设备部件

参数指标

AI服务器集群

1）深度学习集群管理平台完全基于容器云架构，所有的管理平台服务和处理任务均在容器中运行，提高平台硬件资源利用效率；

2）提供英伟达GPU显卡深度学习训练容器，内置多种常见的英伟达GPU显卡驱动+CUDA工具集以及cuDNN深度神经网络加速包，支持英伟达GPU服务器集群的容器化部署；

3）支持TensorFlow、PyTorch、Caffe、CNTK、XGBoost、MXNet、Scikit-Learn等深度学习框架的处理任务运行；

4）提供CPU+GPU服务器集群的硬件资源监控功能，包括CPU、GPU、内存、磁盘IO、网络等设备的实时监控；

5）支持服务器集群在线增加和减少服务器节点，并重新配置和迁移相关平台服务到不同的服务器节点；

6）提供深度学习处理任务的在线调试、错误报警、日志管理、性能监测功能；

7）提供大数据处理平台功能，支持大数据文件系统HDFS和分布式任务调度框架YARN，深度学习任务可以无缝读写大数据文件系统HDFS；提供Spark大数据处理框架容器，支持Spark大数据处理任务的分布式运行；

8）提供用户权限管理功能，管理员可以注册平台用户，并分配给用户不同的虚拟集群，支持不同用户之间任务和数据的隔离；

9）提供用户资源申请自动审核和仲裁功能，管理平台根据用户申请的计算资源份额，结合集群现有剩余计算资源，自动分配相应的计算资源份额，确保用户任务的运行；

10）提供Visual Studio开发工具集成插件，通过Visual Studio Coder，用户可以远程提交部署和监控深度学习处理任务。

AI深度学习平台资源包

1)提供机器视觉相关的AI深度学习案例资源包，包括基于卷积神经网络（CNN）的猫狗分类、手势识别、车牌识别、光学字符识别、目标检测、焰火识别等；

2)提供自然语言处理相关的AI深度学习案例资源包，包括基于循环神经网络（RNN）和长短期记忆神经网络（LSTM）的文本分类、文本摘要、词向量、文本情感分析等；

AI数据爬虫工具

1)支持分布式多节点多线程的网络数据爬取，提高海量数据的网络爬取速度；

2)提供数据爬取项目管理功能和Web界面，支持定时启动数据爬取，自动进行增量数据爬取，并对数据爬取过程进行监控；

3)提供WebUI界面，方便对爬虫爬取的页面数据进行在线调试；

4)支持使用PhantomJS，可以爬取JavaScript动态页面数据；

5)支持网站登录用户和密码的设置，提供网站验证码识别接口，可以集成网站验证码识别功能；

6)提供相应的数据存储驱动，支持Oracle、MySQL、SQL Server、MongoDB、HBase等后台数据库以存储爬取的数据；

7)支持CSS选择器，使用类似于jQuery选择器的方式，对爬取数据的元素进行解析获取；

8)支持基于Windows和Linux操作系统的部署和运行。

AI数据模拟工具

1)提供千万级以上的模拟数据快速生成功能；

2)支持多种格式的模拟数据生成，包括字符串、数值型、日期型、时间型、枚举型等数据格式；

3)提供多种数据模拟生成规则，包括指定序列循环生成、指定序列随机生成、数值范围随机生成、数值范围指定概率生成、日期范围随机生成、日期范围概率生成，以及使用当前日期、当前时间戳等方式；

