第一章 發(fā)展背景
當(dāng)今，世界無(wú)時(shí)無(wú)刻不在發(fā)生著變化。對(duì)于技術(shù)領(lǐng)域而言，普遍存在的一個(gè)巨大變化就是為大數(shù)據(jù)（Big data）打開(kāi)了大門(mén)。隨著國(guó)家大數(shù)據(jù)戰(zhàn)略推進(jìn)實(shí)施以及配套政策的貫徹落實(shí)，大數(shù)據(jù)產(chǎn)業(yè)發(fā)展環(huán)境進(jìn)一步優(yōu)化，社會(huì)經(jīng)濟(jì)各領(lǐng)域?qū)Υ髷?shù)據(jù)服務(wù)需求進(jìn)一步增強(qiáng)，大數(shù)據(jù)的新技術(shù)、新業(yè)態(tài)、新模式不斷涌現(xiàn)，產(chǎn)業(yè)規(guī)模持續(xù)保持高速增長(zhǎng)態(tài)勢(shì)。并且，隨著高校獲準(zhǔn)開(kāi)設(shè)“數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)”專(zhuān)業(yè)，大數(shù)據(jù)需要的復(fù)合型人才將源源不斷形成。加之海外和傳統(tǒng)行業(yè)跨界人才不斷加入大數(shù)據(jù)行業(yè)，大數(shù)據(jù)產(chǎn)業(yè)將迎來(lái)創(chuàng)新發(fā)展。
大數(shù)據(jù)時(shí)代的來(lái)臨加快了人工智能應(yīng)用的發(fā)展，隨著大數(shù)據(jù)的應(yīng)用，以及計(jì)算機(jī)算力的大幅提升，深度學(xué)習(xí)進(jìn)一步提升和完善的需要得到了滿足，數(shù)據(jù)驅(qū)動(dòng)的人工智能時(shí)代已經(jīng)到來(lái)，人工智能發(fā)展進(jìn)入新階段。當(dāng)前，新一代人工智能相關(guān)學(xué)科發(fā)展、理論建模、技術(shù)創(chuàng)新、軟硬件升級(jí)等整體推進(jìn)，正在引發(fā)鏈?zhǔn)酵黄?，推?dòng)經(jīng)濟(jì)社會(huì)各領(lǐng)域從數(shù)字化、網(wǎng)絡(luò)化向智能化加速躍升，數(shù)據(jù)科學(xué)與人工智能的結(jié)合越來(lái)越緊密。
大數(shù)據(jù)及人工智能成為國(guó)際競(jìng)爭(zhēng)的新焦點(diǎn)，是引領(lǐng)未來(lái)的戰(zhàn)略性技術(shù)，世界主要發(fā)達(dá)國(guó)家把大數(shù)據(jù)、人工智能的發(fā)展作為提升國(guó)家競(jìng)爭(zhēng)力、維護(hù)國(guó)家安全的重大戰(zhàn)略，加緊出臺(tái)規(guī)劃和政策，圍繞核心技術(shù)、頂尖人才、標(biāo)準(zhǔn)規(guī)范等強(qiáng)化部署，力圖在新一輪國(guó)際科技競(jìng)爭(zhēng)中掌握主導(dǎo)權(quán)。當(dāng)前，我國(guó)國(guó)家安全和國(guó)際競(jìng)爭(zhēng)形勢(shì)更加復(fù)雜，必須放眼全球，把大數(shù)據(jù)及人工智能發(fā)展放在國(guó)家戰(zhàn)略層面系統(tǒng)布局、主動(dòng)謀劃，牢牢把握新階段大數(shù)據(jù)及人工智能?chē)?guó)際競(jìng)爭(zhēng)的戰(zhàn)略主動(dòng)，打造競(jìng)爭(zhēng)新優(yōu)勢(shì)、開(kāi)拓發(fā)展新空間，有效保障國(guó)家安全。
第二章 方案平臺(tái)優(yōu)勢(shì)
2.1. 方案優(yōu)勢(shì)
基于云模式的智慧教育人工智能教學(xué)實(shí)訓(xùn)平臺(tái)的設(shè)計(jì)全面落實(shí)“產(chǎn)、學(xué)、用、監(jiān)、評(píng)”一體化的思想和模式，從教學(xué)、實(shí)踐、使用、監(jiān)控、評(píng)估等多方面注重專(zhuān)業(yè)人才和特色人才的培養(yǎng)。學(xué)生可以通過(guò)在教學(xué)平臺(tái)的學(xué)習(xí)熟練掌握人工智能的基礎(chǔ)知識(shí),通過(guò)掌握的知識(shí)在人工智能課程實(shí)驗(yàn)中進(jìn)行動(dòng)手實(shí)踐。
本實(shí)訓(xùn)系統(tǒng)平臺(tái)方案融合操作系統(tǒng)、數(shù)據(jù)庫(kù)、編程語(yǔ)言、Python數(shù)據(jù)處理、人工智能等課程，人工智能領(lǐng)域涉及深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等諸多方面，課程類(lèi)型包括基礎(chǔ)實(shí)訓(xùn)、關(guān)鍵技術(shù)掌握、應(yīng)用創(chuàng)新等等各層次實(shí)踐教學(xué)。從面向人工智能行業(yè)的需求、促進(jìn)學(xué)生職業(yè)發(fā)展的角度，規(guī)劃建設(shè)基于云模式的人工智能教學(xué)實(shí)訓(xùn)平臺(tái)，真正在產(chǎn)業(yè)、學(xué)校及實(shí)際項(xiàng)目中相互配合，發(fā)揮優(yōu)勢(shì)，形成生產(chǎn)、學(xué)習(xí)、實(shí)踐、運(yùn)用、監(jiān)控、評(píng)估的系統(tǒng)運(yùn)作模式，從而建設(shè)大數(shù)據(jù)及人工智能特色專(zhuān)業(yè)。
利用虛擬化教學(xué)資源，搭建實(shí)訓(xùn)實(shí)戰(zhàn)平臺(tái)，將理論學(xué)習(xí)、實(shí)踐教學(xué)和大數(shù)據(jù)及人工智能搭建、挖掘、存儲(chǔ)、分析實(shí)戰(zhàn)融為一體，從易到難、循序漸進(jìn)，逐步提升學(xué)生的學(xué)習(xí)技能和實(shí)踐水平，提高“學(xué)”的質(zhì)量和成效。定制專(zhuān)業(yè)化技能評(píng)估與教學(xué)監(jiān)控功能，將學(xué)生的學(xué)習(xí)情況、專(zhuān)業(yè)喜好、適用崗位形成報(bào)告模版。秉承著“精準(zhǔn)、先進(jìn)、創(chuàng)新”的原則，實(shí)時(shí)監(jiān)控學(xué)生操作，分析學(xué)習(xí)情況，評(píng)估學(xué)生知識(shí)水平，從而減輕學(xué)校及教師的壓力。
2.2. 系統(tǒng)優(yōu)勢(shì)
