為您找到61個相關課程
展開簡介
收益目標：?掌握 JSON Mode 的原理與使用，強制 DeepSeek 模型輸出結構化數(shù)據(jù)。 ?能夠編寫有效的 Prompt，指導模型輸出符合特定 JSON 格式的內(nèi)容。 ?掌握 Function Calling / Tool Use 的核心概念與流程。 ?學會定義工具、調(diào)用工具并處理模型響應，構建具備工具調(diào)用能力的 DeepSeek 應用。 ?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 應用的可維護性。
適應人群：?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 輸出結構化數(shù)據(jù)，進行自動化信息處理的專業(yè)人士。 ?對 Function Calling / Tool Use 技術感興趣，希望構建智能 AI Agent 的研究人員和工程師。 ?希望提高 LLM 應用的可維護性、可擴展性和靈活性的技術人員。
關鍵詞：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，結合具體的數(shù)據(jù)分析和機器學習案例分析，讓大家了解和掌握大數(shù)據(jù)平臺、數(shù)據(jù)分析和機器學習相關知識、最新的發(fā)展趨勢，以及如何應用到實際項目實踐中。
適應人群：暫無
關鍵詞：互聯(lián)網(wǎng)，大數(shù)據(jù)，機器學習，數(shù)據(jù)分析
收益目標：1. 學習到當前最流行的云原生架構下，測試人員應該如何搭建測試體系的全部內(nèi)容 2. 可以學習到當前最流行的測試項目的實現(xiàn)細節(jié)。 比如混沌工程，穩(wěn)定性測試等 3. 課程中的演示項目可直接拿到客戶的項目中使用?？焖賹崿F(xiàn)價值。
適應人群：在容器領域工作或?qū)θ萜骷夹g感興趣的測試人員
關鍵詞：互聯(lián)網(wǎng)，Docker
收益目標：1.知識提升：掌握AI大模型在數(shù)據(jù)分析中的核心能力與邊界 2.工具掌握：學會用Prompt工程+AI大模型高效完成數(shù)據(jù)分析任務 3.效率飛躍：將傳統(tǒng)分析流程提速50%以上（數(shù)據(jù)清洗、可視化、報告生成） 4.思維升級：建立"AI-first"的數(shù)據(jù)分析工作流設計思維
適應人群：1.企業(yè)數(shù)據(jù)分析師/商業(yè)分析師 2.數(shù)據(jù)科學團隊初級成員 3.業(yè)務部門需用數(shù)據(jù)驅(qū)動的決策者 4.對AI+數(shù)據(jù)分析結合應用感興趣的技術人員
關鍵詞：互聯(lián)網(wǎng)，其他，金融
收益目標：1，整體把握機器學習、深度學習、數(shù)據(jù)挖掘的發(fā)展方向 2，了解機器學習、深度學習、計算機視覺的技術框架 3，理解機器學習和深度學習的思維方式和關鍵技術 4，了解深度學習和機器學習在當前工業(yè)界的落地應用 5，了解AI頂會論文和最新技術熱點
關鍵詞：互聯(lián)網(wǎng)，其他，人工智能，機器學習，數(shù)據(jù)挖掘，項目管理，深度學習
收益目標：通過本次實戰(zhàn)培訓，學員將獲得以下具體收益，涵蓋知識掌握、技能提升和行業(yè)應用： 1、掌握AI核心技術機制：深入理解LLM底層原理、嵌入技術及RAG優(yōu)化，并能運用工具如LangChain、LlamaIndex進行模型開發(fā)和知識庫構建，提升AI理論基礎。 2、提升研發(fā)流程效能：通過工業(yè)級提示工程和AI輔助工具，加速需求分析、開發(fā)和測試，實現(xiàn)全鏈路提效，減少人工耗時。 3、設計AI4SE工程體系：學習構建匹配企業(yè)AI戰(zhàn)略的軟件工程規(guī)范，包括路線圖規(guī)劃、研發(fā)流程AI整合和復雜度控制，并能參考行業(yè)方案實施AI加速研發(fā)體系。 4、應用AI+DDD實戰(zhàn)方法：掌握領域驅(qū)動設計與AI的融合應用，通過四階落地法完成從需求到代碼的智能化實現(xiàn)，提升復雜業(yè)務系統(tǒng)的設計和開發(fā)能力。 5、實現(xiàn)行業(yè)場景落地：獲得金融、制造等行業(yè)實戰(zhàn)經(jīng)驗，如構建MCP驅(qū)動的智能體協(xié)作網(wǎng)絡、開發(fā)代碼遷移工具和知識運營助手，助力企業(yè)在真實場景中規(guī)模化應用AI，提升研發(fā)質(zhì)量和效率。 6、第一部分 AI研發(fā)基礎強化增強工程化落地能力：通過案例演練（如本地MCP客戶端、RAG應用開發(fā)）和工具鏈實操，培養(yǎng)學員的工程實踐技能，確保AI技術在企業(yè)環(huán)境中的可擴展性和穩(wěn)定性。
