网易微专业Python高级爬虫工程师【完结】

网易微专业Python高级爬虫工程师课程概览

网易微专业Python高级爬虫工程师【完结】,本套课程涵盖从Python编程基础到高级爬虫开发的完整体系,结合理论与实战,帮助学习者从零掌握网络数据采集技术。课程内容由浅入深,既有Python变量、数据类型、循环、函数、类的系统讲解,也包含Scrapy、Selenium等主流框架的应用,最终延伸到分布式爬虫与反爬破解的实战场景。网易微专业Python高级爬虫工程师【完结】

网易微专业Python高级爬虫工程师目录大纲

Python编程基础

课程起步阶段介绍Python的安装与运行环境配置,带领学习者理解变量、数据类型、列表、字典、布尔表达式、条件判断、循环与函数等核心知识点,并通过面向对象的类与实例应用打下扎实基础。

爬虫入门与进阶

系统讲解网络爬虫的基本原理、计算机网络知识与常用工具,包括Fiddler抓包、requests与urllib库的使用、Ajax数据解析及模拟登录等操作。学员将通过豆瓣读书、百度图片等项目,掌握从静态到动态页面的爬取方法。

框架与数据库

深入讲解Scrapy框架的安装与使用,带领学员实操名言网站、网易新闻数据采集。课程还配合SQLAlchemy与MySQL的基础与进阶应用,帮助学员完成数据清洗与存储。

高级与分布式爬虫

进阶模块围绕多线程、多进程与异步爬虫展开,涵盖threading、multiprocessing、concurrent.futures、asyncio、Celery等高效并发方案。课程通过知乎热榜、百度图片批量下载等案例,让学习者掌握高并发爬取与任务调度。

实战案例与反爬破解

在实战部分,课程结合真实业务需求,设计了房天下、京东、QQ音乐等平台的数据采集与入库项目,并深入讲解字体反爬破解、代理池搭建、分布式任务调度等核心技巧,全面提升学员的应对能力。

适合人群

  • 想快速入门Python编程的零基础学习者
  • 希望精通网络爬虫与数据采集的开发者
  • 有志于从事大数据、AI训练数据收集或互联网运营的从业人员
  • 想通过实战项目积累经验的编程爱好者

Web前端全栈工程师

Web前端全栈工程师课程概览

Web前端全栈工程师,该课程体系涵盖前端与全栈开发的完整知识结构,从JavaScript基础与进阶,到Node.js后台、React与Vue框架,再到移动端和小程序开发,几乎囊括了主流前端开发所需技能。课程形式以理论与实战结合,帮助学员从零基础快速成长为能够独立完成项目的前端工程师。Web前端全栈工程师

Web前端全栈工程师课程大纲

  • JavaScript核心:this指针、闭包、作用域、面向对象、原型链、Promise、模块化、性能优化、函数式编程。
  • 进阶语言:ES6新特性与实战、TypeScript上下篇。
  • Node.js生态:基础、原理、框架、HTTP与部署、缓存与安全、实战应用。
  • 主流框架:Vue.js(基础、高级、CLI、SSR、Vue3源码)、React.js(基础、高级、路由与同构、源码解析、实战项目)。
  • 跨平台与移动端:React Native实战、微信小程序开发(基础、框架、项目)、Hybrid、Flutter与Dart。
  • 工程化与性能优化:AST解析、Webpack模块化、自动化构建/测试/部署、大厂性能优化方案。
  • 前沿技术:Electron 桌面应用、低代码平台、微前端架构、Canvas与WebGL可视化。
  • 实战案例:仿知乎页面、首页登录与消息推送、后台技术集成。
  • 综合拓展:算法问题解析、设计模式、结业项目。

课程收益

  • 掌握前端核心知识与现代框架,建立扎实的工程化思维。
  • 能独立开发Web、移动端、小程序和桌面应用,具备全栈项目实战能力。
  • 熟悉大厂常用的性能优化、部署与安全方案。
  • 学会低代码与微前端,拓展新兴领域的技术边界。