人工智能教學(xué)實(shí)訓(xùn)平臺(tái)基于開(kāi)源的Docker環(huán)境，構(gòu)建硬件虛擬化設(shè)備，并基于同樣開(kāi)源的Kubernetes架構(gòu)，實(shí)現(xiàn)GPU集群設(shè)備的自動(dòng)管理和調(diào)度，以Yarn為核心，構(gòu)建了資源管理系統(tǒng)，實(shí)現(xiàn)計(jì)算任務(wù)的智能調(diào)度與沖突協(xié)調(diào)。一個(gè)基礎(chǔ)平臺(tái)的生命力，有賴(lài)于系統(tǒng)的基礎(chǔ)支撐能力與對(duì)外服務(wù)能力。在面向人工智能計(jì)算需求的建設(shè)開(kāi)發(fā)上，必須要考慮如何開(kāi)發(fā)組織系統(tǒng)對(duì)外服務(wù)的能力。而人工智能研發(fā)需求的兩個(gè)基本要素就是計(jì)算和數(shù)據(jù)。因此，本系統(tǒng)也著眼于組建基礎(chǔ)計(jì)算能力和基礎(chǔ)數(shù)據(jù)處理能力。在計(jì)算能力建設(shè)中，系統(tǒng)將傳統(tǒng)人工智能計(jì)算方法與計(jì)算模型、當(dāng)前流行的人工智能計(jì)算模型與框架，完美地融入了整個(gè)系統(tǒng)的計(jì)算模塊中，并且與底層的硬件管理與計(jì)算資源的調(diào)度，完美地結(jié)合在一起。在數(shù)據(jù)能力的建設(shè)中，系統(tǒng)將自建一套以非結(jié)構(gòu)化數(shù)據(jù)的標(biāo)記清洗，結(jié)構(gòu)化數(shù)據(jù)的清洗為主要內(nèi)容的數(shù)據(jù)處理系統(tǒng)。
在系統(tǒng)底層硬件管理上，支持CPU、GPU、FPGA、ASIC等通用或?qū)Ｓ糜?jì)算硬件，實(shí)現(xiàn)對(duì)主流計(jì)算硬件的即插即用。在計(jì)算集群的設(shè)置上，往往也是分布式的，計(jì)算集群可以分布在不同機(jī)房中，不受空間限制，是人工智能教學(xué)實(shí)訓(xùn)平臺(tái)在底層硬件管理上的特點(diǎn)。
在系統(tǒng)最核心的調(diào)度算法上，通過(guò)系統(tǒng)自身構(gòu)建的智能化調(diào)度策略，針對(duì)不同的計(jì)算框架和機(jī)器學(xué)習(xí)方法，系統(tǒng)自動(dòng)分配相應(yīng)的計(jì)算資源，包括處理器數(shù)量、內(nèi)存數(shù)量，使計(jì)算請(qǐng)求與計(jì)算資源的使用達(dá)到最優(yōu)匹配，提高計(jì)算資源的利用效率，降低單位時(shí)間的運(yùn)行成本。同時(shí)，當(dāng)用戶發(fā)起計(jì)算請(qǐng)求時(shí)，系統(tǒng)會(huì)根據(jù)用戶距離計(jì)算中心的“距離”,自動(dòng)將用戶的請(qǐng)求適配到距離用戶最近的計(jì)算集群上，以便用戶可以更快速地獲取計(jì)算結(jié)果，提升用戶的計(jì)算體驗(yàn)。
在教學(xué)管理方面，平臺(tái)自帶人工智能課程推薦功能，可為學(xué)生提供個(gè)性化課程推薦及AI課程助手，助力學(xué)生定向就業(yè)。還可以通過(guò)大數(shù)據(jù)分析，自動(dòng)生成學(xué)業(yè)報(bào)告，為學(xué)生就業(yè)提供橋梁，并作為教師教學(xué)的得力助手，為高校的學(xué)生能力培養(yǎng)及教師的工作提供強(qiáng)有力的支持。
第三章 教學(xué)實(shí)訓(xùn)平臺(tái)
人工智能教學(xué)實(shí)訓(xùn)平臺(tái)的建設(shè)采用B/S架構(gòu)，用戶通過(guò)瀏覽器進(jìn)行訪問(wèn)，且支持內(nèi)網(wǎng)與外網(wǎng)同時(shí)訪問(wèn)。平臺(tái)的管理功能是針對(duì)前端系統(tǒng)設(shè)置的對(duì)應(yīng)的管理功能，便于教學(xué)過(guò)程中對(duì)前端系統(tǒng)的自定義管理。系統(tǒng)課程學(xué)習(xí)模式包括實(shí)驗(yàn)平臺(tái)、項(xiàng)目路徑和職業(yè)路徑，滿足不同場(chǎng)景的教學(xué)需求。在教學(xué)管理方面，平臺(tái)自帶人工智能課程推薦功能，可為學(xué)生提供個(gè)性化課程推薦及AI課程助手，助力學(xué)生定向就業(yè)。還可以通過(guò)大數(shù)據(jù)分析，自動(dòng)生成學(xué)業(yè)報(bào)告，為學(xué)生就業(yè)提供橋梁，并作為教師教學(xué)的得力助手，為高校的學(xué)生能力培養(yǎng)及教師的工作提供強(qiáng)有力的支持。
實(shí)訓(xùn)平臺(tái)采用私有云模式，所有課程均在云端進(jìn)行，自主研發(fā)設(shè)計(jì)的教學(xué)平臺(tái)可將硬件資源進(jìn)行集中調(diào)度分配，可管理大規(guī)模CPU、GPU、FPGA等高性能分布式計(jì)算集群，利用容器技術(shù)對(duì)計(jì)算資源進(jìn)行虛擬化，以智能調(diào)度的方式對(duì)外提供計(jì)算服務(wù)，并依托開(kāi)源分布式計(jì)算框架和深度學(xué)習(xí)框架，支持訓(xùn)練、推理，支持CNN、RNN等各種類(lèi)型的網(wǎng)絡(luò)模型，支持Xgboost等傳統(tǒng)機(jī)器學(xué)習(xí)模型，適合大數(shù)據(jù)、人工智能、深度計(jì)算；課程內(nèi)容涵蓋操作系統(tǒng)、編程語(yǔ)言、Python數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、數(shù)據(jù)挖掘、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等諸多方面，課程類(lèi)型包括基礎(chǔ)實(shí)訓(xùn)、關(guān)鍵技術(shù)掌握、應(yīng)用創(chuàng)新等，是一個(gè)綜合性的學(xué)習(xí)研究平臺(tái)；平臺(tái)配合專(zhuān)用的資源監(jiān)控系統(tǒng)、課程監(jiān)控系統(tǒng)，可實(shí)時(shí)的監(jiān)控整個(gè)平臺(tái)的硬件資源負(fù)載以及學(xué)生學(xué)習(xí)的狀態(tài)，可幫助教師合理的安排課程及對(duì)應(yīng)資源。
3.1. 學(xué)習(xí)模式
3.1.1. 實(shí)驗(yàn)平臺(tái)
該模式以知識(shí)體系為核心，將人工智能內(nèi)容按照不同類(lèi)型的知識(shí)模塊進(jìn)行分類(lèi)。體系下包含了：操作系統(tǒng)、編程語(yǔ)言、Python數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、數(shù)據(jù)挖掘、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等諸多方面，該模式圍繞一個(gè)內(nèi)容展開(kāi)了多方面知識(shí)的學(xué)習(xí)，與現(xiàn)在教育方式一致，保留了師生們傳統(tǒng)的學(xué)習(xí)授課方法。不僅如此，為滿足學(xué)校的已有的課程教學(xué)資源，老師可以自定義實(shí)驗(yàn)內(nèi)容及實(shí)驗(yàn)鏡像，將文本類(lèi)、實(shí)操類(lèi)、視頻類(lèi)課程上傳到教學(xué)平臺(tái)上滿足教學(xué)需求。
