为您找到299个相关课程
展开简介
收益目标：1. SRE体系构建：掌握SRE核心框架与Google实践（错误预算、50%研发时间原则），推动团队工程化转型。 2. 自动化与稳定性:实现运维标准化；通过SLO管理及混沌工程提升系统容错性。 3. 数据驱动运维:构建可观测性体系，结合LLM实现智能诊断与自愈，故障恢复时间缩短80%。 4. 组织与文化落地:建立无责难复盘机制，推动开发运维融合（如开发参与On-Call），设计SRE团队模型。 5. 混沌工程：主动注入故障（如网络隔离），验证系统韧性。 6. 容量规划：基于负载预测的动态资源伸缩，资源利用率提升30%。 7. 团队模型：基础架构/工具/业务SRE分层协作，业务方参与SLO制定。
适应人群：* 企业类型：主要面向互联网企业，以及有意引入 SRE 团队模式，实现运维体系转型升级的传统企业。 * 技术岗位：适合运维工程师、运维研发人员、SRE 工程师、软件研发人员、技术经理、架构师等技术岗位人员参与学习。
关键词：互联网，运维，转型，工程化，数字化转型，大模型
收益目标：掌握数据分析与数据工程的关键流程，构建标准化数据管道 熟悉主流机器学习与深度学习模型，掌握建模方法与评估技术 能够应用自然语言处理与推荐系统技术解决实际业务问题 理解大语言模型（LLM）、知识图谱、智能体的技术原理与实践方法 提升AI在数据挖掘、报表自动化、智能问答、增强分析等场景的应用能力 具备数据治理与数据安全意识，构建可持续、高质量的数据智能体系
适应人群：数据分析师、数据工程师、机器学习工程师 AI产品经理、算法产品设计师 企业数字化、智能化转型的IT与运营负责人
关键词：其他，人工智能，机器学习，转型，知识图谱，深度学习，推荐系统，大模型，RAG
收益目标：暂无
适应人群：暂无
关键词：互联网，用户体验，运维
收益目标：- 让学员掌握从真实场景需求出发，进行 AI 模型和工程架构优化的方法论和快速落地实践 - 深入理解 AI Agent 开发范式，包括经典推理模式落地，评估数据飞轮建设等 - 深入理解 AI 大小模型训练、微调、调参调试的技巧，能够针对 xx 场景（如工业、零售、医疗、互联网等）中的各种问题（如数据偏差、过拟合、模型性能不足等）进行有效的模型优化 - 学会设计适合具体业务场景的 AI 应用架构，包括 Agent 大脑、工具系统、评测系统、环境/沙箱和数据飞轮等关键组件，并了解架构从单 Agent 到多 Agent 的演进过程 - 了解最先进前沿的自进化自迭代智能体，基于 ICL 等技术实现自演化架构
关键词：其他，变革，工程化，大模型
收益目标：1.思维升级：完成从被动执行需求到主动经营产品的思维转变，建立系统化的产品工作思维框架 2.方法掌握：获得可直接应用于实际工作的产品规划、需求分析、商业模式画布及协同管理工具 3.能力突破：提升在市场分析、商业设计、复杂需求处理及跨部门沟通协作方面的实战能力 4.视野拓展：了解科技前沿趋势，并结合证券通信行业特性，思考自身产品的创新与进化方向
关键词：互联网，产品经理，产品创新，产品规划，创新，B端产品
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
关键词：互联网
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
收益目标：1、获知互联网企业大数据体系建设的完整形态，和技术选型标准，加深对企业数据化变革的认知 2、了解数据中台工具的功能架构，数据中台赋能的思路方法论及其技术架构 3、用户行为分析平台的埋点上报，传输，管理，验证，基础数仓建设的功能技术架构 4、掌握爆炸式数据增长下的数据管理，治理体系，了解科学的数据建设管理方法论，在实际生产中有序落地，避免数据重复建设，避免数据安全隐患 5、在数据生产建设过程中，通过事前生产规范管理，事中值班响应，事后巡检监控，全方位保障数据质量 6、掌握ABTest实验的原理，重叠实验框架的架构以及实验决策的方法论案例，学会如何科学的使用AB测试做数据驱动决策
适应人群：适用于大数据应用开发，大数据基础架构开发，数据产品，数据仓库的软件架构师、软件设计师、程序员、数据产品 要求：至少要有1-2年工作经验，学习过Hadoop，Hive以及Java语言
关键词：其他，大数据，数据架构，数据分析，变革，组织
收益目标：1.系统化数字化转型课程，从组织管理和技术建设两个维度全面梳理数字化转型应知应会 课程不是概念的堆叠，每门课程辅以工具箱，帮助学员听完即用 2.一套全链路提升转型方法的方案 不止于呈现案例，更呈现优秀转型案例（比如喜茶）背后的方法和最佳实践 3.与高手比肩，认识真正的技术管理高手 站在高手的肩膀上，拿到实战者才有的知识 4.云上课堂，可以随时随地学习 品控「卡尺」，筛选出最优质的的课程内容
关键词：互联网，敏捷，转型，组织，金融
收益目标：训练营收益： 1.协助学员成为数字化领导者，制定数字化创新战略，结合內部核心竞争力及外部资源驱动企业转型的进程和落实； 2.通过学习数字化体系和方法论，对内降本提效，促进生产力；对外加强客户和伙伴的体验，打造由产品到平台的价值网； 3.结合四大核心成功要素的数字化转型实施，了解如何进行数字化重构与数字化增长；
适应人群：训练营面向人群： 1.谋求数字化转型、智能化升级和构建产业新生态的实体企业的产研高管； 2.期望了解数字化转型是什么、以及如何转型的「所谓传统」的发展数字化与产业互联网的实体企业，例如制造、零售、物流、医疗、能源、银行、保险、证券… 3.希望寻找新经济、转型下的机会的提供软件、IT、大数据、AI服务的数字化生态企业
关键词：互联网，其他，转型，变革，组织，产品管理，数字化转型
收益目标：指导质量从业人员顺应变化，构建适合本企业的质量体系。
适应人群：CEO、市场营销、交付服务、质量运营 (QA)、质量管理、 研发项目管理、测试项目管理等相关人员
关键词：其他，质量管理，转型，变革，数字化转型
To Be Better
注册或 找回密码?