为您找到252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，架构师，软件架构，架构设计，软件设计
收益目标：1. 银行数据可以应用于什么场景？ 2. 如何利用机器学习技术帮助银行创造价值？ 3. 如何实现端到端的数据产品，让银行数据化运营流程化？
适应人群：银行行业的业务主管、技术主管、数据工程师
关键词：互联网，机器学习
收益目标：• 深入理解“测试中台”的本质以及工程价值 • 深入理解“测试中台”建设的技术方法与架构设计 • 让企业，尤其是大型企业实现以“测试中台”建设来完成弯道超车，走在测试基础架构的前沿，大幅度提升工程效能 • 扩展测试人员的技术视野，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； • 除了讲解理论体系，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，软件测试，自动化测试
收益目标：了解数据中台的优势以及数据中台建设与架构方法 了解数据中台的核心方法论(一个ID，一个数据，一个服务) 从真实的用户案例中学习数据中台建设 了解数据体系建设与数据运营机制建设
适应人群：大数据从业人员、企业IT开发人员、企业数据部门人员
关键词：互联网，其他，创新
收益目标：1、对齐企业内部人员对数据资产管理的愿景，掌握制定数据战略的方法论，明确数据资产管理工作的分工职责； 2、 为业务人员培养数据思维和数字化工作模版、提供给数据标准、数据质量标准的工作模版； 3、 为数据管理者提供数据资产梳理、数据模型构建、数据架构设计的方法和实操； 4、 为IT人员提供支持数据应用、数据管控平台的技术架构和落地实施案例；
适应人群：金融行业的业务、数据、IT部门入职3年以上至高级经理的级别的所有人员
关键词：传统金融，数据架构，转型
收益目标：1、体系完整； 2、数据思维升级：提升核心团队不同角色数据思维能力。 -产品：对功能上线后的效果负责，如何正确评估指标，如何基于数据指标通过探索性数据分析提出基于目标提升的优化建议，还能数据指标洞察真正的业务需求发现产品新的机会点。 -运营：如何在预算少、研发人力投入不足的情况，基于行业、竞品和自己的数据分析，找到当下价值最大的策略。 -市场营销：一是提高对外部市场数据的获取和分析能力；二是提高数据评估能力，对市场投放/活动前预算估算能力和投放.活动后效果衡量以及后续重点优化方向判断。三是数据分析能力（在“数据海洋”中寻找因果关系并将之量化的能力），弄清市场预算/花费、渠道、创意等影响因素与公司实际追求的业务增长指标间的关系，以及在可控的范围内通过在预算、渠道、创意等维度上的优化促进公司的业务增长。 -数据分析师：不再做服务业务的乙方，而是从战略和战术做业务的参谋部。 -业务负责人：一是提高鉴别数据质量、数据分析结论避免陷入盲从数据的误区，从而在业务判断、业务决策上造成误导。因为同一个数据源用不同口径统计，再采用不同的比较方式，甚至造成不好的结果。领导需要判断数据口径及其对比方式是否能够科学、准确地体现业务经营状况的好坏，还是可能为“虚荣指标。二是基于数据抽丝剥茧”，准确判断业务方向，采取正确的策略。 3、数据思维升级掌握体系化的框架并在课堂产出： 4、业务诊断：通过业务分析指标体系对核心经营指标、业务异常等进行分析阶段 5、策略落地：增强高阶运营体系化和战略化运营增长能力。 掌握基于当前业务问题，选择适合自己的产品或运营增长策略，实现全生命周期的用户管理，达成拉新、转化和留存等业务目标。 6、沉默用户激活以及全生命周期管理：辛辛苦苦获取了大量用户，但是用户不活跃，如何提高频次.. 7、数据体系建立：团队管理者上下同欲设计目标，员工拆解自己的OKR，一级指标到四级指标建立，针对数据发现问题并解决问题。