適應人群：希望通過AI工具提升研發(fā)效率和質(zhì)量的軟件工程師 希望建立匹配AI戰(zhàn)略的智能工程研發(fā)體系的管理 希望通過AI框架與相關技術開發(fā)AI原生應用的開發(fā)人員
關鍵詞：其他，需求分析，轉(zhuǎn)型，金融，工程化，大模型
收益目標：1.跨越門檻：快速消除初入人工智能領域的陌生與畏懼感。 2.認知提升：深入理解大語言模型的工作原理及其在多種場景下的實際應用。 3.編程技能：非編程背景的學員也能通過課程提供的積木代碼嘗試編寫和改進代碼。 4.項目實戰(zhàn)：圍繞假想產(chǎn)品實際操作 LLM 平臺，解決實際問題。 5.自學賦能：通過對 Langchain 框架的解讀、基于 ChatGpt 的自動化編程，讓沒有 AI 和 python 基礎的學員在課后仍然能編寫和擴展應用
適應人群：1、希望成為?LLM 產(chǎn)品經(jīng)理?的專業(yè)人士，希望了解 LLM 的商業(yè)和技術應用。 2、想要轉(zhuǎn)型成為?LLM 軟件工程師的開發(fā)者，希望通過實際編程加深對 LLM 的理解。
關鍵詞：互聯(lián)網(wǎng)，ai
收益目標：? 深入理解微服務架構的前世今生，能夠站在架構師的角度深入理解微服務的核心思想與具體技術 ? 深入理解微服務測試的挑戰(zhàn)和應對策略，能夠處理實際項目中典型的微服務測試難題 ? 深入理解微服務測試所必須掌握的核心技術，包括API自動化測試技術，測試數(shù)據(jù)構造技術，測試環(huán)境準備的最佳實踐等等 ? 深入理解基于消費者契約的微服務測試方法，能夠?qū)⒃摲椒ê蛡鹘y(tǒng)測試方法無縫集成，達到事半功倍的效果 ? 通過深入淺出的講解，理解微服務時代測試領域的多項前沿技術，比如基于大數(shù)據(jù)的測試范圍選擇、混沌工程和測試結果自動分析等 ? 包含大量獨家干貨內(nèi)容，無法通過其他渠道獲取
適應人群：? 測試工程師，測試開發(fā)工程師和測試技術骨干成員 ? 測試技術負責人或測試架構師 ? DevOps 資深工程師和技術負責人 ? 開發(fā)工程師，開發(fā)技術經(jīng)理，開發(fā)技術負責人
關鍵詞：互聯(lián)網(wǎng)，微服務，DevOps，軟件測試，測試用例
收益目標：1.理解云原生架構下Java應用的挑戰(zhàn)與機遇； 2.掌握Java性能優(yōu)化的關鍵工具和策略； 3.學習提升研發(fā)流程效率的現(xiàn)代方法和工具； 4.了解AI將如何促進研發(fā)效能的提升； 5.了解Java在人工智能、向量數(shù)據(jù)庫等新興領域的應用案例； 6.洞察Java技術的未來發(fā)展，把握技術趨勢；
關鍵詞：其他，人工智能，大數(shù)據(jù)，Java，轉(zhuǎn)型，企業(yè)級，數(shù)字化轉(zhuǎn)型
收益目標：1、本課程希望能使學員登堂入室，了解到這些不足，避免潛在的問題，直接面向運用提供解決方案。 2、針對Python的語言特點，系統(tǒng)掌握使用Python進行數(shù)據(jù)分析。
關鍵詞：其他，數(shù)據(jù)挖掘，數(shù)據(jù)分析
收益目標：通過課程學習，可以理解機器學習的思維方式和關鍵技術；了解深度學習和機器學習在當前工業(yè)界的落地應用；能夠根據(jù)數(shù)據(jù)分布選擇合適的算法模型并書寫代碼，初步勝任使用Python進行數(shù)據(jù)挖掘、機器學習、深度學習等工作。
關鍵詞：互聯(lián)網(wǎng)，機器學習，數(shù)據(jù)挖掘
收益目標：1、掌握LLM技術：全面理解LLM及ChatGPT的基本原理與應用。 2、提升研發(fā)效能：優(yōu)化軟件工程流程，提高研發(fā)效率與質(zhì)量。 3、實戰(zhàn)經(jīng)驗豐富：通過案例學習，積累LLM在軟件工程中的實戰(zhàn)經(jīng)驗。 4、拓展應用領域：了解LLM在各行業(yè)的應用前景，拓展職業(yè)發(fā)展路徑。 5、思維啟發(fā)：啟發(fā)新思維，探索LLM技術的更多可能性。
適應人群：軟件研發(fā)負責人，研發(fā)管理負責人，運維負責人，DevOps負責人，測試負責人，工程效能負責人 軟件架構師，資深研發(fā)工程師 運維架構師，資深運維工程師，DevOps工程師，SRE 測試架構師，資深測試工程師 研發(fā)管理人員，研發(fā)流程工程師
關鍵詞：互聯(lián)網(wǎng)，需求分析
活動詳情
To Be Better
注冊或 找回密碼?
