敬畏自然绿水青山

Category: Digital Industry and Frontier Technologies

  • 云计算相关技术简介(一)-虚拟化及NUMA架构

    云计算是数字化产业的硬软件基础设施，涵盖技术的方方面面，这篇文章主要从一些底层的硬件方面的技术来简要介绍一下，这些技术底层的原理可能比较复杂，我们主要了解其作用和用法，介绍也主要从我们的需求出发。 CPU虚拟化技术，CPU的虚拟化技术可以单CPU模拟多CPU 并行，允许一个平台同时运行多个操作系统，并且应用程序都可以在相互独立的空间内运行而互不影响，从而显著提高计算机的工作效率。CPU的虚拟化技术是一种硬件方案，支持虚拟技术的CPU带有特别优化过的指令。纯软件虚拟化解决方案存在很多限制。Intel自2005年末开始便在其处理器产品线中推广应用Intel Virtualization Technology(Intel VT)虚拟化技术。AMD方面也已经发布了支持AMD Virtualization Technology(AMD VT)虚拟化技术的一系列处理器产品。启用虚拟化只需要在物理cpu的bios中开启虚拟化，然后在vmware等系统中才可以使用虚拟化特性。 UMA(Uniform Memory Access)，直译为“统一内存访问”，这样的架构对软件层面来说非常容易，总线模型保证所有的内存访问是一致的，即每个处理器核心共享相同的内存地址空间。但随着CPU核心数的增加，这样的架构难免遇到问题，比如对总线的带宽带来挑战、访问同一块内存的冲突问题。为了解决这些问题，有人搞出了NUMA。NUMA 全称 Non-Uniform Memory Access，译为“非一致性内存访问”。这种构架下，不同的内存器件和CPU核心从属不同的 Node，每个 Node 都有自己的集成内存控制器（IMC，Integrated Memory Controller）。在 Node 内部，架构类似SMP，使用 IMC Bus 进行不同核心间的通信；不同的 Node 间通过QPI（Quick Path Interconnect）进行通信。Openstack 在 Juno 版本中新增 NUMA 特性，用户可以通过将 Guest 的 vCPU/Memory 绑定到 Host NUMA Node上，以此来提升 Guest 的性能。 hypervisor: 一种运行在物理服务器和操作系统之间的中间层软件，可以允许多个操作系统和应用共享一套基础物理硬件。可以将hypervisor看做是虚拟环境中的“元”操作系统，可以协调访问服务器上的所有物理设备和虚拟机，所以又称为虚拟机监视器（virtual machine monitor）。hypervisor是所有虚拟化技术的核心，非中断的支持多工作负载迁移是hypervisor的基本功能。当服务器启动并执行hypervisor时，会给每一台虚拟机分配适量的内存，cpu，网络和磁盘资源，并且加载所有虚拟机的客户操作系统。 KVM是首个被集成到 Linux 内核的 hypervisor 解决方案，并且实现了完整的虚拟化。qemu-kvm也是常用到的具体实现技术。 References