4)提供数据模拟配置编辑功能，用户采用Excel表格对需要生成的数据项格式、生成规则、分隔符、数据存储方式、生成数据量等参数进行修改；

5)模拟数据存储支持文本文件、CSV文件和数据库存储；

6)支持基于Windows和Linux操作系统的部署和运行。

AI数据标记工具

1)图片标注提供各种格式图片加载、预处理和在线标注功能，支持图片格式包括：BMP、JPEG/JPG、PNG、GIF、TIFF等；

2)图片标注操作包括：点标注、圆形标注、矩形框标注、不规则形状标注；

3)提供MP4等多种格式视频文件的标注功能，包括从视频中提取图片、选择标注区域，并使用文本进行视频标注；

4)标注成果数据支持JSON文件格式，可自动进行图像分割并转换为VOC格式；

5)文本实体类型标注：根据文本所属领域，对文本实体（包括单词、短语或段落）及逆行类型标注；

6)文本词性标注：对文本单词进行词性标注，如标注为名词、代词或动词等；

7)文本情感倾向性标注：根据预设的文本情感倾向性，对文本进行情感倾向性标注；

8)文本关系标注：选择多个文本实体，进行关系标注。

AI数据可视化工具

1)提供多种Web图表框架，支持HiChart和ExtJS图表，提供散点图、柱图、线图、饼图、气泡图、雷达图等多种常见数据图表；

2)提供数据仪表舱（Dashboard）功能，用户可以选取不同主题的数据图表，组合成所需的数据仪表大屏；

3)支持多种数据源，包括Oracle、MySQL、SQL Server、HBase、Hive等数据源，提供数据实时监控功能；

4)提供数据挖掘分析模型管理功能，支持Python和R数据挖掘分析功能，提供常见的机器学习模型，包括线性回归、决策树、逻辑回归、朴素贝叶斯、支持向量机、K近邻、K均值聚类等；

5)提供联机分析处理（OLAP）引擎，支持对数据进行切片、下钻、上卷、旋转等操作，实现面向业务主题的在线数据分析；

6)提供在线地图展示功能，可以基于在线地图进行要素定位和数据展示；

7)提供网络分析功能，可以进行社交网络分析操作；

8)提供用户校验和授权管理功能，提供基于OAuth的单点登录（SSO）集成接口，方便集成到用户现有用户管理系统；

9)提供自助分析功能，用户可以自行选择不同数据源，采用不同数据挖掘模型，进行自定义数据分析；

10)支持基于Windows和Linux操作系统的部署和运行。

课程名称

课程内容

课程大纲

出版教材/推荐教材

《机器学习与深度学习》

本课程介绍了神经网络与深度学习的发展历史，详细分析了深层神经网络各种架构的原理和实现，同时提供各种深度学习应用案例，使学生在理论学习的基础上，掌握深度学习的应用基本技能，为人工智能的应用开发打下坚实的基础，使学生能够熟悉人工智能的核心技术，并具备人工智能的应用开发实践能力。

1. 机器学习算法与应用（机器学习开发框架、监督式机器学习算法（一）、监督式机器学习算法（二）、非监督式机器学习算法）

2. 深度学习开发框架（TensorFlow、PyTorch、MXNet、CNTK、PaddlePaddle）

3. 神经网络与深度学习（卷积神经网络、循环神经网络、对抗神经网络、自编码器和深度信念网络、深度强化学习）

4. 深度学习应用案例（智慧农业病虫害监控、智慧交通信号灯优化）

内部教材（待完成），预计出版时间2022-02-01前

《大数据处理技术》

本课程整合了大数据技术的原理、框架和应用各方面知识，提供给学生一个大数据技术和应用体系的全景视图，使学生了解大数据处理的全过程，熟悉大数据平台的架构原理和运行维护，同时通过大数据技术的各种实际应用案例，使学生掌握大数据处理实际过程中的各种工具的用法，培养学生应用大数据技术，解决实际问题的能力。

1. 大数据平台Hadoop（Hadoop平台介绍、HDFS分布式文件系统、MapReduce并行计算框架、YARN分布式调度框架、HBase分布式数据库、Hive数据仓库、）

2. 分布式计算框架Spark（Spark框架介绍、SQL数据处理、Streaming流数据处理、MLlib机器学习、GraphX图计算）

3. 大数据处理流程（数据采集、数据存储、数据分析、数据展示）

4. 大数据处理工具（数据爬虫工具、数据标记工具、数据模拟工具、数据可视化工具）

内部教材（待完成），预计出版时间2022-02-01前