---

Hadoop開發(fā)實(shí)踐與性能調(diào)優(yōu)

收益目標(biāo)：可獨(dú)立完成Hadoop的部署，運(yùn)維，監(jiān)控及故障處理。獨(dú)立完成整體Hadoop從網(wǎng)絡(luò)到軟件層面的架構(gòu)設(shè)計(jì)，Hadoop及周邊生態(tài)的性能優(yōu)化。

適應(yīng)人群：開始對(duì)Hadoop感興趣或已使用Hadoop，希望進(jìn)行性能調(diào)優(yōu)或架構(gòu)優(yōu)化。

關(guān)鍵詞：互聯(lián)網(wǎng)，其他

---

移動(dòng)互聯(lián)新媒體營(yíng)銷

收益目標(biāo)：1) 認(rèn)清互聯(lián)網(wǎng)+的實(shí)質(zhì)價(jià)值 2) 怎樣用O2O形成粉絲經(jīng)濟(jì) 3) 網(wǎng)絡(luò)整合營(yíng)銷的技巧 4) 微信微博微視頻等社交媒體傳播 5) 了解萬物互聯(lián)下的電商新形態(tài)

適應(yīng)人群：暫無

關(guān)鍵詞：互聯(lián)網(wǎng)

---

高性能高并發(fā)高可用系統(tǒng)架構(gòu)（新）

收益目標(biāo)：全面了解大型網(wǎng)站架構(gòu)演化； 通過案例教學(xué)掌握高可用架構(gòu)設(shè)計(jì)的原則和方法 掌握互聯(lián)網(wǎng)高可用高并發(fā)關(guān)鍵技術(shù)； 掌握互聯(lián)網(wǎng)大型分布式系統(tǒng)緩存架構(gòu)的設(shè)計(jì)； 通過學(xué)習(xí)高并發(fā)系統(tǒng)架構(gòu)案例掌握如何設(shè)計(jì)互聯(lián)網(wǎng)高并發(fā)高可用系統(tǒng)

適應(yīng)人群：無大廠工作經(jīng)驗(yàn)的服務(wù)端開發(fā)工程師（外包公司、小型互聯(lián)網(wǎng)公司為主）

關(guān)鍵詞：互聯(lián)網(wǎng)，架構(gòu)設(shè)計(jì)，網(wǎng)站架構(gòu)，高可用架構(gòu)

---

基于Volcano優(yōu)化機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的性能

收益目標(biāo)：1. 機(jī)器學(xué)習(xí)、深度學(xué)習(xí)平臺(tái)優(yōu)化經(jīng)驗(yàn) 2. 基于Kubernetes的機(jī)器學(xué)習(xí)平臺(tái)調(diào)度系統(tǒng)設(shè)計(jì)經(jīng)驗(yàn) 3. 開源社區(qū)運(yùn)作、參與經(jīng)驗(yàn)

適應(yīng)人群：暫無

關(guān)鍵詞：

---

價(jià)值導(dǎo)向數(shù)據(jù)治理培訓(xùn)

收益目標(biāo)：1、企業(yè)數(shù)字化架構(gòu)：了解新市場(chǎng)環(huán)境下業(yè)態(tài)改變對(duì)IT創(chuàng)新的要求，明確數(shù)據(jù)治理在數(shù)字化轉(zhuǎn)型中起到的關(guān)鍵作用。 2、精益數(shù)據(jù)管理最佳實(shí)踐：總結(jié)了國(guó)內(nèi)外企業(yè)在數(shù)據(jù)戰(zhàn)略和數(shù)據(jù)治理方面的最佳實(shí)踐，識(shí)別數(shù)據(jù)資產(chǎn)、制定數(shù)據(jù)治理計(jì)劃、搭建數(shù)據(jù)架構(gòu)、落地?cái)?shù)據(jù)標(biāo)準(zhǔn)、提升數(shù)據(jù)質(zhì)量，確實(shí)提升企業(yè)挖掘數(shù)據(jù)價(jià)值等能力；

適應(yīng)人群：1、數(shù)據(jù)管理團(tuán)隊(duì) 2、企業(yè)業(yè)務(wù)、數(shù)據(jù)、技術(shù)部門人員

