传智教育引通义灵码进课堂,为技术人才教育学习提效

简介: 7 月 17 日,阿里云与传智教育在阿里巴巴云谷园区签署合作协议,双方将基于阿里云智能编程助手通义灵码在课程共建、品牌合作及产教融合等多个领域展开合作,共同推进 AI 教育及相关业务的发展,致力于培养适应未来社会需求的高素质技术人才。

7 月 17 日,阿里云与传智教育在阿里巴巴云谷园区签署合作协议,双方将基于阿里云智能编程助手通义灵码在课程共建、品牌合作及产教融合等多个领域展开合作,共同推进 AI 教育及相关业务的发展,致力于培养适应未来社会需求的高素质技术人才。

image.png

阿里云云原生运营负责人王荣刚、传智教育 AI 编程业务负责人陈长宏作为双方企业代表签署合作协议。双方此次合作的重点,将阿里云的智能编程辅助工具——通义灵码,引入到传智教育的教学体系中。

image.png

阿里云云原生运营负责人王荣刚在签约仪式上表示,阿里云积极投身大模型浪潮、推动大模型技术在编程领域的发展。自 2023 年 11 月发布以来,通义灵码已迅速成为国内最受开发者喜爱的 AI 编程工具,累计下载量突破 350 万,统计显示,每日推荐代码次数超过 3000 万,显著提升开发者效率。在 CSDN 最新发布的《2024 年中国开发者调查报告》指出,已有超过 80% 的开发者已经在使用AI编程工具,通义灵码在国内开发者使用率位居第一。


此番阿里云与传智教育携手,将围绕培训课程、编程大赛、联合活动等多个维度,共同构建 AI 时代的教育新生态。

image.png

传智教育 AI 编程业务负责人陈长宏详细介绍了双方的合作规划。传智教育一直致力于培养面向未来的高素质技术人才,而阿里云通义灵码作为智能编程领域的佼佼者,其领先的大模型技术底座和先进的实战经验是宝贵的资源。双方将共同开发出一系列高质量、实战性强的人工智能课程,为学员提供更加全面、深入的学习体验。


相信通过双方的共同努力,将推动人工智能教育的蓬勃发展,为培养更多具有创新精神和实践能力的人工智能人才贡献智慧和力量。更期待与阿里云通义灵码在更多领域展开合作,共同探索产教融合的新模式、新路径。

image.png

活动现场,阿里云技术专家张昕东从 AIGC 对生活和研发的影响,引出了企业软件研发的挑战及智能化的机会、人工智能带来的新的人机协同模式、研发知识传递形态的改变等,介绍通义灵码是为打造最佳 AI 人机协同模式而生,并具体演示了通义灵码产品功能。

image.png

传智教育研究院高级架构师罗学勇介绍,已开始将通义灵码引入课堂进行高效授课,在前期针对通义灵码引入教学教案的测试中发现,通义灵码的代码提示的准确率非常高,达 90%,且能通过注释微调代码(比如从 for 循环微调成 fori 循环),准确率接近 100%,这种高准确率的代码生成功能,在课堂上能够大大节省老师逐行敲代码的时间,非常有效的提升课堂授课效率。

image.png

同时,学员在课下可以使用通义灵码梳理知识点、编程思路分析、知识点复盘、自我评测等,全方位提升驾驭智能工具的能力,目前学员对通义灵码的使用满意度达 95% 以上。

image.png

据了解,这套课程体系目前已在传智教育的 Java 学科率先试点,从基础阶段数据来看对 IT 课程教学提效明显。

image.png

结合通义灵码,讲师授课效率提升了 35%,讲授的知识内容可提升 40%。且在过程中,学员并未因为学习内容多而感觉有学习负担,反而积极性高涨,享受通过 AI 技术来学习、掌握更多知识的过程。


AI 求职季通义灵码新用户见面礼

4000 份通义灵码新用户见面礼加急派送中!


体验“AI 求职季”场景并首次安装使用通义灵码,即获纪念帆布包 1 个,送完即止。上传体验心得,更有万份求职季好礼等你抽取!