實(shí)驗(yàn)平臺(tái)
3.2. 練習(xí)算法
3.2.1. 算法集
算法集提供了一個(gè)環(huán)境，用戶可以在里面寫(xiě)代碼、運(yùn)行代碼、查看結(jié)果，并在其中可視化數(shù)據(jù)，并與平臺(tái)中的數(shù)據(jù)集功能進(jìn)行交互式使用，可直接調(diào)用平臺(tái)當(dāng)中的數(shù)據(jù)集用于算法在實(shí)際數(shù)據(jù)中的實(shí)踐測(cè)試。鑒于這些優(yōu)點(diǎn)，它能幫助他們便捷地執(zhí)行各種端到端任務(wù)，如數(shù)據(jù)清洗、統(tǒng)計(jì)建模、構(gòu)建/訓(xùn)練機(jī)器學(xué)習(xí)模型等。
算法集的一個(gè)特色是允許把代碼寫(xiě)入獨(dú)立的cell中，然后單獨(dú)執(zhí)行。這樣做意味著用戶可以在測(cè)試項(xiàng)目時(shí)單獨(dú)測(cè)試特定代碼塊，無(wú)需從頭開(kāi)始執(zhí)行代碼。雖然其他的IDE環(huán)境（如RStudio）也提供了這種功能，但就個(gè)人使用情況來(lái)看，算法集的單元結(jié)構(gòu)是設(shè)計(jì)的最好的。
算法集的優(yōu)勢(shì)還體現(xiàn)在靈活性和交互性上，除了最基礎(chǔ)的Python，它還允許用戶在上面運(yùn)行R語(yǔ)言。由于它比IDE平臺(tái)更具交互性，教師也更樂(lè)于在各種教程中用它來(lái)展示代碼。
3.2.2. 數(shù)據(jù)集
數(shù)據(jù)集功能提供數(shù)量眾多的數(shù)據(jù)集，包括互聯(lián)網(wǎng)、零售、電商、醫(yī)療等相關(guān)數(shù)據(jù)集，數(shù)據(jù)集中的數(shù)據(jù)可直接與算法集中的算法進(jìn)行交互使用，為算法提供所需數(shù)據(jù)的調(diào)用支撐。
教師可根據(jù)數(shù)據(jù)集的內(nèi)容、格式、數(shù)量等為學(xué)生設(shè)定開(kāi)放式課題，使用真實(shí)的數(shù)據(jù)集進(jìn)行大數(shù)據(jù)、人工智能項(xiàng)目案例處理分析，深度理解掌握如何處理這些數(shù)據(jù)，例如，教師給定一份數(shù)據(jù)讓學(xué)生進(jìn)行預(yù)測(cè)實(shí)驗(yàn)，學(xué)生需設(shè)計(jì)算法進(jìn)行清洗與預(yù)測(cè)等。
平臺(tái)提供開(kāi)放式上傳功能，支持用戶將自己的數(shù)據(jù)上傳至平臺(tái)當(dāng)中，并可設(shè)定是否與他人共用，可幫助用戶解決數(shù)據(jù)存放管理問(wèn)題，實(shí)現(xiàn)用戶數(shù)據(jù)的開(kāi)放式共享。
3.3. 在線考試
3.3.1. 理論考核
理論考核采用在線考核模式，將單選題、多選題、判斷題、填空題、簡(jiǎn)答題添加在試卷上，每一道題的題目、正選、分值等內(nèi)容可由管理員自行設(shè)置，簡(jiǎn)答題題采用關(guān)鍵詞進(jìn)行自動(dòng)判分，同時(shí)也可以由教師手動(dòng)判分。
理論考核
3.3.2. 實(shí)踐測(cè)評(píng)
實(shí)踐測(cè)評(píng)考核模式是以實(shí)驗(yàn)操作過(guò)程為考核點(diǎn)，也稱(chēng)之為實(shí)操題考核模式，由教師在管理端設(shè)置考核步驟、分值權(quán)重，平臺(tái)提供配套的實(shí)驗(yàn)考試環(huán)境。學(xué)生在實(shí)際操作過(guò)程中遇到的考核點(diǎn)，需要根據(jù)實(shí)際結(jié)果去填寫(xiě)，到最后統(tǒng)一匯總分?jǐn)?shù)。該模式突破了傳統(tǒng)的考核模式，通過(guò)實(shí)操的方式來(lái)加深印象，鞏固知識(shí)。
實(shí)踐測(cè)評(píng)
3.4. 智能教務(wù)
3.4.1. 教學(xué)進(jìn)度分析
課程實(shí)驗(yàn)具有核全局開(kāi)關(guān)功能，打開(kāi)全局考核后，進(jìn)行所有實(shí)驗(yàn)時(shí)都必須完成實(shí)驗(yàn)當(dāng)中設(shè)定的每一步考核才能查看下一步。接著，系統(tǒng)不僅自動(dòng)檢測(cè)到正在進(jìn)行實(shí)驗(yàn)，也可以手動(dòng)設(shè)定實(shí)驗(yàn)狀態(tài)分析（也可以手動(dòng)設(shè)置分析目標(biāo)）。查看分析結(jié)果時(shí)可查看每個(gè)班級(jí)的學(xué)生在進(jìn)行每個(gè)實(shí)驗(yàn)時(shí)完成度，查看每個(gè)實(shí)驗(yàn)的每個(gè)步驟的通過(guò)率、完成率、完成進(jìn)度、實(shí)驗(yàn)總結(jié)信息等。
教學(xué)進(jìn)度分析功能可通過(guò)智能化的手段，有效幫助教師分析并掌握整個(gè)班級(jí)的學(xué)習(xí)情況，根據(jù)學(xué)生完成實(shí)驗(yàn)的進(jìn)度過(guò)程進(jìn)行授課，選擇重點(diǎn)難點(diǎn)部分進(jìn)行針對(duì)性講解，有效降低教師授課壓力，高效完成授課任務(wù)。
教學(xué)分析
3.4.2. 教學(xué)計(jì)劃管理
管理員在后臺(tái)可以一次性布置全部的教學(xué)計(jì)劃，規(guī)定上課時(shí)間與學(xué)習(xí)課程，隨后學(xué)生通過(guò)在前端查看，即可了解到每一天的課程安排。
3.4.3. 實(shí)驗(yàn)報(bào)告管理
教師通過(guò)此功能查看學(xué)生的實(shí)驗(yàn)報(bào)告，支持預(yù)覽和批閱等功能，后臺(tái)自動(dòng)統(tǒng)計(jì)學(xué)生學(xué)習(xí)數(shù)據(jù)，展示出每個(gè)步驟的學(xué)習(xí)通過(guò)時(shí)間、成績(jī)正確率、班級(jí)排名等信息，并將實(shí)驗(yàn)數(shù)據(jù)與學(xué)生的實(shí)驗(yàn)報(bào)告有機(jī)結(jié)合，形成完成的實(shí)驗(yàn)報(bào)告。此功能相較于傳統(tǒng)的實(shí)驗(yàn)報(bào)告，增加了學(xué)生的學(xué)習(xí)數(shù)據(jù)統(tǒng)計(jì)功能，可大大的減輕教師的負(fù)擔(dān)，同時(shí)為教師了解班級(jí)整體的學(xué)習(xí)狀況提供的有力的支持。
3.5. 平臺(tái)管理
3.5.1. 用戶管理
