通过训练营的学习，让我了解到云计算的优势：将资本投入变成可变投入：与其不明就里地投资重金构建数据中心和服务器，不如使用云服务，这样您只需在使用计算资源时付费，只需按使用量付费。大范围规模经济的优势：云会汇集成千上万的客户，因此提供商可以利用规模经济的优势，将这一特点转化成更低的按使用量付费的价格。不必再猜测容量：可以访问任意规模的资源，可多可少，并根据需要扩展或缩减，一切只要几分钟就能完成。如果自己搭建，提前要算，算多了资源闲置，算少了扩展麻烦。增加速度和灵活性：在云计算环境中，新的 IT 资源只要点点鼠标就能配置到位，显著节省时间，将开发人员调配资源耗费的时间大大缩短。不再为数据中心的运行和维护投入资金：关注让公司与众不同的项目，而非基础设施，卸下安装和维护服务器的繁重工作。分分钟将业务扩展到全球：只需点击几下，即可在全世界的多个区域轻松部署您的应用程序。也就是说，可以用最少的成本轻松帮助客户获得较低的延迟和更好的体验。

       通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将与互联网更相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。 好比是从古老的单台发电机模式转向了电厂集中供电的模式。它意味着计算能力也可以作为一种商品进行流通，就像煤气、水电一样，取用方便，费用低廉。最大的不同在于，它是通过互联网进行传输的。按需计算将计算机资源(处理能力、存储等)打包成类似公共设施的可计量的服务。在这一模式中，客户只需为他们所需的处理能力和存储支付费用。那些具有很大的需求高峰并伴有低得多的正常使用期的公司特别受益于效用计算。当然，该公司需要为高峰使用支付更多，但是，当高峰结束，正常使用模式恢复时，他们的费用会迅速下降。 按需计算服务的客户端基本上将这些服务作为异地虚拟服务器来使用。无须投资自己的物理基础设施，公司与云服务提供商之间执行现用现付的方案。 按需计算本身并不是一个新概念，但它因云计算而获得新的生命。在过去的岁月里，按需计算由一台服务器通过某种分时方式而提供。为企业提供新的服务方式。

通过参加华为云HCIA-Cloud Service职业认证训练营课程，让我自身学习到很多的公有云知识，丰富了自己的知识体系。公有云：通常指第三方提供商用户能够使使用的云，公有云一般可通过 Internet 使用。优点是能够以低廉的价格，提供有吸引力的服务给终端用户，创造新的业务价值。能够整合上游的服务（如增值业务，广告）提供者和下游终端用户，打造新的价值链和生态系统。它使客户能够访问和共享基本的计算机基础设施，其中包括硬件、存储和带宽等资源。缺点与安全有关。公共云通常不能满足许多安全法规遵从性要求，因为不同的服务器驻留在多个国家，并具有各种安全法规。而且，网络问题可能发生在在线流量峰值期间。虽然公共云模型通过提供按需付费的定价方式通常具有成本效益，但在移动大量数据时，其费用会迅速增加。在云计算的时代里，计算服务也是云服务中的第一大类服务，计算资源的重要性由此可见。

通过课程学习到了云计算的知识，云计算是基于互联网的相关服务的增加，使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云计算特征：超大规模、虚拟化、高可靠性、通用性、高可扩展性、按需服务。云计算的服务模式分为软件即服务（SaaS）、平台即服务（PaaS）、基础设施即服务（IaaS）这三种形式。SaaS：这一模式主要是为客户提供应用软件类的服务。有关供应商将其应用软件全部共享在其“云端”服务器上，在互联网作用下，使用户享受其服务，并依据需求进行订购，费用计算以时间、数量为主，用户只要通过Web浏览器就可以获取服务。SaaS与PaaS的区别在于，使用SaaS的不是软件的开发人员，而是软件的最终用户。IaaS：在互联网的作用下，供应商将不同服务器集群后所形成的“云端”等基础设施作为基本量来为客户提供服务，其服务种类包括服务的虚拟化以及资源存储等，该服务类型属于硬件托管式，用户对供应商提供的硬件采取服务使用的方式进行。PaaS：这种方式主要是为用户提供开发软件平台以及相关研发环境为主，通过其提供的开发平台，客户能自行研发各种程序，并在互联网的作用下得到使用。用户使用PasS的模式与SaaS具有相同之处，不同之处在于前者是开发软件的平台，而后者是应用软件的平台。

