为您找到241个相关课程
展开简介
收益目标：纵观IT运维的演进，我们可以看到，智能运维已经成为新运维演化的一个开端；运维智能化演进的基础是运维自动化、运维数据化，如何从场景化的自动化运维常态，通过数据积累、大数据分析、模型构建、机器学习等来逐步落地智能化运维。
适应人群：暂无
关键词：互联网，大数据，机器学习，运维，自动化运维
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
收益目标：帮助学员提升思维层面，拓宽视野，洞察市场机遇，深度理解新零售，并通过大量企业对生产端、供应链、人、货、场等各个维度的大量创新实践，找到自身产品和销售大幅提升的启发，在新零售时代顺应潮流，实现产品能力的快速提升。同时，在消费者分群洞察、场景分析与设计、数字化转型与大数据赋能上，得到具体方法论的指导。
适应人群：需要进行新零售转型的企业领导层。 泛零售企业（零售、金融、制造、互联网）的产品、运营、业务、市场等部门人员。 希望理解什么新零售，并获得工作方向上的启发的有兴趣人员。
关键词：互联网，电商，商业模式，大数据，转型，变革，数字化转型
收益目标：首先，对知识图谱技术、行业应用全貌会有很清晰的认识。可以学到一个完整知识图谱项目全生命周期所涉及到的步骤以及对每个关键问题的解决思路。学到知识图谱领域涉及到的人工智能技术和曾经我们踩过的那些坑。由于本人作为人工智能企业落地一线作战人员，近3年主持包括金融、能源、设计院所、制造业共计15个AI相关项目落地，具有丰富的AI项目设计能力，精准把握AI能力覆盖边界，善于将业务与技术想融合，因此有别于科班传统授课方式，在讲解技术中会穿插讲解适用场景，有助于启发学员思考人工智能如何帮助其解决工作中所面临的问题。
关键词：互联网，人工智能，大数据，知识图谱
收益目标：了解将数据落地为真实的业务价值，了解数据如何驱动业务。
关键词：互联网，大数据
收益目标：暂无
关键词：其他，大数据，运维，数据库，MongoDB
收益目标：1、云计算核心概念和使用经验 2、如何设计良好的云上系统架构 3、如何迁移到公有云 4、公有云的安全如何设计 5、如何在云上进行自动化运维 6、如何设计现代大数据架构
适应人群：适用于企业IT技术经理，系统架构师，IT运维工程师，大数据工程师等。 该课程为中高级课程，对于进行基于公有云的系统部署运维、产品开发设计特别有帮助 1、对公有云尚没有实际使用经验IT人员团队 2、对公有云成本无评估经验的项目管理团队 3、想要借公有云快速验证产品原型的创新团队
关键词：互联网，大数据，云计算，数据架构，敏捷开发，DevOps，运维，敏捷，转型
收益目标：1.理解云原生架构下Java应用的挑战与机遇； 2.掌握Java性能优化的关键工具和策略； 3.学习提升研发流程效率的现代方法和工具； 4.了解AI将如何促进研发效能的提升； 5.了解Java在人工智能、向量数据库等新兴领域的应用案例； 6.洞察Java技术的未来发展，把握技术趋势；
关键词：其他，人工智能，大数据，Java，转型，企业级，数字化转型
收益目标：通过本课程，学员能够真实掌握互联网高可用架构设计过程中所遇问题的归纳、分析与总结，并有针对性的给出解决方法，课程将重现这些问题的场景，通过实例讲解，并对应到学员的实际工作问题，有效的启发思路、激发兴趣、掌握解决问题的基本方法。
适应人群：各类互联网/IT/软件企业和研发机构的软件架构师、软件设计师、程序员。对于有明确互联网产品业务需求的个人和团队，效果更佳。
关键词：互联网，互联网金融，架构师，架构设计，大数据，互联网架构，高可用架构
收益目标：通过实例了解数据战略在不同场景中的实施，演变，和不同战略的优劣，为高级管理人员提供数据方向上战略、布局、管理和执行层面的多角度思路。
关键词：互联网，商业模式，大数据
收益目标：1、数据分析的概念、表现形式与方法 2、数据分析的常用工具与应用 3、运用数据分析促进管理和运营的方法和路线图 4、通过现场模拟实战案例,全面掌握运用数据分析的实战技巧 5、中美知名企业用数据提升竞争力的经验和失败教训分享
适应人群：企业的商务分析师、数据分析师、业务部门经理、管理决策人士等。一切对运用数据分析做商业创新感兴趣的技术与管理人士。
关键词：互联网，大数据，数据分析，统计学常见方法，数据分析与商业应用，大数据分析，数据建模，数据算法及应用，数据分析生命周期，数据分析方法全景图
收益目标：1.对腾讯游戏的运营实践经验有一定了解； 2.介绍平台在架构上设计及历史演进； 3.介绍机器学习流水线的建设及优化实践；
关键词：互联网，大数据，机器学习
活动详情
To Be Better
注册或 找回密码?
