敬畏自然绿水青山

Category: Cloud Computing/Big Data/Blockchain

  • 云计算专业发展的一点思考

    学校申请下来了云计算专业，而且有三年制和五年一贯制两个班级，怎么更好的去设计教学内容和规划，是需要用点心思去考虑而且要在过程中有好的执行的。 首先，要有比较好的教师队伍，职业学校的同学们基础不是特别突出，老师对专业的知识和技能更要有好的理解和掌握，才能将相关知识点内容深入浅出的介绍给同学们。特别是技术技能方面的专业，老师们的特长不仅仅在于表达，而且要有较为熟练的动手实践和解决相关专业问题的能力，这样才能更接地气的将工程类的课程传授给同学。 其次，也要有好的课程设计，特别是实践类的课程，知识点的罗列讲解，同学们接受的知识也可能是零散的记忆，怎么将知识技能点串联起来并通过项目的形式进行具体化，通过项目实践中碰到的问题去触发知识的进一步理解和掌握并解决问题，也是不错的课程设计，将知识点和实践进行紧密结合，学以致用。 再次，要考虑产学相结合，有机会能将同学们的实践和相关企业的需求相结合，锻炼同学们切实解决实际应用中的需求问题，以问题驱动锻炼动手实践能力，比较适合较为高年级的同学们在实习和毕业设计阶段去拓展相关专业能力。 也可以考虑到时候建立一个社区，同学们可以在社区相互讨论问题，不仅仅是老师的一带多，这样精力也许也吃不消，同学们之间也可以在社区养成互相帮助协作解决问题的良好氛围，锻炼团队友好合作的能力。 教学过程和软件过程管理也有相似之处，要对同学们的学习积极性，效果等状态进行记录和跟踪，并适时的进行调整和督促，动态去掌握每个同学的学习情况，针对每个同学的特殊性进行个性化教学，最终实现同学们整体的学习效果有好的表现，尽可能使得同学们在学校养成良好的工程师的思维方式和素养。

  • 教学情况进展和期望

    今天关于下学习的课程和云计算专业的推进有两个好消息 今天汽车计算机基础这么课的教材编写者将课程素材分享给了相关的老师，很开心编者乐于分享，下学期的教学活动节省了不少时间，可以将多出来的时间花在更好的教学，以及其他事情如工程研发或参与相关科研教学活动上。 关于技术技能方面的教材，或者面向工程师的教材编写，这种模式挺好的，教材编写者积累的相关PPT文档，实验代码，硬件模块都可以来分享（有硬件成本的可以有偿分享），有什么问题还可以在小的群体里进行探讨。这门课程我选择了以前不太熟悉的部分进行授课，也是希望自己持续保持接受新知识新技能的态度和行动，不断能有新的认识和进步，希望在下个学期的教学过程中再来记录相关的教学心得。 云计算是今年新申请下来的专业，感谢合作方的支持，下个星期会送过来相关与云计算平台搭建的实训硬件，三台服务器。希望到时候也能有相关的实验手册，也能够利用时间动手实践起来。 这学期也做了点研发工作，已经也有初步的进展，做了比较久的研发工程师的工作，后面也许可以强度少一点，但还是要保持在一线，这样工程及相关算法实现能力还能保持进步，也能更好的教学和实训。我在大学才开始零基础接触学习计算机，一开始还要用学打字的软件进行键盘操作练习，头两个学期的学校的公共机房需要排队等待一两个小时才能上机实验，后面宿舍才有了大家共有的windows98，windows 2000的机器。虽说底子薄，但也一步步坚持下来不断的积累，而且还能持续在学习和积累，也是成长和兴趣形成的相互正反馈吧。 所以我也认为这边的同学基础稍欠缺真的没有关系，年轻可塑性更强，尚且他们有更好的环境比较早接触电子设备，同学们的耐心和坚持，我们的循循善诱，希望再在基础实验和项目工程实际锻炼的基础上能有更快的进步，更好的收获。再者，我们也希望和相关产业和比赛相结合，将基础技术技能和实际需求相结合，去解决相关的小问题，持续迭代着也许还能做成较大的工程项目，进一步希望能有产业化的机会。