關(guān)鍵詞：其他，轉(zhuǎn)型，數(shù)據(jù)建模，數(shù)字化轉(zhuǎn)型

---

數(shù)字化企業(yè)架構(gòu)框架DEAF

收益目標(biāo)：暫無

適應(yīng)人群：暫無

關(guān)鍵詞：其他，架構(gòu)設(shè)計(jì)，分布式

---

DeepSeek賦能效能提升實(shí)戰(zhàn)

收益目標(biāo)：1.理解大模型核心原理，模型訓(xùn)練和優(yōu)化策略 2.掌握設(shè)計(jì)有效提示詞，以及提示詞工程優(yōu)化實(shí)踐 3.掌握OLlama搭建方法，以及3種調(diào)用大模型方式 4.掌握常用大模型推理參數(shù)微調(diào)方法 5.掌握CV、語音和NLP 大模型在各種業(yè)務(wù)場(chǎng)景中的應(yīng)用 6.結(jié)合上機(jī)實(shí)踐，調(diào)用DeepSeek，llama-vision，Qwen，stable-diffusion，whisper等大模型

適應(yīng)人群：IT項(xiàng)目管理人員：負(fù)責(zé)IT項(xiàng)目的整體規(guī)劃、協(xié)調(diào)與管理，需要了解如何利用DeepSeek等大模型技術(shù)提升項(xiàng)目效能。 軟件開發(fā)工程師：從事軟件開發(fā)工作，希望通過學(xué)習(xí)大模型技術(shù)提升開發(fā)效率和代碼質(zhì)量。 測(cè)試工程師：負(fù)責(zé)軟件測(cè)試工作，需要掌握如何利用大模型技術(shù)進(jìn)行自動(dòng)化測(cè)試和缺陷檢測(cè)。 數(shù)據(jù)分析師：從事數(shù)據(jù)分析工作，需要學(xué)習(xí)如何利用大模型技術(shù)進(jìn)行數(shù)據(jù)挖掘和趨勢(shì)分析。 運(yùn)維工程師：負(fù)責(zé)系統(tǒng)運(yùn)維工作，需要了解如何利用大模型技術(shù)實(shí)現(xiàn)智能化運(yùn)維和故障診斷。 AI工程師：從事人工智能相關(guān)工作，需要深入學(xué)習(xí)大模型的訓(xùn)練、優(yōu)化和應(yīng)用。

關(guān)鍵詞：互聯(lián)網(wǎng)，NLP，大模型

---

Tableau項(xiàng)目最佳實(shí)踐

收益目標(biāo)：學(xué)員通過本次課程的學(xué)習(xí)，可以掌握Tableau Desktop建模方法；學(xué)會(huì)雙軸圖、瀑布圖，帕累托圖、樹圖、標(biāo)靶圖、旋風(fēng)圖、文字云、地圖等可視化圖形的制作；掌握儀表板綜合設(shè)計(jì)能力與技巧、Tableau大屏可視化設(shè)計(jì)能力；了解常用的數(shù)據(jù)分析方法與理論；掌握Tableau Server的管理內(nèi)容，包括系統(tǒng)單點(diǎn)登錄的集成代碼編寫，系統(tǒng)移植/升級(jí)/備份/還原，系統(tǒng)優(yōu)化等項(xiàng)目最佳實(shí)踐完整內(nèi)容。

適應(yīng)人群：適合數(shù)據(jù)分析人員，可視化開發(fā)配置人員，數(shù)據(jù)倉(cāng)庫(kù)建模人員，商務(wù)智能系統(tǒng)架構(gòu)設(shè)計(jì)人員，大數(shù)據(jù)分析人員。

關(guān)鍵詞：其他

---

電子政務(wù)區(qū)塊鏈技術(shù)應(yīng)用與創(chuàng)新

收益目標(biāo)：暫無

適應(yīng)人群：目標(biāo)受眾：機(jī)關(guān)企事業(yè)單位管理者、電子政務(wù)參與者、區(qū)塊鏈技術(shù)及服務(wù)提供商

