为您找到80个相关课程
展开简介
收益目标：暂无
适应人群：暂无
关键词：互联网，其他，人工智能，机器学习，Python
关键词：其他，数据挖掘，工程师，Python，数据分析，NLP，深度学习，大模型
关键词：其他，工程师，Python，数据分析，NLP，大模型
收益目标：通过参与本课程，学员将能够获得必要的知识和技能，以在各自的领域中有效利用AIGC技术，开发创新的应用程序，并推动人工智能技术的发展。 •理解AIGC和LLM技术：使学员能够理解AIGC的概念、技术体系以及LLM的工作原理。 •掌握提示工程：教授学员如何构建和优化提示，以改善LLM的输出质量。 •开发环境搭建：指导学员如何获取和使用LLM API Key，以及如何使用Python代码实现流式自动对话。 •LangChain应用开发：深入学习LangChain的基本概念，掌握如何使用LangChain调用LLM API，以及如何串联不同的组件构建复杂的AIGC应用。 •记忆与代理机制：了解如何在AIGC应用中保存对话上下文，以及如何使用代理机制进行结构化工具对话。 •高级应用与工具箱：学习如何实现检索增强生成、连接数据库、异步通信机制，以及角色扮演等高级应用。 •自主可控开发底座：教授学员如何搭建API Gateway，管理API渠道和令牌，以及如何实现LLM模型的本地运行。 •低代码无代码平台构建：介绍如何部署低代码无代码AIGC应用开发平台，如Flowise，并实现基本会话机器人。 •应用部署：了解应用容器化部署，以及如何借助云服务快速上线自定义LLM应用。 •项目实战：通过构建客服Chatbot和知识库问答系统，让学员将所学知识应用于实际项目中。
适应人群：本课程适用于以下受众 •AI技术爱好者：对人工智能特别是生成式AI感兴趣的个人。 •数据科学家：需要使用LLM进行数据分析和模式识别的专业人士。 •软件开发者：希望将AIGC集成到其应用程序中的软件开发者。 •产品经理：负责设计和推出基于AIGC技术的产品的产品经理。 •研究人员和学者：在学术研究中探索AIGC应用的研究人员。 •企业决策者：寻求利用AIGC技术改进业务流程和提高效率的企业决策者。 •技术创业者：正在寻找利用AIGC技术创造新业务机会的创业者。
关键词：其他，人工智能，Python，API，容器，容器化，ai，AIGC
收益目标：掌握传统RDBMS和非关系型NoSQL分布式数据库的异同 掌握并区分不同非关系型NoSQL分布式数据库的特点 Redis的特点与安装部署 Redis的事务与锁机制 Redis的消息机制 Redis的持久化 Redis的主从复制与Redis Cluster Redis的故障诊断与优化
适应人群：适合具有一定数据库SQL基础，了解数据库基本概念的学员，并掌握基本的Linux操作。
关键词：其他，Java，JavaScript，Python，C/C++，数据库，分布式
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
适应人群：技术经理，开发骨干，资质高的新员工，重点产品、新产品、重构团队的全体开发人员
关键词：互联网，面向对象
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。
适应人群：具备一定的Python和深度学习基础，希望深入了解深度学习的目标检测、实体识别、关系抽取、GAN、时间序列分析、强化学习等实用化技术的光大工程技术人员。
关键词：互联网，机器学习，数据挖掘
收益目标：1.推荐系统算法基础和机器学习模型 2.数据集分析和推荐系统的整体结构 3.特征工程 4.基于协同过滤的商品推荐 5.基于协同过滤和隐特征的商品推荐 6.完成推荐系统的整体设计和算法验证
适应人群：有Python编程经验 至少1年软件工程研发经验 初步掌握机器学习算法的理论基础
关键词：互联网
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
关键词：其他，金融
收益目标：1、使企业管理者制定决策时有数据可依； 2、使学员彻底理解数据可视化的概念、技术、思维模式； 3、使学员具备数据收集、数据分析、数据挖掘、信息提取的能力； 4、使学员具备绘制数据可视化图形的能力； 5、使学员具备利用图形辅助思考的能力。
适应人群：1、本课程适合于想通过数据化决策制定企业战略的决策者； 2、适合于经常需要汇报工作的管理者； 3、对数据可视化分析、数据可视化展现等感兴趣的人士； 4、对数据分析、数据挖掘算法等感兴趣的人士； 5、对Tableau感兴趣的数据分析人士；
关键词：我是运维经理，互联网，大数据，云计算
活动详情
To Be Better
注册或 找回密码?
