为您找到103个相关课程
展开简介
收益目标：了解数据科学在金融科技领域里的价值 了解金融科技领域真实的数据科学流程和考虑方面 了解信用模型搭建中多种挑战的解决方案
适应人群：研发工程师、数据分析师、算法工程师、数据挖掘工程师、数据工程师、数据科学家等技术同学，以及对机器学习、数据科学、数据驱动等感兴趣的同学。
关键词：互联网，支付平台，传统金融，互联网金融，人工智能，机器学习
收益目标：（1）解释机器学习理论的概念 （2）介绍常见的机器学习模型 （3）深度学习的理论与应用
适应人群：（1）开发者 （2）架构师 （3）测试工程师 （4）研究工程师
关键词：其他，人工智能，机器学习
收益目标：1. 什么是智能制造，为什么知识在智能制造中处于核心的位置 2. 系统了解人工智能、认知智能和知识图谱的发展脉络和技术体系 3. 系统了解知识图谱的构建、存储和应用技术； 4. 全面了解知识图谱在智能制造中设计研发、生产制造和售后服务等不同环节的应用实 践。
适应人群：中高层领导、团队负责人、项目负责人等； 对认知智能和知识图谱有兴趣的高端职位人员等
关键词：其他，人工智能，转型，知识图谱，金融，智能制造
收益目标：1、大数据革命对销售服务带来的挑战和机遇 2、中美知名企业用大数据提升营销的成功经验和失败教训分享 3、运用大数据促进营销管理和运营的方法和路线图 4、通过现场模拟实战案例, 全面掌握运用大数据创新销售服务的实战技巧
适应人群：传统企业的营销高管和资深区域经理。一切对运用大数据做销售服务创新感兴趣的中高层管理人士。
关键词：互联网，人工智能，大数据
收益目标：通过学习本次课程，学员将学习到以下内容： 科学世界观；计算发展简史；人工智能技术本质；区块链基本概念； 元宇宙与应用场景；信息技术的未来
适应人群：本课程适合对该议题有兴趣的学员，期待但是不要求有计算机技术背景。
关键词：互联网，人工智能，元宇宙
收益目标：1.了解VR/IOT设计实操案例 2.了解科技趋势下设计面临的变革和应做的准备 3.了解数字孪生概念在产业互联网行业的落地和应用
适应人群：暂无
关键词：互联网，人工智能，大数据，云计算
收益目标：通过本课程的学习，可以帮助学员找到如下问题的答案： 1.什么是数字化转型？分哪几个阶段？如何提供价值？传统企业如何进行数字化转型？ 2.如何根据业务目标建立精确不冗余的指标体系，并通过指标体系驱动业务目标达成？ 3.数据驱动业务增长有哪几种的底层机制？该如何建立机制和获得机制的赋能？ 4.数据有哪些不同的收集方法？如何建立有效的数据收集机制？如何获取竞品和行业数据？ 5.有哪些重要的数据分析方法？如何通过数据分析获得重要的业务洞察，并制定相应的业务策略？应该在什么时候，如何使用哪一种数据方法？ 6.立项和做决策时，往往需要对候选项目进行价值分析，但价值要项目落地后才能实际产生和测量，如何进行客观准确而不是“拍脑袋”的项目/产品价值预测？
适应人群：正在进行数字化转型的企业的业务、产品、运营、研发、数据分析人员。 希望学习世界顶尖大数据企业如何使用数据、获得洞察、指导决策、建立数据文化的前沿企业的业务、产品、运营、研发、数据分析人员。 所有希望提升数据意识与思维、数据应用能力和数据洞察能力的相关岗位。 需要理解数据如何赋能业务，并建立数据驱动机制提升经营效率的企业领导。
关键词：互联网，人工智能，大数据，Python，数据分析，转型，产品管理，数字化转型，B端产品
收益目标：1.帮助学员以用户价值为核心，助力企业找准用户，突破市场瓶颈。 2.在创新早期使用框架帮助您梳理：解决企业为什么用户?提供什么产品?创造什么价值? 3.使用设计思维，帮助你解决以下两个问题：寻常处境，从哪里发现问题？ 情况变了，怎样找到关键变量？
关键词：互联网，其他，用户体验，人工智能，创新
收益目标：a) 深度了解TensorFlow的系统架构，组件交互，及其内核工作与运行机制； b) 深度了解TensorFlow的编程模型，及其灵活运用深度学习的基本算法原理，并使用TensorFlow实现。
适应人群：a) 具有1年及以上工作经验，并期望掌握深度学习算法，TensorFlow系统架构，及其运行机制的研发工程师，算法工程师，及其架构师。
关键词：其他，人工智能，机器学习，深度学习，TensorFlow
收益目标：1 能够编写具有Python风格的代码 2 掌握装饰器、魔术方法、 鸭子类型、动态属性等Python高级概念 3 使用Python开发后端程序的最佳实践
适应人群：1 了解数据结构和算法的基本概念 2 了解Python语言的基础语法：如变量赋值、判断循环、函数、类、文件操作、异常 3 熟悉常见的操作系统和网络协议如：Linux、HTTP、TCP
关键词：互联网，人工智能，机器学习，Python，深度学习
收益目标：1）深度学习必备基础知识点 2）神经网络模型和神经网络案例实战 3）神经网络原理详解及实战 4）TensorFlow实战自然语言处理-Word2Vec 5）深度学习顶级论文算法详解
关键词：互联网，人工智能，机器学习，工程师，Python
收益目标：1、对金融系统服务化过程、业务中台建设过程、架构演进过程进行详细介绍，深入剖析服务化和中台建设过程中遇到的应用拆分、数据拆分和团队拆分导致开发困局、运维困局等一系列问题和挑战，如何通过服务治理体系和技术来解决，使学员对服务治理的概念有更深更清晰的认识； 2、介绍管理、度量、管控三位一体，线上、线下治理结合的一体化服务治理体系，使学员全面了解服务治理体系的理论以及方法，通过现场穿插讨论，直击学员在日常工作中遇到的痛点，启发学员通过一体化的服务治理体系来解决实际问题； 3、介绍服务治理体系的落地实施过程，包括服务标准化、服务编制等基础环节，以及链路跟踪、熔断限流、服务路由、服务降级、静态服务调用关系图等技术组件，使学员掌握服务治理的关键技术； 4、介绍服务治理的实施策略与场景，包括服务架构优化、线上和线下度量指标体系、虚拟化管理、线上全链路压测、快速故障分析、敏捷应用发布等，使学员掌握服务治理体系如何实施； 5、介绍与服务治理配套的敏捷团队管理和研发模式，以及如何度量管理和研发过程，提升研发效率和质量，使学员将来实施服务治理更有可行性。
适应人群：从事软件研发的开发工程师、架构师、项目经理和技术管理者。
关键词：互联网，人工智能，架构设计，机器学习，微服务，金融
To Be Better
注册或 找回密码?