  • 视觉生成式AI技术简介及可能的应用创新点

    最近几年生成式AI(generative AI)的技术很火，和人类的大脑类比，生成式AI类比于人类的文档撰写，绘画设计和视频制作等，好的AI技术可以服务人类，将人类从一部分的工作中解放出来，去做更有创造性和创新型的事情。这里简要阐述一下视觉生成模型技术的一些技术思路，不正确的地方欢迎批评指正。 在图像生成方面，生成式AI经历了几次技术方案的迭代，从VAE，GAN，到diffusion models，效果越来越好，而且已经在视频生成领域取得了很大的技术进步，如最近的sora模型，效果好，是最近很热门的话题，小视频的介绍也有不少。图像生成都是从一个二维的随机高斯分布的image作为输入，通过模型的计算得出最后生成的模型，生成的结果的多样性在于输入中高斯输入的随机性以及训练数据的多样性。独立高斯分布可以理解为输入中的每一个像素点的值服从高斯分布，每一个像素点可以理解为图像中对应位置特征的值，不同点的独立高斯分布作为输入说明每一次输入的对应特征不一样，从而会带来丰富多样的结果。从随机的输入（根据训练集的特性随机效果的生成）或者再加上有意义的prompt生成满足特定场景的视觉效果。 1、VAE，VAE生成式算法主要是生成一个隐空间（latent space）假设隐变量服从高斯分布，而且尽可能的接近均值为0，标准差为1的标准正态分布（可以通过KL loss进行约束）而且在VAE中，隐变量的值也是通过训练集中数据的输入通过网络计算得出的，从数据输入到隐空间的计算相当于一种编码器，然后隐空间经过解码器恢复到原始数据空间。在生成的时候可以通过随机生成器生成隐空间的数据后再decode即可； 2、GAN，一度非常火热的算法，根据高斯随机分布的输入数据或条件数据通过生成网络和判别网络间的相互博弈交替训练去动态生成。大概轮流交替训练过程如下：（1）、先训练生成式网络，生成网络的loss，以及生成的结果在判别网络中的输出为true为ground truth;（2）、然后训练判别式网络，将生成网络的结果（fake）在判别网络中的输出为false为ground truth，而真实的数据在判别网络中的数据结果为true。具体一点的说明为：在训练生成式网络阶段（判别器网络参数固定），判别器尽可能将任务生成的结果判别为真实的，并且满足生成的条件（如条件生成，如风格迁移等），而在训练判别式网络阶段（生成式网络参数固定），判别器尽可能将生成网络生成的结果判别为fake，而真实的数据结果判别为true，这样在生成网络训练过程中，生成的结果越来越和真实的接近，生成的能力越来越强，而且判别式网络训练的过程中，生成的结果和真实的结果尽可能区分开，判别式网络的能力越来越强，这样不断的在生成网络和判别网络相互不段变强博弈的过程中，最后达到判别器网络”真假不分”的状态，也就是判别器区分不了是ground truth还是生成器生成的结果。 3，diffusion models，采用迭代的去噪过程，从原始的高斯随机数据一步步去噪生成结果的图像数据，数学推导比较繁琐，可以参考引文。其中stable diffusion models在图像生成领域是一个里程碑式的结果，其首先将图像用VAE模型将其转换到隐空间，然后在压缩后的隐空间进行模型的训练，并根据transformer的kv特性将条件prompt进行（CLIP进行text encoding）融合，从而实现文生图的功能。最近的sora的原理没有看到，但感觉应该是二维图像空间的扩展，据说也是在隐空间进行的训练。具体细节以后有机会再去详细了解。 最后总结畅想一下，未来视觉生成领域的可能创新和进步：（1）、条件视觉生成，这个可以用来一致性视觉生成的实现，如现在生成一段文字描述的视频，其中的人物或场景能否提取作为条件作为后续文字的背景条件生成？如果可以实现，生成长剧本的影视场景倒也是有可能的；（2）、多模态生成，影视短视频中视频加语音混合生成，比如人说话，或者和环境交互产生的动作和语音效果；（3）、可编辑式视频生成，生成的视频可能大部分满足自己的要求，但有些内容和场景需要进一步去编辑调整，可以通过文字表达的方式，也比如基于视频的control net的约束生成实现。 References

