为您找到299个相关课程
展开简介
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
适应人群：暂无
关键词：其他，机器学习，数据挖掘，项目管理，深度学习
收益目标：1、提升调试效率6-12倍 通过语言特定的调试技能（如C++内存问题、C#死锁、Python类型污染），大幅缩短问题定位与修复时间。 2、掌握AI辅助开发的标准化流程 学习“三步验证法”（AI生成 → 自动化测试 → 人工审查），提升对AI生成代码的掌控感与信任度。 3、实现测试自动化与代码审查标准化 利用test-generation和code-review技能自动生成测试用例、识别边界与异常场景，提升代码质量。 4、沉淀可复用的团队技能资产 通过自定义Agent Skills，将团队经验编码为可版本化、可共享的技能文件，构建企业内部技能库。 5、跨语言协作与知识迁移能力 在统一业务场景下，理解不同语言的实现差异与优化手段，促进跨组交流与技术共建。
适应人群：本课程面向企业IT开发团队中的一线开发人员，特别适合有以下需求的团队： 希望系统掌握GitHub Copilot高级功能（如Agent Mode、Agent Skills）的开发团队； 正在探索AI辅助开发落地，但面临代码质量不可控、调试效率低、技能难复用等问题的团队； 希望构建可沉淀、可复用的AI辅助开发工程能力的组织； 对C++、C#、Python中至少一种语言有实际开发经验的开发者。
关键词：互联网，Python，组织，企业级
收益目标：1.能够从用户角度看产品，建立用户思维 2.掌握产品各个环节中的用户体验核心要素，能够更全面地看待产品及用户体验 3.能够运用用户体验模型中的原则、方法与工具来改进产品的用户体验 4.掌握一套产品设计的方法论
适应人群：1.产品经理 2.有志于成为产品经理的产品人员，如：策划、设计、市场、运营、研发…… 3.希望跨界学习、开拓视野、提升产品技能的产品相关人员
关键词：互联网，用户体验，企业级
收益目标：深刻理解IPD是什么，能解决什么问题。 掌握如何通过经营重组体现产品开发是一种投资行为的思路和方法。 掌握从客户需求到产品规划市场体系的构建思路和方法。 掌握构建打通部门墙端到端运作的IPD矩阵组织及流程体系的思路和方法。 掌握如何通过产品重组提高产品交付质量和效率的思路和方法。 掌握如何通过三步走实施并管理IPD变革的基本策略。
适应人群：企业高管、产品线主管、市场部主管及市场研究人员、战略与规划部人员、产品经理、研发经理/总监、技术经理/总监等。
关键词：互联网，研发管理，变革
收益目标： 1.了解数据中台的基础概念、来源、特点、现状 2.理解数据中台在互联网电商、金融、电信、能源等行业的应用情况和应用案例 3.掌握数据中台的方法论，让学员掌握体系化的数据中台思考能力 4.通过课程的学习，让学员能够理解如何运用数据中台与技术中台、业务中台相互配合，产生业务价值。
适应人群：政府领导； 投资机构、行业客户； CTO、CIO、技术总裁、技术总监、技术经理； 系统架构师、程序员、数据从业人员。
关键词：其他，创新
收益目标：通过本课程，可让学员对数据治理建设过程的方法论和实践思路有更深的认识，同时学会用业务中台和数据中台的设计解决业务和数据汇聚带来数据治理、数据质量等问题。通过学习基于Devops模式进一步掌握如何打造自动化运维体系，借助老师在数据质量管理体系建设经验分享，进一步提升学员掌握数据治理的价值和数据变现的思路。在数据治理落地与实践案例讲解过程讲解中，把案例与方法结合，更深的认识数据治理的方法和建设工作。通过行业应用的典型案例，使学员在掌握这些案例所用的技巧的同时，充分理解数据治理建设过程智慧中台、自动化运维及数据质量管理的关键和实施路径，通过举一反三的效果，提高自己分析解决问题的能力
适应人群：①IT 项目管理办公室（PMO）总监/经理/数据管理专员/技术经理 ②IT 部门总监/经理 ③业务部门信息化领导/经理/专员 ④数据管理团队及专兼职人员 ⑤企业数据管理专家/专家委员会专员 ⑥数据管理或数据服务团队负责人、核心团队成员 ⑦企业CIO、CDO 等信息化相关的高层领导 ⑧想要了解数据管理、数据治理的人员均可学习
