2024 全国人工智能大赛 AI+无线通信，Python面试资料集合_集团 python 大赛

三、组织结构

---

主办单位：深圳市人民政府、鹏城实验室（PCNL）

承办单位：深圳市科技创新委员会、新一代人工智能产业技术创新战略联盟（AITISA）

协办单位：星河集团、华为技术有限公司、平安科技（深圳）有限公司、中国电信

赛题&数据

================================================================

一、初赛阶段

---

1、赛题描述

无线通信复杂多场景下的高维信道智能压缩反馈及重建

赛题支持单位：东南大学移动通信国家重点实验室、北京邮电大学-中国移动研究院联合创新中心

1）赛题背景

当今大规模无线通信系统面临着天线阵列扩增所带来的高维信道状态信息（CSI）的传输挑战。随着 6G 系统天线数量增长，高维信道信息维数大幅扩增，需要先在发射端进行压缩再反馈，以减少传输开销，之后在接收端进行解压和重建，恢复原始的高维信道信息。信道状态信息体现信道特性，可以被看作是高维低秩的图像，信道状态信息压缩反馈重建的问题则可以被转化为高维低秩图像的压缩与重建问题。

近年来，人工智能 (AI) 在无线通信领域显示出巨大潜力。AI 辅助的高维 CSI 压缩与重建模型已经超越许多传统算法，取得了非常好的性能。但系统在实际应用中往往面临丰富且复杂的信道场景，且目前大部分 AI 模型只能适用于单一场景的信道信息，对于多场景信道信息适应能力较差。如何提升智能压缩反馈网络对复杂多场景 CSI 的适应性是目前的痛点和难点之一。

该赛题面向真实多场景通信需求，以海量复杂多场景数据为驱动，充分挖掘 AI 的无限潜力，寻找出高效适用于多种场景 CSI 的智能压缩反馈重建模型，赋予智能通信系统灵活性和通用性，有望解决现有智能通信方法的局限，引领未来智能通信系统的前沿研究。

2）初赛任务

大赛将提供真实无线通信场景下采集的信道数据，鼓励参赛选手采取数据驱动的思路和采用深度学习的方法来设计适用于真实多场景下的信道数据的低复杂度 AI 算法，在保持反馈开销一定的情况下，尽量追求模型的重建精准度。

针对多个复杂场景下的真实大规模天线阵列通信信道，采集到的数据是 10,000 个信道数据样本，覆盖若干个复杂场景与采样点。每个样本是一个矩阵（单个样本可视为一张图片）。随机划分 8,000 个样本作为训练数据给予选手，2,000 个样本作为验证数据给予选手。选手需要设计合理的神经网络结构来进行信道数据（等同于图片）的压缩和重建。

本赛题规定压缩后的单个样本大小为 512 比特，即压缩后传输的管道容量为 512 比特。本赛题主要考察模型的重建误差，即原始高维信道信息和经过压缩重建后的信息之间的误差。

2、数据描述

初赛训练集：信道数据来源于多个复杂场景下采样得到的真实无线信道信息，数据集包含 10,000 个信道数据样本，覆盖多个复杂场景，每个场景包含若干样本。每个样本是一个 126*128 的二维 CSI 矩阵（可以把单个样本视为一张图片），其中 126 代表时延抽头数目，128 代表天线数目（32 发 4 收）。每个场景内的 CSI 样本具有一定的特征相关度。

真实数据采样配置参数如下：

| 数据来源 | 多场景实测数据 |

| — | — |

| 频段 | 3.5GHz |

| 带宽 100MHz | 带宽 100MHz |

| 发射端天线配置 | 4×4双极化天线均匀面阵，（4×4×2=32） |

| 接收端天线配置 1×2双极化天线均匀线阵，（1×2×2=4） | 接收端天线配置 1×2双极化天线均匀线阵，（1×2×2=4） |

| 时延抽头数目 126 | 时延抽头数目 126 |

| 样本数 | N=10000 |

实测数据已经过部分数据预处理工作（包括去噪、DFT 转化、归一化处理（到[0,1]）、实部虚部分开处理等），数据集格式说明如下：

| 数据名称 | 格式说明 |

| — | — |

| 训练集：Htrain.mat | 8000×126×128×2的实数样本样本数：8000实部与虚部：2 |

| 验证集：Htest.mat | 2000×126×128×2的实数样本样本数：2000实部与虚部：2 |

1）数据样例

126×128 的 CSI 灰度图样例，分别为实部、虚部、模值可视化

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

86d4c3ab8389e65ecb71ac0)

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算