人工智能课程实训方案.pdfVIP

⼈⼯智能课程实训⽅案 第⼀章 发展背景 当今，世界⽆时⽆刻不在发⽣着变化。对于技术领域⽽⾔，普遍存在的⼀个巨⼤变化就是为⼤数据（Big data）打开了⼤门。随着国家⼤数据战 略推进实施以及配套政策的贯彻落实，⼤数据产业发展环境进⼀步优化，社会经济各领域对⼤数据服务需求进⼀步增强，⼤数据的新技术、新业 态、新模式不断涌现，产业规模持续保持⾼速增长态势。并且，随着⾼校获准开设“数据科学与⼤数据技术”专业，⼤数据需要的复合型⼈才将源 源不断形成。加之海外和传统⾏业跨界⼈才不断加⼊⼤数据⾏业，⼤数据产业将迎来创新发展。 ⼤数据时代的来临加快了⼈⼯智能应⽤的发展，随着⼤数据的应⽤，以及计算机算⼒的⼤幅提升，深度学习进⼀步提升和完善的需要得到了满⾜， 数据驱动的⼈⼯智能时代已经到来，⼈⼯智能发展进⼊新阶段。当前，新⼀代⼈⼯智能相关学科发展、理论建模、技术创新、软硬件升级等整体推 进，正在引发链式突破，推动经济社会各领域从数字化、⽹络化向智能化加速跃升，数据科学与⼈⼯智能的结合越来越紧密。 ⼤数据及⼈⼯智能成为国际竞争的新焦点，是引领未来的战略性技术，世界主要发达国家把⼤数据、⼈⼯智能的发展作为提升国家竞争⼒、维护国 家安全的重⼤战略，加紧出台规划和政策，围绕核⼼技术、顶尖⼈才、标准规范等强化部署，⼒图在新⼀轮国际科技竞争中掌握主导权。当前，我 国国家安全和国际竞争形势更加复杂，必须放眼全球，把⼤数据及⼈⼯智能发展放在国家战略层⾯系统布局、主动谋划，牢牢把握新阶段⼤数据及 ⼈⼯智能国际竞争的战略主动，打造竞争新优势、开拓发展新空间，有效保障国家安全。 第⼆章 ⽅案平台优势 2.1. ⽅案优势 基于云模式的智慧教育⼈⼯智能教学实训平台的设计全⾯落实“产、学、⽤、监、评”⼀体化的思想和模式，从教学、实践、使⽤、监控、评估等 多⽅⾯注重专业⼈才和特⾊⼈才的培养。学⽣可以通过在教学平台的学习熟练掌握⼈⼯智能的基础知识,通过掌握的知识在⼈⼯智能课程实验中进 ⾏动⼿实践。 本实训系统平台⽅案融合操作系统、数据库、编程语⾔、Python数据处理、⼈⼯智能等课程，⼈⼯智能领域涉及深度学习、机器学习、深度学 习、⾃然语⾔处理、计算机视觉等诸多⽅⾯，课程类型包括基础实训、关键技术掌握、应⽤创新等等各层次实践教学。从⾯向⼈⼯智能⾏业的需 求、促进学⽣职业发展的⾓度，规划建设基于云模式的⼈⼯智能教学实训平台，真正在产业、学校及实际项⽬中相互配合，发挥优势，形成⽣产、 学习、实践、运⽤、监控、评估的系统运作模式，从⽽建设⼤数据及⼈⼯智能特⾊专业。 利⽤虚拟化教学资源，搭建实训实战平台，将理论学习、实践教学和⼤数据及⼈⼯智能搭建、挖掘、存储、分析实战融为⼀体，从易到难、循序渐 进，逐步提升学⽣的学习技能和实践⽔平，提⾼“学”的质量和成效。定制专业化技能评估与教学监控功能，将学⽣的学习情况、专业喜好、适⽤ 岗位形成报告模版。秉承着“精准、先进、创新”的原则，实时监控学⽣操作，分析学习情况，评估学⽣知识⽔平，从⽽减轻学校及教师的压⼒。 2.2. 系统优势 ⼈⼯智能教学实训平台基于开源的Docker环境，构建硬件虚拟化设备，并基于同样开源的Kubernetes架构，实现GPU集群设备的⾃动管理和调 度，以Yarn为核⼼，构建了资源管理系统，实现计算任务的智能调度与冲突协调。⼀个基础平台的⽣命⼒，有赖于系统的基础⽀撑能⼒与对外服 务能⼒。在⾯向⼈⼯智能计算需求的建设开发上，必须要考虑如何开发组织系统对外服务的能⼒。⽽⼈⼯智能研发需求的两个基本要素就是计算和 数据。因此，本系统也着眼于组建基础计算能⼒和基础数据处理能⼒。在计算能⼒建设中，系统将传统⼈⼯智能计算⽅法与计算模型、当前流⾏的 ⼈⼯智能计算模型与框架，完美地融⼊了整个系统的计算模块中，并且与底层的硬件管理与计算资源的调度，完美地结合在⼀起。在数据能⼒的建 设中，系统将⾃建⼀套以⾮结构化数据的标记清洗，结构化数据的清洗为主要内容的数据处理系统。 在系统底层硬件管理上，⽀持CPU、GPU、FPGA、ASIC等通⽤或专⽤计算硬件，实现对主流计算硬件的即插即⽤。在计算集群的设置上，往往 也是分布式的，计算集群可以分布在不同机房中，不受空间限制，是⼈⼯智能教学实训平台在底层硬件管理上的特点。 在系统最核⼼的调度算法上，通过系统⾃⾝构建的智能化调度策略，针对不同的计算框架和机器学习⽅法，系统⾃动分配相应的计算资源，包括处 理器数量、内存数量，使计算请求与计算资源的使⽤达到最优匹配，提⾼计算资源的利⽤效率，降低单位时间的运⾏成本。同时，当⽤户发起计算 请求时，系统会根据⽤户距离计算中⼼的“距离”,⾃动将⽤户