為滿足教師方便的管理班級(jí)學(xué)院，平臺(tái)提供用戶組織管理功能。其中用戶管理顯示平臺(tái)用戶的信息列表，管理端可對(duì)平臺(tái)用戶信息進(jìn)行編輯與刪除，包含根據(jù)組織、專(zhuān)業(yè)、班級(jí)、姓名等信息進(jìn)行用戶模糊篩選，便于管理平臺(tái)用戶；角色管理顯示平臺(tái)現(xiàn)有角色，用戶可編輯新的角色并賦予角色權(quán)限；組織結(jié)構(gòu)管理顯示平臺(tái)現(xiàn)有的組織機(jī)構(gòu)，管理端可以也可根據(jù)層級(jí)分步添加組織、學(xué)院、系別、專(zhuān)業(yè)、班級(jí)，對(duì)同級(jí)別下的機(jī)構(gòu)進(jìn)行排序。
3.5.2. 資源管理
用戶可以在此查看版本信息、用戶數(shù)量、實(shí)驗(yàn)數(shù)量，資源監(jiān)控及用戶虛擬機(jī)監(jiān)控。同時(shí)后臺(tái)資源監(jiān)控中心可查看平臺(tái)的用戶數(shù)量、實(shí)驗(yàn)數(shù)量、職業(yè)路徑數(shù)量、項(xiàng)目路徑數(shù)量、算法集數(shù)量、數(shù)據(jù)集數(shù)量、用戶分布、活躍用戶等數(shù)據(jù)；實(shí)時(shí)的CPU、內(nèi)存、硬盤(pán)、實(shí)例的使用情況和該時(shí)刻學(xué)生實(shí)驗(yàn)進(jìn)行的狀態(tài)；可對(duì)虛擬機(jī)進(jìn)行監(jiān)控所處的實(shí)驗(yàn)環(huán)境、創(chuàng)建位置、用戶姓名、創(chuàng)建時(shí)間時(shí)間以及開(kāi)啟和關(guān)閉的狀態(tài)。該功能的實(shí)現(xiàn)可便捷精準(zhǔn)的反應(yīng)出學(xué)生的問(wèn)題所在，可對(duì)實(shí)驗(yàn)平臺(tái)進(jìn)行實(shí)時(shí)狀態(tài)的查看，又同時(shí)提高了老師的教學(xué)質(zhì)量和效率。
3.5.3. 系統(tǒng)管理
郵件系統(tǒng)配置是為了減輕管理端的任務(wù)負(fù)擔(dān)，配置好郵件系統(tǒng)之后，學(xué)生在忘記登陸密碼之后可以通過(guò)郵件找回密碼。
第四章 紅亞教學(xué)資源
4.1. 人工智能基礎(chǔ)課程資源
4.1.1. Linux基礎(chǔ)
Linux系統(tǒng)是開(kāi)源軟件，其可靠性得到肯定，是當(dāng)今舉世矚目、發(fā)展最快、應(yīng)用最廣的主流軟件之一。在服務(wù)器平臺(tái)、嵌入式系統(tǒng)和云計(jì)算系統(tǒng)所運(yùn)行的操作系統(tǒng)中，Linux占很大比重。大數(shù)據(jù)主流框架Hadoop、Spark都架設(shè)在Linux系統(tǒng)上，所以現(xiàn)在學(xué)習(xí)和應(yīng)用Linux成為眾多用戶和學(xué)生的首選。
Linux基礎(chǔ) Linux基礎(chǔ) Linux系統(tǒng)概述 Linux簡(jiǎn)介
Linux應(yīng)用領(lǐng)域
Linux優(yōu)勢(shì)
字符操作環(huán)境 使用Shell
字符編輯器VI
Linux文件系統(tǒng) Linux文件
ext3文件系統(tǒng)
安裝和卸載文件系統(tǒng)
進(jìn)程管理 Linux進(jìn)程概述
進(jìn)程控制命令
常用命令介紹 目錄操作
文件操作
磁盤(pán)操作
文本編輯
幫助命令
用戶管理 Linux用戶賬戶概述
管理用戶和群組
命令行配置
用戶管理器配置
系統(tǒng)監(jiān)控與備份 顯示系統(tǒng)進(jìn)程
查看硬件信息
查看日志文件
數(shù)據(jù)備份與恢復(fù)
軟件包管理 RPM概述
RPM包的命令介紹
查看軟件包（檢查軟件包簽名）
軟件包管理工具
管理網(wǎng)絡(luò)服務(wù) 守護(hù)進(jìn)程服務(wù)
配置FTP服務(wù)
配置郵件服務(wù)器
Apache服務(wù)器
4.1.2. 編程基礎(chǔ)
編程基礎(chǔ)包含Python基礎(chǔ)、R語(yǔ)言基礎(chǔ)、Scala基礎(chǔ)和Java基礎(chǔ)四大模塊共計(jì)82個(gè)實(shí)驗(yàn)項(xiàng)目。針對(duì)每一個(gè)所講解的知識(shí)點(diǎn)都進(jìn)行了深入分析，并使用生動(dòng)形象的情境化舉例，將原本復(fù)雜的、難于理解的知識(shí)點(diǎn)和問(wèn)題進(jìn)行簡(jiǎn)化，針對(duì)每個(gè)知識(shí)點(diǎn)，精心設(shè)計(jì)了相應(yīng)的問(wèn)題，讓學(xué)習(xí)者不但能掌握和理解這些知識(shí)點(diǎn)，并且還可以清楚地知道在實(shí)際工作中如何去運(yùn)用。
編程基礎(chǔ) Python基礎(chǔ) Python基礎(chǔ) Python介紹
Python開(kāi)發(fā)環(huán)境搭建
Python基本數(shù)據(jù)類(lèi)型
Python變量
Python基本輸入輸出
Python模塊
Python運(yùn)算符與表達(dá)式
Python選擇與循環(huán)結(jié)構(gòu)
Python序列操作
Python列表常用方法
Python元組
Python列表解析式與生成器表達(dá)式
Python字符編碼
Python字符串基本操作
Python字符串格式化
Python字符串方法
Python正則表達(dá)式與re模塊
Python字典創(chuàng)建與使用
Python字典方法
Python集合創(chuàng)建與使用
Python集合常用運(yùn)算
Python文件基本概念
Python打開(kāi)與關(guān)閉文件
Python文件對(duì)象基本方法
Python數(shù)據(jù)序列化與反序列化
Python文件與文件夾基本操作
Python函數(shù)的定義和調(diào)用
Python函數(shù)參數(shù)
Python變量作用域
Python函數(shù)返回值
Python函數(shù)嵌套定義、閉包、裝飾器
Python類(lèi)的定義和使用
Python構(gòu)造方法與析構(gòu)方法
Python成員訪問(wèn)權(quán)限
Python繼承
Python異常概念與常見(jiàn)表現(xiàn)形式
Python常見(jiàn)異常處理結(jié)構(gòu)
Python的raise語(yǔ)句
R語(yǔ)言基礎(chǔ) R語(yǔ)言基礎(chǔ) R語(yǔ)言開(kāi)發(fā)環(huán)境搭建
R語(yǔ)言對(duì)象與屬性
R語(yǔ)言向量
R語(yǔ)言矩陣和數(shù)組
R語(yǔ)言列表
R語(yǔ)言數(shù)據(jù)框
R語(yǔ)言構(gòu)建子集
lapply函數(shù)
apply函數(shù)
mapply函數(shù)
split函數(shù)
tapply函數(shù)
R語(yǔ)言重復(fù)值處理
R語(yǔ)言排序
Scala基礎(chǔ) Scala基礎(chǔ) Scala開(kāi)發(fā)環(huán)境搭建
Scala控制結(jié)構(gòu)和函數(shù)
Scala數(shù)組相關(guān)操作
Scala映射與元組
Scala類(lèi)與對(duì)象
Scala包管理
