为您找到61个相关课程
展开简介
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。
适应人群：暂无
关键词：互联网，大数据，机器学习，数据分析
收益目标：1. 学习到当前最流行的云原生架构下，测试人员应该如何搭建测试体系的全部内容 2. 可以学习到当前最流行的测试项目的实现细节。 比如混沌工程，稳定性测试等 3. 课程中的演示项目可直接拿到客户的项目中使用。快速实现价值。
适应人群：在容器领域工作或对容器技术感兴趣的测试人员
关键词：互联网，Docker
收益目标：1.知识提升：掌握AI大模型在数据分析中的核心能力与边界 2.工具掌握：学会用Prompt工程+AI大模型高效完成数据分析任务 3.效率飞跃：将传统分析流程提速50%以上（数据清洗、可视化、报告生成） 4.思维升级：建立"AI-first"的数据分析工作流设计思维
适应人群：1.企业数据分析师/商业分析师 2.数据科学团队初级成员 3.业务部门需用数据驱动的决策者 4.对AI+数据分析结合应用感兴趣的技术人员
关键词：互联网，其他，金融
收益目标：1，整体把握机器学习、深度学习、数据挖掘的发展方向 2，了解机器学习、深度学习、计算机视觉的技术框架 3，理解机器学习和深度学习的思维方式和关键技术 4，了解深度学习和机器学习在当前工业界的落地应用 5，了解AI顶会论文和最新技术热点
关键词：互联网，其他，人工智能，机器学习，数据挖掘，项目管理，深度学习
收益目标：通过本次实战培训，学员将获得以下具体收益，涵盖知识掌握、技能提升和行业应用： 1、掌握AI核心技术机制：深入理解LLM底层原理、嵌入技术及RAG优化，并能运用工具如LangChain、LlamaIndex进行模型开发和知识库构建，提升AI理论基础。 2、提升研发流程效能：通过工业级提示工程和AI辅助工具，加速需求分析、开发和测试，实现全链路提效，减少人工耗时。 3、设计AI4SE工程体系：学习构建匹配企业AI战略的软件工程规范，包括路线图规划、研发流程AI整合和复杂度控制，并能参考行业方案实施AI加速研发体系。 4、应用AI+DDD实战方法：掌握领域驱动设计与AI的融合应用，通过四阶落地法完成从需求到代码的智能化实现，提升复杂业务系统的设计和开发能力。 5、实现行业场景落地：获得金融、制造等行业实战经验，如构建MCP驱动的智能体协作网络、开发代码迁移工具和知识运营助手，助力企业在真实场景中规模化应用AI，提升研发质量和效率。 6、第一部分 AI研发基础强化增强工程化落地能力：通过案例演练（如本地MCP客户端、RAG应用开发）和工具链实操，培养学员的工程实践技能，确保AI技术在企业环境中的可扩展性和稳定性。
适应人群：希望通过AI工具提升研发效率和质量的软件工程师 希望建立匹配AI战略的智能工程研发体系的管理 希望通过AI框架与相关技术开发AI原生应用的开发人员
关键词：其他，需求分析，转型，金融，工程化，大模型
收益目标：1.跨越门槛：快速消除初入人工智能领域的陌生与畏惧感。 2.认知提升：深入理解大语言模型的工作原理及其在多种场景下的实际应用。 3.编程技能：非编程背景的学员也能通过课程提供的积木代码尝试编写和改进代码。 4.项目实战：围绕假想产品实际操作 LLM 平台，解决实际问题。 5.自学赋能：通过对 Langchain 框架的解读、基于 ChatGpt 的自动化编程，让没有 AI 和 python 基础的学员在课后仍然能编写和扩展应用
适应人群：1、希望成为 LLM 产品经理 的专业人士，希望了解 LLM 的商业和技术应用。 2、想要转型成为 LLM 软件工程师的开发者，希望通过实际编程加深对 LLM 的理解。
关键词：互联网，ai
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.理解云原生架构下Java应用的挑战与机遇； 2.掌握Java性能优化的关键工具和策略； 3.学习提升研发流程效率的现代方法和工具； 4.了解AI将如何促进研发效能的提升； 5.了解Java在人工智能、向量数据库等新兴领域的应用案例； 6.洞察Java技术的未来发展，把握技术趋势；
关键词：其他，人工智能，大数据，Java，转型，企业级，数字化转型
收益目标：1、本课程希望能使学员登堂入室，了解到这些不足，避免潜在的问题，直接面向运用提供解决方案。 2、针对Python的语言特点，系统掌握使用Python进行数据分析。
关键词：其他，数据挖掘，数据分析
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。
关键词：互联网，机器学习，数据挖掘
收益目标：1、掌握LLM技术：全面理解LLM及ChatGPT的基本原理与应用。 2、提升研发效能：优化软件工程流程，提高研发效率与质量。 3、实战经验丰富：通过案例学习，积累LLM在软件工程中的实战经验。 4、拓展应用领域：了解LLM在各行业的应用前景，拓展职业发展路径。 5、思维启发：启发新思维，探索LLM技术的更多可能性。
适应人群：软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人 软件架构师，资深研发工程师 运维架构师，资深运维工程师，DevOps工程师，SRE 测试架构师，资深测试工程师 研发管理人员，研发流程工程师
关键词：互联网，需求分析
活动详情
To Be Better
注册或 找回密码?
