為您找到61個相關課程
展開簡介
收益目標：1）覆蓋Tensorflow和Tensorflow上層庫(Keras) 、Tensorflow可視化TensorBoard及原理 2）從TF數(shù)據(jù)預處理到建模訓練，從圖像預處理到網(wǎng)絡模型，一一覆蓋 3）精講圖像等實戰(zhàn)案例 4）精講自然語言處理等實戰(zhàn)案例
適應人群：暫無
關鍵詞：互聯(lián)網(wǎng)，人工智能，機器學習，工程師，Java，Python
收益目標：暫無
適應人群：1、適合想進入AI領域，或者利用AI提升工作效能的工程師。 2、適合想開發(fā)AI產品，或者使用開源大模型構建垂直業(yè)務模型的工程師。 3、適合想更全面判斷AI趨勢、或者利用AI為現(xiàn)有業(yè)務賦能的技術管理者。
關鍵詞：其他，機器學習，工程師，Java，Python，API，研發(fā)效能，大模型
收益目標：掌握MCP等前沿大模型應用工程技術的實際應用 能夠在普通開發(fā)環(huán)境中部署和運行開源大模型 構建適合團隊需求的AI輔助工具 設計和實現(xiàn)基于多模型協(xié)作的復雜系統(tǒng) 優(yōu)化IT流程并提高團隊工作效率 制定企業(yè)AI應用路線圖和最佳實踐
適應人群：軟件開發(fā)工程師與團隊負責人 DevOps與SRE工程師 IT運維人員與系統(tǒng)管理員 技術經理與IT項目負責人 希望提升團隊AI能力的技術決策者
關鍵詞：其他，運維，工程師，Python，API，轉型，企業(yè)級，數(shù)字化轉型，大模型
關鍵詞：互聯(lián)網(wǎng)，其他，人工智能，機器學習，Python
適應人群：技術經理，開發(fā)骨干，資質高的新員工，重點產品、新產品、重構團隊的全體開發(fā)人員
關鍵詞：互聯(lián)網(wǎng)，面向對象
收益目標：通過課程學習，可以理解機器學習的思維方式和關鍵技術；了解深度學習和機器學習在當前工業(yè)界的落地應用；能夠根據(jù)數(shù)據(jù)分布選擇合適的算法模型并書寫代碼，初步勝任使用Python進行數(shù)據(jù)挖掘、機器學習、深度學習等工作。
適應人群：具備一定的Python和深度學習基礎，希望深入了解深度學習的目標檢測、實體識別、關系抽取、GAN、時間序列分析、強化學習等實用化技術的光大工程技術人員。
關鍵詞：互聯(lián)網(wǎng)，機器學習，數(shù)據(jù)挖掘
收益目標：（1）最新的前沿OCR技術進展及發(fā)展方向 （2）解析8.6M超輕量中英文OCR模型是如何打造的 （3）從訓練到部署的完整解決方案（含真實企業(yè)案例） （4）傳授GitHub Trending 全球榜第一名登頂經驗
關鍵詞：互聯(lián)網(wǎng)
關鍵詞：互聯(lián)網(wǎng)，機器學習
收益目標：1.推薦系統(tǒng)算法基礎和機器學習模型 2.數(shù)據(jù)集分析和推薦系統(tǒng)的整體結構 3.特征工程 4.基于協(xié)同過濾的商品推薦 5.基于協(xié)同過濾和隱特征的商品推薦 6.完成推薦系統(tǒng)的整體設計和算法驗證
適應人群：有Python編程經驗 至少1年軟件工程研發(fā)經驗 初步掌握機器學習算法的理論基礎
適應人群：開發(fā)者、數(shù)據(jù)科學家、商業(yè)分析師、產品經理，以及所有對利用LLM感興趣的人。
關鍵詞：其他
收益目標：1、使企業(yè)管理者制定決策時有數(shù)據(jù)可依； 2、使學員徹底理解數(shù)據(jù)可視化的概念、技術、思維模式； 3、使學員具備數(shù)據(jù)收集、數(shù)據(jù)分析、數(shù)據(jù)挖掘、信息提取的能力； 4、使學員具備繪制數(shù)據(jù)可視化圖形的能力； 5、使學員具備利用圖形輔助思考的能力。
適應人群：1、本課程適合于想通過數(shù)據(jù)化決策制定企業(yè)戰(zhàn)略的決策者； 2、適合于經常需要匯報工作的管理者； 3、對數(shù)據(jù)可視化分析、數(shù)據(jù)可視化展現(xiàn)等感興趣的人士； 4、對數(shù)據(jù)分析、數(shù)據(jù)挖掘算法等感興趣的人士； 5、對Tableau感興趣的數(shù)據(jù)分析人士；
關鍵詞：我是運維經理，互聯(lián)網(wǎng)，大數(shù)據(jù)，云計算
活動詳情
To Be Better
注冊或 找回密碼?
<track id="riem3"></track>