        非常棒的训练营，通过课程学习到云计算的知识，云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。狭义云计算指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。它意味着计算能力也可作为一种商品通过互联网进行流通。透过云计算，无需先期巨资投入硬件，再花大量时间来维护和管理这些硬件。与此相反，可以精准配置所需的适当类型和规模的计算资源，只需按实际用量付费。方便企业的业务的发展。

 非常有幸能有这次机会参加华为云HCIA-Cloud  Service职业认证训练营。因为之前一直接触华为的一些产品，对华为还是比较满意的。虽然在之前有考取其他方向的证书，但在这次培训过程中，我还是从中学习到很多知识，得到一些心得体会。       这次参加培训，跟着培训讲师学习了云服务的基础知识，云服务产品的应用，助力企业实现ICT环境的云转型。课程安排合理，而且是免费的，还有机会赢取价值200美元的考试劵，福利多多。最重要的事，我第一次接触华为云的沙箱实验，沙箱真的好好玩！窗口左侧的实验指导非常详细，右侧的动手操作很走心。跟着实验指导的步骤来，很快就能上手华为云的控制台等相关作业实操，这种技术学习体验太棒了。每做完一个沙箱实验，我都有一种小小的成就感。大爱沙箱！参加这次培训的人数还是挺多的了。所以我觉得还是比较幸运及时的学习和考证，领先在技术的潮流。      有机会的话，我还会参加其他培训，最后祝华为云越办越好！

【学习心得】参加此次训练营，系统学习了HCIA职业认证的所有课程，感觉到收获还是很大，让自己的知识体系有一个更好的了解，对公有云各服务有一个全新的认识，从云计算基础，华为云介绍，到计算云服务，网络云服务，存储云服务，数据库、安全、CDN、EI，到华为云运维基础。学完视频课程后，自己的公人云知识了解的更透彻。满足了日常工作的需要，视频讲解清晰到位，这种在线学习体验也很好，ppt的总结也非常到位，让学习一点不费劲。【训练营参后感】训练营各类人才出类拔萃，结业考试我也以刚及格的分数顺利通过了考试，几乎是学习完一遍直接考试顺利通过。难度：简单。以后还要在去考高级。不权学到了细化的知识，还得到了官方的认可。【课程评价】课程基本也是讲解基础知识，可能更深奥的可能需要在中级证会讲到吧。每个讲师的视频确实很干练，并且有生动的例子讲解。非常不错。

人工智能已成为引领新一轮科技革命和产业变革的重要驱动力量和战略性技术。本文采用无监督聚类、复杂网络结构洞和突发检测算法对人工智能高水平会议论文进行深度挖掘分析，梳理人工智能领域的关键技术，全面刻画人工智能领域整体技术结构，洞悉关键技术分布和研发态势，明确人工智能领域代表性国家与机构。研究发现：人工智能领域共包含14个大类、132项热点技术，主要分布在机器学习、自然语言处理、计算机视觉和机器人等子领域，如一眼模仿学习、智能自动问答、光度立体视觉、多传感器融合等；共性技术则主要分布在机器学习子领域，分类、回归、搜索等基础算法以及优化理论方法等共性技术为其他子领域研究实践奠定坚实基础；新兴技术主要集中在深度学习方面，生成对抗网络和注意力机制是其中的典型代表，此外还包括强化学习、自主代理和多代理系统等。