关键词：互联网，其他，质量管理，运维，自动化运维
收益目标：理解数字化转型的特点，和信息化的区别，发展的趋势 掌握通过业务拆解，反向推动设计数字化产品演进蓝图的思维模式 掌握在数字化思维下，挖掘业务问题痛点和需求本质的方法论 掌握以用户为中心的体验设计思维，构建体验良好的数字化产品 掌握数字化产品运营推广的方法论，让产品发挥价值，赋能业务 培养各个团队拥抱数字技术的意识和能力，构建IT业务融合的桥梁
适应人群：本课程广泛适用于甲方企业各个岗位、级别的人员，包括但不限于： 不同岗位，例如营销、销售、供应链、HR等等； 不同级别，包括一线人员以及中高层管理人员； 不论是IT人员还是非IT人员，都可以从课程中获取思维、意识与理念的提升！
关键词：互联网，产品经理，产品设计，转型，数字化转型
收益目标：暂无
适应人群：各类软件研发中心的软件设计师、架构师, 项目经理,技术总监,质量部门经理，开发人员，对重构技术怀有疑问和困惑，需要梳理解答的团队和个人，效果最佳。
关键词：其他，工程师
关键词：其他，软件重构，自动化测试，代码整洁
关键词：其他，数据挖掘，工程师，Python，数据分析，NLP，深度学习，大模型
收益目标：1.掌握 Agent 三大工程化方法论：系统学习 Harness、Loop、Graph 三大核心方法论，建立从基座构建、迭代优化到任务编排的完整知识体系，能够独立设计和评估生产级 Agent 方案。 2.具备生产级 Agent 稳定性与安全性保障能力：掌握 Checkpoint 机制、重试熔断、长上下文管理、权限管控、数据脱敏、安全沙箱等关键工程实践，确保 Agent 系统在金融、医疗等强监管场景下的合规运行。 3.构建 Agent 持续迭代与优化的闭环体系：学会建立 AgentOps 监控体系、设计评估指标、构建数据飞轮，实现从“一次成功”到“可复用能力”的转变，持续提升 Agent 业务表现。 4.具备多 Agent 协作与复杂任务编排能力：掌握多 Agent 协同设计原则、DAG 任务流建模、知识图谱融合方法，能够针对复杂业务场景设计高效的多 Agent 协作方案。 5.获得可落地的 Agent 成熟度评估与场景筛选能力：学会使用 AI 工程化成熟度模型和“五维评估法则”，能够准确评估企业现状、筛选高价值场景并规划合理的 Agent 落地路径，避免资源浪费和早期踩坑。
适应人群：本课程面向已具备一定技术基础、希望将 AI Agent 技术从概念验证推进到生产级落地的专业人员，具体包括： •AI 工程师：已有 LLM 应用开发经验，希望系统掌握 Agent 生产级工程化方法论，提升系统稳定性、安全性和可观测性能力。 •架构师：需要设计多 Agent 协作体系、任务编排流程和知识图谱融合方案，构建可扩展、高可靠的 Agent 架构。 •技术经理：负责团队 AI 技术路线规划，需要理解 Agent 工程化成熟度模型，制定从 POC 到规模化的落地策略。
关键词：其他，工程化
收益目标：1. 软件架构的本质 2. 软件架构的设计过程 3. 软件架构模式 4. 深入理解J2EE和架构模式和反模式,以及如何对架构重构 5. 深入理解J2EE架构各层(表示层/业务逻辑层/数据存取层/基础服务层/实体层)如何设计和如何权衡 6. 深入理解J2EE 技术(JSP,TagLib,Ajax,EJB,JPA以及常见的开源技术Spring和Hibernate,Ibatis） 7. 充分运用Java EE组件技术，解决典型的系统架构问题 8. 使用Java EE蓝图中的技术和Java EE 模式目录中的解决方案，推导出软件系统 9. 使用工程权衡技术，用高性价比的方式应对服务
适应人群：这门课程适合对基于Java EE技术的企业软件系统负有总体软件架构的学员。学员还要求能深入了解企业架构师的作用，并希望在n层企业系统中使用Java EE技术。现有的架构师也可以通过学习这门课程，了解如何使用Java EE技术提高其企业系统中服务的质量。
关键词：电信，其他，架构师，软件架构，Java
To Be Better
注册或 找回密码?