關(guān)鍵詞：互聯(lián)網(wǎng)，變革

---

基于微服務(wù)架構(gòu)的軟件測(cè)試最佳實(shí)踐

收益目標(biāo)：? 深入理解微服務(wù)架構(gòu)的前世今生，能夠站在架構(gòu)師的角度深入理解微服務(wù)的核心思想與具體技術(shù) ? 深入理解微服務(wù)測(cè)試的挑戰(zhàn)和應(yīng)對(duì)策略，能夠處理實(shí)際項(xiàng)目中典型的微服務(wù)測(cè)試難題 ? 深入理解微服務(wù)測(cè)試所必須掌握的核心技術(shù)，包括API自動(dòng)化測(cè)試技術(shù)，測(cè)試數(shù)據(jù)構(gòu)造技術(shù)，測(cè)試環(huán)境準(zhǔn)備的最佳實(shí)踐等等 ? 深入理解基于消費(fèi)者契約的微服務(wù)測(cè)試方法，能夠?qū)⒃摲椒ê蛡鹘y(tǒng)測(cè)試方法無縫集成，達(dá)到事半功倍的效果 ? 通過深入淺出的講解，理解微服務(wù)時(shí)代測(cè)試領(lǐng)域的多項(xiàng)前沿技術(shù)，比如基于大數(shù)據(jù)的測(cè)試范圍選擇、混沌工程和測(cè)試結(jié)果自動(dòng)分析等 ? 包含大量獨(dú)家干貨內(nèi)容，無法通過其他渠道獲取

適應(yīng)人群：? 測(cè)試工程師，測(cè)試開發(fā)工程師和測(cè)試技術(shù)骨干成員 ? 測(cè)試技術(shù)負(fù)責(zé)人或測(cè)試架構(gòu)師 ? DevOps 資深工程師和技術(shù)負(fù)責(zé)人 ? 開發(fā)工程師，開發(fā)技術(shù)經(jīng)理，開發(fā)技術(shù)負(fù)責(zé)人

關(guān)鍵詞：互聯(lián)網(wǎng)，微服務(wù)，DevOps，軟件測(cè)試，測(cè)試用例

---

招商云驅(qū)動(dòng)傳統(tǒng)業(yè)務(wù)數(shù)字化轉(zhuǎn)型

收益目標(biāo)：1、企業(yè)云平臺(tái)建設(shè)和推廣落地經(jīng)驗(yàn)； 2、多云管理平臺(tái)建設(shè)推廣落地經(jīng)驗(yàn)； 3、云技術(shù)驅(qū)動(dòng)業(yè)務(wù)數(shù)字化轉(zhuǎn)型經(jīng)驗(yàn)。

適應(yīng)人群：暫無

關(guān)鍵詞：

---

人工智能系統(tǒng)測(cè)試精解：從原理到實(shí)踐

收益目標(biāo)：1. 人工智能的算法原理，設(shè)計(jì)過程以及構(gòu)建成一個(gè)完整的人工智能系統(tǒng)都需要哪些組件以及對(duì)應(yīng)的設(shè)計(jì)。 2. 從個(gè)測(cè)試人工智能的模型的方法開始，講解到一個(gè)完整的人工智能系統(tǒng)的方方面面的測(cè)試方案。 3. 學(xué)習(xí)以spark為例講解在人工智能系統(tǒng)中，如何構(gòu)建和處理測(cè)試數(shù)據(jù)。 4. 學(xué)習(xí)以ffmpeg+opencv為基礎(chǔ)如何在計(jì)算機(jī)視覺場(chǎng)景中構(gòu)建和處理測(cè)試數(shù)據(jù)。 5. 以yolo為例，講解如何在使用人工智能來輔助測(cè)試人工智能系統(tǒng)。

適應(yīng)人群：在人工智能背景下工作的測(cè)試人員，或者對(duì)人工智能感興趣的技術(shù)人員

關(guān)鍵詞：互聯(lián)網(wǎng)，人工智能，機(jī)器學(xué)習(xí)，Spark，分布式，深度學(xué)習(xí)