人工智能與數(shù)據(jù)科學(xué)的案例
一份適合初學(xué)者的Python人工智能與機(jī)器學(xué)習(xí)入門(mén)指南-0 ￥5
- 核心學(xué)習(xí)內(nèi)容：
- 機(jī)器學(xué)習(xí)和Python編程基礎(chǔ)
- 數(shù)據(jù)預(yù)處理和特征工程
- 有監(jiān)督學(xué)習(xí)：回歸和分類模型
- 無(wú)監(jiān)督學(xué)習(xí)：聚類和降維
- 模型評(píng)估、優(yōu)化和性能指標(biāo)
- 使用Python構(gòu)建真實(shí)世界的AI項(xiàng)目
- 理解機(jī)器學(xué)習(xí)從頭到尾的完整工作流程
- 推薦理由：
- 結(jié)合真實(shí)世界案例和項(xiàng)目的實(shí)踐式學(xué)習(xí)
- 適合初學(xué)者，采用循序漸進(jìn)的教學(xué)方式
- 即使沒(méi)有相關(guān)經(jīng)驗(yàn)，也能學(xué)習(xí)用于機(jī)器學(xué)習(xí)的Python
- 掌握數(shù)據(jù)科學(xué)、人工智能和科技行業(yè)崗位所需的技能
- 適用人群：
- 對(duì)Python和機(jī)器學(xué)習(xí)感興趣的初學(xué)者
- 有志成為數(shù)據(jù)科學(xué)家的人和人工智能愛(ài)好者
- 希望掌握機(jī)器學(xué)習(xí)技能的軟件開(kāi)發(fā)者
- 任何想要使用Python構(gòu)建實(shí)用AI模型的人
- 課程成果：課程結(jié)束時(shí)，你將能夠使用Python構(gòu)建和部署機(jī)器學(xué)習(xí)模型，為進(jìn)入人工智能、數(shù)據(jù)科學(xué)等領(lǐng)域的職業(yè)生涯打開(kāi)大門(mén)。
展開(kāi) Last Call | Siemens、Forrester、LTTS等全球行業(yè)專家在線分享數(shù)據(jù)科學(xué)與AI實(shí)戰(zhàn)經(jīng)驗(yàn)，點(diǎn)擊報(bào)名！
2025年11月5日，Altair 將攜手行業(yè)領(lǐng)袖、技術(shù)專家和教育工作者，帶來(lái)一場(chǎng)聚焦數(shù)據(jù)科學(xué)與 AI 話題的技術(shù)盛會(huì)，共同探討領(lǐng)先的數(shù)據(jù)科學(xué)與 AI解決方案如何在學(xué)術(shù)界和各行各業(yè)推動(dòng)創(chuàng)新。
本次會(huì)議邀請(qǐng)了來(lái)自 Forrester、LTTS、Mendix 等全球知名企業(yè)技術(shù)專家及英國(guó)伯明翰城市大學(xué)、克萊姆森大學(xué)等知名高校教授，在線分享數(shù)據(jù)科學(xué)和 AI 技術(shù)在企業(yè)的落地應(yīng)用以及在高校的課程實(shí)踐，緊密聯(lián)結(jié)理論研究與產(chǎn)業(yè)價(jià)值，助力每位參會(huì)者探索 AI 應(yīng)用能力，切實(shí)掌握借助人工智能驅(qū)動(dòng)創(chuàng)新發(fā)展的核心方法。
會(huì)議時(shí)間：2025年11月5日（周三）
北京時(shí)間 16:00 開(kāi)始
會(huì)議形式：線上直播
會(huì)議語(yǔ)言：英語(yǔ)（免費(fèi)提供在線中文翻譯）
點(diǎn)擊報(bào)名：https://hubs.ly/Q03Q9bTn0
或掃碼報(bào)名：
溫馨提示：因服務(wù)器地域問(wèn)題，掃碼后需等待5秒，請(qǐng)耐心等待自動(dòng)跳轉(zhuǎn)至報(bào)名頁(yè)哦~
從深化人工智能與數(shù)據(jù)科學(xué)教育，到展示賦能業(yè)務(wù)成果的實(shí)用創(chuàng)新方案，本次會(huì)議聚焦從高校到企業(yè)的眾多熱門(mén)議題，充分展示人工智能在現(xiàn)實(shí)世界的應(yīng)用以及數(shù)據(jù)科學(xué)推動(dòng)智能、可持續(xù)發(fā)展的實(shí)踐。
展開(kāi) 人工智能簡(jiǎn)介及其目前如何被巖土工程師使用
