查看“大数据智能-课程项目”的源代码

== 目标 ==

构建可以实用化的人工智能云服务。

平台：云平台/GPU工作站

== 准备工作 ==

携带笔记本，智能手机或平板

[http://portal.azure.com Azure云平台]

[[Flask-Web服务器搭建]]

== 项目1-大数据索引 ==

=== 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 GitLab]

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]

时间：10月26日下周三中午12点之前。（校历第七周）

=== Lucida使用 ===

每组熟悉了解Lucida的一种AI服务的实现原理

[[大数据智能-Lucida使用 | Lucida使用]]

== 项目3-TensorFlow/Keras实践 ==

=== 作业1_TensorFlow ===

# 阅读深度学习教程 [http://www.deeplearningbook.org/ Deep Learning]
# 安装[https://www.tensorflow.org/ Google TensorFlow]
# 完成TensorFlow网站上 [https://www.tensorflow.org/get_started/ Get Started]
# 测试实验：[https://www.tensorflow.org/versions/master/tutorials/mnist/beginners/index.html MNIST For ML Beginners]

时间：11月2日中午12点（校历第八周）

=== 作业2_Keras ===

# 安装[https://keras.io/ Keras]（Deep Learning library for Theano and TensorFlow）
# 测试实验：[http://gitlab.icenter.tsinghua.edu.cn/tuna/elixir elixir]

时间：11月23日晚上24点（校历第十一周）

== 项目4-云＋端整合 ==

时间：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接口发送图片

=== Server端 ===

# 接收图片文件
# 调用服务端程序

=== 参考资料 ===

* [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
# 搭建Flask-Web服务
# 建立AI服务（Google TensorFlow）
# 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]

=== 成果展示 ===

[[AI云]]

== 项目6-ChatBot开发 ==

基于微软BotFramework和LUIS自然语言理解API，设计并实现具有实用场景的智能机器人对话服务。

=== 流程 ===

a. 动手实验：根据微软提供的文档，一步一步搭建一个简单的智能机器人，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'''）

b. 参赛者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'''）

c. 初步实现参赛者设计的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Node.js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

d. 报告：展示自己设计实现的智能对话机器人（'''时间10分钟'''）

=== 参考 ===

* '''实验参考文档''' [https://github.com/yw346090249/tsinghuahackthon_20161119 Hackathon_Code]
* 微软云Azure Web服务 [https://azure.microsoft.com/zh-cn/services/app-service/web WebApp]
* 建议使用[https://www.visualstudio.com/zh-hans/downloads/ Visual Studio 2015 Community]开发微软智能对话机器人

== 项目7-NeuralArt实践 ==

Neural Art，神经网络艺术

=== 研读论文 ===

#Gatys, Leon A., Alexander S. Ecker, and Matthias Bethge. "A neural algorithm of artistic style." arXiv preprint arXiv:1508.06576 (2015).
* [https://arxiv.org/abs/1508.06576 A Neural Algorithm of Artistic Style]

#Gatys, Leon A., Alexander S. Ecker, and Matthias Bethge. "Image style transfer using convolutional neural networks." CVPR 2016.
* [http://doi.ieeecomputersociety.org/10.1109/CVPR.2016.265 Image Style Transfer Using Convolutional Neural Networks], CVPR 2016

#Vincent Dumoulin, Jonathon Shlens, Manjunath Kudlur, "A Learned Representation For Artistic Style." ICLR 2017.
* [https://arxiv.org/abs/1610.07629 A Learned Representation For Artistic Style]

=== 代码实现 ===

* [https://github.com/anishathalye/neural-style neural-style]
* [https://github.com/gcucurull/neural-art-transfer neural-art-transfer]

=== 成功案例 ===

* [http://deepart.io DeepArt]
* [https://magenta.tensorflow.org/ Magenta]
* [https://research.googleblog.com/2016/10/supercharging-style-transfer.html Supercharging Style Transfer]

=== 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-Azure云实践 ==

'''实验参考网址'''
[https://github.com/yw346090249/Tsinghua-WorkShop WorkShop]

=== 机器学习 ===

实验1 手写数字识别
[https://github.com/yw346090249/Tsinghua-WorkShop/tree/master/Machine%20Learning Machine_Learning]

步骤：

# Create a Machine Learning experiment
# Upload a dataset
# Train a classification model
# Score the model
# Deploy the model as a Web service

=== 大数据分析 ===

实验2 Spark集群实验
[https://github.com/yw346090249/Tsinghua-WorkShop/tree/master/HDInsight HDInsight]

步骤：

# Create a Spark cluster on HDInsight
# Upload Jupyter notebooks to the cluster
# Work with Jupyter notebooks
# Interactively explore data in Spark
# Use Jupyter to develop a machine-learning model
# Remove the HDInsight Spark cluster

== 项目9-增强学习 ==

=== 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 VIN_Code]