Scala繼承
Scala文件和正則表達(dá)式
Scala特質(zhì)
Scala運(yùn)算符(原本為scala操作符)
Scala高階函數(shù)
Scala集合
Scala模式匹配和樣例類(lèi)
Scala類(lèi)型參數(shù)
Scala高級(jí)類(lèi)型
Scala隱式轉(zhuǎn)換和隱式參數(shù)
Java基礎(chǔ) Java基礎(chǔ) Java開(kāi)發(fā)環(huán)境搭建
Java的類(lèi)和對(duì)象
Java標(biāo)識(shí)符、關(guān)鍵字與運(yùn)算符
Java基本數(shù)據(jù)類(lèi)型
Java流程控制
Java繼承與多態(tài)
Java抽象類(lèi)與接口
Java內(nèi)部類(lèi)
Java異常處理
Java集合類(lèi)
Java基礎(chǔ)類(lèi)庫(kù)
Java泛型
Java的輸入與輸出
Java數(shù)據(jù)庫(kù)操作
4.1.3. 數(shù)學(xué)基礎(chǔ)
數(shù)字在數(shù)學(xué)體系中穩(wěn)固的位置，而大數(shù)據(jù)技術(shù)也和數(shù)學(xué)緊緊地結(jié)合在一起。數(shù)學(xué)基礎(chǔ)共計(jì)信息論、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)、數(shù)值計(jì)算和最優(yōu)化方法五大模塊30個(gè)教學(xué)項(xiàng)目。大數(shù)據(jù)技術(shù)本身是一門(mén)交叉性學(xué)科，統(tǒng)計(jì)方法為核心，所以學(xué)習(xí)數(shù)學(xué)基礎(chǔ)就顯得尤為重要。
數(shù)學(xué)基礎(chǔ) 信息論 信息論 熵
聯(lián)合熵
條件熵
相對(duì)熵
互信息
最大熵模型
線性代數(shù) 線性代數(shù) 標(biāo)量
向量
張量
范數(shù)
矩陣
特征分解
幾種常用距離計(jì)算
概率論與數(shù)理統(tǒng)計(jì) 概率論與數(shù)理統(tǒng)計(jì) 隨機(jī)變量
概率分布
貝葉斯公式
期望
方差
協(xié)方差
常見(jiàn)分布函數(shù)
最大似然估計(jì)
數(shù)值計(jì)算 數(shù)值計(jì)算 數(shù)值計(jì)算概述
上溢和下溢
計(jì)算復(fù)雜性與NP問(wèn)題
最優(yōu)化方法 最優(yōu)化方法 最優(yōu)化理論概述
最優(yōu)化問(wèn)題的數(shù)學(xué)描述
凸集與凸集分離方法
梯度下降算法
啟發(fā)式優(yōu)化方法
牛頓法和擬牛頓法
4.1.4. 數(shù)據(jù)庫(kù)基礎(chǔ)
數(shù)據(jù)庫(kù)已是當(dāng)今信息社會(huì)須臾不可脫離的重要工具，數(shù)據(jù)庫(kù)的教學(xué)也就成為計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)的一門(mén)必修課程。在大數(shù)據(jù)技術(shù)中，數(shù)據(jù)倉(cāng)庫(kù)的搭建離不開(kāi)傳統(tǒng)數(shù)據(jù)庫(kù)的支持，所以，學(xué)習(xí)數(shù)據(jù)庫(kù)基礎(chǔ)是為大數(shù)據(jù)的存儲(chǔ)做準(zhǔn)備。
數(shù)據(jù)庫(kù)基礎(chǔ) excel Excle Excel函數(shù)與公式
Excel數(shù)據(jù)統(tǒng)計(jì)與匯總
VBA程序基礎(chǔ)
VBA數(shù)據(jù)類(lèi)型
VBA流程控制
VBA綜合應(yīng)用
mysql Mysql MySQL簡(jiǎn)介與安裝
MySQL創(chuàng)建連接
MySQL操作數(shù)據(jù)庫(kù)
MySQL操作數(shù)據(jù)表
MySQL操作數(shù)據(jù)
MySQL條件限定與正則表達(dá)式
MySQL表的連接
MySQL排序、分組與過(guò)濾
MySQL結(jié)果合并
MySQL函數(shù)
MySQL導(dǎo)入與導(dǎo)出
oracle Oracle Oracle安裝與卸載
Oracle數(shù)據(jù)類(lèi)型（文本）
表的創(chuàng)建與管理
簡(jiǎn)單查詢
單行函數(shù)
分組統(tǒng)計(jì)查詢
多表查詢
Sybase PowerDesigner設(shè)計(jì)工具
mongodb MongoDB MongoDB簡(jiǎn)介與安裝
MongoDB創(chuàng)建連接
MongoDB操作數(shù)據(jù)庫(kù)
MongoDB操作集合
MongoDB操作文檔
MongoDB條件操作符與正則表達(dá)式
MongoDB之Limit與Skip方法
MongoDB排序與聚合
Redis+Memcache Redis+Memcache Redis簡(jiǎn)介、安裝與配置
Redis命令（包括Redis鍵）
Redis數(shù)據(jù)類(lèi)型
Redis基數(shù)統(tǒng)計(jì)
Redis服務(wù)器與連接
memcached簡(jiǎn)介與安裝
memcached連接
memcached存儲(chǔ)
memcached查找
memcached統(tǒng)計(jì)
SQLite SQLite SQLite簡(jiǎn)介與安裝
SQLite操作數(shù)據(jù)庫(kù)
SQLite操作數(shù)據(jù)表
SQLite操作數(shù)據(jù)
SQLite條件限定與通配符
SQLite表的連接
SQLite排序、分組與過(guò)濾
SQLite結(jié)果合并
SQLite之Explain細(xì)節(jié)描述
SQLite函數(shù)
4.1.5. Python數(shù)據(jù)處理
隨著大數(shù)據(jù)瘋狂的浪潮，新生代的工具Python得到了前所未有的爆發(fā)。簡(jiǎn)潔、開(kāi)源是這款工具吸引了眾多客戶的原因。通過(guò)Python的實(shí)訓(xùn)練習(xí)，掌握數(shù)據(jù)采集、數(shù)據(jù)分析、模型調(diào)優(yōu)等技術(shù)，實(shí)現(xiàn)人工智能與Python的完美融合。
Python基礎(chǔ)知識(shí) Python基礎(chǔ)簡(jiǎn)介 Python語(yǔ)言概述
為何學(xué)習(xí)Python語(yǔ)言
Python主要應(yīng)用領(lǐng)域
Python開(kāi)發(fā)環(huán)境搭建
初識(shí)Python Python基本數(shù)據(jù)類(lèi)型
Python變量
Python基本輸入輸出
Python模塊
Python運(yùn)算符與表達(dá)式
Python選擇與循環(huán)結(jié)構(gòu)
Python猜數(shù)字游戲
列表與元組 Python序列操作
Python列表常用方法
Python元組
Python列表解析式與生成器表達(dá)式
字符串與正則表達(dá)式 Python字符編碼