在當(dāng)今快節(jié)奏的世界中，許多工程師被迫尋找更高效的工作方式，這條rabbit hole往往引領(lǐng)我們開(kāi)始探索人工智能和自動(dòng)化來(lái)尋求答案。但是，接觸這個(gè)話題可能會(huì)讓你面臨一個(gè)令人生畏的學(xué)習(xí)曲線，而我們中的許多人沒(méi)有時(shí)間去克服它。在本文中，我們旨在為您簡(jiǎn)要介紹一些關(guān)于人工智能的高級(jí)概念。我們還將討論一些關(guān)于如何在我們的產(chǎn)品Civils.ai中實(shí)施人工智能以及您如何開(kāi)始研究如何將其應(yīng)用到您的工作中。
首先，為什么人工智能變得越來(lái)越強(qiáng)大呢？
摩爾定律，即芯片上的晶體管數(shù)量每?jī)赡攴兑淮蔚睦碚摚瑢?duì)于人工智能不斷增強(qiáng)的能力起到了重要作用。
高性能處理器和專用硬件，如GPU（圖形處理單元）和TPU（張量處理單元），可以加快和更高效地處理復(fù)雜的人工智能算法。這種增強(qiáng)的計(jì)算能力使得人工智能系統(tǒng)可以處理更大規(guī)模的數(shù)據(jù)集，訓(xùn)練更復(fù)雜的模型，并且執(zhí)行以前難以想象的任務(wù)。
但是，人工智能到底是什么呢？
簡(jiǎn)單來(lái)說(shuō)，人工智能是開(kāi)發(fā)能夠表達(dá)推理、解決問(wèn)題和創(chuàng)造力的系統(tǒng)，而不是通過(guò)硬編碼腳本運(yùn)行程序。在最好的情況下，這些系統(tǒng)可以處理和分析信息，從經(jīng)驗(yàn)中學(xué)習(xí)，并根據(jù)識(shí)別的模式做出決策。
我們經(jīng)常聽(tīng)到數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能等話題被互換談?wù)摚屛覀兺撕笠徊剑忉屢幌滤鼈兊恼嬲x。
數(shù)據(jù)科學(xué)描述了包括人工智能、機(jī)器學(xué)習(xí)等概念在內(nèi)的整個(gè)領(lǐng)域。將數(shù)據(jù)科學(xué)視為“通用工程”，而該領(lǐng)域中的深度分支學(xué)科相當(dāng)于各種工程學(xué)科。人工智能是數(shù)據(jù)科學(xué)中的一個(gè)概念，我們通過(guò)訓(xùn)練計(jì)算機(jī)系統(tǒng)來(lái)展示推理和問(wèn)題解決能力。機(jī)器學(xué)習(xí)是人工智能的一個(gè)概念，其中使用數(shù)據(jù)來(lái)尋找外推和預(yù)測(cè)。深度學(xué)習(xí)則是利用數(shù)據(jù)尋找更高層次含義的方法，最后神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)這些概念之一所使用的底層技術(shù)。
展開(kāi) 2024年人工智能與通信技術(shù)與計(jì)算機(jī)科學(xué)國(guó)際學(xué)術(shù)會(huì)議（ICAICTS2024）
會(huì)議簡(jiǎn)介
2024年人工智能與通信技術(shù)與計(jì)算機(jī)科學(xué)國(guó)際學(xué)術(shù)會(huì)議（ICAICTS2024）的主要目標(biāo)是促進(jìn)人工智能與通訊、網(wǎng)絡(luò)和計(jì)算機(jī)技術(shù)領(lǐng)域的研發(fā)活動(dòng)。另一個(gè)目標(biāo)是促進(jìn)研究人員、開(kāi)發(fā)人員、工程師、學(xué)生和從業(yè)者之間的科學(xué)信息交流。會(huì)議將在中國(guó)成都舉行，使其成為人們?cè)?em>人工智能與通信、網(wǎng)絡(luò)與計(jì)算機(jī)技術(shù)及相關(guān)領(lǐng)域交流意見(jiàn)和經(jīng)驗(yàn)的理想平臺(tái)。
數(shù)據(jù)分析與AI丨AI Fabric：數(shù)據(jù)和人工智能架構(gòu)的未來(lái)
wx_fmt=jpeg&from=appmsg"></p><p><br></p><p>在當(dāng)今商業(yè)環(huán)境中，數(shù)據(jù)分析和人工智能領(lǐng)域發(fā)展可謂日新月異。幾乎每天都有新興技術(shù)誕生，新的應(yīng)用場(chǎng)景不斷涌現(xiàn)，前沿探索持續(xù)拓展。可遺憾的是，眾多企業(yè)在利用數(shù)據(jù)和人工智能方面，腳步總是滯后。</p><p><br></p><p>這是每個(gè)行業(yè)進(jìn)行創(chuàng)新和獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的沖刺階段，但正如大多數(shù)企業(yè)時(shí)常感受到的那樣，<strong>大規(guī)模實(shí)施下一代數(shù)據(jù)和 AI 工具說(shuō)起來(lái)容易做起來(lái)難。