為您找到58個相關(guān)課程
展開簡介
收益目標：1、使學(xué)員深入理解機器學(xué)習(xí)、深度學(xué)習(xí)的基礎(chǔ)概念、技術(shù)、思維模式； 2、使學(xué)員深入理解機器學(xué)習(xí)、深度學(xué)習(xí)算法原理、具備機器學(xué)習(xí)算法的使用能力； 3、使學(xué)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(xué)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(xué)習(xí)、深度學(xué)習(xí)算法； 6、介紹統(tǒng)計學(xué)基礎(chǔ)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(xué)習(xí)、深度學(xué)習(xí)的應(yīng)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(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等知識點；
適應(yīng)人群：1、本課程適合于機器學(xué)習(xí)和統(tǒng)計學(xué)的初級學(xué)習(xí)者； 2、對機器學(xué)習(xí)、數(shù)據(jù)分析、統(tǒng)計學(xué)感興趣的人士；
關(guān)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(xué)習(xí)，數(shù)據(jù)挖掘，深度學(xué)習(xí)
收益目標：暫無
適應(yīng)人群：機器學(xué)習(xí)工程師、AI 開發(fā)者、數(shù)據(jù)科學(xué)家、業(yè)務(wù)分析師、產(chǎn)品經(jīng)理，以及希望利用大模型構(gòu)建創(chuàng)新應(yīng)用的企業(yè)技術(shù)人員。
關(guān)鍵詞：其他，企業(yè)級，大模型
收益目標：? 體驗到真實敏捷Scrum團隊中的協(xié)作方式 ? 理解測試先行的理念，學(xué)會測試驅(qū)動開發(fā)TDD等方法 ? 學(xué)會識別代碼壞味道，并通過小步重構(gòu)來改善架構(gòu)與設(shè)計 ? 培養(yǎng)書寫整潔代碼、有效單元測試的習(xí)慣 ? 理解持續(xù)集成和分層測試
適應(yīng)人群：暫無
關(guān)鍵詞：互聯(lián)網(wǎng)，支付平臺，電信，持續(xù)集成，軟件測試，單元測試
收益目標：快速入門自然語言處理 掌握深度學(xué)習(xí)PyTorch框架使用方法 熟練進行項目開發(fā) 提供實戰(zhàn)模板，快速提升深度學(xué)習(xí)的實際項目經(jīng)驗 了解目前技術(shù)趨勢
適應(yīng)人群：1. 有python開發(fā)基礎(chǔ)的 2. 有機器學(xué)習(xí)經(jīng)驗的
關(guān)鍵詞：互聯(lián)網(wǎng)
收益目標：1.掌握AI測試工具使用：熟悉Applitools、MABL等主流工具。 2.提升GUI測試自動化能力：學(xué)會元素識別、斷言及并行化測試。 3.理解AI技術(shù)在測試中的應(yīng)用：深入學(xué)習(xí)深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)。 4.學(xué)會大語言模型優(yōu)化策略：掌握提示詞工程、模型微調(diào)等技巧。 5.提升測試數(shù)據(jù)生成效率：利用AI技術(shù)自動化生成測試數(shù)據(jù)。 6.增強測試結(jié)果驗證能力：運用AI進行圖像識別、文本校驗等驗證。
適應(yīng)人群：初中高級測試工程師、自動化測試開發(fā)人員、測試組長、測試經(jīng)理、SQA人員
關(guān)鍵詞：互聯(lián)網(wǎng)，軟件測試
收益目標：本課程將為大家全面而又深入的介紹Spark平臺的構(gòu)建流程，涉及Spark系統(tǒng)基礎(chǔ)知識，概念及架構(gòu)， Spark實戰(zhàn)技巧，Spark經(jīng)典案例等。 通過本課程實踐，幫助學(xué)員對Spark生態(tài)系統(tǒng)有一個清晰明了的認識；理解Spark系統(tǒng)適用的場景；掌握Spark初中級應(yīng)用開發(fā)技能；搭建穩(wěn)定可靠的Spark集群，滿足生產(chǎn)環(huán)境的標準；了解和清楚大數(shù)據(jù)應(yīng)用的幾個行業(yè)中的經(jīng)典案例，包括阿里巴巴，華為等。
