为您找到80个相关课程
展开简介
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. 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. 上手使用：无论是否具备开发经验，都能在自己的电脑上成功部署并启动 OpenClaw。 2. 理解架构：了解 OpenClaw 的核心模块与运行逻辑，掌握常用命令与配置方法。 3. 自主拓展：了解如何通过自定义 Skills 为 OpenClaw 增加新能力，探索更多应用可能。 4. 清晰认知 OpenClaw Skills 开发的底层逻辑与应用场景
适应人群：暂无
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，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.独立构建环境：掌握 OpenCode 的多平台安装、网络配置、模型连接（国产/国际/本地）及规则定制（LAB-00/01）。 2.驾驭核心交互：熟练运用 TUI 界面、快捷键体系及 Plan/Build 双模式，实现高效的人机对话。 3.掌握标准工作流：建立“理解-开发-测试-重构”的 AI 协同闭环，显著提升日常开发效率（LAB-02～05）。 4.实施高级工程化：运用多 Agent 协同与自定义 Agent 技术，解决安全、性能与代码审查等专项问题（LAB-07～11）。 5.重塑工程思维：理解并实践规格驱动开发（SDD），在复杂项目中利用文档约束 AI 行为，降低幻觉风险（LAB-12～14）。
适应人群：本课程面向希望通过 AI 工具彻底重塑开发工作流的专业人士。为了确保最佳的学习效果和实战体验，学员需满足以下条件： •后端/全栈开发者：希望摆脱 IDE 插件限制，寻求更强自主执行能力的 AI 编程工具。 •技术 Tech Lead：探索如何通过统一的 AI 规则（Rules）和自定义 Agent 提升团队代码质量。 •DevOps 工程师：需要利用 CLI 工具进行自动化脚本编写与环境管理的专业人士。 •AI 编程爱好者：希望体验最前沿的 TUI 交互与 Agent 编排技术的极客。
关键词：其他
收益目标：暂无
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：￮业务分析独立性：能够利用 AI 完成行业调研、趋势洞察、KPI 分析等典型业务任务。 ￮数据分析效率提升：掌握 AI 与 Excel、Python 的结合方法，显著提升数据清洗、可视化与报告生成效率。 ￮自动化工具搭建能力：具备用 AI 辅助编写脚本或小工具，提升业务流程效率的能力。 ￮数智化工作方式建立：形成“数据驱动 + AI 辅助”的复合型工作模式，成为具有数智化分析能力的增强型员工。
关键词：互联网，数据分析，大模型
活动详情
To Be Better
注册或 找回密码?
