实践空间站 | 微软亚洲研究院资深导师助力实践、理论双成长!
2021-10-18 | 作者:微软亚洲研究院
你是否苦于 Github 的海量资源,不知如何利用?
你是否怯于人工智能应用的高门槛,不知如何下手?
你是否愁于深度学习的深层原理,不知如何理解?
那么,快来参与 2021 年秋季微软实践空间站项目,在微软资深研究员的带领下,深度走进 AI 世界!
实践空间站是由微软亚洲研究院打造的全年持续性活动,通过项目导师指导与自主创新结合的方式,助力同学在实践中更好掌握微软技术,促进自身成长。
本批实践空间站精心准备了来自微软一线科研与工程团队的 3 个实践项目。从学习课程到复现代码、再到最终完成应用设计,你将收获从专业知识到实践能力的全方位提高!
在微软人工智能教育与学习共建社区表现优秀的个人,将有机会获得微软开源社区贡献奖并收获进入微软亚洲研究院实习的机会!
项目简介
- 学习 Git/Github 基本操作
- 使用 Markdown 编写文档
- Python 与机器学习基础
- 有一定的代码/接口设计经验
任务详情及预期成果
-
- 入门任务——Task 1 & Task2任务内容:
- 安装并使用 Qlib,自行跑通程序。
- 复现指定论文中的代码及功能。
- 入门任务——Task 1 & Task2任务内容:
任务难度:三星
-
- 进阶任务——Task 3任务内容:
- 构造数据
- 特征分析
- 特征预处理
- 训练模型
- 回测模型
- 回测结果分析
- 模型上线
- 进阶任务——Task 3任务内容:
任务难度:五星
- 典型的 AI 应用的代码结构和功能,如处理输入
- 了解 MNIST 数据集
- 了解如何扩展数据集
- 实现手写算式计算器
任务详情及预期成果
-
- 入门任务——Task 1任务内容:使用 C# 复现 AI-EDU 实践案例之“手写数字识别”和“手写算式计算器”。任务难度:两星
- 进阶任务——Task 2任务内容:使用 Python 基于桌面 .Net Framework 环境和训练好的 MNIST 手写数字分类模型完成“手写数字识别应用”。
- 准备人工智能应用开发所需的软件环境
- 使用 Visual Studio Tools for AI 快速集成模型
- 加速人工智能应用开发
- 在代码中处理用户输入
任务难度:五星
-
- 高阶任务——Task 3任务内容:使用 Python 实现“识别手写数学表达式并对其进行计算”的功能。
- 整理基本数据
- 扩展人工智能模型
- 利用手写输入的特性来简化字符分割
- 高阶任务——Task 3任务内容:使用 Python 实现“识别手写数学表达式并对其进行计算”的功能。
任务难度:四星
- 深度神经网络中的张量运算原理
- PyTorch 中基于 Function 和 Module 构造张量的方法
- 通过 C++ 扩展编写 Python 函数模块
案例实现流程图