為您找到176個相關課程
展開簡介
收益目標：暫無
適應人群：暫無
關鍵詞：互聯(lián)網(wǎng)，傳統(tǒng)金融，人工智能，架構(gòu)師，大數(shù)據(jù)，云計算，SaaS，轉(zhuǎn)型，金融，企業(yè)級
收益目標：通過本課程的學習，學員可以掌握LLM時代測試架構(gòu)師必須掌握的軟件架構(gòu)知識，包括各種使用場景和技術演進，以及GUI自動化和智能化測試技術、API自動化和智能化測試技術、人工智能和大數(shù)據(jù)技術在測試領域的應用等。此外，學員還可以了解自動化測試中測試數(shù)據(jù)難題的解決思路以及測試執(zhí)行環(huán)境的設計與最佳實踐等內(nèi)容，提高測試質(zhì)量和效率。
適應人群：本課程適合軟件測試工程師、測試架構(gòu)師、測試經(jīng)理等相關人員學習，可以幫助他們掌握LLM時代測試架構(gòu)師必須掌握的軟件架構(gòu)知識，提高測試質(zhì)量和效率。同時，對于想要了解GUI自動化和智能化測試技術、API自動化和智能化測試技術、人工智能和大數(shù)據(jù)技術在測試領域的應用等內(nèi)容的學員來說，本課程也是一個很好的選擇。
關鍵詞：互聯(lián)網(wǎng)，人工智能，架構(gòu)師，軟件架構(gòu)，架構(gòu)設計，大數(shù)據(jù)，微服務，軟件測試，自動化測試，API，分布式
收益目標：深入理解提示詞的定義、作用和原理。 掌握提示詞工程的核心技術和最佳實踐。 能夠在實際項目中應用提示詞優(yōu)化算法，提高模型性能和準確率。 培養(yǎng)解決AI系統(tǒng)中提示詞相關問題的能力。
適應人群：人工智能從業(yè)者和開發(fā)者，希望提升其模型性能和準確率。 數(shù)據(jù)科學家和自然語言處理工程師，想要深入了解提示詞在模型訓練和推理中的作用。 AI培訓講師和研究人員，希望更新其關于提示詞工程的知識和技能。
關鍵詞：互聯(lián)網(wǎng)，其他，人工智能
收益目標：-掌握如何結(jié)合需求引入諸如人工智能等新技術為用戶帶來體驗升級和產(chǎn)品創(chuàng)新； -通過案例學習掌握如何做AI產(chǎn)品，并規(guī)劃產(chǎn)品的嚴謹路徑； -一個優(yōu)秀的產(chǎn)品經(jīng)理應該如何與時俱進，不斷地進行深度思考、打破固有產(chǎn)品思維的邊界；
關鍵詞：互聯(lián)網(wǎng)，產(chǎn)品經(jīng)理，人工智能
關鍵詞：其他，人工智能，大數(shù)據(jù)，云計算，變革
收益目標：1、對金融系統(tǒng)服務化過程、業(yè)務中臺建設過程、架構(gòu)演進過程進行詳細介紹，深入剖析服務化和中臺建設過程中遇到的應用拆分、數(shù)據(jù)拆分和團隊拆分導致開發(fā)困局、運維困局等一系列問題和挑戰(zhàn)，如何通過服務治理體系和技術來解決，使學員對服務治理的概念有更深更清晰的認識； 2、介紹管理、度量、管控三位一體，線上、線下治理結(jié)合的一體化服務治理體系，使學員全面了解服務治理體系的理論以及方法，通過現(xiàn)場穿插討論，直擊學員在日常工作中遇到的痛點，啟發(fā)學員通過一體化的服務治理體系來解決實際問題； 3、介紹服務治理體系的落地實施過程，包括服務標準化、服務編制等基礎環(huán)節(jié)，以及鏈路跟蹤、熔斷限流、服務路由、服務降級、統(tǒng)一注冊中心、統(tǒng)一配置中心、統(tǒng)一數(shù)據(jù)中心等技術組件，使學員掌握服務治理的關鍵技術； 4、介紹服務治理的實施策略與場景，包括服務架構(gòu)優(yōu)化、虛擬化管理、線上全鏈路壓測、快速故障分析、敏捷應用發(fā)布等，使學員掌握服務治理體系如何實施； 5、介紹與服務治理配套的敏捷團隊管理和研發(fā)模式，以及如何度量管理和研發(fā)過程，提升研發(fā)效率和質(zhì)量，使學員將來實施服務治理更有可行性。
關鍵詞：互聯(lián)網(wǎng)，人工智能，架構(gòu)設計，機器學習，微服務
收益目標：1、使學員深入理解機器學習、深度學習的基礎概念、技術、思維模式； 2、使學員深入理解機器學習、深度學習算法原理、具備機器學習算法的使用能力； 3、使學員深入理解數(shù)據(jù)收集、數(shù)據(jù)挖掘、信息提取的能力； 4、使學員深入理解繪制數(shù)據(jù)可視化圖形的能力； 5、深入剖析主流的機器學習、深度學習算法； 6、介紹統(tǒng)計學基礎知識； 7、深入剖析模型的構(gòu)建、特征提取、指標體系； 8、通過案例故事，深入剖析機器學習、深度學習的應用，交流數(shù)據(jù)挖掘的經(jīng)驗； 9、淺顯易懂的方式介紹人工智能、深度學習、人工神經(jīng)網(wǎng)絡等知識點；
適應人群：1、本課程適合于機器學習和統(tǒng)計學的初級學習者； 2、對機器學習、數(shù)據(jù)分析、統(tǒng)計學感興趣的人士；
關鍵詞：我是運維經(jīng)理，互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，機器學習，數(shù)據(jù)挖掘，深度學習
