解释 AI 的基本概念和在各个领域的应用。

描述机器学习、Deep Learning 和 Neural Network 的核心原理，并将其应用到实际场景中。

分析 Generative AI 在 Transformer 业务运营中的作用，找出创新和流程改进的机会。

针对组织面临的挑战，结合伦理方面的考虑，设计一个 AI 生成解决方案。

描述生成式人工智能，并将其与判别式人工智能区分开来。

描述生成式人工智能的功能及其在现实世界中的应用案例。

确定生成式人工智能在不同部门和行业中的应用。

探索用于文本、代码、图像、音频和视频生成的常见人工智能生成模型和工具。

解释 Prompt 工程在生成式 AI 模型中的概念和意义。

应用创建 Prompt 的最佳实践。

评估常用的 prompt engineering 工具。

应用常用的 prompt engineering 技巧和方法来撰写有效的 prompt。

描述 Web 应用程序开发生态系统以及前端开发员、后端、服务器端和 Full Stack 等术语。

识别用于构建和测试网络应用程序的开发人员工具、JSFiddle 等在线编辑器和 Integrated Development Environment (IDE)。

使用 HTML 创建和构建基本网页，并使用 CSS 制作网页样式。

使用 JavaScript 开发动态和交互式网页，包括 DOM 操作、表单验证和客户端脚本技术。

通过学习基本语法、数据类型、表达式、变量和 String 操作，培养对 Python 编程的基础理解。

使用数据结构、条件和分支、Loop、函数、异常处理、对象和类应用 Python 编程逻辑。

熟练使用 Pandas 和 Numpy 等 Python 库，并使用 Jupyter Notebook 开发代码。

通过使用请求处理 REST API 和使用 BeautifulSoup 执行网络刮擦，访问和提取基于网络的数据。

描述创建 Python 应用程序所涉及的步骤和流程，包括应用程序的开发生命周期

创建 Python 模块、运行单元测试并打包应用程序，同时确保采用 PEP8 最佳编码实践

使用 Flask 构建和部署网络应用程序，包括路由、错误处理和 CRUD 操作。

使用 IBM Watson AI 库和 Flask 在网络服务器上创建和部署基于 AI 的应用程序

解释 Generative AI 的核心概念，包括 Large Language Model、语音技术以及 IBM watsonX 和 Hugging Face 等平台

使用 LLM、Retrieval Augmented Generation（RAG）和 Python 基础框架，构建生成式 AI 驱动的应用程序和聊天机器人

整合语音到文本 (STT) 和文本到语音 (TTS) 技术，在 AI 应用程序中实现语音接口

使用 Flask 和 Gradio 等 Python 库，以及 HTML、CSS 和 JavaScript 等基本前端工具，开发基于网络的 AI 应用程序

演示如何使用生成式 AI 模型生成代码片段、脚本和程序

应用生成式 AI 技术进行应用程序设计、架构、Bug 检测、代码 Refactoring 和程序优化

使用 AI 驱动的生成工具（如 ChatGPT、GitHub Copilot、Google Gemini 和 IBM watsonx Code Assistant）开发创新解决方案

解释使用生成式 AI 编程所面临的挑战和伦理方面的考虑，以及减轻这些挑战和考虑的策略

描述软件开发人员的角色、典型的职业发展路径以及该领域新出现的机遇

解释如何为求职做准备，包括研究公司、确定合适的职位以及制定关键的求职计划

运用 Networking 和评估职位列表的策略，有效锁定并争取软件开发职位

展示面试过程每个阶段的准备情况，包括技术挑战、行为问题和面试后的跟进工作