适合人群

  • 想从零基础进入前端开发的初学者。
  • 希望系统提升技能的在职前端工程师。
  • 准备转型全栈开发或进军大厂的技术人员。
  • 对React、Vue、Node、Flutter等框架与跨平台开发感兴趣的学习者。

物联网嵌入式工程师

物联网嵌入式工程师,该课程系统覆盖了从嵌入式开发基础到智能硬件应用的全链路知识,旨在培养具备完整物联网项目实战能力的工程师。学员不仅能掌握Linux平台上的编程与开发,还将通过真实项目提升动手能力,为进入物联网与智能设备行业打下扎实基础。物联网嵌入式工程师

物联网嵌入式工程师

物联网嵌入式工程师课程大纲

阶段一:嵌入式开发基础

  • Linux C语言编程:掌握基础语法与开发环境搭建。
  • 数据结构:学习链表、队列、树等结构在嵌入式中的应用。
  • Linux Shell与Makefile:熟悉自动化编译与脚本操作。

阶段二:应用层开发

  • Linux文件操作:理解文件系统与常用API调用。
  • 多进程、多线程与IO模型:构建高并发嵌入式应用。
  • Linux网络编程:掌握Socket通信与常见协议实现。
  • C++编程:在嵌入式环境下进行面向对象开发。
  • QT人机交互:开发嵌入式GUI应用,提升用户体验。

阶段三:底层与硬件开发

  • ARM接口技术与智能硬件:掌握底层硬件编程与接口协议。
  • 系统移植:学习嵌入式操作系统裁剪与移植,打造定制化硬件平台。

学习收获

  • 掌握Linux下C/C++编程与系统开发技能
  • 能够开发稳定的多线程、多进程嵌入式应用
  • 熟悉网络编程与QT图形界面设计
  • 提升物联网设备开发与系统移植的工程能力
  • 具备物联网全流程项目实战经验

适合人群

  • 希望转型物联网工程师的开发人员
  • 有一定C语言基础,想深入嵌入式开发的学习者
  • 从事电子、通信、自动化领域的技术人员
  • 对智能硬件、物联网应用有兴趣的开发者

【创客学院】物联网开发+嵌入式开发 – 带源码课件

【创客学院】物联网开发+嵌入式开发 – 带源码课件【创客学院】物联网开发+嵌入式开发 – 带源码课件

大纲

01-LinuxC语言
02-LinuxC语言_高级
03-数据结构全攻略
04-嵌入式Linux下文件I0精讲
05-Linux井发程序设计你该这么学
06-Linux网络编程必修篇
07-嵌入式数据库之Sqlite3
08-在线词典综合实战
09-精通ARM体系结构及接口技术
10-全面掌握嵌入式系统移植
11-嵌入式内核及驱动开发(初级)
12-嵌入式内核及驱动开发(高级)
13-嵌入式项目实战
14-精通STM32开发
15-ZigBee系统开发
16-蓝牙4.0 BLE
17-RFID开发与应用
18-LoRa开发与应用
19-NB-I0T技术实践开发
20-WIFI开发与应用
linux编程环境配置
课件.zip

【创客学院】物联网开发+嵌入式开发

高数帮网课:多门学科全覆盖,“不挂科”宝藏学习资源来袭!

【不挂科】高数帮网课:多学科学习资源库,助力你轻松掌握知识!

高数帮网课:多门学科全覆盖,“不挂科”宝藏学习资源来袭!

你是否为即将到来的考试而忧心忡忡,担心自己挂科?你是否渴望在专业知识的海洋中畅游,却苦于找不到全面系统的学习资源?现在,有一个绝佳的学习伙伴——【不挂科】高数帮网课,它将为你的学习和备考之旅提供强大的助力,让你不再为学习而烦恼!

