Curso obrigatório de IA para programadores, projeto full-stack de AIGC na prática (IA front-end, back-end, testes e operações)

Conteúdo do curso:

Parte 1: Como o ChatGPT capacita programadores

1. Entenda os recursos poderosos e os cenários de aplicação que o ChatGPT oferece aos programadores
2. Explore o contexto e a trajetória de desenvolvimento do ChatGPT
3. Aplicação e técnicas práticas do ChatGPT em cenários de código
4. Análise de casos reais de aplicação do ChatGPT em cenários profissionais
5. Como o ChatGPT traz inovação e transformação para diferentes funções
6. Aprofunde-se nos métodos específicos de uso do ChatGPT em cenários de trabalho
7. Como o ChatGPT otimiza fluxos de trabalho e aumenta a eficiência
8. Casos abrangentes e resumo do empoderamento de programadores pelo ChatGPT, além do plano de estudos para os próximos passos

Parte 2: Prática de projeto Java

1. Aprenda a aplicar técnicas e métodos do ChatGPT em projetos Java
2. Use o ChatGPT para diálogos de múltiplas rodadas e redação de documentos
3. Apresentação do projeto e configuração do ambiente, preparando o terreno para o bom andamento do projeto
4. Design e implementação das tabelas de dados, construindo a estrutura base do projeto
5. Desenvolvimento da funcionalidade de login, garantindo a segurança e a estabilidade do sistema
6. Funcionalidade de interceptação de login, aumentando a segurança do sistema
7. Implementação do design da tabela de funcionários, oferecendo suporte ao gerenciamento de funcionários
8. Desenvolvimento da funcionalidade de cadastro de funcionários, aprimorando a funcionalidade do sistema
9. Uso de AOP para preenchimento automático de campos de data e hora, aumentando a eficiência do desenvolvimento
10. Implementação da classe de tratamento global de exceções, garantindo a estabilidade do sistema
11. Desenvolvimento da funcionalidade de consulta de funcionários, facilitando o gerenciamento
12. Implementação da funcionalidade de carrinho de compras, melhorando a experiência do usuário
13. Uso do bito para leitura e refatoração de código, otimizando a estrutura e o desempenho do projeto
14. Implementação de testes unitários, garantindo a qualidade do código e a estabilidade do sistema

Parte 3: Prática de projeto front-end

1. Apresentação do projeto, preparando o terreno para o bom andamento do projeto front-end
2. Montagem do projeto e configuração inicial, construindo a estrutura base do projeto
3. Implementação da funcionalidade de registro, oferecendo serviço de cadastro aos usuários
4. Desenvolvimento da funcionalidade de login, garantindo a segurança e a estabilidade do sistema
5. Design do layout da página inicial, fornecendo uma interface amigável ao usuário
6. Design do layout da página de experiências de entrevista, otimizando o processo de entrevista
7. Implementação da funcionalidade de lista de experiências de entrevista, fornecendo materiais de entrevista
8. Desenvolvimento da funcionalidade de favoritos, facilitando o gerenciamento de recursos de entrevista pelo usuário
9. Design e implementação da página Meu, fornecendo serviços personalizados ao usuário

Parte 4: Prática de projetos de big data

1. Introdução aos objetivos do projeto e metas de aprendizado, preparando-se para o projeto
2. Visão geral do projeto, entendendo o contexto e o propósito do projeto
3. Introdução ao conjunto de dados, conhecendo profundamente o conjunto de dados utilizado no projeto
4. ChatGPT para construção do data warehouse, montando o data warehouse do projeto
5. Implementação da camada ODS, fornecendo suporte para o processamento de dados
6. Implementação da camada DWD, construindo a parte central do data warehouse
7. Construção da camada DWM, realizando análise e processamento multidimensional dos dados
8. Construção da camada APP, fornecendo suporte para a visualização e aplicação dos dados
9. ChatGPT e Sqoop para exportação de dados, exportando os dados para o diretório especificado
10. FineBI para visualização de dados, apresentando os resultados da análise de dados
11. Resumo do projeto, resumindo os aprendizados e experiências do projeto
12. Descrição do ambiente de desenvolvimento do projeto, entendendo o ambiente necessário para o desenvolvimento do projeto

Parte 5: Prática de projetos de inteligência artificial

1. Introdução ao projeto, apresentando o contexto e o propósito do projeto
2. Apresentação do projeto, entendendo o conteúdo e os objetivos do projeto
3. Fluxo geral de reconhecimento de modelos de veículos, organizando o fluxo completo do projeto
4. Obtenção do conjunto de dados, coletando o conjunto de dados necessário para o projeto
5. Aprimoramento de imagens, processando e aprimorando o conjunto de dados
6. Construção do modelo, projetando e montando o modelo necessário para o projeto
7. Treinamento do modelo, treinando o modelo e otimizando o desempenho
8. Previsão do modelo, reconhecendo e classificando imagens
9. Implantação do modelo, implantando o modelo treinado no projeto
10. Resumo do projeto, resumindo os aprendizados e experiências do projeto

Parte 6: Prática de projetos de teste

1. Objetivos do curso, definir metas de aprendizagem e significado do projeto
2. Introdução ao projeto, compreender o contexto e o conteúdo do projeto
3. Solução de implementação de testes de automação de UI, escolher a solução de teste de automação adequada
4. Análise de casos de teste, analisar os casos de teste necessários para o projeto
5. ChatGPT gera script - parte de login, usar o ChatGPT para gerar script de login e realizar encapsulamento de objetos de página
6. ChatGPT gera script - parte de pesquisa de produtos, gerar script de pesquisa de produtos e realizar encapsulamento de objetos de página
7. ChatGPT gera script - parte de adicionar ao carrinho, gerar script de adicionar ao carrinho e realizar encapsulamento de objetos de página
8. Otimização de código, otimizar os scripts de teste gerados automaticamente