</strong></p><p><br></p><p>實(shí)際操作中，無(wú)論企業(yè)員工能力如何、專長(zhǎng)在哪方面，想要實(shí)現(xiàn)數(shù)據(jù)與人工智能的順暢應(yīng)用都困難重重。一方面，數(shù)據(jù)格式陳舊，沿用幾十年的遺留系統(tǒng)架構(gòu)混亂復(fù)雜；另一方面，企業(yè)常常難以精準(zhǔn)定位問(wèn)題根源，而這其中，數(shù)據(jù)架構(gòu)往往就是“罪魁禍?zhǔn)住薄?lt;strong>解決這一系列難題的關(guān)鍵方案則是：AI Fabric。</strong></p><p><br></p><p><strong>AI FABRIC：一種大膽的創(chuàng)新方法</strong></p><p><br></p><p>AI Fabric 源自 Data Fabric的演變。Data Fabric （數(shù)據(jù)架構(gòu)）是過(guò)去十年左右出現(xiàn)的，它巧妙地融合了數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)湖的優(yōu)勢(shì)特性，為企業(yè)的數(shù)據(jù)資產(chǎn)構(gòu)建起一個(gè)統(tǒng)一且流暢的管理體系。借助這一體系，企業(yè)在數(shù)據(jù)管理工作上效率大幅提升，操作更加便捷，并且能夠輕松實(shí)現(xiàn)管理規(guī)模的擴(kuò)展。</p><p><br></p><p>然而，隨著 AI 領(lǐng)域創(chuàng)新步伐的不斷加快，單純依靠 Data Fabric 已難以滿足企業(yè)的需求。</p><p><br></p><p>Data Fabric 固然重要，但它無(wú)法完全涵蓋有效激活和運(yùn)用數(shù)據(jù)所需的全部要素。
展開(kāi) 打破數(shù)據(jù)壁壘，北鯤云超算混合云模式激活人工智能數(shù)據(jù)價(jià)值
近幾年，在數(shù)字經(jīng)濟(jì)與信息化的大背景下，越來(lái)越多的企業(yè)將數(shù)據(jù)作為塑造企業(yè)未來(lái)競(jìng)爭(zhēng)的關(guān)鍵，并放到了極其重要的位置。因此許多企業(yè)都將數(shù)據(jù)作為戰(zhàn)略資源與核心資產(chǎn)，并致力于將數(shù)據(jù)貫穿于研發(fā)、設(shè)計(jì)、生產(chǎn)、運(yùn)營(yíng)、管理、服務(wù)等各個(gè)環(huán)節(jié)，推動(dòng)企業(yè)經(jīng)營(yíng)管理由經(jīng)驗(yàn)依賴向數(shù)據(jù)驅(qū)動(dòng)轉(zhuǎn)變，進(jìn)而實(shí)現(xiàn)智慧型企業(yè)、認(rèn)知型企業(yè)的轉(zhuǎn)型。如何實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的整合與統(tǒng)一管理，同時(shí)利用人工智能技術(shù)實(shí)現(xiàn)對(duì)復(fù)雜數(shù)據(jù)的深入挖掘與洞察，進(jìn)而激活和釋放數(shù)據(jù)價(jià)值。是北鯤云超算混合云模式重點(diǎn)為企業(yè)用戶解決的問(wèn)題。
隨著混合云技術(shù)架構(gòu)的興起，以及人工智能技術(shù)的日漸成熟，北鯤云超算混合云模式能夠幫助企業(yè)打破數(shù)據(jù)孤島，實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的整合與統(tǒng)一管理，幫助企業(yè)上云，進(jìn)而激活和釋放數(shù)據(jù)價(jià)值。但隨著企業(yè)上云的程度越來(lái)越高，數(shù)據(jù)量越來(lái)越大，企業(yè)的數(shù)據(jù)存儲(chǔ)與管理的成本也會(huì)越來(lái)越高。因此，促進(jìn)數(shù)據(jù)的高效流動(dòng)與融合應(yīng)用，同時(shí)降低數(shù)據(jù)管理的成本與復(fù)雜性也是北鯤云超算平臺(tái)幫助企業(yè)解決的問(wèn)題之一。這就不得不用到人工智能技術(shù)，我們知道人工智能技術(shù)是通過(guò)海量數(shù)據(jù)的分析與挖掘，產(chǎn)生基于數(shù)據(jù)的實(shí)時(shí)洞察與預(yù)測(cè)，將原始數(shù)據(jù)加工為信息和知識(shí)，能夠以全新的方式釋放數(shù)據(jù)的價(jià)值，進(jìn)而能夠從微觀和宏觀層面產(chǎn)生基于數(shù)據(jù)的洞察，預(yù)測(cè)并塑造未來(lái)成果；從而更好地指導(dǎo)企業(yè)經(jīng)營(yíng)、管理與決策，確保企業(yè)能夠?qū)崿F(xiàn)穩(wěn)定且持續(xù)的業(yè)務(wù)增長(zhǎng)，塑造面向未來(lái)的企業(yè)競(jìng)爭(zhēng)力。