在人工智能领域代表性国家与机构方面，美国在各热点技术大类下的发文量均位居全球首位，中国整体仅次于美国，但在强化学习、机器人、智能多代理系统研究方面发文量排名相对靠后；国内机构中，中国科学院在多个热点技术大类下的发文量均位居全球前列。 人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。这一概念自1956年被提出后，已历经半个多世纪的发展和演变。21世纪初，随着大数据、高性能计算和深度学习技术的快速迭代和进步，人工智能进入新一轮的发展热潮，其强大的赋能性对经济发展、社会进步、国际政治经济格局等具有重大且深远的影响，已成为引领新一轮科技革命和产业变革的重要驱动力量，是推动人类进入智能时代的核心和重要抓手。 发展热潮之下，全球主要国家积极在人工智能领域深耕布局，国际竞争日益激烈。2017年7月，我国发布《新一代人工智能发展规划》，明确将人工智能作为国家未来重要发展战略，并确定中国人工智能发展“三步走”战略目标，到2030年实现人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心；2018年3月，法国总统宣布启动15亿欧元的人工智能计划，将在法国建设一个国际级的研发中心，完善数据领域政策，培养法国在人工智能领域的人才，并对技术革新的伦理和规制问题进行反思，以推动法国跻身人工智能领域的领军者行列；2018年4月，欧盟委员会计划2018—2020 年在人工智能领域投资240亿美元；2018年11月，德国联邦内阁通过人工智能国家战略，计划2025年前在联邦层面投入30亿欧元，旨在人工智能领域新增100名教授席位并资助扩建人工智能研发中心；2019年2月，美国总统特朗普签署行政令，启动“美国人工智能倡议”，该倡议提出研发、资源调配、政策、人力资源培养和准备、国际合作五项发展重点领域，以维护美国人工智能领导力。 与此同时，人工智能产业蓬勃发展，全球产业界纷纷调整发展战略，人工智能创新创业如火如荼。2017年，谷歌和微软陆续将企业发展战略和愿景转向人工智能；百度也于2017年将公司使命更改为“用科技让复杂的世界更简单”，希望百度从全球最大的中文搜索引擎彻底转型人工智能科技公司；自2013年以来，全球和中国人工智能行业投融资规模都呈上涨趋势，2017年全球投融资总规模达395亿美元。 人工智能作为一门综合和高度复杂的技术科学，其发展离不开底层多类型关键技术的研发突破和支撑。厘清人工智能领域的关键技术，把握技术现状和发展趋势，将为国家前瞻性战略布局、企业研发重心调整、科研机构和研究人员合理选题提供重要情报参考。2019年3月，李总理在政府工作报告中再次提及人工智能产业的发展，提出要“深化大数据、人工智能等研发应用”。相较于2017年的“加快人工智能等技术研发和转化”和2018年的“加强新一代人工智能研发应用”，“深化”一词不仅反映出我国人工智能发展呈现层层递进和逐步深入的良好态势，也体现了热潮之后我国政府对人工智能的持续重视和未来发展展望。我们应牢牢把握人工智能关键技术和发展方向，明确中国人工智能发展的短板领域和技术，切实响应国家需求，推进人工智能各项战略规划的快速稳健实施，加快人工智能专业型人才和通用型人才培养，构建体系化队伍，加大对人工智能学术及产业力量的扶持力度，培育并打造人工智能发展的中流砥柱，以期人工智能强大的赋能性为经济社会发展注入新的动能。因此，本文以人工智能领域高水平会议论文为分析对象，采用无监督聚类方法、复杂网络结构洞理论和突发词检测算法开展深度挖掘分析，梳理人工智能领域的热点技术、共性技术和新兴技术，以期全面了解人工智能领域整体技术结构，洞悉关键技术分布和研发态势，明确人工智能领域代表性国家与机构。 **1 数据来源与研究方法** **1.1 数据来源** 科技论文记载了科学研究和技术研发活动的大量高价值信息，反映了科技成果诞生的初始状态，是关键技术挖掘的重要数据资源。