为您找到293个相关课程
展开简介
收益目标：掌握MCP等前沿大模型应用工程技术的实际应用 能够在普通开发环境中部署和运行开源大模型 构建适合团队需求的AI辅助工具 设计和实现基于多模型协作的复杂系统 优化IT流程并提高团队工作效率 制定企业AI应用路线图和最佳实践
适应人群：软件开发工程师与团队负责人 DevOps与SRE工程师 IT运维人员与系统管理员 技术经理与IT项目负责人 希望提升团队AI能力的技术决策者
关键词：其他，运维，工程师，Python，API，转型，企业级，数字化转型，大模型
收益目标：暂无
适应人群：适合产品、运营、以及市场和数据分析和管理人员
关键词：互联网，产品设计，商业模式，用户体验，人工智能，创新
收益目标：通过本课程的学习，使用AI大模型的技术栈带领学员具体操作，让学员掌握AI大模型应用的非功能评估技术。
适应人群：此课程适合于IT项目经理、AI应用开发工程师、AI应用架构工程师、AI应用性能分析工程师、AI应用性能测试工程师、AI应用运维人员
关键词：互联网，性能测试，压力测试，大模型，RAG
收益目标：
适应人群：
关键词：互联网，电商，电信
收益目标：1、 通过完整项目案例，客户将学会数据仓库设计和实施的标准方法 2、 客户将学会如何分析问题，如何快速开发本行业的数据仓库项目 3、 客户将学会解决数据仓库实施过程中所遇到的重点和难点问题4、 通过动手实验，客户将学会微软商业智能相关工具的操作使用 5、 客户将学习最新数据仓库和商业智能领域的前沿技术
适应人群：暂无
关键词：互联网，商业智能
收益目标：重点解决服务化难点：服务抽象／设计过程，设计难点。
适应人群：课程准备：需要客户准备一个现有模块用于进行服务化建设的case分析。
关键词：互联网，微服务
收益目标：• 深入理解微服务架构的前世今生，能够站在架构师的角度深入理解微服务的核心思想与具体技术 • 深入理解微服务测试的挑战和应对策略，能够处理实际项目中典型的微服务测试难题 • 深入理解微服务测试所必须掌握的核心技术，包括API自动化测试技术，测试数据构造技术，测试环境准备的最佳实践等等 • 深入理解基于消费者契约的微服务测试方法，能够将该方法和传统测试方法无缝集成，达到事半功倍的效果 • 通过深入浅出的讲解，理解微服务时代测试领域的多项前沿技术，比如基于大数据的测试范围选择、混沌工程和测试结果自动分析等 • 包含大量独家干货内容，无法通过其他渠道获取
适应人群：• 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 • 开发工程师，开发技术经理，开发技术负责人
关键词：互联网，微服务，DevOps，软件测试，测试用例
收益目标：1.了解业务快速发展过程中如何做技术选型 2.针对一些高稳定性的一些保障 3.架构层面如何支撑业务快速发展
关键词：
适应人群： 数据工程师、数据科学家、机器学习工程师、AI开发者、以及对向量数据库感兴趣的技术人员。
关键词：其他，数据库
收益目标：对个人： 1.从技术到合规，系统性守护大模型全流程安全； 2.用真实案例经验，快速定位并解决高危漏洞； 3.以权威评估方法，验证模型安全性与可靠性； 4.站在行业前沿，应对AI安全领域快速迭代的挑战 对企业： 1.降低企业合规风险 2.预防高成本安全事故 3.提升团队技术防御能力 4.增强客户信任与品牌安全 5.优化技术资源投入效率 6.应对行业监管与竞争压力
适应人群：AI研发工程师、安全运维人员、企业技术决策者、政策研究人员，以及希望深入理解大模型安全风险与防御策略的专业人士。
关键词：互联网，安全，人工智能，变革，大模型
收益目标：从 “理论认知” 到 “实操落地”，2 天内掌握 OpenClaw 的核心架构、部署配置、能力拓展方法，能独立完成企业场景化自动化项目的设计与交付。
适应人群：具备基础编程能力、熟悉 AI 工具使用，从事企业营销、设计、运营、文案创作（语文类）的技术 / 业务骨干（企业用户为主）
关键词：其他
收益目标：1.吃透LLM核心原理与技术栈：理解Transformer、注意力机制、Token化等核心概念，掌握提示词工程、RAG、多模态全栈能力 2.赋能软件研发全生命周期：从竞品分析到架构设计，覆盖需求→设计→编码→测试→交付全流程AI落地 3.掌握主流Multi-Agent框架：理解多Agent协作架构，精通任务调度策略与框架选型方法论 4.构建企业级上下文知识库：掌握私有化场景落地的核心方法，实现知识驱动的AI应用 5.大幅提升个人与团队协作效率：建立团队级AI编程规范，实现软件研发的数字化转型
适应人群：开发人员、产品设计岗、运维/支持岗
关键词：互联网，RAG
活动详情
To Be Better
注册或 找回密码?