北鯤云超算平臺(tái)混合云模式旨在通過(guò)海量數(shù)據(jù)的分析與挖掘，產(chǎn)生基于數(shù)據(jù)的實(shí)時(shí)洞察與預(yù)測(cè)，從而幫助企業(yè)優(yōu)化勞動(dòng)力分配，支持員工專注于更高價(jià)值、格局創(chuàng)造性的工作；創(chuàng)建自動(dòng)執(zhí)行決策并帶來(lái)出色體驗(yàn)的智能工作流程，實(shí)現(xiàn)決策、流程、體驗(yàn)自動(dòng)化。
展開(kāi) 通向強(qiáng)人工智能：與其坐等認(rèn)知科學(xué)家“猜謎”，不如直接繪制大腦結(jié)構(gòu)圖譜
在我國(guó)的腦計(jì)劃“腦科學(xué)與類腦研究”中，類腦計(jì)算是重要組成部分。這部分的任務(wù)是什么？甚至這個(gè)概念是什么意思？在腦計(jì)劃準(zhǔn)備過(guò)程中，就有不少爭(zhēng)論，之后肯定還會(huì)有爭(zhēng)論。有爭(zhēng)論是好事，有利于把有限投入用到刀刃上。這里我圍繞“類”（怎么類？）、“腦”（從腦中得到什么？）和“計(jì)算”（怎么算？）三個(gè)問(wèn)題談一下自己的看法，與業(yè)界同道和廣大同仁商榷。
“類”：功能類腦還是結(jié)構(gòu)仿腦？
人類大腦是宇宙間已知的最復(fù)雜的對(duì)象，擁有已知的最強(qiáng)的智能。盡管計(jì)算機(jī)在計(jì)算速度等方面已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)人類大腦，在圍棋這種高智力項(xiàng)目中人工智能系統(tǒng)也已經(jīng)把人類遠(yuǎn)遠(yuǎn)甩到后面，但這都是“單項(xiàng)比賽”，大腦無(wú)疑是唯一的智能最強(qiáng)的全能選手。
正如歐盟“人類大腦計(jì)劃（Human Brain Project）”建議報(bào)告中指出的[1]：“除人腦以外，沒(méi)有任何一個(gè)自然或人工系統(tǒng)能夠具有對(duì)新環(huán)境與新挑戰(zhàn)的自適應(yīng)能力、新信息與新技能的自動(dòng)獲取能力、在復(fù)雜環(huán)境下進(jìn)行有效決策并穩(wěn)定工作直至幾十年的能力。沒(méi)有任何系統(tǒng)能夠在多處損傷的情況下保持像人腦一樣好的穩(wěn)健性，在處理同樣復(fù)雜的任務(wù)時(shí)，沒(méi)有任何人工系統(tǒng)能夠媲美人腦的低能耗性。”
用人工智能話語(yǔ)來(lái)說(shuō)，至今為止的所有人工智能都是“弱人工智能”，而人類大腦是個(gè)通用智能系統(tǒng)，擁有“強(qiáng)人工智能”，即具有自我意識(shí)，能夠通過(guò)學(xué)習(xí)適應(yīng)環(huán)境和應(yīng)對(duì)未知挑戰(zhàn)。因此，借鑒大腦是發(fā)展人工智能的一條重要路線。
關(guān)鍵問(wèn)題是：如何借鑒大腦？或者說(shuō)怎么去“類”腦？
多數(shù)人理解的“類腦”是功能類腦，亦即先理解大腦智能的工作機(jī)制或原理，然后按照這個(gè)科學(xué)原理設(shè)計(jì)人工智能系統(tǒng)。這種思路的基礎(chǔ)是認(rèn)知科學(xué)，大眾都很容易理解；這種觀點(diǎn)也常常影響人工智能的技術(shù)走向，但效果差強(qiáng)人意，很多計(jì)算機(jī)和人工智能專家甚至因此厭倦、反感認(rèn)知科學(xué)乃至腦科學(xué)。為什么會(huì)這樣？
展開(kāi) 人工智能是如何處理數(shù)據(jù)的？
當(dāng)數(shù)據(jù)量較大或者我們的人為先驗(yàn)理解很有限時(shí)，可以嘗試表示學(xué)習(xí)，如依賴一氣呵成的深度學(xué)習(xí)，效果往往不錯(cuò)。
4. 為什么有的模型擁有表示學(xué)習(xí)的能力，而有的沒(méi)有？