  • 云计算专业现状和设想

    云计算专业要在明年准备招生了，在具体开课之前，也需要授课老师对云计算的相关环境比较熟悉和了解，要也能够基本自行搭建部署和运维。这是对相关技术技能专业的老师的基本要求，动手实践能力是基本功。 期待在这学期期末的时候能建好我们的云计算的mini实验环境，可能可以包括几点：1、云计算平台应用demo，比如数字孪生，大模型等，展示云计算的强大的功能，吸引更多的同学有兴趣来报考这个专业；2、云计算的硬件配件即部署实施和管理手册，这个手册可以现有一个基本的版本，能够较为快速的熟悉云平台环境的技术栈，老师们可以熟悉自己动手搭建云计算平台。3、能够有一个研发所需的简要环境，如几张性能差不多于nvidia 4090的GPU计算卡，用于一些研发的实验和验证。 云计算是一个计算机应用专业方向，专业基础课和计算机专业这种更通用的专业的基础课是差不多的，如编程语言（c/c++，python等），数据结构，linux操作系统，计算机网络这些信息技术基础核心课程。这些课程和其他信息技术相关专业（如信息安全，人工智能等）可以共用。后面的专业核心课程具体的就和云计算自身技术更相关了，如openstack虚拟机管理，docker和k8s等，相关云计算安全技术等，这些内容也希望后面能自己掌握其操作实践细节。 计算机相关应用方向都是实践性非常强的工程环节，对细节的要求和过程的管理都比较高，希望后续我们和企业合作的订单班能够在实践环节多重视，如1、设置实验要求同学们从裸机开始搭建多个节点的GPU计算集群软硬件环境，可以通过UI去请求资源并能够合理响应资源（GPU，CPU核，memory和存储等）请求（IAAS）；2、搭建大数据平台，在1的基础上再建立操作系统，中间件和运行时环境，如hadoop的计算环境等，或微服务架构的计算平台等(PAAS平台)。3、以实际行业为背景，在2的基础上再搭建SAAS服务，如web网络应用，邮件服务等。4、可能的新技术的引进，如区块链等。 技术技能教育强调实践和解决问题，包括基础课程在内，希望到时候都以实践操作为主，去在动手中摸索和积累经验，期待同学们学以致用，为相关企业直接带来好的生产力，大家都有更好的获得感。

  • 浅说数据要素

    在人工智能和大数据时代，数据是很重要的资产，是模型赖以产生的源头。在各行各业，都需要开始积累相关的行业数据，为后续的模型不断的更新和快速的迭代做准备。 行业或领域内好的数据可以加快相关技术的迭代发展速度，就拿图像视觉领域来说，由于开源了ImageNet数据集，在上一个十年期间，图像识别竞赛具有显著影响力，催生了深度学习的快速发展，如卷积神经网络，深度网络VGG，深度残差网络ResNet等等关键的深度学习网络backbone，图像视觉成为了发展最快的人工智能应用领域。 其他垂直行业或相关领域的公开数据集也有很多，如目标检测和语义分割的coco，pascal voc，NLP，Speech里边也开源了很多数据集供竞赛打榜和科研论文的算法比较等，为相关行业建立基准的benchmark。 Nature子刊现在也有Scientific Data子刊，可以发布不同行业的标准的数据集，方便相关行业的科研人员能够较快从事相关领域的算法研发和验证。 随着行业发展的需要，数据的体量也在不断的增长，相关行业产业的公司和研究机构也在不断积累数据，将数据保存好不断积累保证安全和便捷检索和访问，可以保证在科技不断发展的同时，“粮草”是足够的，技术更新迭代不会受到数据欠缺导致的生产力滞后的问题。所以相关行业还是要充分重视数据的积累和标记检索。可以将数据作为企事业的“后勤粮草”战略储备。 国家现在也成立了数据局，以后的数据的管理和存储也将会更加的规范科学。云计算技术里边就有大容量存储的技术，随着云计算技术的不断普及和发展，大数据量的存储将不再是什么技术问题，甚至以后也许我们每个人从出生后所有积累的数据都可以访问，如区块链等相关技术的进一步成熟和推广，以后的数据存取访问的模式也会发生变化。随着工程技术的发展，云计算也许能够和区块链技术更好的结合起来，后面我们的云计算专业也可以考虑紧跟时代步伐，将最新的技术进行介绍和引入，期待更加成熟和安全便捷的数据存储和访问技术，为相关产业的数字化的快速发展提供良好的保障。 References

  • 关于人工智能产业学院的一点发展思考

    学校要发展人工智能产业学院，今年有幸申请下来了云计算专业，后续还会打算申请信息安全专业和人工智能专业。当然从想法设计到执行实现还有一段不短的路程要走，而且设计和现实也很难完全同步，需要动态的去调整步伐，以希最终有一个不错的结果。 从我个人来看，前面的领导们这样的设计是合理的（我后面才过来）。首先云计算和信息安全作为数字化产业的底层软硬件基座，作为基础设施来服务于人工智能的产业应用，现在的产业化发展也要紧跟时代步伐，做出一定的特色，为经济的转型和新时期的现代化这道开放的大考题做出我们自己的思路和解答。如教育安全农业环保等绿色产业可以作为优先发展方向。而且在这些方向上有我们的相关一些熟悉的老师朋友同学和同事们，希望能有深度合作和融合发展的机会。这样从整个数字化产业的层次架构来说，就形成了相对比较完整的体系。 可以这样考虑，云计算和信息安全作为基础，和教育教学同步即服务于社会也服务于我们自己的上层的人工智能应用产业，而人工智能应用产业我们可以考虑和上述的垂直绿色应用方向相结合，有机会和大家一起共同发展形成产业共同体去考虑怎么产业化，并将产业化的应用反哺后续的人工智能应用专业。形成产教融合相辅相成的强调产业经济和社会效益的人工智能产业学院。 是个很不错的设想，希望后面能有机会和相关老师朋友同学同事们一起找到融合发展的平衡点，深度合作互惠互利，一步步去好好实现。

