为您找到79个相关课程
展开简介
收益目标：1、掌握LLM技术：全面理解LLM及ChatGPT的基本原理与应用。 2、提升研发效能：优化软件工程流程，提高研发效率与质量。 3、实战经验丰富：通过案例学习，积累LLM在软件工程中的实战经验。 4、拓展应用领域：了解LLM在各行业的应用前景，拓展职业发展路径。 5、思维启发：启发新思维，探索LLM技术的更多可能性。
适应人群：软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人 软件架构师，资深研发工程师 运维架构师，资深运维工程师，DevOps工程师，SRE 测试架构师，资深测试工程师 研发管理人员，研发流程工程师
关键词：互联网，需求分析
收益目标：1. 掌握Open Claw核心架构与运行机制：透彻理解任务调度、Skill扩展、上下文管理与跨系统交互的设计思想。 2. 具备独立设计与开发复杂Agent Skill的能力：能够根据业务需求，独立完成Skill的设计、调试与集成，拓展智能体应用边界。 3. 建立面向自主智能体系统的工程思维框架：通过对miniClaw的复现，掌握智能体系统设计的通用思想，为自研企业级智能体平台打下坚实基础。
适应人群：暂无
关键词：互联网，架构设计，工程师，工程化
收益目标：1、掌握Agent核心设计：深入理解S-P-A架构、记忆分层与工具调用，能够自主搭建研发Agent。 2、构建AI-Native研发流水线：实现从需求、代码生成到测试自愈、自动运维的全链路Agent闭环。 3、提升代码质量与系统韧性：利用自愈测试、根因分析Agent，大幅缩短Bug定位与修复时间。 4、优化组织效能与安全合规：建立AI采纳率、Agent任务完结率等新度量体系，并落地代码隐私与开源合规防护。
适应人群：1、软件工程师、架构师与技术负责人 2、AI工程化实践者、DevOps与SRE工程师 3、期望通过AI重塑研发流程的技术管理者与创新团队
关键词：互联网，运维，转型，组织，企业级，工具链，推荐系统，大模型
收益目标：通过课程学习，可以理解机器学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。
关键词：互联网，机器学习，数据挖掘
收益目标：●亲手完成三端独立架构（Python FastAPI 后端 + Kotlin 原生 Android + Vue3 H5）短剧 APP 的三轮迭代，获得从产品设计到上线的完整 AI Native 开发经验 ●掌握轻量 SDD 工作流（SPEC.md + CLAUDE.md + Skills），可直接带回团队落地 ●建立 AI 编程的人机边界认知：什么能做好、什么做不好、哪些卡点必须人工决策 ●掌握 AI 辅助 CR + 重构的方法论：如何寻找重构线索，如何在不破坏测试的前提下安全改造 ●理解 Agent 友好型架构：学会用文档约束 Agent 行为，可迁移至企业存量系统改造
适应人群：1、有一定工程经验、希望将 AI 深度融入日常研发的软件工程师、全栈或移动端开发 2、产品负责人、技术 TL，希望理解 Spec 驱动开发并推动团队 AI 工具链落地 3、研发效能负责人，希望建立企业级 AI 研发规范与 SDD 工作流
关键词：互联网，产品设计
收益目标：1. 运维自动化理论及实现 2. Shell编程 3. Ansible大规模自动化运维管理 4. 部署流水线 5. 运维自动化工具集 6. 数据可视技术 7. 运维开发平台建设思路
关键词：互联网，持续集成，自动化测试，运维，自动化运维
收益目标：掌握AI驱动投放全流程：从用户洞察、内容创作到数据分析，系统学习AI赋能投放的实战技巧，快速提升投放效率与效果。 精通AI Agent搭建与应用：学会利用Dify、Coze等平台搭建智能投放助手与用户运营机器人，实现自动化增长。 获取实用工具与实战路线图：掌握ChatGPT、Midjourney等热门工具，结合新涨乐APP推广路线图，快速落地AI应用，实现业务增长。
关键词：互联网，数据分析
To Be Better
注册或 找回密码?