Python字符串基本操作
Python字符串格式化
Python字符串方法
Python正則表達(dá)式與re模塊
字典 Python字典創(chuàng)建與使用
Python字典方法
集合 Python集合創(chuàng)建與使用
Python集合常用運(yùn)算
文件操作 Python文件基本概念
Python打開(kāi)與關(guān)閉文件
Python文件對(duì)象基本方法
Python數(shù)據(jù)序列化與反序列化
Python文件與文件夾基本操作
函數(shù) Python函數(shù)的定義和調(diào)用
Python函數(shù)參數(shù)
Python變量作用域
Python函數(shù)返回值
Python函數(shù)嵌套定義、閉包、裝飾器
面向?qū)ο?Python類(lèi)的定義和使用
Python構(gòu)造方法與析構(gòu)方法
Python成員訪問(wèn)權(quán)限
Python繼承
異常處理結(jié)構(gòu) Python異常概念與常見(jiàn)表現(xiàn)形式
Python常見(jiàn)異常處理結(jié)構(gòu)
Python的raise語(yǔ)句
Python 數(shù)據(jù)采集 爬蟲(chóng)初識(shí) 爬蟲(chóng)簡(jiǎn)介
爬蟲(chóng)應(yīng)用場(chǎng)景
爬蟲(chóng)基本工作原理
網(wǎng)絡(luò)請(qǐng)求基礎(chǔ) TCP/IP協(xié)議
HTTP請(qǐng)求格式
HTTP常用請(qǐng)求頭
響應(yīng)狀態(tài)碼
瀏覽器發(fā)送HTTP請(qǐng)求的過(guò)程
cookie和session
使用Python發(fā)送網(wǎng)絡(luò)請(qǐng)求 Requests模塊介紹
使用Requests發(fā)送post請(qǐng)求
使用Requests發(fā)送get請(qǐng)求
使用Requests發(fā)送帶Header請(qǐng)求
使用Requests發(fā)送帶參數(shù)請(qǐng)求
Python爬蟲(chóng)實(shí)戰(zhàn) XPATH介紹及節(jié)點(diǎn)選擇
LXML介紹及使用
對(duì)抗反爬蟲(chóng)措施
網(wǎng)站數(shù)據(jù)爬取實(shí)驗(yàn)
IP代理數(shù)據(jù)爬取
Python數(shù)據(jù)分析 分類(lèi)與預(yù)測(cè) 決策樹(shù)
K近鄰分類(lèi)算法
支持向量機(jī)
Python隨機(jī)森林
Logistic回歸分析
人工智能網(wǎng)絡(luò)
常用聚類(lèi)分析算法 K-Means聚類(lèi)算法
系統(tǒng)聚類(lèi)算法
DBSCAN聚類(lèi)算法
關(guān)聯(lián)規(guī)則算法 Apriori算法簡(jiǎn)介
Apriori算法應(yīng)用
協(xié)同過(guò)濾算法 基于用戶的協(xié)同過(guò)濾算法
基于物品的協(xié)同過(guò)濾算法
時(shí)間序列數(shù)據(jù)分析 時(shí)間序列預(yù)處理
平穩(wěn)時(shí)間序列分析
非平穩(wěn)時(shí)間序列分析
Python主要時(shí)序模式算法
離群點(diǎn)檢測(cè)方法 離群點(diǎn)檢測(cè)概述
基于密度的離群點(diǎn)檢測(cè)方法
基于聚類(lèi)的離群點(diǎn)檢測(cè)方法
基于距離的離群點(diǎn)檢測(cè)方法
數(shù)據(jù)降維 數(shù)據(jù)降維概述
常用降維方法-1.機(jī)器學(xué)習(xí)簡(jiǎn)介
常用降維方法-2.機(jī)器學(xué)習(xí)數(shù)學(xué)預(yù)備知識(shí)
常用降維方法-3.常用降維方法的目的
常用降維方法-4.常用降維方法解讀
模型調(diào)優(yōu)與實(shí)戰(zhàn) 模型評(píng)估與調(diào)優(yōu) 模型評(píng)估和調(diào)優(yōu)的意義
評(píng)估指標(biāo)
模型調(diào)優(yōu)建議與注意事項(xiàng)
數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 電子商務(wù)的智能推薦
財(cái)政收入分析
電商產(chǎn)品評(píng)價(jià)分析
電力竊漏識(shí)別分析
電器使用情況分析
4.2. 人工智能課程資源
4.2.1. 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是人工智能中發(fā)展最快的分支之一，是人工智能的主要技術(shù)途徑。在本課程體系中，機(jī)器學(xué)習(xí)處于基礎(chǔ)地位，是學(xué)好后續(xù)課程的基礎(chǔ)。本課程講授機(jī)器學(xué)習(xí)的基本原理和方法，涵蓋了線性回歸實(shí)驗(yàn)分析、Python從零實(shí)現(xiàn)線性回歸方程、機(jī)器學(xué)習(xí)模型評(píng)估方法對(duì)比分析、邏輯回歸實(shí)驗(yàn)分析等課程的主要方法。
機(jī)器學(xué)習(xí) 線性回歸 線性回歸實(shí)驗(yàn)分析
Python從零實(shí)現(xiàn)線性回歸方程
機(jī)器學(xué)習(xí)模型評(píng)估方法對(duì)比分析
邏輯回歸 邏輯回歸實(shí)驗(yàn)分析
Python從零實(shí)現(xiàn)邏輯回歸方程
項(xiàng)目實(shí)戰(zhàn)-信用卡交易數(shù)據(jù)欺詐檢測(cè)
決策樹(shù)與集成實(shí)例 決策樹(shù)算法實(shí)驗(yàn)分析
Python從零實(shí)現(xiàn)決策樹(shù)模型
集成算法實(shí)驗(yàn)分析
集成模型搭建實(shí)例
項(xiàng)目實(shí)戰(zhàn)-基于隨機(jī)森林的氣溫預(yù)測(cè)
貝葉斯算法 Python從零實(shí)現(xiàn)貝葉斯算法
項(xiàng)目實(shí)戰(zhàn)-基于貝葉斯的新聞數(shù)據(jù)分類(lèi)
貝葉斯優(yōu)化及其工具包使用實(shí)戰(zhàn)
貝葉斯分析實(shí)例
聚類(lèi)算法分析 Python從零實(shí)現(xiàn)Kmeans算法
聚類(lèi)算法實(shí)驗(yàn)分析
支持向量機(jī) 基于SVM的簡(jiǎn)易人臉識(shí)別案例
支持向量機(jī)實(shí)驗(yàn)分析
降維算法 線性判別分析實(shí)驗(yàn)
主成分分析
提升算法 Xgboost建模調(diào)參實(shí)戰(zhàn)
xgboost-gbdt-lightgbm算法對(duì)比分析
項(xiàng)目實(shí)戰(zhàn)-使用lightgbm進(jìn)行飯店流量預(yù)測(cè)
隱馬爾科夫模型 HMM實(shí)現(xiàn)中文分詞
機(jī)器學(xué)習(xí)綜合項(xiàng)目 制作自己常用工具包
特征工程試驗(yàn)分析