而在计算机领域，高质量会议论文在学界有着较高的关注度和认可度，同时，相对于期刊论文，会议论文的时效性更好，一定程度上代表着该领域最新、最热的研究内容，本文综合专家咨询意见及数据的可获得性，以中国计算机协会推荐的人工智能领域高水平国际学术会议（A类和B类，共19种）为基础数据源（表1），利用Scopus数据库检索并下载题录数据，包括发表年、标题、关键词、摘要等，时间跨度为2015—2018年，检索时间为2019年1月22日，共18956篇论文，作为人工智能领域关键技术分析挖掘的数据基础。 **1.2 研究方法** 1.2.1 关键技术概念界定 对科技论文内容进行深度挖掘，旨在梳理发现人工智能领域的关键技术，具体包括热点技术、共性技术和新兴技术三类。本文对三类关键技术的概念界定如下： **1）热点技术：**某学科领域内，近年来受到科研人员广泛关注并已产出相应研究成果的主要研究方向和技术主题，反映了学科领域的研发现状和技术结构全貌； **2）共性技术：**对学科领域内其他研究方向和技术主题产生广泛影响、其研究成果可供参考借鉴和分享使用的一类技术，反映了学科领域的重要研发基础和技术前沿，是学科领域内的“思想源泉”或“集大成者”； **3）新兴技术：**某学科领域内，最新出现且短时间内受到广泛关注的研究方向和技术主题，反映了学科领域内具有重要潜在影响的新近研究热点。 1.2.2 研究思路与方法 本文采用无监督聚类方法、复杂网络结构洞理论以及突发检测算法开展人工智能领域关键技术挖掘分析，研究思路如图1所示。 具体研究过程及方法包括： **1）基于K-means++聚类的热点技术挖掘分析** 本文基于python语言，利用NLTK包对会议论文文本数据（标题、摘要和关键词）进行预处理，包括分词、词性标注、词干提取、词性还原、停用词过滤等，利用TF-IDF方法对文本进行向量化表示，采用K-means++算法对数据进行聚类，对各个聚类簇进行解读和调研，形成人工智能领域的热点技术。 **2）基于复杂网络结构洞理论的共性技术挖掘分析** 结构洞理论形容非冗余的联系，指在社会网络中的某个或某些个体与部分个体发生直接联系，但与其他个体不发生直接联系的现象，从网络整体看好像网络结构中出现了洞穴（图2）。结构洞能够为其占据者获取“信息利益”和“控制利益”提供机会，Raider 的实证研究表明：结构洞占据者的位置对信息控制、识别以及交易起着重要的作用。近年来，已有相关学者利用结构洞理论开展共性技术或基础技术的识别，如江娴、叶春蕾、王海龙等。结构洞反映了节点对网络资源的控制能力，占据结构洞的节点能够获取来自多方面的非重复性信息，反映在学科领域研究上，占据结构洞的研究方向更有可能是“思想源泉”或“集大成者”，即领域共性技术，可对学科领域内其他研究方向产生广泛影响。 本文以K-means++聚类得到的热点技术聚类簇为节点，计算聚类簇质心向量间的相似性，以此作为节点间连接和权重的依据，构建网络。基于复杂网络结构洞理论，计算网络中各节点的限制度指标，以此反映节点在网络中运用结构洞的能力。节点的限制度指标值越小，代表节点拥有的结构洞越多，运用结构洞的能力越强，所占据的“信息利益”和“控制利益”越大，以此识别人工智能领域的共性技术。 **3）基于Burst Detection算法的新兴技术挖掘分析** 本文以清洗后的会议论文关键词为分析数据，采用Sci2 tool工具的Burst Detection算法探测最新出现且短时间内受到广泛关注的新兴技术。 **2 人工智能领域关键技术分析** 2.1 人工智能热点技术 人工智能领域的热点技术代表近年来的主要研究方向和技术主题，反映出人工智能领域的技术结构全貌。结合轮廓系数的计算结果，确定聚类簇数量K=140时，具有较好的聚类效果。经人工判读，140个聚类簇中共有132个有效类和8个混杂类。以132个有效类作为节点构建网络，并进行可视化和模块划分，最终形成14项技术大类（图3及表2）。