KI-Pflichtkurs für Programmierer, AIGC-Full-Stack-Projektpraxis (KI-Frontend, Backend, Testing, DevOps)

Kursinhalt:

Teil 1: Wie ChatGPT Programmierer unterstützt

1. Die leistungsstarken Funktionen und Anwendungsszenarien von ChatGPT für Programmierer kennenlernen
2. Den Hintergrund und die Entwicklungsgeschichte von ChatGPT erkunden
3. Anwendung und praktische Tipps von ChatGPT in Codeszenarien
4. Analyse praktischer Anwendungsfälle von ChatGPT in beruflichen Szenarien
5. Wie ChatGPT Innovation und Wandel für verschiedene Positionen bringt
6. Detaillierte Untersuchung der konkreten Anwendungsmethoden von ChatGPT in Arbeitsszenarien
7. Wie ChatGPT Arbeitsabläufe optimiert und die Effizienz steigert
8. Umfassende Fallbeispiele und Zusammenfassung zur Unterstützung von Programmierern durch ChatGPT sowie der nächste Lernplan

Teil 2: Praxisorientiertes Java-Projekt

1. Erlernen von Techniken und Methoden zur Anwendung von ChatGPT in Java-Projekten
2. Verwendung von ChatGPT für mehrrundige Dialoge und Dokumenterstellung
3. Projektvorstellung und Umgebungseinrichtung zur Vorbereitung eines reibungslosen Projektverlaufs
4. Design und Implementierung von Datentabellen zur Erstellung des Projektgrundgerüsts
5. Entwicklung der Login-Funktion zur Gewährleistung der Systemsicherheit und -stabilität
6. Login-Abfangfunktion zur Verbesserung der Systemsicherheit
7. Implementierung des Mitarbeitertabellen-Designs zur Unterstützung der Mitarbeiterverwaltung
8. Entwicklung der Funktion zum Hinzufügen von Mitarbeitern zur Vervollständigung der Systemfunktionalität
9. Verwendung von AOP zur automatischen Befüllung von Zeitfeldern zur Steigerung der Entwicklungseffizienz
10. Implementierung einer globalen Ausnahmebehandlungsklasse zur Gewährleistung der Systemstabilität
11. Entwicklung der Mitarbeiterabfragefunktion zur Erleichterung der Verwaltung
12. Implementierung der Warenkorb-Funktion zur Verbesserung der Benutzererfahrung
13. Verwendung von bito für Code-Lesen und Refactoring zur Optimierung von Projektstruktur und -leistung
14. Durchführung von Unit-Tests zur Gewährleistung von Codequalität und Systemstabilität

Teil 3: Praxisorientiertes Frontend-Projekt

1. Projektvorstellung zur Vorbereitung eines reibungslosen Frontend-Projektverlaufs
2. Projektaufbau und Initialkonfiguration zur Erstellung des Projektgrundgerüsts
3. Implementierung der Registrierungsfunktion zur Bereitstellung eines Registrierungsdienstes für Benutzer
4. Entwicklung der Login-Funktion zur Gewährleistung der Systemsicherheit und -stabilität
5. Startseiten-Layout-Design, benutzerfreundliche Oberfläche bereitstellen
6. Layout-Design der Interviewerfahrungsseite, Interviewprozess optimieren
7. Implementierung der Interviewerfahrungsliste, Interviewmaterialien bereitstellen
8. Entwicklung der Favoritenfunktion, benutzerfreundliche Verwaltung von Interviewressourcen
9. Design und Implementierung der Meine-Seite, personalisierten Service für Benutzer bereitstellen

Teil 4: Praxisprojekt Big Data

1. Einführung in Projektziele und Lernziele, Vorbereitung für das Projekt
2. Projektübersicht, Hintergrund und Zweck des Projekts verstehen
3. Einführung in den Datensatz, detailliertes Verständnis des im Projekt verwendeten Datensatzes
4. ChatGPT implementiert Data-Warehouse-Aufbau, Aufbau des Data Warehouse für das Projekt
5. Implementierung der ODS-Schicht, Unterstützung für die Datenverarbeitung bereitstellen
6. Implementierung der DWD-Schicht, Kernstück des Data Warehouse aufbauen
7. Aufbau der DWM-Schicht, mehrdimensionale Analyse und Verarbeitung der Daten
8. Aufbau der APP-Schicht, Unterstützung für Datenvisualisierung und Anwendungen bereitstellen
9. ChatGPT und Sqoop implementieren Datenexport, Daten in das angegebene Verzeichnis exportieren
10. FineBI implementiert Datenvisualisierung, Ergebnisse der Datenanalyse präsentieren
11. Projektzusammenfassung, Erkenntnisse und Erfahrungen aus dem Projekt zusammenfassen
12. Erläuterung der Projektentwicklungsumgebung, benötigte Umgebung für die Projektentwicklung verstehen

Teil 5: Praxisprojekt Künstliche Intelligenz

1. Projekteinführung, Hintergrund und Zweck des Projekts vorstellen
2. Projektvorstellung, Inhalt und Ziele des Projekts verstehen
3. Gesamtprozess der Fahrzeugerkennung, den gesamten Projektablauf strukturieren
4. Datensatzbeschaffung, benötigte Datensätze für das Projekt sammeln
5. Bildverbesserung, Verarbeitung und Verbesserung des Datensatzes
6. Modellkonstruktion, Entwurf und Aufbau der benötigten Modelle für das Projekt
7. Modelltraining, Modelle trainieren und Ergebnisse optimieren
8. Modellvorhersage, Bilder erkennen und klassifizieren
9. Modellbereitstellung, das trainierte Modell im Projekt bereitstellen
10. Projektzusammenfassung, Erkenntnisse und Erfahrungen aus dem Projekt zusammenfassen

Teil 6: Praxisprojekt Test

1. Kursziel, klare Lernziele und Projektbedeutung
2. Projektvorstellung, Hintergrund und Inhalt des Projekts verstehen
3. Implementierungsplan für UI-Automatisierungstests, geeigneten Automatisierungstestplan auswählen
4. Testfallanalyse, die für das Projekt erforderlichen Testfälle analysieren
5. ChatGPT generiert Skript - Login-Teil, ChatGPT verwenden, um Login-Skript zu generieren und Seitenobjekt zu kapseln
6. ChatGPT generiert Skript - Produktsuche-Teil, Skript zur Produktsuche generieren und Seitenobjekt kapseln
7. ChatGPT generiert Skript - Warenkorb-Teil, Skript zum Hinzufügen zum Warenkorb generieren und Seitenobjekt kapseln
8. Code-Optimierung, automatisch generierte Testskripte optimieren