为您找到224个相关课程
展开简介
收益目标:暂无
适应人群:暂无
关键词:互联网
收益目标:在课程中要逐一解决的问题(解决方案均来自讲师真实工作成果) 1、测试人员不足,尤其是有经验的测试工程师不足 2、团队对Bug的理解不一致,有时测试团队开的Bug开发团队不认可 3、没有有效的技术手段保证测试速度,甚至测试被认为额外增加了项目进度时间 4、测试量很大,测试报告不能及时反映最新版本中存在的问题 5、测试中重复劳动太多,长期下来,测试工程师缺乏成就感和创造力 6、软件发布前是否经历了足够的测试?能否发布到底谁说了算? 7、缺陷预防的持续改进 8、建立质量保证体系
适应人群:项目负责人,测试负责人,质量负责人
适应人群:企业高管、产品及运营负责人、项目负责人、技术负责人、数 据分析师、数据挖掘工程师
关键词:互联网,产品设计,商业模式,大数据,数据挖掘,互联网金融,数据分析
收益目标:了解大数据中MapReduce的核心原理 掌握MapReduce核心编程 了解Spark性能优化 掌握Spark中的离线计算和实时计算 掌握Spark SQL的使用 掌握HBase的高级特性
适应人群:1. 有一定编程基础,想学习和了解大数据的学员 2. 计算机相关专业,未来向大数据领域方向发展的学员
关键词:互联网,大数据,SQL,Spark,大数据平台
收益目标:1.提升对高并发高可用系统设计的理解 2.收获高可用架构设计经验 3.如何应对双十一、618这样的流量洪峰
适应人群:服务端架构师,需要对高并发高可用有一定认知和兴趣
收益目标:•建立对研发效能完整的理论和实践体系的清晰认知。 •了解各大厂效能/DevOps建设的路径及实践对比。 •掌握DevOps端到端工具链、测试环境、各类自动化测试工具背后的领域模型、系统方案和关键实践。 •掌握建设一站式平台、实施平台工程、开展度量洞察等关键战役上的最佳实践。 •掌握大语言模型基本原理,在软件研发领域的应用,特别是结合企业数据开展应用的实践方法。 •对效能实践中的各种疑难杂症建立深入认知,清楚应对方案。
适应人群:•研发管理者,架构师,工程师 •效能负责人,工具团队负责人,PMO负责人,流程工程师 •测试负责人,测试工程师 •运维负责人,DevOps工程师,SRE
关键词:互联网,DevOps,研发效能
收益目标:AI在研发管理中的价值 AI在研发效能提升中的实践 AI对研发效能管理的影响 生成式AI(AIGC)的最新进展与应用; AIGC及其应用领域; 大模型在软件研发全生命居期中的应用场景与案例; AIGC驱动下的自动化测试技术能力进阶 AI辅助编程工具 利用 智能编程助手提高编程效率和准确性 七大实战项目:探索智能编程助手的最佳实践 探索 智能编程助手的未来发展与实验功能 研发场景Agent构建及应用 如何评估AI产品应用有效性
适应人群:各类软件企业和研发中心的程序员、软件设计师、架构师, 项目经理,测试工程师,质量部门员工。对智能辅助编程技术感兴趣的技术管理者或需要使用该技术的工程师。特别强烈建议公司管理者可以参加部分课程。这样有助于在公司推广应用。
关键词:其他,需求分析,软件设计,研发效能
关键词:其他,转型,组织,数字化转型
收益目标:通过本课程的学习,可以掌握性能测试体系建设思路、性能测试的企业级最佳实践、性能分析与优化能力、性能分析逻辑思维能力,并对业界的性能测试现状有整体清晰的认知。同时可以将课程所学无缝应用与企业级性能测试项目中,为企业级性能测试落地与优化带来实际价值。
适应人群:此课程适合于性能架构师、性能分析师、性能测试工程师、性能项目经理、软件质量管理人员、运维人员、开发工程师
关键词:互联网,性能测试,前端
收益目标:●解决”理解业务难”的问题 做SaaS产品,往往面临的是一个环状的业务需要理解,课程针对这个问题,专门从宏观与微观两个角度向产品经理教授如何理解业务。 ●解决“需求不好梳理”的问题 做SaaS产品,往往面临的是整个业务链条需要权衡,课程从场景和价值两个角度,帮助产品经理更好梳理业务链条的业务场景与需求,并通过价值对需求进行评价。 ●解决“功能设计复杂”的问题 做SaaS产品,往往会面临大量个性化需求,课程以“后端标准化,前端个性化”的角度出发,通过帮助产品经理理解架构,以及如何进行可配置来解决做SaaS产品的终极问题。
关键词:其他,产品经理,SaaS
收益目标:第一阶段:从基础入手,先来了解大模型基础概念和原理,掌握好提示词技术。同时了解如何使用大模型技术,提升开发效率。学会在工作中如何更好的使用大模型,释放大模型能力,通过大模型相关技术提升个人效率、改造研发流程 第二阶段:深入大模型应用程序的研发,掌握大模型OpenAI API,langchain工具链、大模型微调等技术,开发大模型应用系统,帮助企业、个人提升效率,做企业最懂大模型的那个员工 第三阶段:学习大模型时代超级个体必须掌握的核心技术RAG、构建Agent,学习优秀企业的成功案例。助你在企业内使用大模型改造现有系统。 总之,AI模型全栈工程师是人工智能领域中不可或缺的重要角色。他们具备从算法到应用的全方位能力,能够从全局和整体的角度思考问题并寻求解决方案。随着人工智能技术的广泛应用和发展,AI模型全栈工程师的职业前景将越来越广阔。
关键词:其他,API,ai,大模型,RAG
收益目标:理论分享+案例分享+课堂互动
适应人群:政企产品及解决方案经理
关键词:互联网,创新
To Be Better
注册或 找回密码?