为您找到81个相关课程
展开简介
收益目标：1.透彻理解LLM工作原理及Prompt工程、API调用等基础技能； 2.掌握AI Agent核心组件、运行循环及六大主流架构的设计思想； 3.能够使用Python从零实现简易命令行Agent，并熟练运用CrewAI完成多智能体协作开发； 4.具备基于LangChain构建问答链、记忆对话及RAG检索增强应用的能力； 5.学会Token计价、RAG评估等工程优化方法，为生产级部署奠定基础。
适应人群：暂无
关键词：其他，企业级，ai，RAG
收益目标：暂无
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
关键词：其他，API，工程化，大模型
关键词：互联网，机器学习
收益目标：1.推荐系统算法基础和机器学习模型 2.数据集分析和推荐系统的整体结构 3.特征工程 4.基于协同过滤的商品推荐 5.基于协同过滤和隐特征的商品推荐 6.完成推荐系统的整体设计和算法验证
适应人群：有Python编程经验 至少1年软件工程研发经验 初步掌握机器学习算法的理论基础
关键词：互联网
适应人群：机器学习工程师、AI 开发者、数据科学家、业务分析师、产品经理，以及希望利用大模型构建创新应用的企业技术人员。
关键词：其他，企业级，大模型
关键词：其他，金融
收益目标：1、使企业管理者制定决策时有数据可依； 2、使学员彻底理解数据可视化的概念、技术、思维模式； 3、使学员具备数据收集、数据分析、数据挖掘、信息提取的能力； 4、使学员具备绘制数据可视化图形的能力； 5、使学员具备利用图形辅助思考的能力。
适应人群：1、本课程适合于想通过数据化决策制定企业战略的决策者； 2、适合于经常需要汇报工作的管理者； 3、对数据可视化分析、数据可视化展现等感兴趣的人士； 4、对数据分析、数据挖掘算法等感兴趣的人士； 5、对Tableau感兴趣的数据分析人士；
关键词：我是运维经理，互联网，大数据，云计算
收益目标：1.掌握AI测试工具使用：熟悉Applitools、MABL等主流工具。 2.提升GUI测试自动化能力：学会元素识别、断言及并行化测试。 3.理解AI技术在测试中的应用：深入学习深度学习、神经网络等技术。 4.学会大语言模型优化策略：掌握提示词工程、模型微调等技巧。 5.提升测试数据生成效率：利用AI技术自动化生成测试数据。 6.增强测试结果验证能力：运用AI进行图像识别、文本校验等验证。
适应人群：初中高级测试工程师、自动化测试开发人员、测试组长、测试经理、SQA人员
关键词：互联网，软件测试
收益目标：1、了解数字化决策与运营框架、银行数字化工作方法。 2、掌握使用EDGE方法建立业务精益价值树、执行计划。
关键词：其他，产品创新，创新，金融
适应人群：熟悉Go语法，有一定的Linux知识基础
关键词：其他
活动详情
To Be Better
注册或 找回密码?
