实训项目
缺乏切合业界大数据实际应用的实训 项目
教材体系
高速发展的新领域，市场上高质量成体系的教材缺失
师资培训
教师中精通大数据技术的人才较少
云创人工智能实验平台提供什么
+ 较低的平台建设和使用成本 + 高效的运行环境
+ 完整的教材体系（本科/高职） + 丰富开放的实验资源
+ 师资入门培训
+ 人才培养方案
1、编程基础——包括Linux和python基础等 2、基本工具使用——jupyter notebook使用等 3、机器学习基础——常用的机器学习库Numpy、Pandas、OpenCV、Matplotlib 4、机器学习——机器学习算法，如决策、深度学习基础——图像处理基础、Caffe框架、Tensorflow、Keras、Pytorch等。 6、深度学习算法——涉及图像分类、识别、分割、检测、超分辨率重建、风格迁移、场景理解、 相似文本生成、翻译等领域。
常用深度学习算法
CNN RNN LSTM DCGAN...
容器 技术
集群 管理
虚拟 网络
应用 平台
深度 学习
Kubernetes
大规模容器编排管理框架
B/S架构
统一了客户端，将系统功能实 现的核心部分集中到服务器上
03 第三部分 平台特色
系统按照学生实验内 容自动创建所需实验 环境
创建 环境
实验流程模式
人工智能成为国际竞争的新焦点，应逐步开展全民智能教育 项目，在中小学阶段设置人工智能相关课程、逐步推广编程
教育、建设人工智能学科，培养复合型人才，形成我国人工智能 人才高地。
2018年4月2日，教育部印发《高等学校人工智能创新行动计划》
到2020年，要基本完成新一代人工智能发展的高校科技创新体系和
人力资源和社会保障部、 国家市场监管总局、国家 统计局等部门向社会发布 了13个新职业包括人工智 能工程技术人员、物联网 工程技术人员、大数据工 程技术人员、云计算工程 技术人员、数字化管理师、 建筑信息模型技术员、电 子竞技运营师、电子竞技 员、无人机驾驶员、农业 经理人、物联网安装调试 员、工业机器人系统操作 员、工业机器人系统运维 员。涉及人工智能、物联 网工程、无人驾驶等多个
学科体系的优化布局；
到2030年，高校要成为建设世界主要人工智能创新中心的核心力量
和引领新一代人工智能发展的人才高地。
全国共有35所高校获首批“人工智能”新专业建设资格 96所高校获批“智能科学与技术”专业 203所高校获批“数据科学与大数据技术”专业 25所高校获批“大数据管理与应用”专业 101所高校获批“机器人工程”专业 25所学校获批“网络空间安全”专业 14所学校获批“物联网工程”专业
云创人工智能实验平台
云创大数据 人工智能部 曹骝
01 第一部分 背景介绍
未来20年，人工智能系统将在很多领域改变人类的未来，包括住房、 交通、医疗、教育和娱乐。
500多万 据媒体公开报道，中国还需
人工智能人才才能满足当前
的产业需求。
2017年国务院印发的《新一代人工智能发展规划》，
将用13年的时间，将我国打造成世界主要人工智能创新中心。
深度学习算法实验
11、基于R-FCN模型的物体检测 12、基于SSD模型和Pascal VOC数据集的目标检测 13、基于YOLO2模型和Pascal VOC数据集的目标检测 14、基于DCGAN模型和Celeb A数据集男女人脸转换 15、基于FaceNet模型和IMBD-WIKI数据集的年龄性别识别 16、基于RNN模型和康奈尔语料库的机器对话 17、基于LSTM模型的相似文本生成 18、基于DCGAN模型的换脸 19、基于CapsNet和Fashion-MNIST数据集图像分类 20、基于CNN模型的绘画风格迁移
具体算法包括： 分类算法：MLP、LeNet、AlexNet、GoogLeNet、VGGNet、ResNet、DeepID等 检测算法：Faster-RCNN、SSD、 R-FCN、YOLO2等 分割算法：FCN 、U-Net等 超分辨率重建：pix2pix、FSRCNN、ESPCN等
94个实验内容持续增加中
学生提交报告，教师 可根据实验报告提交 情况，管理掌控实验 进度
实验 操作
提交 报告
教师 评分
学生参照实验手册完 成实验，并记录实验 流程，生成实验报告
教师根据学生实验报 告内容的正确性，完 整性和及时性打分
平台提供的深度学习框架
易上手，CNN友好 已 提 供
功能强大，需要学习
易上手 易上手
平台提供的实验分类
+ 提高教学效率 + 实验进度管理 + 灵活组织内容
+ 对接教务管理 + 学生考核评测 + 教师开发环境
+ 独享GPU实验环境 + 本地/远程接入
+ 全面深入打好基础 + 丰富的实战项目
+ 增强就业实力
+ 学生探索环境
实验平台核心技术
Docker
基于LXC的轻量级虚拟化
SDN VPN
软件定义网络，虚拟专用网 络
领域。
02 第二部分 平台总体介绍
人工智能教学与实验现状
基础设施
学生实验需要大量的实验环境。一次 性基础设施投入和后期维护费用较高
高校高职 人工智能教学实验
面临问题
考试系统
实验考核，试题设计，考试组织 管理，试卷批阅占用大量教师时 间，考核成绩存在一定主观性
实验内容
生态体系庞大复杂，技术发展迅速。 实验设计花费时间
1、基于LeNet模型和MNIST数据集的手写数字识别（Caffe） 2、基于AlexNet模型和CIFAR-10数据集的图像分类（Caffe） 3、基于CNN模型的MNIST数据集的手写数字识别（TensorFlow） 4、基于CNN模型的CIFAR-10数据集的图像分类（TensorFlow） 5、基于GoogLeNet模型和ImageNet数据集的图像分类 6、基于VGGNet模型和CASIA WebFace数据集的人脸识别 7、基于DeepID模型和CASIA WebFace数据集的人脸验证 8、基于DNN模型和Iris data set的鸢尾花品种识别 9、基于Faster R-CNN模型和Pascal VOC数据集的目标检测 10、基于FCN模型和Sift Flow数据集的图像语义分割
涉及图像分类、识别、分割、检测、 超分辨率重建、风格迁移等算法 涉及场景理解、相似文本生成、翻译等 算法
涉及深度学习基础linux实验
涉及Python及Numpy、Pandas、 OpenCV、Matplotlib、Jupyter等 成用库的基础使用
涉及Caffe和TensorFlow的基础使用
深度学习算法实验