智能计算平台应用开发(中级)教学大纲

1、“智能计算平台应用开发中级课程大纲、课程概要课程名称中文：智能计算平台应用开发(中级)英义：IntelligentComputingPlatformApplicationDevelopment(IntermediateLevel)课程代码课程学分4课程学时共96学时,理论64学时,实践32学时课程类别通识教育：根底课程核心课程一般课程拓展专业课程专业教育：根底课程核心课程拓展课程课程性质必修选修适用专业计算机网络技术、计算机信息治理、计算机系统与维护、软件技术、软件与信息效劳、智能产品开发、人工智能技术服务等先修课程操作系统原理与技术、数据库原理与技术、ETL数据整合与处理、大数据采集技术、大

2、数据存储技术、软件测试技术、数据处理技术、机器学习技术后续课程综合实训、顶岗实习开设学期第一学期第二学期第三学期第四学期第五学期第六学期教学方式面授实验实践网络研讨其他二、课程定位本课程是人工智能技术效劳等专业的专业核心课程,主要目标是培养人工智能技术效劳等专业学生的智能计算开发软件系统的安装部署、系统治理、系统调测、数据处理和人工智能根底算法及中级应用开发测试等水平.通过本课程的学习能完成软件开发系统的软件安装部署、计算资源调测、人工智能根底算法产品的应用开发测试等工作任务.本课程以企业需求为导向,通过与华为等世界级主流企业建立密切合作关系,将企业的教育资源融入到教学体系中,保证学生学习到最

3、先进和实用的人工智能技术.学完本课程后,学生可以参加智能计算平台应用开发1+X认证测试,为将来走向工作岗位奠定坚实的根底.三、教学目标一知识目标1 .掌握人工智能软件库、IDE的安装配置的主要工作内容；2 .掌握智能计算平台的存储资源扩容和升级改造原理；3 .掌握人工智能专用型效劳器系统治理的主要工作内容；4 .掌握智能计算平台系统调测的主要工作内容；5 .掌握大数据采集系统的根本组成和搭建知识；6 .掌握ETL的根本操作和流程；7 .掌握数据标注的方法；8 .掌握数据库治理相关的知识；9 .掌握数据备份与恢复的概念、工具和流程；10 .掌握机器学习根底算法；11 .掌握人工智能根底应用软件开

4、发测试的流程和方法；二水平目标1 .具备人工智能软件库、IDE的安装配置水平；2 .具备智能计算平台的存储资源扩容和升级水平；3 .具备人工智能专用型效劳器系统治理水平；4 .具备智能计算平台系统的调测水平；5 .能够搭建和使用大数据采集系统；6 .能够实现数据的ETL;7 .能够标注数据；8 .能够治理数据库；9 .能够执行日常数据的备份与恢复；10 .能够运用机器学习算法开发与测试人工智能应用软件.三素质目标1 .培养学生掌握智能计算平台软件的安装、配置和使用方法；2 .培养学生团队意识、协作意识、表达水平和文档水平；3 .培养学生认真负责、严谨细致的工作态度和工作作风；4 .培养学生创新

5、意识和创新思维；5 .培养学生标准意识、操作标准意识、效劳质量意识、尊重产权意识及环境保护意识;6 .培养学生平台治理、数据治理意识,软件工程思维.四、课程设计本课程立足人工智能和智能计算人才需求,以企业实际智能计算应用案例为载体,以企业涉及的智能计算平台应用开发技术为核心,以“职业岗位一学习领域一技能知识点-实验项目为主线,以实际工作技能知识点为导向,以职业认证为抓手,以企业需求为依据,从宏观到微观,从易到难,从简单到复杂,遵循学生职业水平培养的根本规律,科学设计技能学习路线和实验工程.本课程设计了8个章节除第1章理论介绍,同时配套6个工程.课程的知识图谱如图1所示平台喏建平台治理w事际部他

6、1图1?智能计算平台应用开发中级?知识图谱五、教学内容安排一理论教学序号章节名称主要内容教学目标学时1智能计算平台应用开发中级概述1 .智能计算平台应用开发初级、中级、高级这3个级别对应的知识水平2 .智能计算平台应用开发初级、中级、高级这3个级别对应的工作岗位3 .智能计算平台应用开发职业技能中级局部所需掌握的技能点1. 了解智能计算平台应用开发初级、中级、高级这3个级别对应的知识水平2. 了解智能计算平台应用开发初级、中级、高级这3个级别对应的工作岗位3. 熟悉智能计算平台应用开发职业技能中级局部所需掌握的技能点22人工智能与平台搭建1. 人工智能开展,包括人工智能的概念、人工智能的次浪潮

