为您找到264个相关课程
展开简介
收益目标：1. 机器学习、深度学习平台优化经验 2. 基于Kubernetes的机器学习平台调度系统设计经验 3. 开源社区运作、参与经验
适应人群：暂无
关键词：
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
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
收益目标：暂无
关键词：其他，架构设计，分布式
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
收益目标：1、理解产品从创意到概念再到规划的基本脉络与流程，掌握相关方法和工具 2、由于本课程要求各个学员分组使用贵公司实际的产品/产品创意现场演练、现场归纳、现场打磨，所以在培训结束时已经可以形成一批（每个学员小组都有一个）产品的覆盖3个版本的产品规划路线图 3、培养学员完备的、基于“向外聚焦、向内对其”产品思维的产品观。为产品经理们（特别是研发岗位出身的产品经理）实现从项目管理思维向产品研发思维的转变奠定基础
适应人群：产品经理、产品运营人员，以及高层管理者
关键词：互联网，产品经理，产品创新，需求分析，产品运营，产品规划，团队管理，项目管理，创新，MVP
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
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、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。
收益目标：指导质量从业人员顺应变化，构建适合本企业的质量体系。
适应人群：CEO、市场营销、交付服务、质量运营 (QA)、质量管理、 研发项目管理、测试项目管理等相关人员
关键词：其他，质量管理，转型，变革，数字化转型
收益目标：通过此次分享，听众将对大模型在金融领域的应用有一个全面、直观的了解，认识到这一前沿技术如何助力基金管理提升决策效率、降低风险并实现业务的持续创新。
适应人群：有大模型基础认知的工程师和业务人员。对金融有一定的兴趣。
关键词：互联网金融
收益目标：1. 掌握DDD+AI的软件研发新模式，提升研发效率 2. 深刻理解，通过领域驱动指导AI生成高质量代码 3. 通过知识库为AI进行DDD编码制定模板与规范 4. 掌握AI生成代码进行软件研发的工具与研发环境
适应人群：1. 关注领域驱动、微服务开发的软件研发工程师 2. 产品经理、研发管理、质量保障等相关人员 3. 关注AI编程的架构师、CTO及其相关人员 4. 关注AI编程发展方向的相关技术人员
关键词：其他，测试用例，领域驱动设计
活动详情
To Be Better
注册或 找回密码?