  • 行业数字化+私有云架构模式

    今天去拜访参观了交大的更多的单位，有一个初步的感受就是各个行业的数字化可以进行一定的应用模式抽象，形成行业的私有云架构（IAAS, PAAS, SAAS）的产品系统体系，这样同样的行业可能可以省去更多的重复的研发活动。 云计算底层的IAAS层差别不大，主要是硬件基础设施（计算节点，GPU，网络，存储等硬件资源设施）+云操作系统等底层软件环境。PAAS层可能差异比较大，如音视频流媒体服务的音视频的RTC服务中间件，智能驾驶的中间件等根据行业方向不同可以按需研发和部署。SAAS差异也会更加的专业化，也会根据行业的不同差异比较大，比如面向教育行业，工业生产，智能驾驶，医疗系统，智能化农业等不同的应用。PAAS和SAAS是研发的重点，在智能化技术发展的新时期，也是信息产业革命中面向行业需要相关产业公司重点经营打磨的关键。 因此是否可以考虑面向行业，进行合理的建模抽象，将公共通用的业务逻辑按层次去搭建好面向行业的云系统产品。这样行业可以快速去部署，需要个性化的地方就去按需求再做定制开发，这样行业内存在几个有竞争力的企业已经足够。大大节省资源和提升效率。市场自发行为加上合理的统筹可能会效果更好，仅代表自己的观点，但感觉有一定的合理性。 感谢有机会和不同方向（网络，航空航天，计算机）的老师交流学习，后面也会专注一下自己的方向，践行一专多能的宗旨，拓展自己的认知边界。有新的想法就是大脑的养料，大脑也会常用常新，不断进步。 References

  • 数字化工业生产-工业互联网+物联网的分层粗粒度架构（待更新）

    云计算基础设施、物理传感器、智能数控机床、工业机器人流水线、生产资源调度优化系统、智能UI可以看成是工业互联网和物联网相关平台的分层架构。 其中云计算负责基础设施的建设，实现工业生产大数据和弹性计算支持，物理传感器支持智能计算的感知。如温度、振动等环境的感知（交大电院的老师有做短距离高精度的激光测量传感器的老师，硬件+FPGA）等。智控机床通过传感器对相关物理环境进行感知，输出更加精密的控制信号，相比传统机床而言会有更好的控制精度，可以达到丝级（0.01mm）甚至微米的精度，是精密制造的关键核心技术。 工业机器人流水线（如ABB的机器人机械臂，可编程，机器人根据生产任务需要进行选择）是工业物联网的重要组成部分，好的实施可以替代传统的人工流水线，可以将人类从重复的劳动中解放出来。 生产资源调度系统属于运筹优化的范畴，可以根据实际的业务及资源需求和供给情况进行优化配比计算，达到更高效的生产。（这一块属于运筹优化的范畴，可以抽象共享出面向不同问题的算法模式，针对类似或同样的问题，算法可以复用） 智能UI层（HCI，intelligent UI）这一层主要是与生产管理员（上位机等）+生产状态展示+其他展示所用，是最上层的界面展示和交互（包括资源配置，生产任务需求输入等） 可以根据需要合理选择云计算的基础架构技术栈，基于开源的openstack的集群节点限制在500以内，中小企业的私有云足够。面向更大的需求，可以选择大的IT公司资源的支持更多节点的云计算基础设施产品（如腾讯，百度，华为，新华三等）。 感谢交大电院和机动学院还有马克思主义学院的老师们的指导，期待后面有多方面的合作机会。

  • 云计算是各行各业数字化的基础设施

    一个比较大的组织有可能有必要搭建自己的私有云，个人感觉有几个好处： 1、数据隐私保护，数据在自己的私有云平台，相对比较安全 2、数据容易可以随时扩充，保证了大数据的场景的可扩展 3、一个组织结构的数字化业务安全可持续 4、相对的付出为有专人的维护，专人的硬件设施，成本要和从其他公司购买要做一下对比和综合考虑。 做相关的云计算的专业课程的计划，借机快速熟悉云计算的技术栈和技术路线图，培养更多的专业性人才，学以致用，借此机会掌握相关云服务基础设施的搭建，为后面的数字化工程和相关横向项目做准备，是个不错的计划。 References