項(xiàng)目實(shí)戰(zhàn)-從零開(kāi)始打造音樂(lè)推薦系統(tǒng)
推薦系統(tǒng)實(shí)驗(yàn)分析
關(guān)聯(lián)規(guī)則工具包實(shí)戰(zhàn)
Python從零實(shí)現(xiàn)關(guān)聯(lián)規(guī)則
科比職業(yè)生涯數(shù)據(jù)分析建模
Python時(shí)間序列分析實(shí)戰(zhàn)
ARIMA模型實(shí)戰(zhàn)
項(xiàng)目實(shí)戰(zhàn)-人口普查數(shù)據(jù)集項(xiàng)目實(shí)戰(zhàn)-收入預(yù)測(cè)
模型學(xué)習(xí)曲線分析
基于統(tǒng)計(jì)分析的電影推薦
項(xiàng)目實(shí)戰(zhàn)-貸款申請(qǐng)最大利潤(rùn)分析
NLP-文本特征方法對(duì)比
項(xiàng)目實(shí)戰(zhàn)-用戶流失預(yù)警
機(jī)器學(xué)習(xí)項(xiàng)目建模模板
4.2.2. 數(shù)據(jù)分析
數(shù)據(jù)分析指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，將它們加以匯總和理解并消化，以求最大化地開(kāi)發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。數(shù)據(jù)分析是為了提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程。本課程涵蓋了數(shù)據(jù)分析的主要知識(shí)內(nèi)容。
數(shù)據(jù)分析 統(tǒng)計(jì)分析方法 假設(shè)檢驗(yàn)分析
相關(guān)分析
方差分析
科學(xué)計(jì)算庫(kù)-Numpy
數(shù)據(jù)分析處理庫(kù)-Pandas
可視化庫(kù)-Matplotlib
可視化庫(kù)-Seaborn
數(shù)據(jù)降維常用策略 數(shù)據(jù)降維分析
鳶尾花數(shù)據(jù)集分析
數(shù)據(jù)預(yù)處理與缺失值分析
數(shù)據(jù)科學(xué)你得知道的幾種分布實(shí)例
商品可視化展示與文本處理
數(shù)據(jù)分析經(jīng)典案例 多變量分析實(shí)例
紐約出租車(chē)運(yùn)行情況分析建模
基于統(tǒng)計(jì)分析的電影推薦任務(wù)
商品訂單數(shù)據(jù)集分析
KIVA貸款數(shù)據(jù)分析
汽車(chē)價(jià)格回歸分析
手寫(xiě)字體識(shí)別對(duì)比分析
員工離職預(yù)測(cè)
基于NLP的股價(jià)預(yù)測(cè)
借貸公司數(shù)據(jù)分析
4.2.3. 數(shù)據(jù)挖掘
數(shù)據(jù)挖掘是指從數(shù)據(jù)庫(kù)的大量數(shù)據(jù)中揭示出隱含的、先前未知的并有潛在價(jià)值的信息的非平凡過(guò)程。數(shù)據(jù)挖掘是一種決策支持過(guò)程，它主要基于人工智能、機(jī)器學(xué)習(xí)、模式識(shí)別、統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、可視化技術(shù)等，高度自動(dòng)化地分析企業(yè)的數(shù)據(jù)，作出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，作出正確的決策。本課程涵蓋了數(shù)據(jù)挖掘的主要知識(shí)內(nèi)容。
數(shù)據(jù)挖掘 數(shù)據(jù)挖掘經(jīng)典實(shí)例解讀 數(shù)據(jù)特征預(yù)處理實(shí)驗(yàn)
文本特征處理方法對(duì)比
項(xiàng)目實(shí)戰(zhàn)-愛(ài)彼迎數(shù)據(jù)集分析與建模
項(xiàng)目實(shí)戰(zhàn)-基于相似度的酒店推薦系統(tǒng)
項(xiàng)目實(shí)戰(zhàn)-商品銷(xiāo)售額回歸分析
項(xiàng)目實(shí)戰(zhàn)-絕地求生數(shù)據(jù)集探索分析與建模
項(xiàng)目實(shí)戰(zhàn)-銀行客戶還款可能性預(yù)測(cè)
圖像特征聚類(lèi)分析實(shí)踐
競(jìng)賽優(yōu)勝解決方案 項(xiàng)目實(shí)戰(zhàn)-快手短視頻用戶活躍度分析
項(xiàng)目實(shí)戰(zhàn)-工業(yè)化工生產(chǎn)預(yù)測(cè)
項(xiàng)目實(shí)戰(zhàn)-智慧城市-道路通行時(shí)間預(yù)測(cè)
特征工程建?？山忉尮ぞ甙?/p>
項(xiàng)目實(shí)戰(zhàn)-醫(yī)學(xué)糖尿病數(shù)據(jù)命名實(shí)體識(shí)別
貸款平臺(tái)風(fēng)控模型-特征工程
項(xiàng)目實(shí)戰(zhàn)-新聞關(guān)鍵詞抽取模型
數(shù)據(jù)特征常用構(gòu)建方法
項(xiàng)目實(shí)戰(zhàn)-用電敏感客戶分類(lèi)
項(xiàng)目實(shí)戰(zhàn)-京東購(gòu)買(mǎi)意向預(yù)測(cè)
項(xiàng)目實(shí)戰(zhàn)-泰坦尼克號(hào)獲救預(yù)測(cè)
數(shù)據(jù)挖掘常用策略實(shí)戰(zhàn) 用戶畫(huà)像分析
數(shù)據(jù)特征常用構(gòu)建方法
集成策略實(shí)例
模型解釋方法實(shí)戰(zhàn)
kaggle數(shù)據(jù)科學(xué)調(diào)查分析
項(xiàng)目實(shí)戰(zhàn)-房?jī)r(jià)預(yù)測(cè)
項(xiàng)目實(shí)戰(zhàn)-fbprophet時(shí)間序列預(yù)測(cè)
自然語(yǔ)言處理常用工具包實(shí)戰(zhàn)
Pandas數(shù)據(jù)處理實(shí)戰(zhàn)
4.2.4. 深度學(xué)習(xí)
深度學(xué)習(xí)是人工智能第三次浪潮的核心技術(shù)，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、機(jī)器翻譯、醫(yī)療影像處理、自然語(yǔ)言處理、人機(jī)博弈等眾多領(lǐng)域，使得這些領(lǐng)域取得了突破性進(jìn)展。本課程是AI課程系列中的核心，講授深度學(xué)習(xí)的原理、技巧和前沿技術(shù)。
深度學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)算法 神經(jīng)網(wǎng)絡(luò)算法實(shí)驗(yàn)分析
word2vec詞向量模型實(shí)驗(yàn)
基于word2vec的文本分類(lèi)實(shí)戰(zhàn)
維基百科數(shù)據(jù)集訓(xùn)練詞向量模型
Python從零實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)