中国和美国在14项技术大类下发文量的全球排名，以及各技术大类的Top5优势机构列举如表3。 机器学习子领域的技术大类包含机器学习算法及应用、强化学习算法、近似及优化算法和规划问题共4项。其中，热点技术主要包括回归、聚类、分类、近似、估计和优化等基础算法的改进研究；迁移学习、多核学习和多视图学习等新型学习方法；策略网络和时间差分学习等强化学习基本方法；机器人及多代理系统计划、路径规划等问题研究；机器学习算法在事件检测、位置识别和社交网络分析中的应用以及强化学习在智能决策中的应用研究。在上述4项技术大类中，美国发文量均居全球首位，中国在机器学习算法及应用、近似及优化算法和规划问题研究方面仅次于美国，但强化学习研究发文量居全球第5位，相对靠后。国内机构在机器学习算法及应用、规划问题研究方面表现较为突出，中国科学院、清华大学和北京大学的发文量位居全球前列。 自然语言处理子领域的技术大类包含自然语言处理技术和自动问答技术共2项。其中，热点技术主要包括特征提取、语义分类、词嵌入、主题模型、关系抽取与分类、知识图谱、注意力模型和长短期记忆模型等基础技术研究，还包括智能自动问答、机器翻译、情感分析、推荐系统等应用研究。在上述2项技术大类中，美国发文量均居全球首位，中国紧随其后。中国科学院在这2项技术大类的发文量均居全球前列，清华大学和北京大学也表现不俗。 计算机视觉子领域的技术大类包含图像处理技术、视频处理技术、图像匹配技术、视觉跟踪技术和对象检测技术共5项。其中，热点技术主要包括视频图像分割、对齐、检测、识别及跟踪所涉及的核心技术研究；三维重建、光度立体视觉、相机校准、行人再识别、人脸对齐与关键点检测等应用研究。在上述5项技术大类中，也都是美国发文量居全球首位，中国紧随其后。中国科学院在图像匹配和视觉跟踪技术上的发文量均居全球首位，在图像处理和视频处理技术上也位居全球前列，此外，浙江大学、大连理工大学和清华大学也表现不俗。 机器人子领域的热点技术主要包括机械手、抓握、行走、感知和驱动等智能控制技术研究，同时还包括外骨骼机器人、服务机器人和机器人传感器等硬件基础和软件优化研究。此外，人工智能领域的热点技术还包括智能多代理系统，以及众包、拍卖、市场定价、能源管理和隐私保护等相关问题的研究。在上述技术大类中，美国发文量均居全球首位，中国在机器人和智能多代理系统研究方面发文量居全球第7位，相对靠后。同时，国内机构在上述技术大类下的发文量均未能进入全球Top5。 2.2 人工智能共性技术 人工智能领域的共性技术可对其他研究方向和技术主题产生广泛影响，反映出人工智能领域的重要研发基础和技术前沿。以人工智能领域热点技术分布网络（图3）为对象，计算网络中各节点的限制度指标并升序排列，取Top20的热点技术作为人工智能领域的共性技术（表4）。 机器学习子领域占据15项共性技术，包括推理、特征选择与特征学习、图论、分类、搜索、回归等基础算法研究，以及约束优化、网络优化、最优化理论、损失函数及优化等机器学习算法优化方法探索，还包括序列学习、树学习、长短期记忆模型、多示例学习等新型学习方法实践，此外，也涉及到机器学习算法在生存预测、人机关系推断、药物不良反应预测方面的应用研究。由此可见，机器学习方法强大的赋能性推动了人工智能技术和应用的发展升级，各类机器学习共性技术为其他子领域研究实践奠定了坚实的方法和算法基础。 计算机视觉子领域占据3项共性技术，包括位置识别和图像对齐所涉及的核心技术研究，此外，还包括多标签对象识别、人脸识别、纹理识别、零次动作识别等机器视觉识别技术的研究和应用实践。机器人子领域中，传感器技术及应用作为一种共性技术，对于机器人的智能控制起到非常重要的作用，使其拥有类人的感知功能和反应能力，其中，分布式传感器网络、多传感器融合以及嵌入式微流体应变传感器等新型传感器是当下的技术研发前沿。 