关键词：互联网，电商，其他，金融
收益目标：通过2天的实战演练，帮助学员解决如下问题： 1、掌握数据解读技巧 ：学会像侦探一样，从海量数据里敏锐捕捉到关键线索，一眼看穿数据背后的业务秘密。以后面对一堆数据，你能迅速找到重点，知道哪儿有机会、哪儿有问题，为决策提供超有力的支持。 2、构建体系化数据思维 ：把零散的数据知识串成一条线，再织成一张网。从数据收集到分析，再到可视化和决策，每一步你都知道怎么干，形成一套属于自己的数据思维框架。以后遇到任何业务问题，都能用数据思维轻松应对。 3、提升业务洞察力 ：通过数据分析，你能像装了雷达一样，精准发现业务里的痛点和增长点。不管是用户流失、销售下滑，还是市场新机会，你都能第一时间察觉，还能提出超有见地的建议，成为公司里的业务智囊。 4、做出精准决策 ：告别拍脑袋决策，学会用数据说话。掌握数据驱动决策的方法后，你能准确预判业务走向，做出科学又靠谱的决策，让你在职场上更有底气，让领导对你刮目相看。 5、课程产出 ：学完课程，你能独立完成一份超实用的业务数据分析报告，从数据收集、整理、分析到可视化呈现，一应俱全。这份报告不仅能应用到实际工作中，还能成为你职场晋升的敲门砖，展示你的数据实力。
适应人群：1、经常做报表却总被老板问“所以呢？”的职场人。 2、想转行数据分析但被SQL/Python吓退的小白。 3、需要数据支撑决策却总被业务部门挑战的表哥表姐。
关键词：互联网
收益目标：全面了解大型网站架构演化； 通过案例教学掌握高可用架构设计的原则和方法 掌握互联网高可用高并发关键技术； 掌握互联网大型分布式系统缓存架构的设计； 通过学习高并发系统架构案例掌握如何设计互联网高并发高可用系统
适应人群：无大厂工作经验的服务端开发工程师（外包公司、小型互联网公司为主）
关键词：互联网，架构设计，网站架构，高可用架构
收益目标：1. 机器学习、深度学习平台优化经验 2. 基于Kubernetes的机器学习平台调度系统设计经验 3. 开源社区运作、参与经验
关键词：
收益目标：1、企业数字化架构：了解新市场环境下业态改变对IT创新的要求，明确数据治理在数字化转型中起到的关键作用。 2、精益数据管理最佳实践：总结了国内外企业在数据战略和数据治理方面的最佳实践，识别数据资产、制定数据治理计划、搭建数据架构、落地数据标准、提升数据质量，确实提升企业挖掘数据价值等能力；
适应人群：1、数据管理团队 2、企业业务、数据、技术部门人员
关键词：其他，转型，数据建模，数字化转型
关键词：其他，架构设计，分布式
收益目标：1.理解大模型核心原理，模型训练和优化策略 2.掌握设计有效提示词，以及提示词工程优化实践 3.掌握OLlama搭建方法，以及3种调用大模型方式 4.掌握常用大模型推理参数微调方法 5.掌握CV、语音和NLP 大模型在各种业务场景中的应用 6.结合上机实践，调用DeepSeek，llama-vision，Qwen，stable-diffusion，whisper等大模型
适应人群：IT项目管理人员：负责IT项目的整体规划、协调与管理，需要了解如何利用DeepSeek等大模型技术提升项目效能。 软件开发工程师：从事软件开发工作，希望通过学习大模型技术提升开发效率和代码质量。 测试工程师：负责软件测试工作，需要掌握如何利用大模型技术进行自动化测试和缺陷检测。 数据分析师：从事数据分析工作，需要学习如何利用大模型技术进行数据挖掘和趋势分析。 运维工程师：负责系统运维工作，需要了解如何利用大模型技术实现智能化运维和故障诊断。 AI工程师：从事人工智能相关工作，需要深入学习大模型的训练、优化和应用。
关键词：互联网，NLP，大模型
To Be Better
注册或 找回密码?