---

初阶企业级知识图谱实战

收益目标：首先，对知识图谱技术、行业应用全貌会有很清晰的认识。可以学到一个完整知识图谱项目全生命周期所涉及到的步骤以及对每个关键问题的解决思路。学到知识图谱领域涉及到的人工智能技术和曾经我们踩过的那些坑。由于本人作为人工智能企业落地一线作战人员，近3年主持包括金融、能源、设计院所、制造业共计15个AI相关项目落地，具有丰富的AI项目设计能力，精准把握AI能力覆盖边界，善于将业务与技术想融合，因此有别于科班传统授课方式，在讲解技术中会穿插讲解适用场景，有助于启发学员思考人工智能如何帮助其解决工作中所面临的问题。

适应人群：暂无

关键词：互联网，人工智能，大数据，知识图谱

---

数据要素保护和数据安全管理

收益目标：本课程针对云数据安全、ICT数据安全和新兴热点业务的数据安全展开阐述，并结合各类新兴技术的不同场景，给出数据安全架构、安全设计、隐私保护的一般原则和业界最佳实践。使学员具备数据安全治理过程能力，能帮助组织机构解决数据安全顶层设计及管理体系建设的问题，提升企业满足相关法律法规和监管要求的能力。

适应人群：1、企业CIO、CDO 等信息化相关的高层领导； 2、信息安全管理人员、风险管理人员、安全监管人员； 3、数据管理或数据服务团队负责人、核心团队成员； 4、企业数据管理专家/专家委员会专员; 5、业务部门数据信息使用者。

关键词：其他，人工智能，大数据，云计算，组织

---

卓越软件架构设计

收益目标：了解主流的软件设计方法，通过案例分析与实践，帮助员工熟练掌握软件架构与设计技能，规范开发流程；介绍常见的架构视图、架构风格与架构模式，并结合风险驱动的方式进行架构设计与演化；解构架构模式，并结合实际案例讲解各种架构模式的运用场景，使得学员能够在项目开发中熟练运用架构模式，改善系统的整体架构；开创性地提出了宏观视图、微观视图与纳米视图的MMN架构设计过程与方法，结合软件架构设计的诸多最佳实践，整体地介绍架构设计过程；对优良架构的特征进行分析，保证架构遵循简单、一致和自治原则，设计出卓越的软件架构； 结合真实案例，讲解大型企业软件系统的整体架构与设计；融汇贯通，体悟设计的本质，打造高效、快速、主动

适应人群：思想为体，方法为用，贯彻卓越软件架构设计之精神，而非流于表面形式；提倡开放的设计观，不局限于一种设计方法学，而是融汇贯通，取长补短；重视案例分析与实践，提倡动手实验，而非单纯以讲授性质的培训；通过真实案例的演练，熟悉开发过程与设计方法；编码与设计，二者不可偏废。没有优秀的个人设计能力，团队就会成为无根之木，无法保证软件的高质量。必须帮助团队的每个人都能熟练运用面向对象的分析与设计能力，才能保证生产力的高效；培训内容由浅入深，覆盖了软件开发过程的大多数主流技能与方法，包括：OOAD、UML、RUP、 DDD、Refactoring、Design Patterns、Architecture Pat

关键词：其他

---

SQL Server性能调优

收益目标：课程中的理论和经验来自于在SQL Server顾问过程中实际经验的总结升华，结合实际案例，不仅仅讲述如何进行调优，还阐述调优背后的原理，在课程结束后，在课程中所学到的原理、方法、工具能立刻应用于生产环境从而带来价值。

适应人群：软件设计师、程序员、数据库管理员。对于数据库调优疑问和问题，需要梳理解答的团队和个人，效果最佳。

关键词：其他，数据库

---

电商系统架构

收益目标：暂无

适应人群：暂无

关键词：互联网，其他

---

电子政务区块链技术应用与创新

收益目标：暂无

适应人群：目标受众：机关企事业单位管理者、电子政务参与者、区块链技术及服务提供商

关键词：互联网，变革

---

基于微服务架构的软件测试最佳实践

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

---

招商云驱动传统业务数字化转型

收益目标：1、企业云平台建设和推广落地经验； 2、多云管理平台建设推广落地经验； 3、云技术驱动业务数字化转型经验。

适应人群：暂无

关键词：

---

人工智能系统测试精解：从原理到实践

收益目标：1. 人工智能的算法原理，设计过程以及构建成一个完整的人工智能系统都需要哪些组件以及对应的设计。 2. 从个测试人工智能的模型的方法开始，讲解到一个完整的人工智能系统的方方面面的测试方案。 3. 学习以spark为例讲解在人工智能系统中，如何构建和处理测试数据。 4. 学习以ffmpeg+opencv为基础如何在计算机视觉场景中构建和处理测试数据。 5. 以yolo为例，讲解如何在使用人工智能来辅助测试人工智能系统。

适应人群：在人工智能背景下工作的测试人员，或者对人工智能感兴趣的技术人员

关键词：互联网，人工智能，机器学习，Spark，分布式，深度学习

---

价值导向数据治理培训

收益目标：1、企业数字化架构：了解新市场环境下业态改变对IT创新的要求，明确数据治理在数字化转型中起到的关键作用。 2、精益数据管理最佳实践：总结了国内外企业在数据战略和数据治理方面的最佳实践，识别数据资产、制定数据治理计划、搭建数据架构、落地数据标准、提升数据质量，确实提升企业挖掘数据价值等能力；

适应人群：1、数据管理团队 2、企业业务、数据、技术部门人员

关键词：其他，转型，数据建模，数字化转型

---

数字化企业架构框架DEAF

收益目标：暂无

适应人群：暂无

关键词：其他，架构设计，分布式

---

DeepSeek赋能效能提升实战

收益目标：1.理解大模型核心原理，模型训练和优化策略 2.掌握设计有效提示词，以及提示词工程优化实践 3.掌握OLlama搭建方法，以及3种调用大模型方式 4.掌握常用大模型推理参数微调方法 5.掌握CV、语音和NLP 大模型在各种业务场景中的应用 6.结合上机实践，调用DeepSeek，llama-vision，Qwen，stable-diffusion，whisper等大模型

适应人群：IT项目管理人员：负责IT项目的整体规划、协调与管理，需要了解如何利用DeepSeek等大模型技术提升项目效能。 软件开发工程师：从事软件开发工作，希望通过学习大模型技术提升开发效率和代码质量。 测试工程师：负责软件测试工作，需要掌握如何利用大模型技术进行自动化测试和缺陷检测。 数据分析师：从事数据分析工作，需要学习如何利用大模型技术进行数据挖掘和趋势分析。 运维工程师：负责系统运维工作，需要了解如何利用大模型技术实现智能化运维和故障诊断。 AI工程师：从事人工智能相关工作，需要深入学习大模型的训练、优化和应用。

关键词：互联网，NLP，大模型