2.3 人工智能新兴技术 人工智能领域的新兴技术代表最新出现且短时间内受到广泛关注的研究方向和技术主题，反映出人工智能领域内具有重要潜在影响的新近研究热点。以会议论文关键词为分析数据，采用Sci2 tool工具的Burst Detection算法计算各个关键词的突发指标，根据突发权重和突发等级降序排列，选取最高突发等级且尚未进入突发稳定状态的Top15关键词作为人工智能领域的新兴技术。 在人工智能领域的新兴技术中，深度学习技术出现频率最高，包括深度神经网络、对抗网络、对抗学习、注意力机制、深度卷积神经网络、长短期记忆网络等。其中，生成对抗网络和注意力机制近年来的研究热度快速上升，已成为深度学习非常重要的模型和工具，前者可用于真实数据的建模与生成，如图像、视频、自然语言和音乐等，后者则在图像处理、语音识别和自然语言处理方面有广泛应用。此外，强化学习、案例推理和演化算法等机器学习方法，图像增强、信号编码等计算机视觉技术，以及自主代理和多代理系统等均为人工智能领域的新兴技术。 **3 结论** 基于人工智能高水平会议论文数据，利用无监督聚类、复杂网络结构洞理论和突发检测算法，从热点技术、共性技术和新兴技术三个方面挖掘分析人工智能领域的关键技术。根据上述分析结果可知： 人工智能领域共包含14个大类、132项热点技术，其中，机器学习子领域的热点技术主要包括基础算法的优化改进和实践应用，以及迁移学习、强化学习、多核学习和多视图学习等新型学习方法的研究探索等；自然语言处理子领域的热点技术主要包括特征提取、语义分类、词嵌入等基础技术和模型研究，以及智能自动问答、机器翻译等应用研究；计算机视觉子领域的热点技术主要包括视频图像分割、对齐、检测等所涉及的核心技术研究，以及三维重建、光度立体视觉、行人再识别等应用研究；机器人子领域的热点技术主要包括机械手、抓握、行走、感知和驱动等智能控制技术研究，以及外骨骼机器人和机器人传感器等硬件基础和软件优化研究。 人工智能领域的共性技术主要分布在机器学习、计算机视觉和机器人子领域，其中，机器学习方法强大的赋能性推动了人工智能技术和应用的发展升级，各类机器学习共性技术为其他领域研究实践奠定了坚实的方法和算法基础。 人工智能领域的新兴技术主要集中在深度学习方面，生成对抗网络和注意力机制是其中的典型代表，此外，新兴技术还包括强化学习、自主代理和多代理系统等。 人工智能作为一门基础研发和实践应用并重的技术科学，其热点技术既包含机器学习基础算法的改进优化，也涵盖自然语言处理、计算机视觉和机器人等通讯、感知和行动层面的应用研究。而通过热点技术遴选得到的共性技术则赋能了人工智能基础研发和实践应用进步，机器学习基础算法在不断进化的同时，也为相关研究方向提供了新思路、新方法和新手段，同样，机器视觉核心技术和传感器技术在也分别在计算机视觉和机器人领域起到至关重要的作用。热点技术和共性技术旨在揭示人工智能领域的技术全貌及核心技术方向，而新兴技术则从关键词层面细粒度揭示突发的技术研究内容，深度学习中的生成对抗网络和注意力机制作为人工智能新兴技术的典型代表，具有广泛的实践应用场景，对人工智能发展具有重要的潜在影响。 人工智能已成为全球重点关注的研究和发展领域，国际竞争日益激烈。美国在人工智能领域各热点技术大类下的发文量均位居全球首位，且遥遥领先于其他国家。中国在机器学习、自然语言处理、计算机视觉等多个技术大类下的发文量仅次于美国，但在强化学习、机器人、智能多代理系统研究方面发文量排名相对靠后，与美国、德国、法国、日本和英国等国家存在一定差距。此外，中国科学院在多个技术大类下的发文量均位居全球前列，清华大学、北京大学、浙江大学和大连理工大学也表现不俗，但与卡内基梅隆大学、微软研究院、麻省理工学院等美国著名高校和企业存在不小差距。