覆盖全面,多学科任你探索

【不挂科】高数帮网课如同一座知识的宝库,涵盖了生物化学、宏观经济学、机械设计、常微分方程、工程热力学、结构力学、软件工程、通信原理、财务管理、微机原理、计算机组成原理、操作系统、流体力学、电力电子与自动控制、普通化学、传热学、计量经济学、数字信号处理以及单片机等众多学科。无论你所学的是工科、理科、经济学科还是计算机学科,无论你是在校大学生备考期末考试,还是自学爱好者渴望提升专业知识,这份资源都能满足你的需求,让你在学习中找到属于自己的天地。

资源亮点,学习无忧的强大助力

高度全面,适应多元需求

这份资源包犹如一张精心绘制的学习地图,涵盖了广泛的多门学科领域,能够满足不同专业背景学生的各种学习需求。无论是基础课程还是专业课程,都能在这里找到对应的学习资料,让你在不同学科之间轻松切换,实现全面发展。

深入讲解,构建知识体系

每门课程都配备了详细且全面的讲义,如同专业导师在你耳边娓娓道来,将复杂的知识点逐一剖析,让你轻松理解每个概念的内涵和本质。同时,视频讲解更是锦上添花,生动形象地展示各个知识点之间的联系和应用,帮助你构建起完整而清晰的知识体系,为深入学习打下坚实的基础。

实战为王,巩固知识要点

学习知识固然重要,但实践和应用才能真正掌握知识的精髓。【不挂科】高数帮网课为每个学科都精心准备了大量丰富多样的例题和习题,就像一个个实战场景,让你在学习完理论知识后,能够立即进行实践操作。通过在实践中不断运用所学知识,你不仅能够加深对知识点的理解和记忆,还能提高解决实际问题的能力,让知识真正内化为你自己的东西。

期末冲刺,助你轻松拿高分

对于大学生来说,期末考试往往是检验学习成果的关键时刻。【不挂科】高数帮网课深知同学们的需求,在资源包中贴心地提供了期末试卷及详细答案。这些珍贵的资料就像是你备考路上的秘密武器,让你能够熟悉考试题型和命题规律,提前进入考试状态,轻松应对考试,不再为挂科而担忧。

健康饮食,畅享美味生活

适合人群广泛,学习伙伴众多

【不挂科】高数帮网课适用于各个群体,是一个共享知识、共同进步的学习平台。

  • ​​大学生群体​​:对于各专业本科生来说,尤其是那些需要为期末考试奋力拼搏的同学们来说,这份资源包简直就是雪中送炭。它就像一位贴心的学习伙伴,陪伴你度过紧张而充实的备考时光,助你在考试中取得优异成绩。
  • ​​自学者群体​​:如果你对某个学科充满热情,渴望通过系统学习提升自己的专业素养,那么这份资料也将为你打开知识的大门。你可以根据自己的学习进度和需求,自由选择学习内容,深入探索相关领域的知识,实现自我成长和进步。
  • ​​教师群体​​:对于教师来说,这份资源包更是一个宝贵的教学资源库。你可以从中获取丰富的教学素材和参考资料,丰富课堂内容,创新教学方法,为学生提供更加精彩和高效的教学体验。

选择理由,权威、实用、高效、便捷

权威性:精心打造的优质资源

【不挂科】高数帮网课是由专业团队精心打造而成,每一个知识点、每一道例题都经过了严格的筛选和严谨的审核,确保内容的权威性和准确性。你可以放心地依赖这些资料,扎实地推进自己的学习和研究。

实用性:结合实际,学以致用

这份资源包紧密结合实际应用场景,将理论知识与实际问题相结合,让你在学习过程中能够深刻理解知识的实际价值和应用方法。通过解决实际问题,你不仅能够提高自己的专业能力,还能培养自己的实践思维和创新能力,为今后的学习和工作打下坚实的基础。