  • 云计算专业企业实践(一)-技术概要了解

    今天上午去浦东参加了合作企业的实践活动，合作企业位于浦东软件园，今天去的是他们的一个楼层，一层楼敞开的大空间里坐了好几百办公人员，沟通起来倒也方便，将这么多人组织起来去行动劳动创造数字化产业的市场价值，企业的组织者们也应该也是挺有成就感的吧。 今天是第一次参加企业实践活动，一起讨论了近一个半小时，初步定下来后续一周要去一两天去进行工程实践，给定一个云计算平台搭建的完整任务，可以从服务器的布置和组网，交换机之间的网络连接，原生操作系统的安装，到openstack的安装和部署，云存储模块的搭建（对象存储，块存储等），到上层的容器，k8s的搭建部署，以及云平台的监控等。这些技术内容涵盖云计算技术的方方面面，对于云计算专业的实践老师来说，这些技术的实践技能基本都是需要掌握的。 简单梳理一下相关技术概念，还不是特别的详细，期待后续有更多的实践经验记录。 1、云存储，ceph云存储技术，可以实现块存储（虚拟机里边的硬盘块这种容量比较大的存储），对象存储（通过URL实现访问）和文件存储，不同种存储方式存储协议不同，对象存储一般为bucket和object两级结构，文件存储一般为类似于nfs（network file system）和windows里边的共享文件的形式。存储模块中也要对存储机制的背后原理要有所了解，如crush算法等。 2、openstack云计算平台，openstack由很多个组件组成，对每个组件要有比较详细的了解，有些模块如管理界面等都可以进行二次开发来丰富其功能。如用户（租户）管理组，怎么管理局域网和公网等，openstack的源码中外围的管理界面等模块由python实现，其他的核心模块由c/c++实现。 3、云平台的物理服务器的功能分配，有计算存储融合在一起的搭建方式，也可以有专门的计算节点和存储节点，具体的组件方式到时候要看实践经验去总结，哪种性能更好更稳定。以及考虑云平台的备份功能，集群节点数的设计也要需要考虑。 4、容器，k8s等相关PAAS平台工具和框架，以及devops，cicd等研发和运维持续集成和部署等上层的工具和应用也是后续需要进一步熟悉的内容。以及算力平台的需求，GPU异构芯片的加入，使得网络配置（如InfiniBand 网络）和调度方法都会有不同。 云计算平台的优势是资源利用率高，管理方便等。和企业的相关合作，通过项目制的方式来熟悉掌握相关技术，是数字化时代对技术教育和学习的一个很好的方法和途径，感谢企业的支持，期待后续的合作中能够有对云计算平台技术栈有更深入的认识，更多的收获，也会及时将感受感想和学习到的经验分享给大家。 References

  • 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。

  • 智能时代的老少经济

    中国已步入老龄化社会，老年人的数量现在逐渐达到峰值了，原因可能在于建国初期人口的快速增长，当时生育一没限制；二好养，在农村带娃也基本不耽误田地里劳作，七大姑八大姨也有不少。老年人越来越多，更好的养老也是当前一个重要的问题，小孩是未来的建设者，自然更好的培育也是很重要的问题，这里以我自己的观点简要说说智能数字时代的老少经济。 尊老爱幼，先说老人，退休后的老人们怎么更好的生活，生活的有质量是需要设计和实施的，国家前不久发了关于发展银发经济的指导文件，期待后面相关企事业更好的执行实施。从科技角度来说，支持老年人更好的养老我想了几个相关的场景：1，养老文旅，可以建立相应的老年人文旅社区平台或开发相关app，组织相关活动，记录老年人群体的文旅生活，社区老年人活动，老年大学都属于这一类；2，老年人保健，好的保健治未病，从身体监控和相关的营养学，保健医学，数字化技术相关方向交叉融合，建立相关的平台，开发相关的app；3，老年人医疗，除了普世的医疗系统外，针对老年人考虑建立更方便的养老陪护看护，体检及医疗建议，如基于数字技术的老年人安全监护，摄像头，电子设备等监护老人的行动情况和身体指标反映情况，及时预警；4，老年人发挥余热，有能力的老年人可以继续发挥余热，将更多的智慧和经验带给年轻人；如退休的科学家工程师老师医生都可以再继续从事相关工作，褚时健老人70多岁还在创业。活到老，学到老，工作到老。 再说说小孩少年人的培育，小孩少年是未来新生代的建设者，安全，健康和教育也是培育新生代的主要话题，1，安全方面和老年人差不多，比如带上定位和相关的场景捕捉设备，小孩子喜欢到处跑，大人也很难时刻陪伴，这样就是知晓小孩在哪里；2，健康和老人也差不多，除了营养，还有医疗方面的各种疫苗记录，这方面城市里边做的已经很好的，乡村的情况不太清楚，估计也跟上来了；3，教育方面其实现在也有很大改进的地方，竞争激烈，家长各种焦虑，鸡娃现象也比较普遍，怎么更好的培养好下一代，需要父母一代有更好的人才培养观念，学校老师更好的投入，以及社会对每一个人的公平合理看待都有关系，关于教育，之前的数字化教育产业也有相关的简要阐述（可以参考引文链接），希望和儿童心理发展，教育学，教育技术，智能技术相关专业方向交叉融汇，实现更好的教育数字化产品和项目。 不少老年人自己有钱有时间，好的产业经济会拉动老年人消费，促进老年人更幸福生活，小孩少年是家庭的国家的世界的未来，好的相关产业经济会拉动家长消费，更好的促进未来的发展，所以发展老少经济利世利国利民，是完全正确的方向。 References

