搭建企业内部的大语言模型系统

content:
  items:
  - content:
      header: 项目简介
      description: 
      - 结合人工智能技术，打造企业私有版大语言模型。


link:
content:
  meta:
  items:
  - link:
    content:
        header: 实战应用技术
        meta:
        - 私有化大模型
        - LangChain
        - 连接模块
        - 大模型管理能力
        description:
  - link:
    content:
        header: 实战亮点
        meta:
        description:
            - 搭建企业内部的大语言模型系统。
            - 使用本地化的GPT大模型与数据和环境进行交互，无数据泄露风险，让大模型的能力绝对私有、安全、可控。


link:
content:
  items:
  - image: https://course.ceba.ceshiren.com/ai/aigc/case/assets/gpt.jpg
  - image: https://course.ceba.ceshiren.com/ai/aigc/case/assets/gpt2.jpg

基于大语言模型应用框架 LangChain 的实战

content:
  items:
  - content:
      header: 项目简介
      description:
      - 基于大语言模型应用框架 LangChain 的应用实战。


link:
content:
  meta:
  items:
  - link:
    content:
        header: 实战应用技术
        meta:
        - LangChain
        - 数据库操作智能体
        - 网页数据爬取
        - 自动化测试生成工具
        description:
  - link:
    content:
        header: 实战亮点
        meta:
        description:
            - LangChain 核心模块的应用。
            - 结合 LangChain 实现数据库操作智能体与网页数据爬取。
            - 搭建基于 LangChain 的人工智能测试平台。


link:
content:
  items:
  - image: https://course.ceba.ceshiren.com/ai/llm_app/case/assets/llm.png
  - image: https://course.ceba.ceshiren.com/ai/llm_app/case/assets/llm2.png

UIDiff 检测技术实战

content:
  items:
  - content:
      header: 项目简介
      description:
      - 兼容机型下的 App 页面的智能视觉 Diff 检查解决方案。
      - 基于历史数据构建数据集，使用 Pytorch 构建异常页面、元素检测模型，实现异常元素的召回及可视化。


link:
content:
  meta:
  items:
  - link:
    content:
        header: 实战应用技术
        meta:
        - TensorFlow
        - PyTorch
        - OpenCV
        - OCR
        description:
  - link:
    content:
        header: 实战亮点
        meta:
        description:
          - 建立智能UI Diff技术体系矩阵，解决各端、各场景下的校验能力。
          - 使用深度特征和页面骨架结合的方式实现复杂页面的相似度度量。
          - 基于视觉理解的内容+布局维度的智能diff校验技术。


link:
content:
  items:
  - image: https://course.ceba.ceshiren.com/ai/visual_ai/case/assets/visual_uidiff1.jpg
  - image: https://course.ceba.ceshiren.com/ai/visual_ai/case/assets/visual_uidiff2.jpg

深度学习与测试用例自动生成

content:
  items:
  - content:
      header: 项目简介
      description: 
      - 通过分析历史测试用例与结果,自动学习测试用例的模式与规律,然后生成新的测试用例。
      - 深度学习可以通过分析历史测试用例与结果,自动学习测试用例的模式与规律,然后生成新的测试用例。


link:
content:
  meta:
  items:
  - link:
    content:
        header: 实战应用技术
        meta:
        - PyTorch
        - 深度学习
        description:
  - link:
    content:
        header: 实战亮点
        meta:
        description:
            - 采用神经网络可以生成符合语法与结构的测试用例。
            - 输入大量的正样本测试用例与负样本非测试用例进行训练。
            - 深度学习对大量的测试结果与日志进行深入分析,找出测试缺陷的模式与规律,产生测试报告与缺陷列表。
            - 通过对历史测试结果与缺陷报告的深度学习,可以建立软件缺陷的检测模型,然后自动分析新测试结果中的缺陷。


link:
content:
  items:
  - image: https://course.ceba.ceshiren.com/ai/pytorch/case/assets/testcase.png
  - image: https://course.ceba.ceshiren.com/ai/pytorch/case/assets/test_result.png

知识图谱自动生成用例

content:
  items:
  - content:
      header: 项目简介
      description: 
      - 知识图谱与测试应用结合，生成测试用例。
      - 结合知识图谱与图数据库知识，将测试用例与代码变更进行关联与分析，实现精准测试效果。


link:
content:
  meta:
  items:
  - link:
    content:
        header: 实战应用技术
        meta:
        - 知识图谱
        - Neo4j
        - GraphWalker
        - EvoSuite
        description:
  - link:
    content:
        header: 实战亮点
        meta:
        description:
            - 使用 EvoSuite 自动生成单元测试用例。
            - 使用 GraphWalker 实现自动化测试用例生成。
            - 基于 Web/App 遍历与录制技术实现 Web/App 自动化测试用例生成。
            - 结合知识图谱与图数据库知识，将测试用例与代码变更进行关联与分析，实现精准测试效果。


link:
content:
  items:
  - image: https://course.ceba.ceshiren.com/ai/graph_model/case/assets/EvoSuite.png
  - image: https://course.ceba.ceshiren.com/ai/graph_model/case/assets/image2020-12-2_11-44-17.png