7、与低谷,第二次浪潮与低谷,以及第三次浪潮2. 大数据与人工智能,包括数据的范围、大数据的定义、大数据和人工智能的关系3. 机器学习与深度学习,包括机器学习、深度学习的概念,以及两者与人工智能的关系4. Anaconda,包含Anaconda简介、特点、基础配置5. PyCharm,包含PyCharm简介、智能编码协助功能、Web开发功能和根本配置等6. Eclipse,包含Eclipse简介、特点、窗口介绍、子符集修改、Python库安装、运行配置等7. TensorFlow、PyTorch、Mxnet、Caffe、MindSpore这5个人工智能框架的开展、功能、特点1 .了解人工智能的根底

8、知识2 .掌握Anaconda的根底配置3 .掌握PyCharm的根底配置4 .掌握Eclipse的根底配置5 .了解常用的人工智能框架43平台治理1 .集群治理介绍,包括伸缩性、可用性、管理性3个集群治理的主要特性,应用集中、部署简便、系统监控、治理方便4个集群管理的开展趋势2 .集群治理工具简介,包括AIMax、华为eSightServer、浪潮BCP和SmartKit这4个集群治理的工具3 .存储资源治理介绍,包括供给、限制资源、性能监视和治理、数据治理和数据保护、报告和本钱确定5个存储资源治理主要任务,存储虚拟化、统一治理、自动化、智能化4个开展趋势,CABrightStorSRM、E

9、MCControlCenter>富士通SoftekStorageManager、HPOpenViewSAM、IBMTivoliStorageResourceManager和华为FusionStorage这6款存储资源治理工具简介4.存储资源治理工具FusionStorage,包括公存储介绍,FusionStorage的系统架构,扩容、升级改造等存储资源治理的应用5 .系统治理介绍,包括系统运行状态监控与巡检、性能分析与优化、平安加固、系统故障调测4个系统治理的主要任务6 .系统治理开展趋势,包括智能化、自动化、平安与稳定3方面7 .系统治理工具,包:舌IBMSystemsDirector

10、>FusionDirector两个系统治理工具简介8 .系统治理工具FusionDirector,包括软件架构、智能版本治理、智能部署治理、智能资产治理、智能能效治理、智能故障治理、安全治理9 .文档治理,包括文档治理介绍、运维报告定义及其内容、技术支持文档的内容1 .了解集群治理的特性、发展趋势2 .熟悉常用的集群治理工具3 .了解存储资源治理的主要任务、开展趋势4 .熟悉存储资源治理工具5 .了解系统治理的主要任务、开展趋势6 .熟悉常用的系统治理工具7 .了解文档治理的根本概念8 .掌握运维报告文档的书写标准9 .掌握技术支持文档的书写标准64数据采集1 .大数据米集与处理,包括线

11、下米集、线上采集两种大数据采集技术,批处理、流处理两种大数据处理技术2 .大数据根底组件介绍,包才Flume、Loader、Kafka、MapReduce>Spark、Storm、Flink3 .数据采集系统架构,包括数据采集、数据处理、数据存储4 .数据采集系统设计与配置,包括离线数据采集与分析系统实例、在线数据采集与分析系统实例5 .数据采集流程优化,包括Flume采集流程优化、Kafka性能优化,SparkStreaming性能优化、Storm性能优化、Flink性能优化6 .数据采集系统维护,包括数据质量、增量数据维护、完整性约束、性能、数据采集资源占用率等维护要素1. 了解大数

12、据采集与处理的概念2. 了解大数据采集和大数据处理的常用组件3. 熟悉数据采集系统的架构和根底配置4. 了解数据采集系统维护与流程优化方法105数据存储1 .存储系统维护和治理,包才HDFS、HBase、Hive2 .存储系统优化,包括负载均衡技术的概述、分类,数据存储的平安性,数据组织结构及复制策略3 .数据库日常监控,包括SolarWindsDatabasePerformanceAnalyzer、PaesslerPRTG、IderaDiagnosticManager、SQLPowerTools这4种数据库监控工具的特点4 .数据库日常运维,包括环境部署、故障处理、性能优化、升级与迁移4种日

13、常运维事项1 .了解存储系统的维护和管理2 .了解存储系统优化的根本策略3 .熟悉数据库日常监控工具4 .掌握数据库的日常运维86数据处理1 .ETL常用工具,包括DataPipeline、Kettle、OracleGoldengate和Informatica的特点2 .ETL数据整合操作,包括数据整合的过程,建立转换工程、转换、建立任务这3个数据整合的根本操作3 .ETL任务流程监控、维护和优化,包括任务和调度、前后流程的依赖、合理的调度算法、日志与警告4 .图像数据标注,包括图像标注的任务类型、常用图像标注工具,图像标注质量评估算法5 .文本数据标注,包括文本数据标注任务类型、常用文本标注