  • 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。

  • 智能技术时代的产品及应用创新

    这一两天看到两个新产品介绍，这里也简要记录总结一下 1、比亚迪汽车和大疆无人机合作，实现能够通过智能座舱里的操作一键起飞无人机，并在过程中能够跟车拍摄，形成航拍视频，然后可以降落回车内，并且能自动充电，基本没有续航压力； 2、三星新发布的智能手机“All in AI”，不同国籍语言的人们的沟通交流不再障碍，语音可以转成文本并翻译成对方的语音或文本，用户可以通过点选或框选来选中特定的文字或图片进行AI查询，如作为prompt输入到gpt中。比如通过选中一张风景图片，查询结果就能制图这个图片是来自哪里，有哪些相关的历史和文化。 智能时代和经济结构转型时代创新应用是挺多的，比如智能家居来说，这里仅我自己的想法列举出几个可能的场景：1、智能冰箱，可以检测现有视频的多少，如缺少相关食物则及时提醒用户购买；2、多通道智能家电控制，如可以通过语音和触觉开关来控制室内的照明灯光，特别是睡觉时开灯用语音要方便些；3、家居花卉智能浇水施肥系统，可以在花盆中放置湿度传感器，有个小的浇水的机器人实现无人浇水行为，为长时间出行的人们提供了些方便；4、家庭全方位摄像头覆盖，并且自动优先显示有人的场景并能随时启动高清视频电话，适合于家里有老人的应用，可以方便实时的了解老人情况；5、低碳家居，分析家庭的能源消耗情况，并给出更合理的使用能源的建议，如无人的情况下几分钟自动熄灭灯光，冬天空调的合理使用，电脑长时间没有外围设备输入则提醒是否需要自动关机等；6；打扫卫生收拾整理房屋的机器人，这个是最实用的。 还有更多的更实用的场景等待各大电器厂商去挖掘实现，家电厂商的智能化时代的产品技术更新换代也是新时代给出的考题。 虽然有可能较快实现核聚变能源，到时候现在的AI大模型技术的大规模投入不是问题，但是在这之前还是要倡导尽可能节能，因为即使有清洁能源的投入使用，但是电力很大一部分还是要用火力煤发电，石油汽油等这些都是高碳输出的不可再生能源，尽可能实现低碳生产生活，碳达峰才能更早些时间到来，全球的气候环境问题就能有更大的弹性恢复空间。

