为您找到58个相关课程
展开简介
收益目标：1、使学员深入理解机器学习、深度学习的基础概念、技术、思维模式； 2、使学员深入理解机器学习、深度学习算法原理、具备机器学习算法的使用能力； 3、使学员深入理解数据收集、数据挖掘、信息提取的能力； 4、使学员深入理解绘制数据可视化图形的能力； 5、深入剖析主流的机器学习、深度学习算法； 6、介绍统计学基础知识； 7、深入剖析模型的构建、特征提取、指标体系； 8、通过案例故事，深入剖析机器学习、深度学习的应用，交流数据挖掘的经验； 9、浅显易懂的方式介绍人工智能、深度学习、人工神经网络等知识点；
适应人群：1、本课程适合于机器学习和统计学的初级学习者； 2、对机器学习、数据分析、统计学感兴趣的人士；
关键词：我是运维经理，互联网，人工智能，大数据，机器学习，数据挖掘，深度学习
收益目标：暂无
适应人群：机器学习工程师、AI 开发者、数据科学家、业务分析师、产品经理，以及希望利用大模型构建创新应用的企业技术人员。
关键词：其他，企业级，大模型
收益目标：✓ 体验到真实敏捷Scrum团队中的协作方式 ✓ 理解测试先行的理念，学会测试驱动开发TDD等方法 ✓ 学会识别代码坏味道，并通过小步重构来改善架构与设计 ✓ 培养书写整洁代码、有效单元测试的习惯 ✓ 理解持续集成和分层测试
适应人群：暂无
关键词：互联网，支付平台，电信，持续集成，软件测试，单元测试
收益目标：快速入门自然语言处理 掌握深度学习PyTorch框架使用方法 熟练进行项目开发 提供实战模板，快速提升深度学习的实际项目经验 了解目前技术趋势
适应人群：1. 有python开发基础的 2. 有机器学习经验的
关键词：互联网
收益目标：1.掌握AI测试工具使用：熟悉Applitools、MABL等主流工具。 2.提升GUI测试自动化能力：学会元素识别、断言及并行化测试。 3.理解AI技术在测试中的应用：深入学习深度学习、神经网络等技术。 4.学会大语言模型优化策略：掌握提示词工程、模型微调等技巧。 5.提升测试数据生成效率：利用AI技术自动化生成测试数据。 6.增强测试结果验证能力：运用AI进行图像识别、文本校验等验证。
适应人群：初中高级测试工程师、自动化测试开发人员、测试组长、测试经理、SQA人员
关键词：互联网，软件测试
收益目标：本课程将为大家全面而又深入的介绍Spark平台的构建流程，涉及Spark系统基础知识，概念及架构， Spark实战技巧，Spark经典案例等。 通过本课程实践，帮助学员对Spark生态系统有一个清晰明了的认识；理解Spark系统适用的场景；掌握Spark初中级应用开发技能；搭建稳定可靠的Spark集群，满足生产环境的标准；了解和清楚大数据应用的几个行业中的经典案例，包括阿里巴巴，华为等。
适应人群：各类 IT/软件企业和研发机构的软件架构师、软件设计师、程序员。对于怀有设计疑问和问题，需要梳理解答的团队和个人，效果最佳。
关键词：互联网，电商，支付平台，传统金融，互联网金融，可穿戴设备，医疗，智能家居，车联网，安全，制造，电信，政府机构，税务，快消品，其他，大数据
收益目标：快速入门图像识别 了解目前技术趋势 动手开发
适应人群：1. 有python开发基础的
收益目标：1、掌握CICD流程，提升项目交付效率。 2、学会使用Jenkins实现持续集成。 3、理解DevOps体系，促进团队协作。 4、掌握自动化测试框架，提高测试效率。 5、学会代码质量评估，提升代码质量。 6、掌握持续部署方法，实现自动化部署。
适应人群：IT项目管理人员 软件开发工程师 测试工程师 DevOps工程师 敏捷教练 技术团队负责人
关键词：互联网，持续集成，DevOps，自动化测试
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：•掌握 JSON Mode 的原理与使用，强制 DeepSeek 模型输出结构化数据。 •能够编写有效的 Prompt，指导模型输出符合特定 JSON 格式的内容。 •掌握 Function Calling / Tool Use 的核心概念与流程。 •学会定义工具、调用工具并处理模型响应，构建具备工具调用能力的 DeepSeek 应用。 •能够将 DeepSeek 模型与外部 API （如 SearXNG 搜索引擎）集成，实现实时信息检索。 •了解高效管理大量 Prompt 的策略，提高 LLM 应用的可维护性。
适应人群：•已掌握 DeepSeek API 基本使用方法，希望进行进阶开发的程序员和开发者。 •需要让 LLM 输出结构化数据，进行自动化信息处理的专业人士。 •对 Function Calling / Tool Use 技术感兴趣，希望构建智能 AI Agent 的研究人员和工程师。 •希望提高 LLM 应用的可维护性、可扩展性和灵活性的技术人员。
关键词：互联网，其他，大模型
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。
关键词：互联网，大数据，机器学习，数据分析
活动详情
To Be Better
注册或 找回密码?
