Corso obbligatorio di AI per programmatori, progetto full-stack AIGC in pratica (AI frontend, backend, test e operations)

Contenuto del corso:

Parte prima: come ChatGPT potenzia i programmatori

1. Comprendere le potenti funzionalità e gli scenari applicativi offerti da ChatGPT ai programmatori
2. Esplorare il background e il percorso di sviluppo di ChatGPT
3. Applicazione e tecniche pratiche di ChatGPT negli scenari di codice
4. Analisi di casi pratici di applicazione di ChatGPT negli scenari lavorativi
5. Come ChatGPT porta innovazione e cambiamento a diverse posizioni
6. Approfondimento sui metodi specifici di utilizzo di ChatGPT negli scenari lavorativi
7. Come ChatGPT ottimizza i flussi di lavoro e migliora l'efficienza
8. Casi completi e riepilogo di come ChatGPT potenzia i programmatori, e piano di apprendimento successivo

Parte seconda: pratica di progetto Java

1. Imparare come applicare tecniche e metodi di ChatGPT nei progetti Java
2. Utilizzare ChatGPT per conversazioni multi-turno e redazione di documenti
3. Introduzione al progetto e configurazione dell'ambiente, preparazione per il corretto svolgimento del progetto
4. Progettazione e implementazione delle tabelle dati, costruzione della struttura di base del progetto
5. Sviluppo della funzionalità di login, garanzia della sicurezza e stabilità del sistema
6. Funzionalità di intercettazione del login, miglioramento della sicurezza del sistema
7. Implementazione della progettazione della tabella dipendenti, supporto per la gestione dei dipendenti
8. Sviluppo della funzionalità di aggiunta dipendenti, completamento delle funzionalità del sistema
9. Utilizzo di AOP per il riempimento automatico dei campi temporali, miglioramento dell'efficienza di sviluppo
10. Implementazione della classe di gestione globale delle eccezioni, garanzia della stabilità del sistema
11. Sviluppo della funzionalità di ricerca dipendenti, comodità per la gestione
12. Implementazione della funzionalità del carrello, miglioramento dell'esperienza utente
13. Utilizzo di bito per la lettura e il refactoring del codice, ottimizzazione della struttura e delle prestazioni del progetto
14. Implementazione dei test unitari, garanzia della qualità del codice e della stabilità del sistema

Parte terza: pratica di progetto front-end

1. Introduzione al progetto, preparazione per il corretto svolgimento del progetto front-end
2. Creazione del progetto e configurazione iniziale, costruzione della struttura di base del progetto
3. Implementazione della funzionalità di registrazione, fornitura del servizio di registrazione agli utenti
4. Sviluppo della funzionalità di login, garanzia della sicurezza e stabilità del sistema
5. Progettazione del layout della homepage, offrendo un'interfaccia user-friendly
6. Progettazione del layout della pagina delle esperienze di colloquio, ottimizzando il processo di colloquio
7. Implementazione della funzionalità dell'elenco delle esperienze di colloquio, fornendo materiali per i colloqui
8. Sviluppo della funzionalità di salvataggio, per facilitare la gestione delle risorse per i colloqui da parte degli utenti
9. Progettazione e implementazione della pagina personale, offrendo servizi personalizzati agli utenti

Parte quarta: Pratica di progetto Big Data

1. Introduzione agli obiettivi del progetto e di apprendimento, preparazione per il progetto
2. Panoramica del progetto, comprendere il contesto e lo scopo del progetto
3. Introduzione al dataset, approfondimento del dataset utilizzato nel progetto
4. ChatGPT per la costruzione del data warehouse, creazione del data warehouse del progetto
5. Implementazione della costruzione del layer ODS, fornendo supporto per l'elaborazione dei dati
6. Implementazione della costruzione del layer DWD, costruzione della parte centrale del data warehouse
7. Costruzione del layer DWM, implementazione dell'analisi e dell'elaborazione multidimensionale dei dati
8. Costruzione del layer APP, fornendo supporto per la visualizzazione e l'applicazione dei dati
9. ChatGPT e Sqoop per l'esportazione dei dati, esportazione dei dati nella directory specificata
10. FineBI per la visualizzazione dei dati, presentazione dei risultati dell'analisi dei dati
11. Riepilogo del progetto, riepilogo dei risultati e delle esperienze del progetto
12. Descrizione dell'ambiente di sviluppo del progetto, comprendere l'ambiente necessario per lo sviluppo del progetto

Parte quinta: Pratica di progetto di Intelligenza Artificiale

1. Introduzione al progetto, presentazione del contesto e dello scopo del progetto
2. Presentazione del progetto, comprendere i contenuti e gli obiettivi del progetto
3. Processo generale di riconoscimento dei modelli di veicoli, delineare il flusso complessivo del progetto
4. Acquisizione del dataset, raccolta del dataset necessario per il progetto
5. Aumento delle immagini, elaborazione e aumento del dataset
6. Costruzione del modello, progettazione e creazione dei modelli necessari per il progetto
7. Addestramento del modello, addestramento dei modelli e ottimizzazione delle prestazioni
8. Predizione del modello, riconoscimento e classificazione delle immagini
9. Deployment del modello, distribuzione dei modelli addestrati nel progetto
10. Riepilogo del progetto, riepilogo dei risultati e delle esperienze del progetto

Parte sesta: Pratica di progetto di testing

1. Obiettivi del corso, definire chiaramente gli obiettivi di apprendimento e il significato del progetto
2. Introduzione al progetto, comprendere il contesto e il contenuto del progetto
3. Soluzione di implementazione dei test di automazione UI, scegliere una soluzione di test di automazione adeguata
4. Analisi dei casi di test, analizzare i casi di test necessari per il progetto
5. Script generato da ChatGPT - parte di login, utilizzare ChatGPT per generare lo script di login e incapsulare gli oggetti della pagina
6. Script generato da ChatGPT - parte di ricerca prodotti, generare lo script di ricerca prodotti e incapsulare gli oggetti della pagina
7. Script generato da ChatGPT - parte di aggiunta al carrello, generare lo script di aggiunta al carrello e incapsulare gli oggetti della pagina
8. Ottimizzazione del codice, ottimizzare gli script di test generati automaticamente