为您找到47个相关课程
展开简介
收益目标：1、 人工智能基础、技术及其体系； 2、 人工智能的问题求解及技术实现； 3、 人工智能的学习方式； 4、 人工智能行业应用与发展； 5、 主流人工智能实验平台部署； 6、 人工智能机器学习的算法模型的应用实践
适应人群：1、 即将投身于人工智能、机器学习、数据挖掘领域的企业或者个人； 2、 系统架构师、系统分析师、高级程序员、资深开发人员； 3、 政府机关，金融保险、移动互联网、能源行业等人工智能相关人员； 4、 高校、科研院所统计分析研究员，涉及到人工智能的人员；
关键词：互联网，人工智能，大数据，机器学习，数据挖掘，数据分析
收益目标：通过介绍大数据的核心计算和存储组件，以及整个完整的大数据平台架构，结合具体的数据分析和机器学习案例分析，让大家了解和掌握大数据平台、数据分析和机器学习相关知识、最新的发展趋势，以及如何应用到实际项目实践中。
适应人群：暂无
关键词：互联网，大数据，机器学习，数据分析
收益目标：1. 学习到当前最流行的云原生架构下，测试人员应该如何搭建测试体系的全部内容 2. 可以学习到当前最流行的测试项目的实现细节。 比如混沌工程，稳定性测试等 3. 课程中的演示项目可直接拿到客户的项目中使用。快速实现价值。
适应人群：在容器领域工作或对容器技术感兴趣的测试人员
关键词：互联网，Docker
收益目标：1，整体把握机器学习、深度学习、数据挖掘的发展方向 2，了解机器学习、深度学习、计算机视觉的技术框架 3，理解机器学习和深度学习的思维方式和关键技术 4，了解深度学习和机器学习在当前工业界的落地应用 5，了解AI顶会论文和最新技术热点
关键词：互联网，其他，人工智能，机器学习，数据挖掘，项目管理，深度学习
收益目标：1.跨越门槛：快速消除初入人工智能领域的陌生与畏惧感。 2.认知提升：深入理解大语言模型的工作原理及其在多种场景下的实际应用。 3.编程技能：非编程背景的学员也能通过课程提供的积木代码尝试编写和改进代码。 4.项目实战：围绕假想产品实际操作 LLM 平台，解决实际问题。 5.自学赋能：通过对 Langchain 框架的解读、基于 ChatGpt 的自动化编程，让没有 AI 和 python 基础的学员在课后仍然能编写和扩展应用
适应人群：1、希望成为 LLM 产品经理 的专业人士，希望了解 LLM 的商业和技术应用。 2、想要转型成为 LLM 软件工程师的开发者，希望通过实际编程加深对 LLM 的理解。
关键词：互联网，ai
收益目标：• 深入理解微服务架构的前世今生，能够站在架构师的角度深入理解微服务的核心思想与具体技术 • 深入理解微服务测试的挑战和应对策略，能够处理实际项目中典型的微服务测试难题 • 深入理解微服务测试所必须掌握的核心技术，包括API自动化测试技术，测试数据构造技术，测试环境准备的最佳实践等等 • 深入理解基于消费者契约的微服务测试方法，能够将该方法和传统测试方法无缝集成，达到事半功倍的效果 • 通过深入浅出的讲解，理解微服务时代测试领域的多项前沿技术，比如基于大数据的测试范围选择、混沌工程和测试结果自动分析等 • 包含大量独家干货内容，无法通过其他渠道获取
适应人群：• 测试工程师，测试开发工程师和测试技术骨干成员 • 测试技术负责人或测试架构师 • DevOps 资深工程师和技术负责人 • 开发工程师，开发技术经理，开发技术负责人
关键词：互联网，微服务，DevOps，软件测试，测试用例
收益目标：1.理解云原生架构下Java应用的挑战与机遇； 2.掌握Java性能优化的关键工具和策略； 3.学习提升研发流程效率的现代方法和工具； 4.了解AI将如何促进研发效能的提升； 5.了解Java在人工智能、向量数据库等新兴领域的应用案例； 6.洞察Java技术的未来发展，把握技术趋势；
关键词：其他，人工智能，大数据，Java，转型，企业级，数字化转型
收益目标：1、本课程希望能使学员登堂入室，了解到这些不足，避免潜在的问题，直接面向运用提供解决方案。 2、针对Python的语言特点，系统掌握使用Python进行数据分析。
关键词：其他，数据挖掘，数据分析
收益目标：通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。
关键词：互联网，机器学习，数据挖掘
收益目标：1、掌握LLM技术：全面理解LLM及ChatGPT的基本原理与应用。 2、提升研发效能：优化软件工程流程，提高研发效率与质量。 3、实战经验丰富：通过案例学习，积累LLM在软件工程中的实战经验。 4、拓展应用领域：了解LLM在各行业的应用前景，拓展职业发展路径。 5、思维启发：启发新思维，探索LLM技术的更多可能性。
适应人群：软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人 软件架构师，资深研发工程师 运维架构师，资深运维工程师，DevOps工程师，SRE 测试架构师，资深测试工程师 研发管理人员，研发流程工程师
关键词：互联网，需求分析
收益目标：1. 运维自动化理论及实现 2. Shell编程 3. Ansible大规模自动化运维管理 4. 部署流水线 5. 运维自动化工具集 6. 数据可视技术 7. 运维开发平台建设思路
关键词：互联网，持续集成，自动化测试，运维，自动化运维
活动详情
To Be Better
注册或 找回密码?