扫描图片二维码或点击此处,马上参与活动。

image.png

相关实践学习
流水线运行出错排查难?AI帮您智能排查
本实验将带您体验云效流水线Flow的智能排查能力,只需短短1-2分钟,即可体验AI智能排查建议。
ALPD云架构师系列 - 云原生DevOps36计
如何把握和运用云原生技术,撬动新技术红利,实现持续、安全、高效和高质量的应用交付,并提升业务的连续性和稳定性,这是云原生时代持续交付共同面对的机会和挑战。本课程由阿里云开发者学堂和阿里云云效共同出品,是ALPD方法学云架构师系列的核心课程之一,适合架构师、企业工程效能负责人、对DevOps感兴趣的研发、测试、运维。 课程目标 前沿技术:了解云原生下DevOps的正确姿势,享受云原生带来的技术红利 系统知识:全局视角看软件研发生命周期,系统学习DevOps实践技能 课程大纲: 云原生开发和交付:云研发时代软件交付的挑战与云原生工程实践 云原生开发、运行基础设施:无差别的开发、运行环境 自动部署:构建可靠高效的应用发布体系 持续交付:建立团队协同交付的流程和流水线 质量守护:构建和维护测试和质量守护体系 安全保障:打造可信交付的安全保障体系 建立持续反馈和持续改进闭环
相关文章
|
7月前
|
负载均衡 测试技术 调度
大模型分布式推理:张量并行与流水线并行技术
本文深入探讨大语言模型分布式推理的核心技术——张量并行与流水线并行。通过分析单GPU内存限制下的模型部署挑战,详细解析张量并行的矩阵分片策略、流水线并行的阶段划分机制,以及二者的混合并行架构。文章包含完整的分布式推理框架实现、通信优化策略和性能调优指南,为千亿参数大模型的分布式部署提供全面解决方案。
2136 4
|
7月前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
3052 3
|
7月前
|
机器学习/深度学习 缓存 监控
大模型推理优化技术:KV缓存机制详解
本文深入探讨了大语言模型推理过程中的关键技术——KV缓存(Key-Value Cache)机制。通过对Transformer自注意力机制的分析,阐述了KV缓存的工作原理、实现方式及其对推理性能的显著优化效果。文章包含具体的代码实现和性能对比数据,为开发者理解和应用这一关键技术提供实践指导。
2170 8
|
7月前
|
人工智能 机器人 人机交互
当AI学会“看、听、懂”:多模态技术的现在与未来
当AI学会“看、听、懂”:多模态技术的现在与未来
460 117
|
7月前
|
人工智能 自然语言处理 安全
AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教系统融合大语言模型、教育知识图谱、多模态交互与智能体架构,实现精准学情诊断、个性化辅导与主动教学。支持图文语音输入,本地化部署保障隐私,重构“教、学、评、辅”全链路,推动因材施教落地,助力教育数字化转型。(238字)
1222 23
|
7月前
|
机器学习/深度学习 存储 并行计算
大模型推理加速技术:FlashAttention原理与实现
本文深入解析大语言模型推理加速的核心技术——FlashAttention。通过分析传统注意力机制的计算瓶颈,详细阐述FlashAttention的IO感知算法设计、前向反向传播实现,以及其在GPU内存层次结构中的优化策略。文章包含完整的CUDA实现示例、性能基准测试和实际部署指南,为开发者提供高效注意力计算的全套解决方案。
1410 10
|
7月前
|
人工智能 文字识别 自然语言处理
从“看见”到“预见”:合合信息“多模态文本智能技术”如何引爆AI下一场革命。
近期,在第八届中国模式识别与计算机视觉学术会议(PRCV 2025)上,合合信息作为承办方举办了“多模态文本智能大模型前沿技术与应用”论坛,汇聚了学术界的顶尖智慧,更抛出了一颗重磅“炸弹”——“多模态文本智能技术”概念。
304 1
|
7月前
|
存储 人工智能 算法
大模型4-bit量化技术详解
本文系统阐述大语言模型的4-bit量化技术,深入解析GPTQ、AWQ等主流量化方法的原理与实现。通过详细的数学推导、代码实现和实验对比,展示4-bit量化如何将模型内存占用降低75%以上同时保持模型性能。文章涵盖量化感知训练、后训练量化、混合精度量化等关键技术,为开发者提供完整的模型压缩解决方案。
1706 7
|
7月前
|
监控 算法 测试技术
大模型推理服务优化:动态批处理与连续批处理技术
本文系统阐述大语言模型推理服务中的关键技术——动态批处理与连续批处理。通过分析传统静态批处理的局限性,深入解析动态批处理的请求调度算法、内存管理策略,以及连续批处理的中断恢复机制。文章包含完整的服务架构设计、核心算法实现和性能基准测试,为构建高性能大模型推理服务提供全面解决方案。
956 3
|
7月前
|
机器学习/深度学习 存储 缓存
大模型推理加速技术:PagedAttention原理与实现
本文深入解析大语言模型推理中的革命性技术——PagedAttention,该技术是vLLM推理引擎的核心创新。通过将操作系统中的虚拟内存分页概念引入注意力机制,PagedAttention有效解决了KV缓存的内存碎片问题,实现了近乎零浪费的KV缓存管理。文章详细阐述其原理、内存管理机制、实现细节,并提供完整的代码示例和性能分析。
954 1