为您找到300个相关课程
展开简介
收益目标：理解研发效能的本质 理解研发效能的落地实践 理解研发效能推进中的“坑”和最佳实践 理解企业级的成功案例 帮助学员建立起研发效能度量的正确的理念 助学员理解研发效能度量的实施模型及度量指标集 帮助学员理解度量指标集中每个指标的设计思路和落地方法 帮助学员掌握通过度量指标综合分析问题、从而促进研发效能提升的方法
适应人群：暂无
关键词：互联网，组织
收益目标：暂无
关键词：互联网
收益目标：通过大量产学研合作的成功实践案例来引导学员理解和掌握先进的、系统化的可靠性测试方法。
适应人群：测试工程师、测试架构师、可靠性专项测试工程师等。
关键词：其他，自动化测试，测试用例，可靠性测试，金融，Linux
收益目标：1，帮助企业实现业务目标的对齐、流程的优化、系统的整合等，无论是金融、制造还是其他行业。 2，理论和方法与实际情况相结合，给予您团队更加贴切和实用的案例和建议。
关键词：其他，架构师
收益目标：除了教会学员掌握⼤模型前沿技术应⽤实践，以及⼀套完整的产品需求分析、产品管理的⽅法⼯具框架(toolset)和思维模式(mindset)外，还可使⽤公司当前发布的⾦融科技产品做为封闭内训期间的实战产品，学员现场可以快速收获 针对当前负责产品最直观的建议及⽅法论，同时快速梳出 路演交付物。 提供⼀套适合⾃⾝产品的AI⼤模型提⽰词套件，助⼒产品需求分析、产品设计、产品数据运营分析等。
适应人群：银⾏科技侧中⾼级产品经理系列培训等。
关键词：互联网，产品设计，产品规划
收益目标：•理解研发效能的本质及行业内头部企业的推进情况 • 系统掌握研发效能的实施框架和落地过程 • 全面理解研发效能在各个领域的具体实践 • 通过一系列案例深刻理解研发效能的提升之道 • 认识到推进过程中可能遇到的困难和常见误区
关键词：其他，研发效能
收益目标：通过本次实战培训，学员将获得以下具体收益，涵盖知识掌握、技能提升和行业应用： 1、掌握AI核心技术机制：深入理解LLM底层原理、嵌入技术及RAG优化，并能运用工具如LangChain、LlamaIndex进行模型开发和知识库构建，提升AI理论基础。 2、提升研发流程效能：通过工业级提示工程和AI辅助工具，加速需求分析、开发和测试，实现全链路提效，减少人工耗时。 3、设计AI4SE工程体系：学习构建匹配企业AI战略的软件工程规范，包括路线图规划、研发流程AI整合和复杂度控制，并能参考行业方案实施AI加速研发体系。 4、应用AI+DDD实战方法：掌握领域驱动设计与AI的融合应用，通过四阶落地法完成从需求到代码的智能化实现，提升复杂业务系统的设计和开发能力。 5、实现行业场景落地：获得金融、制造等行业实战经验，如构建MCP驱动的智能体协作网络、开发代码迁移工具和知识运营助手，助力企业在真实场景中规模化应用AI，提升研发质量和效率。 6、第一部分 AI研发基础强化增强工程化落地能力：通过案例演练（如本地MCP客户端、RAG应用开发）和工具链实操，培养学员的工程实践技能，确保AI技术在企业环境中的可扩展性和稳定性。
适应人群：希望通过AI工具提升研发效率和质量的软件工程师 希望建立匹配AI战略的智能工程研发体系的管理 希望通过AI框架与相关技术开发AI原生应用的开发人员
关键词：其他，需求分析，转型，金融，工程化，大模型
收益目标：帮助团队设置和培养FDE（ForwardDeployed Engineer），并引入智能体系统敏捷开发方法论，重塑组织能力和开发流程，解决AI项目“落地难、交付慢、效果不可控”的痛点。具体目标如下： 1.思维范式重塑：帮助学员打破“产品-研发-交付”的传统职能墙，从关注“产出代码”转向关注“交付智能能力与业务价值” 。建立“Value-First”思维，学会利用现有资产快速构建MVP，并掌握管理AI输出不确定性的核心方法。 2.核心技能构建：构建FDE的“T型”技能树，掌握从RAG进阶工程、Agentic AI架构、多智能体协同到评估驱动开发（EDD）的全栈技术体系。使学员具备独立完成“业务意图转化为工程实现”的全链路闭环能力。 3.敏捷组织落地：掌握智能体敏捷小组的组建方法，学习如何与AI业务伙伴（AIBP）高效协同。熟悉智能体系统敏捷开发生命周期，通过周度迭代和Demo机制，解决反馈不及时、项目交付难的问题。 4.实战痛点解决：通过真实案例演练，让团队具备解决AI项目“落地难、效果不可控”的具体战术能力，确保项目能从PoC阶段顺利推向生产环境并实现持续自主运营。
适应人群：技术/管理/产品人员共同学习，推动AI落地、打造Palantir式FDE人才的最佳组合
关键词：互联网，敏捷开发，敏捷，组织，企业级，大模型
收益目标：通过该课程学习，洞悉Hadoop，NoSQL与Spark等技术的原理、架构与技术手段；结合丰富实例掌握其设计与开发方法，以及掌握如软件架构、性能调优等使用过程中的实用技巧；深入了解Hadoop，NoSQL，Spark体系中各成员，理解Hadoop，NoSQL，Spark成员各自的优、缺点与正确适用场景，了解技术最新发展动向，能对Hadoop，NoSQL与Spark体系在学员企业、学员项目、学员研发中是否可用、如何定位以及如何使用做出正确判断与学习，并且对如何结合大数据技术规划企业数据架构得到相当的启发与收获。
适应人群：企业中高层技术管理人员、企业技术战略决策者、软件架构师、软件研发人员与大数据技术爱好者，有大数据及海量数据管理与处理需求的企业优先。
关键词：传统金融，互联网金融
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
收益目标：1.从0到1对微服务技术架构可以有完整的认识； 2.基于kubernetes支撑微服务架构的落地实践 3.借鉴领域驱动设计(DDD)与微服务的拆分边际 4.开源组件与注册中心的调优和增强； 5.统一微服务框架及组件，开发流程规范化，降低微服务门槛的思路； 6.实时微服务流控治理策略生效的机制； 7.解析微服务的刚需——应用性能监控的实现； 8.利用Kubernetes + DevOps实现微服务敏捷测试； 9.企业级大规模互联网技术实践；
适应人群：架构师； 开发人员； 运维人员；
关键词：互联网，微服务，DevOps，运维，容器
To Be Better
注册或 找回密码?