为您找到43个相关课程
展开简介
收益目标:1、 人工智能基础、技术及其体系; 2、 人工智能的问题求解及技术实现; 3、 人工智能的学习方式; 4、 人工智能行业应用与发展; 5、 主流人工智能实验平台部署; 6、 人工智能机器学习的算法模型的应用实践
适应人群:1、 即将投身于人工智能、机器学习、数据挖掘领域的企业或者个人; 2、 系统架构师、系统分析师、高级程序员、资深开发人员; 3、 政府机关,金融保险、移动互联网、能源行业等人工智能相关人员; 4、 高校、科研院所统计分析研究员,涉及到人工智能的人员;
关键词:互联网,人工智能,大数据,机器学习,数据挖掘,数据分析
收益目标:通过介绍大数据的核心计算和存储组件,以及整个完整的大数据平台架构,结合具体的数据分析和机器学习案例分析,让大家了解和掌握大数据平台、数据分析和机器学习相关知识、最新的发展趋势,以及如何应用到实际项目实践中。
适应人群:暂无
关键词:互联网,大数据,机器学习,数据分析
收益目标:1. 学习到当前最流行的云原生架构下,测试人员应该如何搭建测试体系的全部内容 2. 可以学习到当前最流行的测试项目的实现细节。 比如混沌工程,稳定性测试等 3. 课程中的演示项目可直接拿到客户的项目中使用。快速实现价值。
适应人群:在容器领域工作或对容器技术感兴趣的测试人员
关键词:互联网,Docker
收益目标:1,整体把握机器学习、深度学习、数据挖掘的发展方向 2,了解机器学习、深度学习、计算机视觉的技术框架 3,理解机器学习和深度学习的思维方式和关键技术 4,了解深度学习和机器学习在当前工业界的落地应用 5,了解AI顶会论文和最新技术热点
关键词:互联网,其他,人工智能,机器学习,数据挖掘,项目管理,深度学习
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:通过课程学习,可以理解机器学习的思维方式和关键技术;了解深度学习和机器学习在当前工业界的落地应用;能够根据数据分布选择合适的算法模型并书写代码,初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。
关键词:互联网,机器学习,数据挖掘
收益目标:1. 运维自动化理论及实现 2. Shell编程 3. Ansible大规模自动化运维管理 4. 部署流水线 5. 运维自动化工具集 6. 数据可视技术 7. 运维开发平台建设思路
关键词:互联网,持续集成,自动化测试,运维,自动化运维
To Be Better
注册或 找回密码?