为您找到200个相关课程
展开简介
收益目标：• 深入理解AI+BigData+Cloud技术在业界是如何被实际应用到测试和DevOps领域，并如何在研发效能方面发挥巨大作用； • 深入理解大型互联网企业的测试基础架构和DevOps的设计思路，清楚理解如何运用ABC技术来面对海量测试需求引出的一系列难题； • 扩展测试从业人员的技术视野，通过课程学习能够掌握业界先进技术与测试技术的结合点； • 除了讲解应用领域，还讲解具体的实现方法和架构设计，做到全面落地，避免纸上谈兵； • 课程案例全部来自大公司的实际项目，在保证基础理论架构清晰的基础上，注重实践与应用；
适应人群：• 资深测试工程师，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 • 工程效能团队负责人和工程效能研发工程师 • 开发工程师，开发技术经理，开发技术负责人 • 技术创新团队的工程师
关键词：互联网，人工智能，软件架构，架构设计，大数据，云计算，DevOps，软件测试
收益目标：暂无
适应人群：暂无
关键词：其他，人工智能
收益目标：前沿技术洞察：紧跟国内外AI大模型最新动态，掌握多模态、微调等核心技术，洞察AI在金融领域的应用趋势，为业务创新提供思路。 实战技能提升：通过AI办公工具实战演练，学会运用AI+PPT、AI+数据分析等工具提升工作效率；掌握AI Agent搭建方法，实现从AI工具使用者到构建者的转变。 业务场景赋能：深入学习AI在客户营销、HR、法务等多业务场景的应用，如客户线索筛选、智能招聘、合同管理等，助力企业降本增效，提升竞争力。
适应人群：产品、研发、运营、营销、职能岗等
关键词：互联网，人工智能
适应人群：本课程面向信息系统规划、设计、开发、市场分析人员
关键词：其他
收益目标：1、对数据挖掘的概念及过程形成清晰的认识； 2、能够使用R结合具体方法完成数据分析与挖掘工作； 3、能够熟练掌握数据挖掘基本技术及数据挖掘／机器学习算法，并能应用于实际案例。
适应人群：1、数据分析师／挖掘工程师 2、统计学、数学或计算机、数理统计或数据挖掘方向相关专业大学专科或以上学历的学生或教师； 3、具有一定数学基础知识，计划从事数据挖掘工作的职场人士； 4、对数据挖掘、数据分析感兴趣，想自我提升人士。
关键词：互联网，数据挖掘
适应人群： 面向专业的大模型开发人员、软件设计师、架构师。
关键词：其他，大模型
收益目标：课程中的内容涵盖理论和经验，是作者们在大数据行业长年摸爬滚打出来的最佳实践的总结。经过这些课程培训，可以使学员能够对大数据体系有全面而又清晰的认识，了解从平台搭建、到数据分析再到数据价值的挖掘各个方面的实用知识，可以即刻在实际工作中学以致用，运用大数据理论、方法来提升部门或公司的业绩。
适应人群：1. 小型企业的技术负责人； 2. 大中型企业的数据部门相关人员、或是对数据感兴趣的其他部门的研发总监、部门经理、一线研发工程师等人员均可。
关键词：互联网，电信，其他，大数据，机器学习，数据挖掘
收益目标：了解生成式AI（AIGC）的最新进展与应用； 掌握ChatGPT和GitHub Copilot的基本概念和工作原理； 学会使用ChatGPT进行文本生成和软件研发全生命周期中的应用； 掌握GitHub Copilot在编程领域的应用； 了解ChatGPT和GitHub Copilot的未来发展和应用前景。
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
关键词：传统金融，其他
收益目标：全面掌握-AIGC行业全景与趋势 行业展望-AIGC赋能各产业数智发展新变革 商业方向-探索能源行业可落地的商用前景及实施路径
关键词：互联网，转型，数字化转型，AIGC
收益目标：1. 掌握LLM的核心概念与技术原理。 2. 学习LLM本地部署的实战技巧。 3. 深入理解DeepSeek模型的独特创新。 4. 掌握提示词工程的应用方法。 5. 了解LLM在各行业的应用前景。 6. 提升在数字化转型中的创新能力
适应人群：1. 科技行业从业者：产品经理、数据分析师、软件开发者，希望了解AI如何影响工作。 2. 企业数字化转型团队成员：技术负责人和业务分析师，推动企业数字化进程。 3. AI行业新进入者：应届毕业生或转行者，快速掌握LLM基础知识和应用。 4. AI技术爱好者和研究者：对技术细节和最新发展感兴趣，特别是DeepSeek模型的创新。 5. 内容创作者和市场营销人员：利用LLM提高工作效率或创新内容生产方式。
关键词：互联网，商业模式，转型，创新，数字化转型
适应人群：1． 小型企业的技术负责人； 2. 大中型企业的数据部门相关人员、或是对数据感兴趣的其他部门的研发总监、部门经理、一线研发工程师等人员均可；
关键词：互联网，大数据
活动详情
To Be Better
注册或 找回密码?