【学习心得】第一次系统学习HCIA职业认证课程，非常喜欢这种全面的教学体系设计。从云计算基础，华为云介绍，到计算云服务，网络云服务，存储云服务，数据库、安全、CDN、EI，最后是华为云运维基础。学完视频课程后，感觉像是读了一本教材。华为工程师的讲解清晰到位，PPT设计也很美观。华为云培训中心的在线学习体验也很好。训练营的组织也很有新意，通过抽奖的方式拿奖是个很有趣的设定。【训练营参后感】大神真的是太多了，满分学霸太强了。突然发觉训练营最欢迎两种类型的学员：一种是真正有实力拿满分的学员；一种是运气好到爆，可以直接抽中大奖的学员！面对这两种种学员，小生真是无比的佩服加羡慕！【课程评价】这是我第一次参加华为的HCIA职业认证课程，课程既有生动的理论讲解，又有干货的实操演示，尽显华为风采。手动给这门课程点赞！要是能提供授课PPT文档就更完美了。

To dear all fellows:非常感谢提供这次的学习机会，能够和大家一起学习，并且一起交流~训练营参后感：个人感觉有这样一个集训营并且有线下的微信群沟通还是更有参与感的，尤其群里的小助手和亚男老师每天也很尽责的及时的通知当日的学习计划和活动。而且每次我们有问题时，亚男老师和我们可爱的同学们也很非常尽责和及时的响应，俗话说的好，三人行，必有我师焉是不是，好家伙，咱群里这么多的小伙伴，从大家身上学习到了很多~所以还是很谢谢大家哒~比心~不过有一个小小的建议，就是以后发一些通知的时候，或许可以用群公告的方式发送出来，或者@所有人，因为平时可能群会比较多，不能每条消息都爬楼，那会要命的，但是群公告或者@所有人可以一定程度上的帮助我们提取和搜索关键信息~（仅个人想法，不喜勿喷，喷了就是你说的对，哈哈哈~）学习心得：emmmmm,帮助我这个纯纯纯小白对咱们华为云所提供的服务、产品架构、逻辑、工作原理、优势、应用场景等有了更加清晰的认知，不过学生我比较愚钝，可能看完一遍之后，记得东西太多了，导致精准度、深度等会打折扣（就是东西有点多，反而有点迷糊了），所以希望课程的接口可以一直开放，这样我可以经常回来看看，温故而知新是不是~把东西给梳理清楚~课程评价：这个要是每个课程单讲的话，我感觉2000字不够我写的，哈哈。简单来说，1-10分的话，课程架构：8分（基础的3件套很nice，讲解的很细节，但是后面两个章节，尤其数据库相关的课程，实话说，看完，我还是没能理解这个产品）。讲师维度，重点感谢我们的“沈”老师（主讲三件套多有课程的那位老师，我不是很确定他怎么称呼），讲解的很通俗易懂，感谢您在讲课过程中举的例子，让我更形象的理解了每一个产品在整体云服务中的作用，而且通过您讲解的方式，我也学习到了以后我自己在面向之前没有接触过云服务的人，我可以怎么去快速的让他们对产品的作用和优势有一个认知，不过我还需要多看，需要学会举一反三~给您12分~哈哈哈有一个请求，就是看完老师做实验的视频后，是否可能也能给我们开放相应的实验资源让我们去实际上手操作，加深映像，比如运维相关的审计、监控、日志，我就没在沙箱实验室中找到相应的实验资源区实操。最后，开心学习到了这么多的知识，and wish the best for all of us who are part of this journey~Have a wonderful rest of 2021~

【HCIA职业认证训练营：HCIA-Cloud Service V3.0职业认证】训练营参后感：很高兴参加这次的华为云HCIA-Cloud Service V3.0职业认证训练营，认识到了很多大佬。学习心得：在本次训练营中，学习到了华为云的云计算、存储、网络等常用云服务知识构建企业IT架构。掌握云计算基础概念及技术、云服务基础概念和云服务使用等知识，使用和管理云服务进行基础架构构建。课程评价：本次课程还是很棒的，学到了很多的知识，有理论有实践。