  • 大模型的可能应用方向简要汇总

    今天有幸和云计算专业企业合作方进行了线下详细讨论，后面会推动产业班的招生和联合培养，希望能在大家通力合作下，云计算专业的学生有机会在学校向产业界的资深工程师学习丰富的工程经验，并和实际项目相结合，充分锻炼分析问题解决问题的工程思维习惯和实践动手能力，毕业即步入工作岗位胜任相关方向工程师，给企业直接带来高效益，进入社会工作有一个很好的起步台阶。 其中和合作企业谈到了云计算的应用方向的问题，合作方比较有项目经验，对大模型也有不少接触和相关经验，提供了一些信息和思路，我简单的记录一下并加以自己的扩充和思考。 大模型的应用方向很多，这里说说几个可能的垂直方向的大模型应用：1、医疗大模型，可以针对问题给出医疗建议，比如脑电图，心电图，各种CT，甚至中医的望闻问切等都可以大模型化，给出医生专业水平的回答；2，法律专业，可以根据问题给出律师水平的回答，甚至可以做出大模型的法律文书；3，日常事务，如会议语音记录转文字并自动生成会议纪要，根据数据自动生成图表，自动分析长文文档提炼摘要等；4，各个工科应用方向的专业知识大模型，如云计算专业本身，可以针对云计算的技术栈的知识点去对大模型做微调；5，文档撰写大模型，如教师的PPT讲稿，可以让大模型帮忙生成初稿，然后老师在此基础上进行修改，省去了大量的时间，做研究的老师在写论文时，除了核心的算法和实验部分的描述外，如abstract可以让大模型提炼，相关工作以及总结可以让大模型写初稿也是比较省精力的。6，金融大模型，可以实现金融方向的专家知识库系统，根据个人的背景给出投资建议等；7，以后5G，6G网络成熟后，以人形机器人为硬件设备，在云端部署大模型，辅助个人进行问答，并可能将问答结果和用户反馈进行进行记录，在云端同时保持在线的微调，达到实现自适应性的个人智能助手的能力，一定程度上实现了在线自适应性AI；8，教育机器人，面向学科根据同学的个人学习情况合理问答和引导，成为学生的个人智能导师。 可以想象的场景还有很多，希望后面也能够有机会接触一些，比如教育类的机器人可以和大模型结合等，算力环境有限，但也希望能理解大模型算法的实现原理细节，并能做一些垂直方向的finetune的工作，任何工程技术类的研发，最好就是深入一线，make your hands dirty，才能更能具体有效把握细节，理解深入。 Reference

  • 未来新能源汽车是最新科技的集成和融合

    人工智能，新能源和网络通信的发展，催生了汽车科技的快速发展，现在以智能驾驶和新能源为代表的新能源汽车成为汽车科技发展的主要方向。拿智能驾驶技术来说，国内发展也很快，有很多个汽车公司都在做相关的技术研发。竞争也很激烈，往更大的国际范围看，竞争更加激烈。 新能源如电能和氢能源的使用，使得未来的汽车产品更加的碳友好，中国的电池技术比较先进，属于世界第一梯队，未来的智能新能源汽车是集新能源，电机电控，底盘，车身，智能驾驶，智能座舱等技术的大融合，科技含量很高。很多的技术都可以集成进来，特别是智能数字化技术，还有很多场景需要我们去想象和挖掘。 网络技术的发展，5G和未来6G技术的应用，汽车的智能计算就可以从车子的边端到边端和云端协同分工，未来的算力局限也将淡化。同时高精度卫星和惯导等技术以及路端的传感器的搭建，车联网等技术的发展使得汽车的定位和车间协同感知以及车子之间，以及车与人，车与道路基础设施之间的信息共享和交互更加的高级和高效。也使得在更加极端的天气环境下如大雨浓雾场景中能更好的运行成为可能。 智能座舱可以集成语音技术，VR/AR技术，视觉技术等智能技术，能检测驾驶员状态，通过语音交互控制车窗等相关操作，VR/AR技术想象的空间更多，可以提供智能自然的人机交互，也可以集成ChatGPT等应用和语音交互相结合，在智能座舱内搭建智能语音助手，方便用户一系列的问题答疑。车载App也可能会比较丰富，如游戏，学习，即时通信等等。 汽车等机械的结构设计也有很大的空间，未来的汽车很有可能具有两栖功能，陆空（有空中飞行水上可以不需要）运行可以通过良好精心的机械设计通过变形来实现，在交通阻塞，更近路径交通时都有很好的作用。 未来万物互联，个人的终端设备可能就比较多，这些设别将会共享个人信息，有时事情比较忙的时候，人形机器人和数字分身就会帮我们去解决一些事务性的不太紧要的事情，如个人代理（人形机器人+数字分身）会开着智能驾驶汽车到超市去购物采购，只需我们列好清单，其他的事情就可以让这些智能的工具帮我们完成。 下学期准备要上一门汽车计算机基础的课程，有关于嵌入式开发和CAN总线网络的知识。希望自己也在不断的熟悉和深入理解汽车相关科技，有机会和相关企业进行合作，将最新的技术介绍到校园，推动技术的普及和更大范围的传播和应用。 References

  • 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。