回到主页

面向机器学习的资源预测算法研究

· 科研课题

一、课题领域:计算机

二、课题地点:北京

三、课题目的:

  • 前期通过课题组专家设计的预习大纲进行线上学习,掌握学科相关概念,针对学科学习基础理论知识,为线下教学夯实基础。
  • 通过课程实践了解机器学习和自然语言处理的基本思想,简要掌握python编程语言和IDE编译环境,以及Tensorflow基础知识。以机器学习相关算法模型为背景,介绍如何利用上述模型进行资源负载预测的方法。通过学习相关理论基础,增强实际动手编程能力、培养创新思维能力,为进一步学习和应用机器学习和人工智能技术打好基础,此外,相关的预测算法同样可以应用于其他方面如交通车流量预测等。
  • 结合云数据中心真实数据集,利用差分整合移动平均自回归模型(ARIMA模型)和长短期记忆网络模型算法(LSTM算法)对云数据中心服务器负载资源使用情况进行学习和预测。利用Python和Tensorflow实现简单的资源负载预测程序
  • 后期通过学术成果、作业等与教务老师沟通进行课程学习反馈,了解知识掌握情况,综合个人情况进行分析,给出学业规划。

四、课题大纲:

  • 任务一,熟悉Python语言和NLP常用工具包
  • 任务二,ARIMA模型原理学习
  • 任务三,基于ARIMA模型资源负载预测实验
  • 任务四,神经网络及LSTM算法模型学习
  • 任务五,Tensorflow入门
  • 任务六,基于LSTM算法模型资源负载预测实验
  • 任务七,总结课程内容,撰写总结报告

课程详情咨询:400-819-0003

泰博斯创新实验室

TABS-Lab

北京泰博斯教育科技有限公司

broken image