         学习体会       非常幸运能够参加本次华为云HCIA-Cloud  Service职业认证训练营的学习。我公司一直从事华为设备的安装调试，自己对路由交换也非常感兴趣，自己也获得过该方面的证书，但是在云计算这块对华为的没有了解，通过本次的学习，对华为的云计算有了初步的了解，感觉华为云比阿里云、亚马逊云牛逼，而且他的操作逻辑更符合中国的操作与思维。本次培训对对华为还是比较满意的。本次我还是从中学习到很多知识，得到一些心得体会。       这次参加培训，跟着培训讲师学习了云服务的基础知识，云服务产品的应用，助力企业实现ICT环境的云转型。课程安排合理，而且是免费的，还有机会赢取价值200美元的考试劵，福利多多。最重要的事，我第一次接触华为云的沙箱实验，沙箱真的好好玩！窗口左侧的实验指导非常详细，右侧的动手操作很走心。跟着实验指导的步骤来，很快就能上手华为云的控制台等相关作业实操，这种技术学习体验太棒了。每做完一个沙箱实验，我都有一种小小的成就感。大爱沙箱！参加这次培训的人数还是挺多的了。所以我觉得还是比较幸运及时的学习和考证，领先在技术的潮流。       本人对于技术的国产化还是比较热衷的，希望华为能够持续坚持，不忘初心。像名字一样：中华有为。

     作为一名职业老兵，有幸能从事和华为相关的技术工作。迫切需要迭代更新自身的技术，适应新的IT时代的发展。刚好遇上了《HCIA-Cloud Service V3.0职业认证训练营》。     HCIA-Cloud Service V3.0职业认证训练营课程设计非常的好，按照不同的知识点，分门别类，通过老师深入浅出的讲解，让学习变得简单而有趣。为华为Cloud Services的学习打下一个非常好的基础。  同时课程还设计了实战演练，通过开展沙箱实验《使用华为云DevCloud实现20分钟一行代码上云》，通过理论联系实践，增强了动手操作能力，并加深了对华为Cloud Service的理解。学习完基础课程后，还有一个微认证《黑白棋实时对战游戏开发》，可以检测我的学习成果，还可以获取微认证证书。  在学习的同时，我们和一同学习的小伙伴加入相应的每日群组，可以共同交流学习心得，而且组织的July老师每日提醒大家学习的课程内容，督促学习进度，并耐心解答大家的问题，提供了一个非常好的学习氛围。  整个活动，还设定了丰富的奖品，给每个认证学习的小伙伴以激励，让大家在快乐中学习，并收获满满。 

       偶然在华为云的官网看到关于职业认证的训练营活动，看了课程的目录大纲，正好是自己想学习的目前主流的公有云产品的相关介绍，随着报名课程和进入交流群，看到有许多志同道合的朋友，发现学习真的是一件很轻松、愉快的事，在沙箱实验《使用华为云DevCloud实现20分钟一行代码上云》时，遇到了问题，在交流群内提问，马上就有小伙伴和小助手帮忙解答，真的非常感谢，再说回课程内容，一开始以为只有简单的视频文档ppt类型的讲课，结果没想到竟然有实操录频演示，就这样简单直接的完成云产品的实际操作使用，加深了我们对云产品的理解和日后方便使用华为云产品，这点真的太棒了，经过这半个多月的，不仅填补了之前对于云计算产品的一些一知半解，而且获得了以前从未了解的知识，对于我的学习成长有了太多的帮助了，希望以后华为云还可以出更多更好的训练营，我一定参加，最后再次表达感谢！！迫不及待参加下一次训练营！

各位大佬/大牛,大家好,感谢华为云培训中心举办的这次培训活动,通过课程的学习使我对云计算基础知识和华为云产品有了一个更深入的了解,为今后企业上云及云环境迁移打下了深厚的技术基础,老师们讲解清晰生动,社群活动丰富多彩,群里的老师快速解答同学们提供的问题,提供的沙箱实验和微认证环境操作能够体验云端部署的便利性,在学习之后通过模拟考试能够感受到HCIA真实的考试环境,巩固视频中所学的知识,定期举行的抽奖活动也能极大的提高大家的学习兴趣,云计算业务向云迁移是企业IT技术转变的大趋势,公有云和私有云结合的混合云形式能够降低企业维护成本,提高运维人员工作效率,华为云具有丰富的技术优势和强大的产品示例,能够给用户提供最好的服务和产品,希望今后能够为企业进行云端迁移贡献自己的力量