查看“大数据智能-课程项目”的源代码

==课程准备==

==课程项目目标==
构建可以实用化的人工智能云服务。

平台：云平台/工作站

===学生准备===

携带笔记本，智能手机

(Bring your own laptop computers and camera-ready smart phones)

===Azure云平台使用===

[http://portal.azure.com Azure]

===Flask-Web服务器搭建===

[[Flask-Web服务器搭建]]

==项目1-大数据==

===描述===

任务：基于位图索引的概念和原理，用C++实现一个位图索引数据库。

检验：完成对一段网流数据的索引建立，查询。在虚拟机上运行成功，得到正确结果。

网流数据：\\166.111.134.110\team-saturn\网流数据

代码托管：http://gitlab.icenter.tsinghua.edu.cn

时间：10月7日中午12点之前（特殊情况，推迟一周）(校历第四周)

组织：以组为单位，要求要看到所有同学的贡献。

===作业提交===

{|border=1
|style="height:20px;width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/xavieryao/bitmap-db Group1]]]
|style="width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/bdmi_group2/bitmap  Group2]]]
|style="width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/3rd_group/bitmap_indexing  Group3]]]
|style="width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/taanng/Bitmap  Group4]]]
|-
|style="height:20px"|[[[http://gitlab.icenter.tsinghua.edu.cn/ddeerreekk/Experiment_1_Bitmap_Index  Group5]]]
|[[[http://gitlab.icenter.tsinghua.edu.cn/bdmi_group6/project1  Group6]]]
|[[[http://gitlab.icenter.tsinghua.edu.cn/  Group7]]]
|[[[http://gitlab.icenter.tsinghua.edu.cn/FQX/bitmap  Group8]]]
|-
|}

==项目2-Lucida使用==

===Lucida安装===

每个组在清华工业云平台上安装Lucida软件

* 清华工业云 [https://cloud.icenter.tsinghua.edu.cn iCenter-Cloud]
* 下载地址 [https://github.com/claritylab/lucida Lucida-AI]

时间：10月26日下周三中午12点之前。（校历第七周）

===每组工作===

每组熟悉了解Lucida的7种AI服务的实现原理

[[大数据智能-Lucida使用]]

==项目3-TensorFlow/Keras实践==

===作业1_TensorFlow===
#阅读深度学习DeepLearning教程
#安装Google TensorFlow 
#完成TensorFlow网站上Get Started. 

*测试实验
[https://www.tensorflow.org/versions/master/tutorials/mnist/beginners/index.html MNIST For ML Beginners]

时间：2016年11月2日中午12点（校历第八周）

===作业2_Keras===
#安装Keras
#Keras: Deep Learning library for Theano and TensorFlow
[https://keras.io/ Keras] 

*测试实验 
http://gitlab.icenter.tsinghua.edu.cn/tuna/elixir.git

时间：2016年11月23日晚上24点（校历第十一周）

==项目4-云+端整合==

时间：2016年11月9日中午12点（校历第九周）（特殊情况，延长一周）

===Thrift协议===

[https://thrift.apache.org Thrift]

===Client端=== 

调用摄像头拍照

调用Thrift接口

===Server端===

接收图片文件

调用服务端程序

===参考===

[https://developer.android.com/index.html Android开发入门]

[http://cordova.apache.org Cordova]

[https://github.com/claritylab/clarity-mobile clarity-mobile]

==项目5-机器智能==

===描述===

完成一个可展示的人工智能系统

步骤：

# 设置Azure虚拟机
# 架构Flask-Web服务
# 建立AI服务（Google Tensorflow）
# lucida.ai
# 智能端开发（移动平台、嵌入式硬件） + Thrift协议联调

参考：
[http://lucida.ai Lucida-AI]

===作业提交===

{|border=1
|style="height:20px;width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/  Group1]]]
|style="width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/  Group2]]]
|style="width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/  Group3]]]
|-
|style="height:20px"|[[[http://gitlab.icenter.tsinghua.edu.cn  Group4]]]
|style="width:200px"|[[[http://gitlab.icenter.tsinghua.edu.cn/  Group5]]]
|[[[http://gitlab.icenter.tsinghua.edu.cn/  Group6]]]
|-
|}

==项目6-ChatBot开发==
基于微软BotFramework和Luis自然语音理解API，设计并实现具有实用场景的智能机器人对话服务。

*实验参考文档 [https://aka.ms/tsinghua_hack Hackathon_code]

===动手实验===

根据微软提供的文档，一步一步搭建一个简单的对话机器人，并将Code上传Azure，
或者直接将微软提供的Sample Code上传Azure，发布成Web App，并和Skype或者Web结合（时间1.5小时）

===设计===

自己的智能对话机器人应用场景和功能，并设想可能的解决方案，并做报告（时间1.5小时）

===实现===

设计的Bot的核心功能和主要场景（时间5小时）
（微软会提供两个版本的Sample Code，分别是C#和NodeJS版本，选手可以根据此Code修改为自己设计的智能对话机器人，或者重新创建设计新的智能对话机器人）

===报告===

展示自己设计实现的智能对话机器人（时间10分钟）

* 建议使用Visual Studio 2015 Community开发微软智能对话机器人
: https://www.visualstudio.com/zh-hans/downloads/

* 微软云Azure Web服务：
: https://azure.microsoft.com/zh-cn/services/app-service/web

==项目7-NeuralArt实践==
神经网络艺术

===研读论文===
*A Learned Representation For Artistic Style  [https://arxiv.org/abs/1610.07629 Google_art_style]
*A Neural Algorithm of Artistic Style [https://github.com/anishathalye/neural-style neural-style] 
*Image Style Transfer Using Convolutional Neural Networks_CVPR_2016 [https://github.com/gcucurull/neural-art-transfer neural-art-transfer]

===Google Art and Machine Intelligence(AMI)===
Magenta [https://magenta.tensorflow.org/ TensorFlow_Magenta]

AMI [https://research.googleblog.com/2016/10/supercharging-style-transfer.html#1 google_AMI]

===创业公司===
[http://deepart.io DeepArt]

===作业完成===
第1组、第2组、第3组、第5组

第4组和第6组（缺）

==项目8-机器学习和大数据分析（Azure云）==

实验参考网址
[https://aka.ms/Tsinghua-WorkShop ML_BD_code]

*按照实验指导，一步步完成两个随堂作业。
===机器学习===
（1） 手写字体分类；

*Exercise 1: Create a Machine Learning experiment
*Exercise 2: Upload a dataset
*Exercise 3: Train a classification model
*Exercise 4: Score the model
*Exercise 5: Deploy the model as a Web service

实验1 过程说明 [https://github.com/yw346090249/Tsinghua-WorkShop/tree/master/Machine%20Learning Machine_Learning]

===大数据分析===
（2）spark集群实验；

*Exercise 1: Create a Spark cluster on HDInsight
*Exercise 2: Upload Jupyter notebooks to the cluster
*Exercise 3: Work with Jupyter notebooks
*Exercise 4: Interactively explore data in Spark
*Exercise 5: Use Jupyter to develop a machine-learning model
*Exercise 6: Remove the HDInsight Spark cluster

实验2 过程说明 [https://github.com/yw346090249/Tsinghua-WorkShop/tree/master/HDInsight HDInsight]

==项目9-增强学习实验==

===论文===
Value Iteration Networks
[https://papers.nips.cc/paper/6046-value-iteration-networks VIN]

===实验===
Value Iteration Networks in TensorFlow
https://github.com/TheAbhiKumar/tensorflow-value-iteration-networks

=数字化出版=
[http://www.madoko.net Madoko]