AI大模型与数据治理
课程一：AI 架构——从计算基础设施到大模型工程化课程目标：掌握构建高性能、可扩展AI 系统架构的核心原理，解决模型从实验室走向生产环境的“最后一公里”问题。1.AI 计算基础设施架构▪异构计算资源：GPU（A100/H800/H20）与 NPU 集群的选型与拓扑。▪分布式训练架构：数据并行(DP)、模型并行 (MP)、流水线并行 (PP) 与 Ze
数据治理
企业数据体系建设-通过全局数据治理及分析实现持续效益提升
主讲：王旭刚老师【课程背景】在当今数据驱动的商业环境中，企业数据体系建设已不仅是技术升级，更是企业生存与发展的“数字地基”。它通过统一治理，打通孤岛、沉淀高质量数据资产，让原本分散、沉睡的数据转化为可复用、可增值的生产要素；借助实时分析与智能决策，企业得以精准捕捉需求、优化供应链、降低运营成本，在瞬息万变的市场中抢占先机。最终，数据治理及分析体系成为连接战略、业务与技术的“企业操作系统”
数据治理与数据资产管理体系-数字化转型的核心基建
课程背景：在数字经济深度渗透、全球产业竞争日趋激烈的背景下，数据已成为驱动企业数字化转型、构筑核心竞争力的关键生产要素。外部来看，技术迭代加速、合规要求趋严（GDPR、《数据安全法》等法规落地）、客户需求个性化升级，倒逼企业提升数据管理能力；内部来看，多数企业受制于数据整合能力薄弱、治理体系缺失、资产化路径模糊、专业人才短缺等问题，难以将海量数据转化为实际业务价值，唯有构建系统化、规范化、价值导向
大数据治理实践：从可用到管用的业务赋能之路
课程背景：2020年，大数据被正式列为新型生产要素,标志着大数据产业发展的新大幕正式开启。“十四五”期间，随着人工智能在各类应用场景中的加速落地，行业对数据的质量、规模与时效性要求日益明确，数据供给的空间约束也愈发紧迫；市场对大数据技术创新与应用落地的呼声空前高涨；各领域对大数据的需求更是日益旺盛且呈现出多元化、精细化的特征。同时，我们也看到了当前大数据技术发展存在滞后性，相关研究与实践多半停留在
数据治理与数据文化启航课
在数字化与智能化快速发展的背景下，企业在数据管理方面普遍面临数据分散、标准不一致、质量难保障、共享受限以及安全与合规压力等问题。数据治理作为企业数字化转型的基础工程，旨在以制度、流程与标准为出发点，提升数据的可用性、可靠性与安全性，支撑业务增长与管理提效。本课程面向管理者与关键岗位，提供体系化、可落地的治理认知与方法。
