【源码】基于多技术栈的研究生人工智能实践项目

项目简介

本项目聚焦于人工智能、机器学习与大数据领域，从算法、平台、应用三个层面开展学习与实践。算法层面帮助研究生熟悉基础算法；平台层面助力学生掌握项目开发所需工具；应用层面训练学生运用平台与算法完成具体事务，并结合实验室项目，全面提升学生实践能力。

项目的主要特性和功能

算法功能

实现Kmeans、KNN、Logistic Regression、Softmax Regreesion、BP神经网络、CART、贝叶斯方法、PCA等基础算法，加深学生对相关领域算法的理解。

平台功能

1. Hadoop生态环境：包含基于Kafka的消息订阅系统、基于Sqoop和Flume的数据ETL、基于Oozie的流程管理平台等，以及Spark环境下非结构化数据读写和基于Spark Mllib的机器学习应用实践。
2. Tensorflow：涵盖简单CNN对MNIST手写体的数字识别、AlexNet、VGGNet、GoogLeNet、ResNet、LSTM等内容。
3. Docker和Kubernetes容器集群平台：可在CentOS或Ubuntu上安装部署环境，搭建ELK日志系统，在Kubernetes环境下搭建Tensorflow并完成相关任务。

应用功能

完成文本分类、运动目标检测、运动目标识别等具体应用，也可选择在Docker平台中完成其中任意一个应用。

安装使用步骤

1. 下载本项目源码文件后，根据不同算法实现需求，安装Python、C、C++、Java等程序设计语言的开发环境。
2. 对于平台部分，按照文档要求依次搭建Hadoop生态环境、Tensorflow环境、Docker和Kubernetes容器集群平台环境。
3. 针对算法实现，除数学运算可调用现有库函数外，其他部分手动编写代码实现。
4. 搭建好平台环境后，运行示例程序进行测试，确保环境正常。
5. 进行应用部分开发，完成演示Demo。
6. 完成10个学习报告，内容包含运行环境说明、数据准备、算法流程或平台搭建说明、运行效果或结论。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】