這個(gè)問(wèn)題需要分模型討論。以深度學(xué)習(xí)為例，特征學(xué)習(xí)是一種對(duì)于模型的理解，并不是唯一的理解，而為什么泛化效果好，還缺乏系統(tǒng)的理論研究。
5. 特征工程指的是對(duì)于數(shù)據(jù)的清理，和學(xué)習(xí)有什么關(guān)系？
此處我們想再次強(qiáng)調(diào)的是，這個(gè)不是一個(gè)嚴(yán)謹(jǐn)?shù)?em>科學(xué)劃分，是一種直觀的理解。如果所使用的模型擁有對(duì)于數(shù)據(jù)的簡(jiǎn)化、特征表示和抽取能力，我們都可以認(rèn)為它是有表示學(xué)習(xí)的特性。
至于哪個(gè)模型算，哪個(gè)模型不算，不必糾結(jié)這點(diǎn)。而狹義的特征工程指的是處理缺失值、特征選擇、維度壓縮等各種預(yù)處理手段，而從更大的角度看主要目的是提高數(shù)據(jù)的表示能力。對(duì)于數(shù)據(jù)的人為提煉使其有了更好的表達(dá)，這其實(shí)是人工的表示學(xué)習(xí)。
來(lái)源：圖靈人工智能
展開(kāi) 人工智能 大數(shù)據(jù) 深度強(qiáng)化學(xué)習(xí)
課程安排
一、大數(shù)據(jù)概述
二、大數(shù)據(jù)處理架構(gòu)Hadoop
三、分布式文件系統(tǒng)HDFS
四、分布式數(shù)據(jù)庫(kù)HBase
五、MapReduce
六、Spark
七、IPython Notebook運(yùn)行Python Spark程序
八、Python Spark集成開(kāi)發(fā)環(huán)境
九、Python Spark決策樹(shù)二分類與多分類
十、Python Spark支持向量機(jī)
十一、Python Spark 貝葉斯模型
十二、Python Spark邏輯回歸
十三、Python Spark回歸分析
十四、Spark ML Pipeline 機(jī)器學(xué)習(xí)流程分類
十五、Python Spark 創(chuàng)建推薦引擎
十六、項(xiàng)目實(shí)踐
培訓(xùn)目標(biāo)
1.掌握大數(shù)據(jù)建模分析與使用方法。
2.掌握大數(shù)據(jù)平臺(tái)技術(shù)架構(gòu)。
3.掌握國(guó)內(nèi)外主流的大數(shù)據(jù)分析與BI商業(yè)智能分析解決方案。
4.掌握大數(shù)據(jù)分析在搜索引擎、廣告服務(wù)推薦、電商數(shù)據(jù)分析、金融客戶分析方面的應(yīng)用。
5.掌握主流的基于大數(shù)據(jù)Hadoop和Spark、R的大數(shù)據(jù)分析平臺(tái)架構(gòu)和實(shí)際應(yīng)用。
6.掌握基于Hadoop大數(shù)據(jù)平臺(tái)的數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)分布式系統(tǒng)平臺(tái)應(yīng)用，以及商業(yè)和開(kāi)源的數(shù)據(jù)分析產(chǎn)品加上Hadoop平臺(tái)形成大數(shù)據(jù)分析平臺(tái)的應(yīng)用剖析。
7.掌握常見(jiàn)的機(jī)器學(xué)習(xí)算法。
來(lái)源：www.chinaai.org.cn
關(guān)注微信公眾號(hào)人工智能技術(shù)與咨詢了解更多！
展開(kāi) CAE仿真與大數(shù)據(jù)、虛擬現(xiàn)實(shí)以及人工智能
圖3 人工智能與天氣模擬
總之，隨著中國(guó)2025、智能制造、工業(yè)4.0、“互聯(lián)網(wǎng)+”等新一輪工業(yè)革命的興起，新技術(shù)與傳統(tǒng)制造的結(jié)合催生了大量新型應(yīng)用，仿真軟件也開(kāi)始結(jié)合大數(shù)據(jù)、虛擬現(xiàn)實(shí)、人工智能等先進(jìn)技術(shù)，在研發(fā)設(shè)計(jì)、生產(chǎn)制造、服務(wù)管理和維護(hù)反饋等工業(yè)各個(gè)環(huán)節(jié)中凸顯更為重要的作用。
大數(shù)據(jù)—人工智能領(lǐng)域高水平會(huì)議及熱點(diǎn)技術(shù)匯總
人工智能領(lǐng)域高水平會(huì)議及熱點(diǎn)技術(shù)匯總
源自：奇科技探索
更多信息可關(guān)注：人工智能技術(shù)與咨詢，（⒈⒐⒌???2??2??①⑤②）
安排
2022年11月24日-28日 線上直播