高效性:系统讲解,快速提升

通过系统的讲解和丰富的实战演练,你能够在短时间内快速掌握知识点,提高学习效率。无论是基础知识还是重难点内容,都能在专业导师的引导下迎刃而解,让你在学习过程中事半功倍,轻松提升学习成绩。

便捷性:随时随地,在线学习

【不挂科】高数帮网课打破了时间和空间的限制,你可以随时随地通过在线学习平台进行学习。无论是在课堂上、图书馆里,还是在家里、宿舍中,只要你有网络连接,就能轻松打开学习资料,开启学习之旅,让学习变得更加便捷和高效。

怀揣梦想,立即行动

别再让挂科的阴霾笼罩你的大学生活!每一次努力都是对自己的一次提升,每一份收获都是对未来的一份保障。立即下载【不挂科】高数帮网课,让这份全面系统的学习资源成为你学习道路上的有力武器,助力你在期末考试中游刃有余,轻松拿高分!向着知识的高峰奋勇攀登,实现自己的学业梦想,创造属于自己的辉煌未来!

大模型微调实战营-应用篇:从基础到进阶,带源码课件全面解析

【贪心科技】大模型微调实战营-应用篇 – 带源码课件,为你提供从基础到进阶的全面学习路径。课程内容涵盖大模型介绍、Transformer原理、分布式计算、Flash Attention等前沿技术。每周一次的直播课程,带你深入理解大模型微调的核心概念和技术细节,并通过实际案例和代码示例进行实战演练。

大模型微调实战营-应用篇:从基础到进阶,带源码课件全面解析

资源亮点

  • 详细讲解大模型的发展历程及应用场景
  • 深入剖析Transformer架构及其在自然语言处理中的应用
  • 系统介绍Lora微调、量化方法及多GPU并行计算技术
  • 探索Alpaca、AdaLoRA、QLoRA等先进微调技术
  • 强化学习入门及Optimal Policy、Monte Carlo方法介绍

部分精选内容

  • 大模型爆发式发展.mp4
  • Transformer的应用.mp4
  • Self-Attention.mp4
  • Alpaca.mp4
  • AdaLoRA.mp4
  • QLoRA.mp4
  • Flash Attention.mp4
  • Lora微调-从零实现Lora到Roberta.mp4
  • llama介绍&运行&量化&部署&微调01.mp4
  • Optimal Policy.mp4

适用人群

  • 机器学习工程师
  • 数据科学家
  • 自然语言处理研究人员
  • 计算机科学专业学生
  • 对大模型微调感兴趣的开发者

为什么选择这份资源

  • 系统性:从基础到进阶,全面覆盖大模型微调的关键知识点
  • 实战性:结合大量实战案例和代码示例,帮助你快速掌握技能
  • 前沿性:紧跟最新技术趋势,讲解当前最热门的大模型微调技术
  • 权威性:由业内资深专家授课,确保内容的准确性和实用性

加入我们,开启你的大模型微调之旅!立即下载,让这份资源成为你技术提升的强力助推器!

课程大纲

注:由于大模型技术迭代迅速,课程大纲可能会根据技术的迭代而动态调整,加入最新的知识,请以最终上课时的课程大纲和内容为准。

第一阶段 · 大模型基础

第一章:开营典礼
  • 课程介绍与目标
  • 学习安排与课程结构
  • 学员参与要求
  • 课程项目与技术概览
  • 推荐工具和开源资源
第二章:大模型是怎么炼成的
  • 大模型的概念与历史发展
  • 关键技术和算法基础
  • 数据准备与预处理
  • 预训练、指令微调、对齐
  • 模型评估以及能力分析
第三章:微调的应用场景
  • 微调与全量训练的区别
  • 微调在不同领域的应用案例
  • 选择微调任务和数据
  • 微调的效果评估方法
  • 微调项目的规划与管理
第四章:大模型基座-理解Transformer
  • Transformer模型的基础架构
  • Self-Attention机制的工作原理
  • Transformer在NLP任务中的应用
  • Transformer模型的变种与发展
  • 使用Transformer模型的实用技巧
  • Encoder和Decoder介绍
第五章:开源模型类别以及汇总
  • 常见的中英开源大模型介绍
  • 模型选择标准与评估
  • 开源模型的获取与使用
  • 社区支持与资源分享
  • 开源大模型发展方向
第六章:【项目实战】开源大模型以及部署
  • Huggingface介绍
  • 本地下载开源模型
  • 理解HF相应的库以及导入大模型
  • 模型封装以及部署
  • 性能优化与成本控制

