== 目标 = 2017年春季-课程项目 ===
构建可以实用化的人工智能云服务。[[大数据-位图索引-实验]]
平台：云平台/GPU工作站=== 2016年秋季-课程项目 ===
== 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课程项目-TensorFlow/Keras实践 == === 作业1_TensorFlow === # 阅读深度学习教程 [http://www.deeplearningbook.org/ Deep Learning2016年秋季]# 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]