適應(yīng)人群：各類 IT/軟件企業(yè)和研發(fā)機構(gòu)的軟件架構(gòu)師、軟件設(shè)計師、程序員。對于懷有設(shè)計疑問和問題，需要梳理解答的團隊和個人，效果最佳。
關(guān)鍵詞：互聯(lián)網(wǎng)，電商，支付平臺，傳統(tǒng)金融，互聯(lián)網(wǎng)金融，可穿戴設(shè)備，醫(yī)療，智能家居，車聯(lián)網(wǎng)，安全，制造，電信，政府機構(gòu)，稅務(wù)，快消品，其他，大數(shù)據(jù)
收益目標：快速入門圖像識別 了解目前技術(shù)趨勢 動手開發(fā)
適應(yīng)人群：1. 有python開發(fā)基礎(chǔ)的
收益目標：1、掌握CICD流程，提升項目交付效率。 2、學(xué)會使用Jenkins實現(xiàn)持續(xù)集成。 3、理解DevOps體系，促進團隊協(xié)作。 4、掌握自動化測試框架，提高測試效率。 5、學(xué)會代碼質(zhì)量評估，提升代碼質(zhì)量。 6、掌握持續(xù)部署方法，實現(xiàn)自動化部署。
適應(yīng)人群：IT項目管理人員 軟件開發(fā)工程師 測試工程師 DevOps工程師 敏捷教練 技術(shù)團隊負責(zé)人
關(guān)鍵詞：互聯(lián)網(wǎng)，持續(xù)集成，DevOps，自動化測試
收益目標：1、 人工智能基礎(chǔ)、技術(shù)及其體系； 2、 人工智能的問題求解及技術(shù)實現(xiàn)； 3、 人工智能的學(xué)習(xí)方式； 4、 人工智能行業(yè)應(yīng)用與發(fā)展； 5、 主流人工智能實驗平臺部署； 6、 人工智能機器學(xué)習(xí)的算法模型的應(yīng)用實踐
適應(yīng)人群：1、 即將投身于人工智能、機器學(xué)習(xí)、數(shù)據(jù)挖掘領(lǐng)域的企業(yè)或者個人； 2、 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； 3、 政府機關(guān)，金融保險、移動互聯(lián)網(wǎng)、能源行業(yè)等人工智能相關(guān)人員； 4、 高校、科研院所統(tǒng)計分析研究員，涉及到人工智能的人員；
關(guān)鍵詞：互聯(lián)網(wǎng)，人工智能，大數(shù)據(jù)，機器學(xué)習(xí)，數(shù)據(jù)挖掘，數(shù)據(jù)分析
收益目標：?掌握 JSON Mode 的原理與使用，強制 DeepSeek 模型輸出結(jié)構(gòu)化數(shù)據(jù)。 ?能夠編寫有效的 Prompt，指導(dǎo)模型輸出符合特定 JSON 格式的內(nèi)容。 ?掌握 Function Calling / Tool Use 的核心概念與流程。 ?學(xué)會定義工具、調(diào)用工具并處理模型響應(yīng)，構(gòu)建具備工具調(diào)用能力的 DeepSeek 應(yīng)用。 ?能夠?qū)?DeepSeek 模型與外部 API （如 SearXNG 搜索引擎）集成，實現(xiàn)實時信息檢索。 ?了解高效管理大量 Prompt 的策略，提高 LLM 應(yīng)用的可維護性。
適應(yīng)人群：?已掌握 DeepSeek API 基本使用方法，希望進行進階開發(fā)的程序員和開發(fā)者。 ?需要讓 LLM 輸出結(jié)構(gòu)化數(shù)據(jù)，進行自動化信息處理的專業(yè)人士。 ?對 Function Calling / Tool Use 技術(shù)感興趣，希望構(gòu)建智能 AI Agent 的研究人員和工程師。 ?希望提高 LLM 應(yīng)用的可維護性、可擴展性和靈活性的技術(shù)人員。
關(guān)鍵詞：互聯(lián)網(wǎng)，其他，大模型
收益目標：通過介紹大數(shù)據(jù)的核心計算和存儲組件，以及整個完整的大數(shù)據(jù)平臺架構(gòu)，結(jié)合具體的數(shù)據(jù)分析和機器學(xué)習(xí)案例分析，讓大家了解和掌握大數(shù)據(jù)平臺、數(shù)據(jù)分析和機器學(xué)習(xí)相關(guān)知識、最新的發(fā)展趨勢，以及如何應(yīng)用到實際項目實踐中。
關(guān)鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，機器學(xué)習(xí)，數(shù)據(jù)分析
活動詳情
To Be Better
注冊或 找回密碼?