收益目標：深度復盤-全方位洞察ChatGPT 市場洞察-了解ChatGPT行業(yè)規(guī)模及國內(nèi)外競品布局方向 技術分析-掌握ChatGPT不同階段的技術底層邏輯 行業(yè)展望-學習AIGC時代下的多場景商用基礎 商業(yè)方向-探索可落地的商用前景及實施路徑
關鍵詞：互聯(lián)網(wǎng)，人工智能，機器學習，轉(zhuǎn)型，NLP，強化學習，數(shù)字化轉(zhuǎn)型，AIGC
收益目標：· 增強對互聯(lián)網(wǎng)行業(yè)動態(tài)的理解：參與者將獲得對互聯(lián)網(wǎng)行業(yè)最新發(fā)展動態(tài)和趨勢的深入洞見，為公司的戰(zhàn)略決策提供支持。 · 提升業(yè)務創(chuàng)新和適應能力：通過學習互聯(lián)網(wǎng)業(yè)務模式和創(chuàng)新案例，參與者將能夠更好地在保險產(chǎn)品和服務中集成創(chuàng)新元素，提高業(yè)務的競爭力和適應市場變化的能力。 · 拓展保險業(yè)務與互聯(lián)網(wǎng)的融合思路：導師將分享多個與互聯(lián)網(wǎng)結(jié)合的保險業(yè)務思路，幫助參與者探索和實現(xiàn)新的業(yè)務融合策略。 · 促進團隊領導和戰(zhàn)略規(guī)劃能力：加強管理層的團隊領導能力和戰(zhàn)略規(guī)劃能力，確保在快速變化的市場環(huán)境中保持領先。
關鍵詞：互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，轉(zhuǎn)型，創(chuàng)新，金融，數(shù)字化轉(zhuǎn)型
關鍵詞：其他，人工智能
收益目標：1. 聽眾可以了解工業(yè)大數(shù)據(jù)平臺的架構(gòu)演進 2. 聽眾可以了解真正用于工業(yè)領域的平臺在實戰(zhàn)過程的碰到的問題 3. 目前的工業(yè)大數(shù)據(jù)平臺的先進技術。
關鍵詞：互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，云計算，機器學習，SaaS，大數(shù)據(jù)平臺
收益目標：1、大數(shù)據(jù)在行業(yè)、領域中的應用案例及實踐；案例涉及到Hadoop、Hbase、Spark、Flink、kafka、es、redis等開發(fā)組件的應用案例及實踐； 2、應用案例及實踐是如何搭建的、相關技術組件在實際使用過程中的注意事項及關鍵點；搭建就是指基礎組件如何搭建應用； 3、在反欺詐方面（羊毛黨）、安全方面、金融方面、風控方面，這四個方面的應用案例及實踐，重點講反欺詐方面（羊毛黨）； 4、從思想到技術再到實操，深入系統(tǒng)的剖析大數(shù)據(jù)思想、大數(shù)據(jù)技術、大數(shù)據(jù)實踐，使學員全面的、正確的認識大數(shù)據(jù)，并通過動手實踐編寫大數(shù)據(jù)挖掘程序，使學員深入理解大數(shù)據(jù)； 5、使學員深入理解Hadoop、Hbase、Spark、Flink、kafka、es、redis為代表的大數(shù)據(jù)分布式技術框架； 6、使學員掌握Hadoop、Hbase、Spark、Flink、kafka、es、redis大數(shù)據(jù)編程技術，能夠達到大數(shù)據(jù)挖掘的目的； 7、從代碼實踐的角度剖析大數(shù)據(jù)分布式技術執(zhí)行的具體過程并具備大數(shù)據(jù)開發(fā)能力； 通過分享大數(shù)據(jù)在金融結(jié)算方面的應用案例，如反欺詐、金融風險防范、金融數(shù)據(jù)分析可利用的價值方向等，加深對大數(shù)據(jù)的理解。
適應人群：1、對大數(shù)據(jù)的數(shù)據(jù)分析、數(shù)據(jù)挖掘感興趣的企業(yè)或者個人； 2、適合于想通過數(shù)據(jù)化決策防范風險等相關的企業(yè)或者個人； 3、對大數(shù)據(jù)、分布式存儲、分析等感興趣的人員； 4、大型網(wǎng)站、電商網(wǎng)站等運維人員； 5、云計算、大數(shù)據(jù)從業(yè)者； 6、熟悉Hadoop生態(tài)體系，想了解和學習Hadoop與Spark整合在企業(yè)應用實戰(zhàn)案例的朋友； 7、系統(tǒng)架構(gòu)師、系統(tǒng)分析師、高級程序員、資深開發(fā)人員； 8、牽涉到大數(shù)據(jù)處理的數(shù)據(jù)中心運行、規(guī)劃、設計負責人； 9、政府機關，金融保險、移動互聯(lián)網(wǎng)等大數(shù)據(jù)單位的負責人； 10、高校、科研院所大數(shù)據(jù)研究人員，涉及到大數(shù)據(jù)與分布式數(shù)據(jù)處理的人員； 11、數(shù)據(jù)倉
關鍵詞：我是運維經(jīng)理，互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，機器學習，數(shù)據(jù)挖掘，數(shù)據(jù)分析，創(chuàng)新，Hadoop，Spark，分布式，大數(shù)據(jù)分析，AR
活動詳情
To Be Better
注冊或 找回密碼?