一、大數(shù)據(jù)概述
1.大數(shù)據(jù)及特點(diǎn)分析
2.大數(shù)據(jù)關(guān)健技術(shù)
3.大數(shù)據(jù)計(jì)算模式
4.大數(shù)據(jù)應(yīng)用實(shí)例
二、大數(shù)據(jù)處理架構(gòu)Hadoop
1.Hadoop項(xiàng)目結(jié)構(gòu)
2.Hadoop安裝與使用
3.Hadoop集群的部署與使用
4.Hadoop 代表性組件
三、分布式文件系統(tǒng)HDFS
1.HDFS體系結(jié)構(gòu)
2.HDFS存儲(chǔ)
3.HDFS數(shù)據(jù)讀寫(xiě)過(guò)程
四、分布式數(shù)據(jù)庫(kù)HBase
1.HBase訪問(wèn)接口
2.HBase數(shù)據(jù)類型
3.HBase實(shí)現(xiàn)原理
4.HBase運(yùn)行機(jī)制
5.HBase應(yīng)用
五、MapReduce
1.MapReduce體系結(jié)構(gòu)
2.MapReduce工作流程
3.資源管理調(diào)度框架YARN
4.MapReduce應(yīng)用
六、Spark
1.Spark生態(tài)與運(yùn)行架構(gòu)
2.Spark SQL
3.Spark部署與應(yīng)用方式
七、IPython Notebook運(yùn)行Python Spark程序 1.Anaconda
2.IPython Notebook使用Spark
3.使用IPython Notebook在Hadoop YARN模式運(yùn)行
八、Python Spark集成開(kāi)發(fā)環(huán)境
1.Python Spark集成開(kāi)發(fā)環(huán)境部署配置
2.Spark數(shù)據(jù)分析庫(kù)MLlib的開(kāi)發(fā)部署
九、Python Spark決策樹(shù)二分類與多分類
1.決策樹(shù)原理
2.大數(shù)據(jù)問(wèn)題
3.決策樹(shù)二分類
展開(kāi) 
設(shè)計(jì)仿真 | 直播預(yù)告-人工智能助力材料數(shù)據(jù)庫(kù)應(yīng)用
近些年來(lái)人工智能技術(shù)蓬勃發(fā)展，逐步與各傳統(tǒng)行業(yè)進(jìn)行深度融合，助力傳統(tǒng)行業(yè)實(shí)現(xiàn)了經(jīng)驗(yàn)驅(qū)動(dòng)到數(shù)字驅(qū)動(dòng)的研發(fā)理念轉(zhuǎn)變，有效降低研發(fā)成本提高研發(fā)效率，加快了產(chǎn)品的迭代上市。海克斯康工業(yè)軟件旗下的Material Center、Digimat、Odyssee軟件通過(guò)搭載人工智能技術(shù)，在材料領(lǐng)域提出了許多全新的解決方案，帶來(lái)了材料領(lǐng)域應(yīng)用的新變革。
本期海克斯康直播講堂請(qǐng)到了海克斯康集成材料計(jì)算工程專家常誠(chéng)為大家?guī)?lái)“人工智能助力材料數(shù)據(jù)庫(kù)應(yīng)用”的主題直播，從人工智能助力材料數(shù)據(jù)庫(kù)的擴(kuò)展到材料性能在產(chǎn)品結(jié)構(gòu)級(jí)別的驗(yàn)證，再到材料智能推薦系統(tǒng)，全方位為您解讀人工智能技術(shù)在材料領(lǐng)域的深度應(yīng)用，歡迎報(bào)名。
展開(kāi) 設(shè)計(jì)仿真 | 使用人工智能方法擴(kuò)充Sabic材料數(shù)據(jù)
PART.01
背景介紹
材料數(shù)據(jù)在工程設(shè)計(jì)中起著至關(guān)重要的作用，但是通過(guò)實(shí)驗(yàn)測(cè)試的方法不僅成本昂貴且研發(fā)周期較長(zhǎng)。隨著使用的材料越來(lái)越復(fù)雜，包括成分、環(huán)境條件等多種因素，為了獲得材料數(shù)據(jù)需要進(jìn)行大量測(cè)試，如何快速高效的獲得材料數(shù)據(jù)成為一個(gè)關(guān)鍵問(wèn)題。
近年來(lái)人工智能（AI）和包含的機(jī)器學(xué)習(xí)（ML）發(fā)展迅速，利用AI/ML技術(shù)可以提供一種新方法來(lái)節(jié)約生成大型數(shù)據(jù)集的時(shí)間、精力和費(fèi)用。所以材料供應(yīng)商已逐步開(kāi)始探索人工智能的潛力，來(lái)豐富他們的材料數(shù)據(jù)庫(kù)。
