人工智能教学与实践支撑平台

虚拟桌面在线实验环境

学生直接在浏览器上进行实验,界面分为左右两栏,左栏为实验指导书,右侧为一个真实的虚拟机环境。无需配置繁琐的本地环境,随时随地在线流畅使用,极佳的用户体验。 深入了解

Jupyter 在线实验环境

使用Jupyter撰写实验报告,简化交互式计算与数据分析类实验。实验文档与执行代码收归一处,极好的用户体验。
基于Docker技术进行用户隔离,CG系统自动进行负载均衡和资源分配。
深入了解

完善的课程管理与考试平台

支撑所有人工智能专业的教学与实践,实现在线资源的统一管理。
支持各类题型(填空、选择、判断、文件上传、简答、编程等)、在线作业、在线实验、在线考试、在线答疑等课程管理功能,支持MOOC视频播放。

代码自动评判

利用代码自动评判功能支持人工智能专业基础课程(Python、Java等)编程语言教学, 深入了解

教育大数据沉淀

CG平台完整汇集学生在整个培养阶段的学习过程数据、项目实践数据、考试成绩数据,为本校的教育人工智能研究提供数据支撑。

CG人工智能解决方案特色

一门课仅需一台服务器。基于虚拟机多用户共享,和CPU/GPU计算资源的动态调度技术,极大节约计算资源,一台服务器支撑300人同时在线实验。 深入了解

CG人工智能 其它
软件平台与硬件松耦合
独立建设、独立维护升级换代

一体机模式,与服务器和虚拟化软件紧耦合
对专业支撑的全面性
支撑人工智能课程体系内所有课程的教学与实验。 详情

昂贵的软硬件,只能做有限的人工智能实验,无法支持课程体系内其它课程的实验,例如数据库、编程语言、操作系统等
资源的可扩展性
轻松自建教学与实验资源

教学与实验资源固化
实验环境
1.B/S架构图形桌面,客户端分辨率自适应。
2.支持 Jupyter 实验环境。覆盖人工智能入门与通识教育。

C/S架构或者命令行界面
基于云计算技术,实验所需数据、软件共建和硬件实验设备均抽象为实验资源,提高了软硬件资源利用率,并利于系统维护和升级换代。
对于人工智能实验中的深度学习作业,CG平台支持GPU加速卡,以提升模型训练效率。对于学生提交的深度学习作业,由作业调度和管理系统统一调度到由CPU+GPU构成的高性能异构集群上执行训练过程。

工业生产级实验环境架构

传统的人工智能与大数据的实验模式是给每个学生分配1台虚拟机,在虚拟机内预装人工智能和大数据的实验工具。受限于单台虚拟机的存储能力和计算能力,每个学生只能进行简单的“伪大数据或人工智能”实验。CG平台构建了工业生产级实验环境,如左图所示,每个学生都可以使用工业级生产环境集群开展实验。

CG平台实现了对GPU资源的两种调度方式

时间片轮转调度。当学生人数大于GPU数量时,时间片轮转策略是公平分配GPU资源的最佳策略。时间片轮转的调度方式可实现少量GPU卡支持多个学生同时进行深度学习实验的需求。

单人多卡的调度模式。支持使用GPU集群的方式加提升单个模型的训练效率,使学生具备开展大型深度学习实验的计算环境。

高质量的教学资源

人工智能知识体系图

人工智能课程体系内相关课程: Python实训 数据库实验 算法与数据结构 大数据

部分人工智能课程实验资源:机器学习深度学习自然语言处理人工智能数学基础

课程 实验分类 实验内容 实验手册 实验代码 实验数据

机器学习

监督学习
kNN算法
基于kNN的手写字识别
基于kNN的约会网站配对效果改进
基于kNN的乳腺癌诊断
基于kNN的IRIS分类
决策树算法
基于决策树的隐形眼镜选择
朴素贝叶斯算法
基于朴素贝叶斯算法的言论过滤器
基于朴素贝叶斯算法的垃圾邮件过滤器
基于朴素贝叶斯算法的新闻分类
逻辑回归算法
基于逻辑回归的病马死亡率预测
支持向量机算法(SVM)
基于支持向量机的手写字识别
AdaBoost算法
一元线性回归算法
多元线性回归算法
多项式回归算法
基于线性回归预测鲍鱼年龄
基于线性回归预测乐高玩具套装价格
树回归算法
无监督学习
K均值聚类算法
使用K均值聚类对地图上的点进行聚类
Apriori算法
基于Apriori算法的投票模式挖掘
基于Apriori算法发现毒蘑菇相似特征
FP-Growth算法
基于FP-Growth算法Twiter数据挖掘
基于FP-Growth算法新闻网站点击流挖掘
数据降维
PCA算法
基于PCA算法的半导体制造数据降维
SVD算法
基于SVD的图像压缩
推荐系统
协同过滤算法
基于协同过滤的推荐引擎
基于SVD的餐馆推荐引擎
特征工程
PCA算法
利用机器学习做缺失数据补全
R语言特征工程实践
基于IRIS数据集的特征工程实战

深度学习

神经网络基础
神经网络游乐场
人工神经网络模型原理
卷积神经网络(CNN)模型原理
循环神经网络(RNN)模型原理
LSTM模型原理与实践
seq2seq模型原理与实践
TensorFlow基础
TensorFlow基础:张量、计算图、会话
使用Tensorflow实现线性回归
使用Tensorflow实现逻辑回归
用TensorFlow做手写数字识别
深度学习实训
基于LSTM的时间序列预测最高股价
基于LSTM的航班乘客预测
泰坦尼克号旅客生存率预测
基于CNN的车牌号码识别系统
基于CNN的Discuz论坛验证码识别系统
facenet人脸识别
CIFAR-10 图像物体识别
基于生成式对抗网络的手写字生成
Inception-V3图像分类
基于LSTM的图像理解
基于卷积神经网络的图像风格迁移

自然语言处理

自然语言处理基础
中文分词
最大熵原理
TF-IDF模型
信息检索原理与实践
词表达方式
词向量计算
短文本聚类
问句的意图识别
文本相似度计算
语法分析与词法分析
自然语言处理实训
自动问答系统的完整设计
聊天机器人系统搭建
基于检索系统的聊天机器人
基于seq2seq实现聊天机器人

人工智能数学基础

优化算法
利用网格搜索找到最优参数
用随机梯度下降法做线性拟合
数学基础
求解一元线性回归问题
求解多元线性回归问题
求解多项式回归问题
求解逻辑回归问题
人工神经网络模型原理
逻辑回归公式的数学推导

......

......
......