==课程准备目标 ==
==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GPU工作站
===学生准备=准备工作 ==
携带笔记本，智能手机携带笔记本，智能手机或平板
(Bring your own laptop computers and camera-ready smart phones) ===Azure云平台使用=== [http://portal.azure.com AzureAzure云平台] ===Flask-Web服务器搭建===
[[Flask-Web服务器搭建]]
==项目1-大数据大数据索引 ==
===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。
网流数据：\\166.111.134.110\team-saturn\网流数据
代码托管：http代码托管：[http://gitlab.icenter.tsinghua.edu.cnGitLab]
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。组织：以组为单位，要求看到所有同学的贡献。
===作业提交===
{|border=1
|}
==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-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Lucida使用 ===
每组熟悉了解Lucida的7种AI服务的实现原理每组熟悉了解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DeepLearning教程#安装Google TensorFlow #完成TensorFlow网站上Get Started.
*测试实验# 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：2016年11月2日中午12点（校历第八周）时间：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 # 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.gitelixir]
时间：2016年11月23日晚上24点（校历第十一周）时间：11月23日晚上24点（校历第十一周）
==项目4-云+端整合云＋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）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
调用Thrift接口=== Server端 ===
===Server端===# 接收图片文件# 调用服务端程序
接收图片文件=== 参考资料 ===
调用服务端程序* [https://developer.android.com/index.html Android开发入门]* [http://cordova.apache.org Cordova]* [https://github.com/claritylab/clarity-mobile clarity-mobile]
===参考=项目5-机器智能 ==
[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
# 设置Azure虚拟机
# 架构Flask搭建Flask-Web服务# 建立AI服务（Google Tensorflow）# lucida.aiTensorFlow）# 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]
===作业提交成果展示 ===
{|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]AI云]]|-|}
==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]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。
===动手实验流程 ===
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 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1App，并和Skype或者Web结合（'''时间1.5小时）5小时'''）
===设计===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'''）
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1c.5小时）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
===实现===d. 报告：展示自己设计实现的智能对话机器人（'''时间10分钟'''）
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）=== 参考 ===
===报告===* '''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
展示自己设计实现的智能对话机器人（时间10分钟）== 项目7-NeuralArt实践 ==
* 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/Neural Art，神经网络艺术
* 微软云Azure Web服务：: https://azure.microsoft.com/zh-cn/services/app-service/web=== 研读论文 ===
==项目7-NeuralArt实践==* [https://arxiv.org/abs/1508.06576 A Neural Algorithm of Artistic Style]神经网络艺术* [https://arxiv.org/abs/1610.07629 A Learned Representation For Artistic Style]* [http://doi.ieeecomputersociety.org/10.1109/CVPR.2016.265 Image Style Transfer Using Convolutional Neural Networks], CVPR 2016
===研读论文代码实现 ===*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)===* [https://github.com/anishathalye/neural-style neural-style]Magenta * [https://magentagithub.tensorflow.orgcom/gcucurull/ TensorFlow_Magentaneural-art-transfer neural-art-transfer]
AMI [https://research.googleblog.com/2016/10/supercharging-style-transfer.html#1 google_AMI]=== 成功案例 ===
===创业公司===* [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 ===
===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）Azure云实践 ==
'''实验参考网址'''[https://akagithub.mscom/yw346090249/Tsinghua-WorkShop ML_BD_codeWorkShop]
*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实验1 手写数字识别[https: Create a //github.com/yw346090249/Tsinghua-WorkShop/tree/master/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%20Learning Machine_Learning]
实验1 过程说明 [https://github.com/yw346090249/Tsinghua-WorkShop/tree/master/Machine%20Learning Machine_Learning]步骤：
===大数据分析===# Create a Machine Learning experiment（2）spark集群实验；# Upload a dataset# Train a classification model# Score the model# Deploy the model as a Web service
*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=== 大数据分析 ===
实验2 过程说明 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-增强学习实验增强学习 == === 论文 ===
===论文===
Value Iteration Networks
[https://papers.nips.cc/paper/6046-value-iteration-networks VIN]
===实验===Value Iteration Networks in TensorFlow
Value Iteration Networks in TensorFlow[https://github.com/TheAbhiKumar/tensorflow-value-iteration-networks VIN_code] =数字化出版=[http://www.madoko.net MadokoVIN_Code]