为您找到158个相关课程
展开简介
收益目标:暂无
适应人群:暂无
关键词:其他,人工智能
收益目标:通过参与本课程,学员将能够获得必要的知识和技能,以在各自的领域中有效利用AIGC技术,开发创新的应用程序,并推动人工智能技术的发展。 •理解AIGC和LLM技术:使学员能够理解AIGC的概念、技术体系以及LLM的工作原理。 •掌握提示工程:教授学员如何构建和优化提示,以改善LLM的输出质量。 •开发环境搭建:指导学员如何获取和使用LLM API Key,以及如何使用Python代码实现流式自动对话。 •LangChain应用开发:深入学习LangChain的基本概念,掌握如何使用LangChain调用LLM API,以及如何串联不同的组件构建复杂的AIGC应用。 •记忆与代理机制:了解如何在AIGC应用中保存对话上下文,以及如何使用代理机制进行结构化工具对话。 •高级应用与工具箱:学习如何实现检索增强生成、连接数据库、异步通信机制,以及角色扮演等高级应用。 •自主可控开发底座:教授学员如何搭建API Gateway,管理API渠道和令牌,以及如何实现LLM模型的本地运行。 •低代码无代码平台构建:介绍如何部署低代码无代码AIGC应用开发平台,如Flowise,并实现基本会话机器人。 •应用部署:了解应用容器化部署,以及如何借助云服务快速上线自定义LLM应用。 •项目实战:通过构建客服Chatbot和知识库问答系统,让学员将所学知识应用于实际项目中。
适应人群:本课程适用于以下受众 •AI技术爱好者:对人工智能特别是生成式AI感兴趣的个人。 •数据科学家:需要使用LLM进行数据分析和模式识别的专业人士。 •软件开发者:希望将AIGC集成到其应用程序中的软件开发者。 •产品经理:负责设计和推出基于AIGC技术的产品的产品经理。 •研究人员和学者:在学术研究中探索AIGC应用的研究人员。 •企业决策者:寻求利用AIGC技术改进业务流程和提高效率的企业决策者。 •技术创业者:正在寻找利用AIGC技术创造新业务机会的创业者。
关键词:其他,人工智能,Python,API,容器,容器化,ai,AIGC
收益目标:1. 人工智能的算法原理,设计过程以及构建成一个完整的人工智能系统都需要哪些组件以及对应的设计。 2. 从个测试人工智能的模型的方法开始,讲解到一个完整的人工智能系统的方方面面的测试方案。 3. 学习以spark为例讲解在人工智能系统中,如何构建和处理测试数据。 4. 学习以ffmpeg+opencv为基础如何在计算机视觉场景中构建和处理测试数据。 5. 以yolo为例,讲解如何在使用人工智能来辅助测试人工智能系统。
适应人群:在人工智能背景下工作的测试人员,或者对人工智能感兴趣的技术人员
关键词:互联网,人工智能,机器学习,Spark,分布式,深度学习
收益目标:1)覆盖Tensorflow和Tensorflow可视化TensorBoard及原理 2)从TF数据预处理到建模训练,从图像预处理到网络模型,一一覆盖 3)精讲图像识别对比等最新案例
关键词:互联网,人工智能
收益目标:了解智能化测试技术在行业的应用
关键词:互联网,人工智能,大数据,软件测试,自动化测试,单元测试
收益目标:ChatGPT是什么,为何拥有这些能力和局限。 让完全不懂技术的人也能迅速理解AI ChatGPT和它背后的技术和机会 快速入门提示词技术,获得竞争优势 了解提示词工程师的职业内容 掌握ChatGPT提示词的撰写与优化技巧 熟悉不同类型提示词及其应用 快速掌握chatGPT 使用方法和技巧 学习并掌握提示词撰写的底层逻辑,写作步骤及高级技巧 掌握chatGPT在新媒体营销,内容营销场景中的应用 掌握chatGPT 在职场中高效办公/文案写作中的应用 掌握chatGPT高级应用技巧 通过课程学习,学员将能够洞察GPTs技术在商业领域的广泛应用,包括客户服务、智能助手、个性化推荐等,为企业的创新和发展提供新的思路。 课程将提供丰富的实战案例和练习,帮助学员掌握GPTs技术的开发技巧和商业应用方法,提升解决实际问题的能力。 通过学习GPTs商业开发指南课程,学员将具备开发智能对话系统的能力,使企业在市场竞争中占据先机。 通过学习GPTs技术,学员将激发创新思维,为企业带来新的商业模式和产品创新点,推动企业的持续发展。
关键词:其他,变革
收益目标:• 深入理解AI+BigData+Cloud技术在业界是如何被实际应用到测试和DevOps领域,并如何在研发效能方面发挥巨大作用; • 深入理解大型互联网企业的测试基础架构和DevOps的设计思路,清楚理解如何运用ABC技术来面对海量测试需求引出的一系列难题; • 扩展测试从业人员的技术视野,通过课程学习能够掌握业界先进技术与测试技术的结合点; • 除了讲解应用领域,还讲解具体的实现方法和架构设计,做到全面落地,避免纸上谈兵; • 课程案例全部来自大公司的实际项目,在保证基础理论架构清晰的基础上,注重实践与应用;
适应人群:• 资深测试工程师,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 • 工程效能团队负责人和工程效能研发工程师 • 开发工程师,开发技术经理,开发技术负责人 • 技术创新团队的工程师
关键词:互联网,人工智能,软件架构,架构设计,大数据,云计算,DevOps,软件测试
收益目标:掌握 AI 时代产品经理核心竞争力 构建 AI 驱动的数字化产品战略思维 理解用AI助力产品市场分析与行业理解能力 学习用AI辅助洞察用户与需求分析的能力 掌握AI工具在产品工作流程中的应用 全面提升产品设计和用户体验的效率与质量 培养数据驱动的产品决策能力
适应人群:公司产品经理、产品运营经理、需求分析师、项目经理、UI/UX 设计师、研发经理、数据分析师 及对AI产品管理感兴趣的公司相关岗位学员均可学习。
关键词:互联网,产品经理,产品设计,用户体验,人工智能,项目管理,创新,产品管理,大模型
收益目标:•深入理解AI+Big Data+Cloud技术在业界是如何被实际应用到测试领域,并如何在研发效能方面发挥巨大作用; •深入理解大型互联网企业的测试基础架构的设计思路,清楚理解如何运用ABC技术来面对海量测试需求引出的一系列难题; •深入理解测试中台建设的最佳实践与大型企业案例; •涉及的案例全部来自大公司的实际项目,在保证基础理论架构清晰的基础上,注重实践与应用;
关键词:互联网,人工智能,软件架构,架构设计,大数据,云计算,微服务,DevOps,软件测试,自动化测试,分布式
活动详情
To Be Better
注册或 找回密码?