第二阶段 · 大模型指令微调

第七章:指令微调基础
  • 指令微调的概念与应用价值
  • 指令集设计与实现
  • 微调流程与实践技巧
  • 性能评估与优化策略
  • 指令微调的挑战与解决方案
第八章:LoRA参数微调
  • LoRA微调的方法
  • 实施LoRA微调的步骤
  • LoRA微调在实际项目中的应用
  • 性能评估与调优技巧
  • LoRA微调的局限与未来展望
第九章:【项目实战】LoRA微调Alpaca项目
  • Alpaca项目介绍
  • 指令数据的理解
  • LoRA微调的实施与调优
  • 项目评估与效果分析
  • 经验总结与案例分享
第十章:模型压缩
  • 为什么需要大模型压缩
  • 模型压缩的方法与技术
  • 压缩对模型性能的影响
  • 压缩模型的常见方法
  • 模型服务化的最佳实践
第十一章:QLoRA参数微调
  • QLoRA微调技术介绍
  • 微调策略与实施过程
  • 应用QLoRA的案例
  • QLoRA微调的性能调优
  • 面临的问题与解决方法
第十二章:【项目实战】QLoRA参数微调智能客服项目
  • 设计QLoRA微调方案
  • 准备数据与环境配置
  • 开源模型选择
  • 执行微调与性能监控
  • 项目经验分享与讨论
第十三章:DeepSpeed训练框架解析
  • DeepSpeed框架概述
  • 配置与环境搭建
  • 在大模型训练中使用DeepSpeed
  • 分布式训练介绍
  • 框架背后技术实现
  • DeepSpeed参数理解
  • 实战案例与经验分享
第十四章:Megatron-LM训练框架解析
  • Megatron-LM框架介绍
  • 框架安装与配置指南
  • 应用Megatron-LM进行模型训练
  • 框架背后技术实现
  • Megatron-LM参数理解
  • 实战案例与经验分享
第十五章:Flash Attention技术应用
  • 为什么需要Flash Attention
  • GPU计算背景知识
  • Flash Attention技术背后
  • 在大模型中应用Flash Attention
  • 实际部署与应用案例
第十六章:微调模型Benchmark
  • 微调模型性能测试的重要性
  • Benchmark工具与方法介绍
  • 执行Benchmark的步骤与技巧
  • 结果分析与解读
  • Benchmark设计与业务场景
第十七章:【项目实战】微调QLoRA+Flash Attention
  • 结合QLoRA和Flash Attention的策略
  • 微调与部署的一体化流程
  • 项目实施的关键步骤
  • 成果评估与性能优化
  • 经验分享与问题解决