本文介紹了海克斯康利用一種新的基于物理信息的人工智能方法，通過(guò)少量測(cè)試數(shù)據(jù)即可實(shí)現(xiàn)材料數(shù)據(jù)的擴(kuò)充，幫助用戶準(zhǔn)確預(yù)測(cè)工程熱塑性塑料的性能，同時(shí)節(jié)省資金和時(shí)間。SABIC公司將上述解決方案應(yīng)用到其ULTEM?樹(shù)脂產(chǎn)品中，在沒(méi)有溫度、應(yīng)變率和加載角度條件的測(cè)試數(shù)據(jù)的情況下，準(zhǔn)確地預(yù)測(cè)ULTEM?樹(shù)脂的拉伸應(yīng)力-應(yīng)變響應(yīng)曲線。
PART.02
使用物理信息的AI方法
ULTEM?樹(shù)脂是聚醚酰亞胺（PEI）材料，非常適合多個(gè)行業(yè)的高要求應(yīng)用。實(shí)際工程應(yīng)用中，需要了解其在不同的溫度、不同的纖維含量及類型、不同的樹(shù)脂類型、不同的纖維曲線等參數(shù)情況下的力學(xué)性能，因此需要針對(duì)上千種不同組合的材料數(shù)據(jù)進(jìn)行評(píng)估。
目前材料數(shù)據(jù)的生成方法主要有三種：實(shí)驗(yàn)室測(cè)試、先進(jìn)的材料建模和AI/ML方法。每種方法都有優(yōu)缺點(diǎn)如圖1所示。
圖1. 三種材料數(shù)據(jù)生成方法的優(yōu)缺點(diǎn)
為了克服傳統(tǒng)方法的局限性，海克斯康提出一種使用物理信息的AI方法，如圖2所示。該方法有效地結(jié)合了實(shí)驗(yàn)數(shù)據(jù)、先進(jìn)的材料模型和AI/ML方法，能夠?qū)π虏牧?em>數(shù)據(jù)進(jìn)行快速、低成本的響應(yīng)，實(shí)現(xiàn)豐富和高質(zhì)量的材料數(shù)據(jù)庫(kù)。
展開(kāi) 【開(kāi)局2021】“算法、數(shù)據(jù)、算力”驅(qū)動(dòng)人工智能三要素
云計(jì)算是互聯(lián)網(wǎng)中一切的基礎(chǔ)，為大數(shù)據(jù)對(duì)海量數(shù)據(jù)的處理提供了算力支持；人工智能或者說(shuō)智能系統(tǒng)不僅在一定程度是上達(dá)到了對(duì)數(shù)據(jù)進(jìn)行智能化、自動(dòng)化的采集、表示、存取和處理，同時(shí)還能在各種不同的應(yīng)用場(chǎng)景中完成特定的功能設(shè)定。大數(shù)據(jù)本質(zhì)上是一種從海量數(shù)據(jù)中加工出有價(jià)值數(shù)據(jù)的處理技術(shù)，它用來(lái)處理智能設(shè)備產(chǎn)生的海量數(shù)據(jù)；5G作為互聯(lián)網(wǎng)中一條快速傳輸?shù)耐ǖ溃瑸榭焖佟⒑Ａ俊⒍鄻雍偷蛢r(jià)值密度的數(shù)據(jù)提供了快速穩(wěn)定傳輸?shù)谋Ｕ稀?中國(guó)信息通信研究院發(fā)布的《全球人工智能戰(zhàn)略與政策觀察（2020）》報(bào)告稱，截至2020年12月，全球已有39個(gè)國(guó)家和地區(qū)制定了人工智能的戰(zhàn)略政策、產(chǎn)業(yè)規(guī)劃文件。人工智能對(duì)新經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)作用日益受到重視。
隨著算法的創(chuàng)新、算力的增強(qiáng)、數(shù)據(jù)資源的累積，傳統(tǒng)基礎(chǔ)設(shè)施將實(shí)現(xiàn)智能化升級(jí)，人工智能技術(shù)有望推動(dòng)經(jīng)濟(jì)發(fā)展全要素的智能化革新。截至2020年6月底，我國(guó)人工智能核心產(chǎn)業(yè)規(guī)模達(dá)770億元，人工智能企業(yè)超過(guò)2600家。
我國(guó)人工智能產(chǎn)業(yè)快速發(fā)展的同時(shí)，關(guān)聯(lián)產(chǎn)業(yè)也迎來(lái)巨大發(fā)展機(jī)遇。預(yù)計(jì)2021年，圍繞算法、數(shù)據(jù)和算力人工智能的三要素，人工智能產(chǎn)業(yè)鏈建設(shè)力度將持續(xù)增大。
