-
大V讲堂——能耗高效的深度学习
现在大多数的AI模型，尤其是计算视觉领域的AI模型，都是通过深度神经网络来进行构建的，从2015年开始，学术界已经开始注意到现有的神经网络模型都是需要较高算力和能好的。并且有大量的研究论文集中于如何将这些AI模型从云上部署到端侧，为AI模型创造更多的应用场景和产业价值。
来自：其他 -
HCIE-GaussDB-OLTP V1.0
-
物联网无线长距离技术专题
-
AI论文精读会：文档级事件抽取模型Doc2EDAG解读分享
法，让更多人来低门槛使用经典的算法。本期由来自中国科学院软件研究所的唐家龙，从论文概览、算法模型剖析、代码复现三个方面带领大家解读《Doc2EDAG: An End-to-End Document-level Framework for Chinese Financial Event
来自：其他 -
华为云生态营销特训营--2B直播营销新运作
![]()
-
大V讲堂——人工智能的能与不能
![]()
-
大V讲堂——神经网络结构搜索
![]()
-
大V讲堂——开放环境下的自适应视觉感知
![]()
现有机器视觉学习技术通常依赖于大规模精确标注的训练数据。在典型实验室环境下设计和训练的人工智能模型，在行业应用场景变换时，容易导致系统性能急剧下降。本课程将从弱监督视觉理解的角度，介绍在降低模型对特定应用场景数据依赖方面所开展的一些研究工作。
来自：其他 -
大V讲堂——开放环境下的自适应视觉感知
![]()
现有机器视觉学习技术通常依赖于大规模精确标注的训练数据。在典型实验室环境下设计和训练的人工智能模型，在行业应用场景变换时，容易导致系统性能急剧下降。本课程将从弱监督视觉理解的角度，介绍在降低模型对特定应用场景数据依赖方面所开展的一些研究工作。
来自：其他 -
大V讲堂——自然语言处理和语言情感分析
-
鸿蒙：万物智联时代的操作系统
![]()
统是各行业软硬件系统中承上启下的“魂”。深入分析全场景协同下OpenHarmony的整体方案，以及对应的RTOS V2X架构和关键技术，并分享典型案例。
来自：其他 -
磁盘存储和文件系统
![]()
件系统ext系列、iso9660、nfs、vfat、swap、btreefs;文件系统创建mkfs、mke2fs与管理工具fsck、dumpe2fs, tune2fs、e2label、blkid等。
来自：其他 -
HCIP-Cloud Service Solutions Architect V3.0（中文版）
![]()
HCIP-Cloud Service Solutions Architect V3.0华为认证云服务架构师，培养和认证华为云服务的云上架构设计及云运维等能力的解决方案架构师，具备传统企业应用架构和微服务架构设计上云的能力。
来自：其他 -
【营前准备】HCIA-Cloud Service V3.0备考训练营
![]()
-
大V讲堂——自然语言处理和语言情感分析
![]()
-
【营前准备】HCIA-Cloud Service V3.0备考训练营
![]()
-
HCIP-Cloud Service Solutions Architect V3.0（中文版）
![]()
HCIP-Cloud Service Solutions Architect V3.0华为认证云服务架构师，培养和认证华为云服务的云上架构设计及云运维等能力的解决方案架构师，具备传统企业应用架构和微服务架构设计上云的能力。
来自：其他 -
业界主流AI开发框架
![]()
HCIA-AI V3.0系列课程。本课程将主要讲述为什么是深度学习框架、深度学习框架的优势并介绍二种深度学习 框架，包括Pytorch和TensorFlow。接下来会结合代码详细讲解TensorFlow 2的基 础操作与常用模块的使用。最后将通过基于TensorFlow的MNIST手写体数字的实
来自：其他 -
【营前准备】HCIP - Cloud Service Solution Architect V3.0备考训练营
![]()
本课程主要为备考训练营的营前准备；介绍HCIP - Cloud Service Solution Architect V2.0职业认证考试进入考场前的准备，了解考场操作界面，掌握考试题型和解题思路。
来自：其他 -
磁盘存储和文件系统
![]()
件系统ext系列、iso9660、nfs、vfat、swap、btreefs;文件系统创建mkfs、mke2fs与管理工具fsck、dumpe2fs, tune2fs、e2label、blkid等。
来自：其他 -
业界主流AI开发框架
![]()
HCIA-AI V3.0系列课程。本课程将主要讲述为什么是深度学习框架、深度学习框架的优势并介绍二种深度学习 框架，包括Pytorch和TensorFlow。接下来会结合代码详细讲解TensorFlow 2的基 础操作与常用模块的使用。最后将通过基于TensorFlow的MNIST手写体数字的实
来自：其他
