华为网络工程师认证有了解的吗
了解华为认证：华为认证是华为技术有限公司（简称“华为”）基于“平台+生态”战略，围绕“云-管-端”协同的新ICT技术架构，打造的业界覆盖ICT领域最广的认证体系，包含“ICT技术架构认证”、“平台与服务认证“、“行业ICT认证”三类认证。根据ICT从业者的学习和进阶需求，华为认证分为工程师级别、高级工程师级别和专家级别三个认证等级。华为认证覆盖ICT领域，致力于提供领先的人才培养体系和认证标准，培养数字化时代的新型ICT人才，构建良性的ICT人才生态。
根据ICT从业者的学习和进阶需求，华为认证分为工程师级别、高级工程师级别和专家级别三个认证等级。
HCIA—HuaweiCertifiedICTAssociate：华为认证ICT工程师(HCIA)是华为认证体系中用于标识个人能力在某一技术领域达到工程师级别的证明，表示通过认证的人员具备安装、配置、运行ICT设备，并进行基础故障排除的能力。
HCIP—HuaweiCertifiedICTProfessional：华为认证ICT高级工程师(HCIP)是华为认证体系中用于标识个人能力在某一技术领域达到高级工程师级别的证明，表示通过认证的人员具有丰富的ICT知识和实践能力。
HCIE—HuaweiCertifiedICTExpert:华为认证ICT专家(HCIE)是华为认证体系中最高级别的ICT技术认证，表示通过认证的人员具有ICT领域专业知识和丰富实践经验。
华为认证含金量：随着华为的发展，目前国内华为设备的使用越来越多，技术人才需求量不断上升。所有合作伙伴必须拥有至少2名华为认证工程师，拥有自主服务能力。因此，面试华为合作伙伴，拥有华为认证可以让你更有优势，与同等竞争者相比，获得更多的职场机会。
据调查显示，2020年ICT人才缺口约达1246万，市场对ICT专业人才的需求非常大，HCIE作为华为认证的最高级别，证书含金量是值得肯定的。
当下网络通信和网络安全已经成为国家发展重要方向，在这种大环境下，持有一个相关体系的证书毫无疑问将会有一个不错的沉淀。不管我们从事的是人工智能还是大数据相关工作，都需要对网络通信有相应的理解。华为认证的数通方向非常热门。现在报考的人数这么多就能验证它的价值了。
从社会认可度来看：HCIA的知识量最少，专业知识点低，企业招聘基本不会认可或者说不需要这个证书，一般针对于一些在校学生，如果要考的话其实还是建议从HCIP开始考，毕竟这个考试费也要1400元呢~省下来的钱还能找个靠谱的培训班。
HCIP的知识量足够应付一些中小企业的要求。在一些中小城市是够用的，但是薪资水平不会特别高。一般是6K-10K的样子。华为基本是网工的一个入门证书，还是有一定程度上的含金量的。
HCIE的知识量最高，最难考，所以它的含金量和认可度也最高，很多企业招聘会直接写上证书优先考虑。而且薪资也是属于比较可观的水平。
华为认证的费用：
拿华为认证最热门的方向之一Datcom的三个级别举例：
HCIA-Datacom考试费200美金，证书有效期为三年，三年后需要重新认证，认证方式是需要再参加一次考试。考试题型为：单选题，多选题，判断题，填空题，拖拽题。考试地点都在各大省会和一线城市的PearsonVue考试中心。
HCIP-Datacom-考试费分别是300美金和180美金，必须两门考试都通过才能拿取证书，证书有效期为三年，三年后需要重新认证，考试题型为：单选题，多选题，判断题，填空题，拖拽题。考试地点都在各大省会和一线城市的PearsonVue考试中心。
HCIE-Datacom需要通过笔试和实验，笔试费用是300美金，实验费用是8000人民币，通过笔试后即可预约实验，两门通过之后才能拿取证书，证书有效期为2+1年缓冲期。考试笔试题型为：单选题，多选题，判断题，填空题，拖拽题。笔试考试地点都在各大省会和一线城市的PearsonVue考试中心，实验考试地点：北京，深圳，杭州，成都。
百度深度学习工程师认证（已通过）
考试时间：2019.8.24
本人图像处理与模式识别专业，有一定的基础。
10多天之后参加百度深度学习工程师认证，记录中
考试参考资源：
https://ai.baidu.com/paddlepaddle/openCourses（个人感觉讲的不是很好，有点无趣（背书），最好是结合博客及相关文献进行了解）
第一天：机器学习入门第1章
监督学习与非监督学习简介
第2章
经典监督学习算法-决策树
第3章
经典监督学习算法-回归算法
第4章
经典非监督学习算法-Kmeans聚类
第5章
经典非监督学习算法-期望最大算法（EM算法）
第6章
课程总结
深度学习基础第1章
正则化概述
第二天机器学习模型第1章
回归模型
第2章
分类模型
第3章
分类模型（二）
Python基础入门
第三天机器学习模型
第4章聚类模型
第5章降维模型
1.奇异值分解
2.PCA降维
3.LDA
第6章机器学习模型复杂度度量
第7章机器学习模型评估指标
回归问题评估指标：
分类问题评估指标：
第四天AI核心技术
第1章
迈入现代人工智能的大门
第2章
机器能“看”的现代技术
第3章
循环网络原理、模型及应用(语音识别，自然语言处理）
第4章
CNN和RNN应用
AI趣味课堂第五天
KNN算法：https://www.cnblogs.com/jyroy/p/9427977.html
朴素贝叶斯：https://www.cnblogs.com/lliuye/p/9178090.html
LR算法：https://www.jianshu.com/p/f89a19df2995
SVM算法
CART算法：https://blog.csdn.net/baimafujinji/article/details/53269040
ＲＦ算法
Adboost算法
GBDT算法
k_means
DBSCAN
第六天1.Bagging、ensemble、boosting关系：
https://blog.csdn.net/bymaymay/article/details/77824574
2.L1、L2范数，区别：
https://blog.csdn.net/zchang81/article/details/70208061
https://blog.csdn.net/pan060757/article/details/73321681
3.偏差、方差：
https://www.zhihu.com/question/20448464
4.衡量距离的方法有哪些：
https://www.iteblog.com/archives/2317.html
第七天
Inception系列网络
Resnet系列网络
attention机制
loss
第八天
线下课程精彩回顾
第九天
卷积计算
conv、pool反向传播
paddlepaddle学习：https://www.paddlepaddle.org.cn/start
第十天
深度学习中的数学：https://wenku.baidu.com/view/4132976d842458fb770bf78a6529647d26283458.html
1.求极限：https://wenku.baidu.com/view/dcd1a2c0ec3a87c24128c427.html
2.求积分：https://wenku.baidu.com/view/e0c4a963f5335a8102d220f5.html
3.求导数：https://wenku.baidu.com/view/8ebf99b5370cba1aa8114431b90d6c85ed3a887e.html
4.凸函数与极值：
5.最优化方法：
6.古典概率：
7.常用概率分布：
8.贝叶斯分布：
9.假设检验：
10.矩阵与向量：
11.矩阵的计算：
12.特征值与特征向量：
1.监督学习与非监督学习：https://blog.csdn.net/jwh_bupt/article/details/7654120
2.强化学习：https://blog.csdn.net/trillion_power/article/details/70992333
考试通过：