第三阶段 · 常用的开源模型微调

第十八章:开源模型家族以及类别
  • 开源模型的概述
  • 常见的开源模型分类
  • 选择开源模型的考量因素
  • 开源模型的获取和使用指南
  • 维护和贡献开源模型的最佳实践
第十九章:ChatGLM开源模型家族和应用
  • ChatGLM模型家族介绍
  • ChatGLM1到ChatGLM3迭代
  • ChatGLM的私有化部署
  • ChatGLM的特色
  • 微调ChatGLM模型的步骤和技巧
  • 微调案例分享
第二十章:【项目实战】ChatGLM微调医疗模型
  • 理解需求以及技术方案设计
  • 医疗指令数据的搜集
  • 医疗Benchmark的获取和整理
  • 微调ChatGLM+LoRA模型
  • 微调案例分享
第二十一章:Qwen和YI开源模型家族和应用
  • Qwen和YI模型家族概述
  • 两个模型家族的迭代
  • Qwen和YI大模型的私有化部署
  • 两个大模型家族的特色
  • 微调Qwen和YI模型的实践指南
  • 微调案例分享
第二十二章:LLaMA开源模型家族和应用
  • LLaMA模型家族特点
  • LLaMA大模型的迭代和架构变化
  • LLaMA大模型的私有化部署
  • 微调LLaMA模型的方法和建议
  • LLaMA模型微调的案例分析
  • 微调案例分享
第二十三章:Mistral和Phi开源模型家族和应用
  • Mistral和Phi模型家族简介
  • Mistral和Phi在多语言中的应用
  • 两大模型家族的特色
  • 量大模型家族的私有化部署
  • 微调Mistral和Phi模型的流程
  • 微调案例分享
第二十四章:MoE模型特点以及应用
  • MoE(Mixture of Experts)模型概念
  • MoE模型在大规模数据处理中的优势
  • 微调MoE模型的关键点
  • MoE模型的应用案例
  • MoE模型的扩展性和可维护性问题
  • Mistral 8x7b
  • 微调案例分享
第二十五章:【项目实战】Mistra 8x7B微调智能客服模型
  • 理解需求以及技术方案设计
  • 智能客服指令数据收集
  • Benchmark的获取和整理
  • 微调Mistra 8x7b+QLoRA模型
  • 模型评估以及验收报告制作
第二十六章:其他开源模型以及应用
  • Baichuan中文大模型
  • Falcon模型家族
  • Bloom模型介绍
  • 不同领域开源模型的应用实例
  • 微调这些开源模型的技术指导
第二十七章:开源模型特色以及选择
  • 评估开源模型的关键标准
  • 匹配项目需求和模型特性
  • 实践中选择开源模型的经验分享
  • 开源模型使用中的常见陷阱
  • 社区和资源的重要性

第四阶段 · 大模型对齐

第二十八章:大模型对齐基础
  • 大模型对齐的重要性和应用场景
  • 基本对齐技术和方法概述
  • 对齐过程中的数据处理和预处理
  • 模型对齐的评估指标
  • 大模型对齐的挑战和策略
第二十九章:用于对齐的开源数据
  • 开源数据集的重要性和来源
  • 选择和处理对齐用的开源数据
  • 开源数据在模型对齐中的应用
  • 数据隐私和伦理考量
  • 维护和更新开源数据集
第三十章:RLHF技术和应用
  • RLHF(强化学习从人类反馈)技术介绍
  • RLHF在模型对齐中的应用案例
  • 实施RLHF技术的步骤
  • RLHF技术的效果评估
  • 解决RLHF应用中的问题
  • RLHF实战案例分析
第三十一章:DPO技术和应用
  • DPO(Direct Preference Optimization)概念
  • DPO在优化模型对齐中的作用
  • 实现DPO的关键技术点
  • DPO应用的案例和效果分析
  • DPO技术的挑战和前景
  • DPO实战案例分享
第三十二章:【项目实战】RLHF推荐模型对齐项目
  • 需求分析以及技术方案设计
  • 数据收集和预处理
  • 训练Reward Model
  • 训练RLHF完整微调
  • 项目的评估和优化
第三十三章:【项目实战】DPO推荐模型对齐项目
  • 需求分析以及技术方案设计
  • 对齐数据的准备和处理
  • 执行DPO模型对齐流程
  • 对齐效果的评估和调整
  • 项目中遇到的挑战
第三十四章:讨论大模型对齐
  • 当前大模型对齐技术的发展趋势
  • 模型对齐在大模型中的真正价值
  • 对齐在工程上挑战
  • 模型对齐技术的伦理和社会影响
  • 资源推荐和学习路径