14、工具、文本标注质量评估算法及其优缺点6 .语音数据标注,包括语音数据标注常用方法、语音数据标注工具,语音标注质量评估算法1 .了解ETL的概念和常用工具2 .熟悉ETL数据整合的过程和操作3 .熟悉ETL任务的监控和优化4 .了解图像数据标注的根底知识5 .了解文本数据标注的根底知识6 .了解语音数据标注的根底知识67数据备份与恢复1 .数据备份的概念,包括了数据备份的作用、原因2 .备份组网介绍,包括LAN-Base、LAN-Free、Server-Free、Server-Less这4种备份组网方式3 .备份介质,包括磁盘阵列、磁带库、虚拟磁带库、光盘塔、光盘库、云备份等4 .备份的分类,包

15、括完全备份、累积增量式备份、差异增量式备份5 .高级备份技术,包括本地快照备份、快照副本保护两种快照技术,源端重删、目标端重删、全局重删、并行重删、基于重删的合成全备5种重删技术6 .华为OceanStor应用实例,包括某人学图书馆备份、某工作单位备份7 .常规备份解决方案的组网设计,包栉-体化备份方案、集中备份方案8 .OceanStor备份解决方案,包括备份解决方案设计流程、备份解决方案设计方法论、项目背景、需求提炼、现网环境收集、兼容性设计、策略制定原那么、策略制定、备份容量、重删策略、带宽计算、组网设计等步骤9 .Linux文件系统备份与恢复,包括备份内容的选择、系统备份策略、Linu

16、x备份恢复工具介绍10 .OceanStor备份与恢复,包括OceanStor备份方某硬件部者、OceanStor备份方某软件安装与配置1 .了解数据备份的根本概念2 .了解数据备份的组网、介质和分类3 .了解快照技术和重删技术两种高级备份技术4 .掌握常规备份解决方案组网设计方法5 .熟悉OceanStor备份解决力杀6 .掌握Linux文件系统、OceanStor的备份与恢复68机器学习根底算法建模1 .机器学习的的相关名词解释,包括有监督学习、无监督学习、半监督学习、强化学习、其他名词2 .机器学习的应用领域,包括垃圾邮件检测、识别恶意软件、识别、语音识别、人脸识别、产品推荐、医学分析、

17、股票分析、天气预报、客户细分等3 .逻辑回归、KNN、朴素贝叶斯、SVM、决策树、多层感知机6种算法的简单介绍、实现步骤、算法优缺点、实现函数及其参数4 .线性回归、KNN回归、Lasso回归3种算法的简单介绍、实现步骤、算法优缺点、实现函数及其参数5 .AdaBoost、GBDT这2种Boosting算法简单介绍、实现步骤、算法优缺点、实现函数及其参数；6 .Bagging算法简单介绍、实现步骤、算法优缺点、实现函数及其参数7 .原型聚类、层次聚类、密度聚类3种算法的简单介绍、实现步骤、算法优缺点、实现函数及其参数8 .Apriori、FP-growth这2种算法的简单介绍、实现步骤、算法优

18、缺点、实现函数及其参数9 .协同过滤算法的简单介绍、实现步骤、算法优缺点、实现函数及其参数1. 了解机器学习的概念2. 了解分类、回归、聚类、关联规那么、智能推荐等算法的概念3. 了解不向类型算法的使用条件与场景4. 熟悉各算法的实现步骤5. 掌握各算法的实现函数149人工智能模型开发测试1 .商业理解,包括确定商业目标、评析环境、确定工程目标、制定工程方案4个步骤2 .数据理解,包括收集原始数据、描述数据、探索数据、检验数据质量4个步骤3 .数据准备,包括选择数据、清洗数据、构造数据、整合数据、格式化数据5个步骤4 .数据建模,包括选择建模技术、生成测试设计、建立模型、评估模型4个步骤5 .

19、模型评价,包括评价结果、重审过程、确定卜一步3个步骤6 .模型部署,包括规划部署、规划监控和维护、生成最终报告、回忆工程4个步骤7 .测试用例,包括测试用例的概念、作用和分类8 .测试方法,包括分类算法测试、回归算法测试、聚类算法测试9 .测试方案,包括测试方案的概念、目的、内容10 .测试报告,包括测试报告的概念、版本测试报告的内容、总结测试报告的内容1 .熟悉人工智能模型开发的6个阶段2 .熟悉人工智能模型的测试过程8学时合计64(二)实验教学序号实验名称实验要求学时1计算平台治理运维实践1 .能完成效劳器的日常运维与故障处理2 .能完成存储设备的日常运维与故障处理3 .能进行数据中央的日常运维操作42构建博客数据库系统1 .能够掌握数据库表结构设计方法2 .能够掌握HBaseAPI的使用方法3 .能够通过HBaseAPI实现