PyTorch框架與實(shí)戰(zhàn) PyTorch框架基本處理操作
神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)分類(lèi)與回歸任務(wù)
圖像識(shí)別核心模塊實(shí)戰(zhàn)解讀
遷移學(xué)習(xí)的作用與應(yīng)用實(shí)例
遞歸神經(jīng)網(wǎng)絡(luò)與詞向量原理解讀
新聞數(shù)據(jù)集文本分類(lèi)實(shí)戰(zhàn)
對(duì)抗生成網(wǎng)絡(luò)架構(gòu)原理與實(shí)戰(zhàn)解析
Keras框架與實(shí)戰(zhàn) 搭建神經(jīng)網(wǎng)絡(luò)模型
再戰(zhàn)卷積神經(jīng)網(wǎng)絡(luò)
基于keras的LSTM時(shí)間序列預(yù)測(cè)任務(wù)
多標(biāo)簽與多輸出任務(wù)實(shí)戰(zhàn)
keras文本分類(lèi)實(shí)戰(zhàn)
Keras實(shí)戰(zhàn)對(duì)抗生成網(wǎng)絡(luò)
數(shù)據(jù)增強(qiáng)實(shí)戰(zhàn)
遷移學(xué)習(xí)與Resnet殘差網(wǎng)絡(luò)
Keras框架實(shí)戰(zhàn)模板總結(jié)
Tensorflow框架與實(shí)戰(zhàn) tensorflow安裝與簡(jiǎn)介
搭建神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)與回歸任務(wù)
貓狗識(shí)別實(shí)戰(zhàn)
圖像數(shù)據(jù)增強(qiáng)實(shí)例
訓(xùn)練策略-遷移學(xué)習(xí)實(shí)戰(zhàn)
基于TensorFlow實(shí)現(xiàn)word2vec
基于RNN模型進(jìn)行文本分類(lèi)任務(wù)
tfrecord制作數(shù)據(jù)源
將CNN網(wǎng)絡(luò)應(yīng)用于文本分類(lèi)實(shí)戰(zhàn)
TF2時(shí)間序列預(yù)測(cè)
Tensorboard可視化模塊
Tensorflow基礎(chǔ)操作
致敬經(jīng)典：Alexnet網(wǎng)絡(luò)實(shí)戰(zhàn)
Tensorflow卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)
CNN文本分類(lèi)任務(wù)
驗(yàn)證碼識(shí)別
4.2.5. 自然語(yǔ)言處理
自然語(yǔ)言處理和理解是智能的核心之一，在深度學(xué)習(xí)時(shí)代，自然語(yǔ)言理解取得了很大的進(jìn)展。本課程講授自然語(yǔ)言理解領(lǐng)域的基本概念、原理和方法，以及最新的一些技術(shù)進(jìn)展。
自然語(yǔ)言處理 自然語(yǔ)言處理基礎(chǔ) 自然語(yǔ)言處理必備工具包實(shí)戰(zhàn)-1
自然語(yǔ)言處理必備工具包實(shí)戰(zhàn)-2
自然語(yǔ)言處理必備工具包實(shí)戰(zhàn)-3
NLP-文本相似度計(jì)算實(shí)例
自然語(yǔ)言處理綜合項(xiàng)目 實(shí)現(xiàn)word2vec詞向量模型
項(xiàng)目實(shí)戰(zhàn)-問(wèn)答機(jī)器人
項(xiàng)目實(shí)戰(zhàn)-構(gòu)建自己的輸入法
項(xiàng)目實(shí)戰(zhàn)-NMT機(jī)器翻譯框架
項(xiàng)目實(shí)戰(zhàn)-LSTM時(shí)間序列預(yù)測(cè)任務(wù)
項(xiàng)目實(shí)戰(zhàn)-地址郵編多序列任務(wù)
4.2.6. 計(jì)算機(jī)視覺(jué)
計(jì)算機(jī)視覺(jué)研究從圖像中理解現(xiàn)實(shí)世界的技術(shù)，是人工智能的主要研究方向之一。本課程講授計(jì)算機(jī)視覺(jué)的核心原理和方法，涵蓋了主要的經(jīng)典算法原理和最新的前沿成果。
計(jì)算機(jī)視覺(jué) OpenCV圖像處理基礎(chǔ) Opencv圖像基本操作
Opencv的DNN模塊分析
常用圖像處理策略 圖像閾值與平滑處理
圖像金字塔與輪廓檢測(cè)
直方圖與傅里葉變換
圖像計(jì)算實(shí)例 圖像形態(tài)學(xué)操作實(shí)例
圖像梯度計(jì)算實(shí)例
邊緣檢測(cè)實(shí)戰(zhàn)
圖像特征-harris實(shí)例
圖像特征-sift實(shí)例
背景建模實(shí)例
光流估計(jì)實(shí)例
計(jì)算機(jī)視覺(jué)綜合項(xiàng)目 項(xiàng)目實(shí)戰(zhàn)-人臉檢測(cè)數(shù)據(jù)與網(wǎng)絡(luò)制作
項(xiàng)目實(shí)戰(zhàn)-實(shí)現(xiàn)人臉檢測(cè)
項(xiàng)目實(shí)戰(zhàn)-關(guān)鍵點(diǎn)檢測(cè)網(wǎng)絡(luò)訓(xùn)練
項(xiàng)目實(shí)戰(zhàn)-關(guān)鍵點(diǎn)定位模型實(shí)現(xiàn)
項(xiàng)目實(shí)戰(zhàn)-信用卡數(shù)字識(shí)別
項(xiàng)目實(shí)戰(zhàn)-文檔掃描OCR識(shí)別
案例實(shí)戰(zhàn)-全景圖像拼接
項(xiàng)目實(shí)戰(zhàn)-停車(chē)場(chǎng)車(chē)位識(shí)別
項(xiàng)目實(shí)戰(zhàn)-答題卡識(shí)別判卷
項(xiàng)目實(shí)戰(zhàn)-目標(biāo)追蹤
項(xiàng)目實(shí)戰(zhàn)-圖像風(fēng)格轉(zhuǎn)換（style-transfer）
項(xiàng)目實(shí)戰(zhàn)-圖像缺失自動(dòng)補(bǔ)全
項(xiàng)目實(shí)戰(zhàn)-超分辨率重構(gòu)
項(xiàng)目實(shí)戰(zhàn)-疲勞檢測(cè)
第五章 數(shù)據(jù)安全科研保障箱
數(shù)據(jù)安全科研實(shí)驗(yàn)箱是在建立在學(xué)生具備完善的數(shù)據(jù)安全基礎(chǔ)知識(shí)的層面上的，在學(xué)生掌握了一定的數(shù)據(jù)安全攻擊防御學(xué)科知識(shí)的同時(shí)，亦可進(jìn)行學(xué)科性的知識(shí)拓展研究；在一定程度上可延伸學(xué)生的學(xué)習(xí)和知識(shí)掌握能力；同時(shí)更加全面的提高了學(xué)生的綜合知識(shí)能力。
數(shù)據(jù)安全科研實(shí)驗(yàn)實(shí)驗(yàn)箱集成了四種處理器，包括A8處理器、M4處理器、Z32處理器、FPGA編程板，可通過(guò)編程實(shí)現(xiàn)如下科研項(xiàng)目：SM2密碼算法與實(shí)現(xiàn)、12684液晶屏串行顯示實(shí)驗(yàn)、SLE4428邏輯加密卡實(shí)驗(yàn)、SM3密碼雜湊算法程序設(shè)計(jì)。