第五阶段 · 垂直领域大模型应用

第三十五章:垂直领域大模型微调基础
  • 垂直领域的研发符合中国现状
  • 垂直领域大模型研发pipeline
  • 微调大模型的基本方法和流程
  • 选择合适的微调策略
  • 微调中的性能优化技巧
  • 微调项目的评估和调整
第三十六章:医疗领域大模型微调
  • 智能问诊领域的应用场景和需求
  • 大模型能力维度设计
  • 领域内benchmark设计
  • 快速测试开源模型能力并选择合适的模型
  • 微调模型以适应医疗数据
  • 模型部署以及RAG设计
第三十七章:金融领域大模型微调
  • 金融领域通用大模型需求分析
  • 金融领域大模型benchmark
  • XuanYuan开源项目剖析
  • 金融领域大模型案例解读
  • 微调模型在金融Benchmark上的评估
  • 金融领域中的未来潜在落地场景
第三十八章:教育领域大模型微调
  • 教育领域的大模型应用场景和需求
  • 微调大模型进行个性化学习支持
  • EduChat开源项目剖析
  • 指令数据和对齐数据的整理
  • Benchmark以及大模型评估
  • 教育领域中的未来潜在落地场景
第三十九章:课程总结以及结营
  • 课程学习要点回顾
  • 项目成果分享和评估
  • 学习心得和经验交流
  • 未来发展趋势和学习路径

程序员的 AI 启蒙课:ChatGPT 让你 1 人顶 3 人 – 带源码课件

程序员的 AI 启蒙课:ChatGPT 让你 1 人顶 3 人 - 带源码课件

程序员的 AI 启蒙课:ChatGPT 让你 1 人顶 3 人 - 带源码课件

名称:程序员的 AI 启蒙课:ChatGPT 让你 1 人顶 3 人 – 带源码课件

描述:使用 ChatGPT + Copilot 快速开发 Vue3 仿简书项目,90% 代码由 AI 生成,效率质量双提升。

最新-中小厂程序员资料分享

最新-中小厂程序员资料分享

标准按照 GB/T 1.1—2020《标准化工作导则第 1 部分:标准化文件的结构和起草规则》的规定
起草。
请注意本标准的某些内容可能涉及专利。本标准的发布机构不承担识别专利的责任。
本标准由中关村智联软件服务业质量创新联盟提出并归口。
本标准起草单位:中关村智联软件服务业质量创新联盟、京东科技控股股份有限公司、横琴人寿保
险有限公司、北京昊诚亚旭科技有限公司、北京思码逸科技有限公司、腾讯云计算(北京)有限公司、
云加速(北京)科技有限公司、浙江中控技术股份有限公司、中国人寿财产保险股份有限公司、中电万
维信息技术有限责任公司、金邦达有限公司北京分公司、紫光软件系统有限公司、北京四方继保自动化
股份有限公司、中兴通讯股份有限公司、中国光大银行股份有限公司、株洲中车时代电气股份有限公司、
平安银行股份有限公司、河北远东通信系统工程有限公司、网易(杭州)网络有限公司、中电海康集团
有限公司、北京百度网讯科技有限公司、望海康信(北京)科技股份公司、京东方科技集团股份有限公
司、潍柴动力股份有限公司、新华三技术有限公司、北京经纬恒润科技股份有限公司、华为技术有限公
司、广联达科技股份有限公司、北京轩宇信息技术有限公司、科大讯飞股份有限公司、北京字节跳动网
络技术有限公司、天翼云科技有限公司、中国民航信息网络股份有限公司、北京奕斯伟计算技术有限公
司、中核控制系统工程有限公司、北京奇艺世纪科技有限公司、中国东方航空股份有限公司、黑龙江邮政易通信息网络有限责任公司、中国太平洋人寿保险股份有限公司、云智慧(北京)科技有限公司。

最新-中小厂程序员资料分享

最新-中小厂程序员资料分享