需求分析的效果检验

5）AI应用的需求分析特点

2.5用户体验设计 1）用户体验设计的业务驱动因素和目标

2）用户体验设计的相关概念

3）用户体验设计的过程

4）用户体验设计的效果检验

5）AI应用的用户体验设计特点

3.人工智能算法基础——机器学习

3.1 企业数据挖掘基础 1）数据挖掘思维

2）数据挖掘技术

3）数据挖掘框架

4）数据挖掘流程

3.2Python统计分析基础 1）数据分析的武器库

2）统计推断与假设检验

3）线性回归与逻辑回归

4）数据分析的完整案例

3.3 机器学习算法基础 1）参数估计概述

2）矩估计

3）极大似然估计

4）凸优化基本概念

3.4机器学习常见算法(Python) 1）最近邻域法的参数调优

2）朴素贝叶斯分类器

3）决策树

4）支持向量机

5）GBDT和分类模型评估

3.5机器学习案例(PySpark) 1）PySpark基础与信用评分卡案例

2）数字化营销框架与用户画像实践

3）预测模型与流失预警案例

4）交易反欺诈与不平衡数据处理

5）产品推荐算法与案例

4. 大模型使用介绍

4.1大语言模型技术演进路线和应用 1. 大语言模型的发展历程

2. 基础大语言模型的架构

1）Transformer基础

2）架构进化：BERT系列、GPT系列、混合架构

3. 其他大语言模型的知识

1）混合专家模型（MOE）

2） 蒸馏技术

3） 模型量化技术

4.2 提示词工程 1.提示作用机理

1）上下文学习（In-Context Learning）

2）思维链（Chain-of-Thought）

3）自洽性（Self-Consistency）

2.动态优化技术

1）少样本学习（Few-Shot）

2）自迭代提示（Self-Refine）

3.防御 prompt 攻击

1）攻击类型：

（1）提示注入（Prompt Injection）

（2）越狱（Jailbreaking）

2）防御策略：

（1）指令防御

（2）后提示（Post-Prompting）

（3）过滤与验证

5. 人工智能算法进阶——大模型算法 5.1神经网络 1）神经网络的基本概念

2）感知机的构成要素

3）反向传播算法和BP神经网络算法

5.2深度学习 1) 卷积神经网络算法与实现

2) 递归神经网络算法与实现

3) 自编码网络算法与实现

4) 生成对抗网络算法与实现

5.3自然语言处理

1）自然语言处理NLP基础

2）分词与词性标注

3）文本信息提取

4）构建文本信息库

5）文本分类算法与情绪分析

6）文本聚类算法与词条聚类分析

7）主题模型与文本摘要

8）Transformer架构和语言建模方法

5.4知识图谱和复杂网络 1）知识图谱基本概念及场景应用

2）复杂网络（图）算法

5.5知识库技术 1）知识库基本概念

2）知识的向量化，检索，召回，重排序

3）知识库的实现方案

4）知识库的质量评估方法

5.6智能体技术 1）智能体基础功能、类型、实现方式

2）函数调用和MCP技术

3）MCP的实现方式

4）智能体的质量评估方法

5.7大模型微调技术 1）大模型（LLM）微调技术简介

2）微调的四种范式

2）LLM微调工程实践

3）领域大模型产品质量评估

6.AI产品设计与开发实战解析

6.1某智能体开发案例讲解——以企业智能投标系统“智标通”为例 1）AI产品设计思维

2）商业分析和商业需求文档（BRD）讲解

3）需求分析和市场需求文档（MRD）讲解

4）解决方案设计和产品需求文档（PRD）讲解

5）实施和效果评估

6）持续优化方案和产品路线图

7.人工智能伦理与相关法律 7.1人工智能相关伦理和国内人工智能相关规章 1）人工智能伦理《新一代人工智能伦理规范》

2）人工智能相关法律规章《生成式人工智能服务管理暂行办法》、《互联网信息服务算法推荐管理规定》解读

7.2各国人工智能法律法规 1）欧盟《人工智能法》解读

2）加拿大《人工智能和数据法》解读

3）英国《人工智能监管法（草案）》解读

7.3企业人工智能模型风险管理实践 1）企业人工智能模型风险管理案例分析

8.企业人工智能管理体系 8.1人工智能管理体系标准 1）国际《ISO/IEC 42001人工智能管理体系》和《GB/T 45081-2024 人工智能 管理体系》的知识要点

2）我国企业人工智能管理实践案例

培训教师

国内资深人工智能应用实战专家。