《2020-2021中國(guó)人工智能計(jì)算力發(fā)展評(píng)估報(bào)告》指出，人工智能三要素中，算力成為驅(qū)動(dòng)AI產(chǎn)業(yè)化發(fā)展的關(guān)鍵要素。服務(wù)器是人工智能基礎(chǔ)設(shè)施的核心。該報(bào)告顯示，我國(guó)人工智能基礎(chǔ)設(shè)施市場(chǎng)規(guī)模在2020年達(dá)到39.3億美元，同比增長(zhǎng)26.8%。其中，AI服務(wù)器市場(chǎng)規(guī)模占整體人工智能基礎(chǔ)設(shè)施市場(chǎng)的87%以上。
但目前我國(guó)整體在人工智能算力基礎(chǔ)設(shè)施方面準(zhǔn)備不足，體現(xiàn)在芯片端對(duì)外依賴較大，服務(wù)器市場(chǎng)國(guó)內(nèi)企業(yè)份額有限。
在算力方面，相關(guān)行業(yè)對(duì)算力的需求將更為龐大。2021年我國(guó)5G通信網(wǎng)絡(luò)部署加速，數(shù)據(jù)的增長(zhǎng)速度越來(lái)越快，人工智能訓(xùn)練所需的計(jì)算量將進(jìn)一步呈現(xiàn)指數(shù)增長(zhǎng)。
展開(kāi) 直播預(yù)告 | 基于人工智能的材料測(cè)試數(shù)據(jù)擴(kuò)充與快速預(yù)測(cè)
精彩直播預(yù)告
計(jì)算機(jī)性能的提升推動(dòng)了人工智能（AI）和機(jī)器學(xué)習(xí)（ML）技術(shù)的蓬勃發(fā)展。AI、ML技術(shù)正與各行各業(yè)深度融合，助力傳統(tǒng)行業(yè)實(shí)現(xiàn)從經(jīng)驗(yàn)驅(qū)動(dòng)到數(shù)字驅(qū)動(dòng)的研發(fā)理念轉(zhuǎn)變，有效降低研發(fā)成本、提高研發(fā)效率并加快產(chǎn)品上市周期。針對(duì)材料性能測(cè)試周期長(zhǎng)、成本高的問(wèn)題，海克斯康融合物理測(cè)試、虛擬實(shí)驗(yàn)和人工智能技術(shù)，開(kāi)發(fā)出一套基于人工智能的材料數(shù)據(jù)擴(kuò)充解決方案。該方案旨在幫助客戶快速獲取準(zhǔn)確可靠的材料屬性數(shù)據(jù)。
該解決方案工作流程中的三種方法
海克斯康基于人工智能的材料數(shù)據(jù)擴(kuò)充解決方案主要包含以下兩部分：
■材料數(shù)據(jù)的存儲(chǔ)與管理：對(duì)客戶的材料數(shù)據(jù)進(jìn)行結(jié)構(gòu)化存儲(chǔ)，并提供便捷的展示方式，有效解決材料數(shù)據(jù)在存儲(chǔ)、使用和共享環(huán)節(jié)的難題。
■材料數(shù)據(jù)的擴(kuò)充：通過(guò)結(jié)合材料數(shù)據(jù)擴(kuò)充的三種經(jīng)典方法，即實(shí)驗(yàn)測(cè)試、虛擬材料建模和人工智能，搭建了一種材料數(shù)據(jù)擴(kuò)充智能化解決方案。該方案能夠幫助客戶利用少量材料測(cè)試數(shù)據(jù)，精準(zhǔn)預(yù)測(cè)更廣泛條件下的材料屬性（如靜力學(xué)性能、蠕變性能、疲勞性能等）。這確保了客戶能夠高效、準(zhǔn)確地獲取用于仿真分析所需的高質(zhì)量材料數(shù)據(jù)，同時(shí)顯著提升仿真結(jié)果的精度與可靠性。
本期直播講堂請(qǐng)到了海克斯康工業(yè)軟件應(yīng)用專家常誠(chéng)，在直播間中講師將詳細(xì)介紹海克斯康基于人工智能的材料數(shù)據(jù)擴(kuò)充解決方案及各功能使用方法，并結(jié)合多個(gè)實(shí)際應(yīng)用案例，分析該解決方案的應(yīng)用實(shí)效和賦能價(jià)值。敬請(qǐng)關(guān)注！
展開(kāi) 人工智能與數(shù)據(jù)科學(xué)的相關(guān)專題、標(biāo)簽、搜索
人工智能與數(shù)據(jù)科學(xué)人工智能與工業(yè)智能人工智能與工程應(yīng)用人工智能與機(jī)器學(xué)習(xí)人工智能與工程仿真人工智能與物理建模 人工智能智能制造 人工智能 數(shù)據(jù)處理系統(tǒng)數(shù)據(jù)分析與ai丨ai fabric：數(shù)據(jù)和人工智能架構(gòu)的未來(lái)使用人工智能建立流體力學(xué)中的數(shù)據(jù)驅(qū)動(dòng)模型人工智能工程應(yīng)用實(shí)例： 發(fā)動(dòng)機(jī)排放數(shù)據(jù)學(xué)習(xí)及預(yù)測(cè)云計(jì)算大數(shù)據(jù)區(qū)塊鏈物聯(lián)網(wǎng)人工智能人工智能matlabmeshworks人工智能ma
