议题一：sig-ai-bigdata前期工作审视与总结

       1.完成ai应用视角和系统视角软件栈整理初稿；

       2.完成ai领域典型框架tensorflow/caffe在openeuler依赖梳理；

       3.完成cml领域典型库libsvm依赖梳理；

       4.完成bigdata领域典型应用jupyter依赖梳理；

       5.完成引入openeuler支持ai、bigdata技术栈依赖包；

议题二：sig-ai-bigdata后期工作内容和方法讨论

       1.后续需要继续整理bigdata、ai领域系统视角软件栈，形成全景图；

       2.后续从使用角度提供常用软件的常规基本运行能力，如tensorflow/caffe/jupyter/pytorch/hadoop/spark等，提供通常安装方法，如pip、jvm等；

       3.对于高性能模式从底层开始逐渐向上支持，如tensorflow支持onednn/cuda/opencl/opencv等；

       4.后面引入软件包时先整理使用方法、编译方法、软件架构、依赖关系形成readme，再引入到openeuler；

议题三：sig-ai-bigdata后期工作任务分配

       1.ai领域软件栈整理，责任人sinever

       2.bigdata领域软件栈整理，责任人hubble_zhu、sinever

       3.caffe使用方法、软件架构、编译方法、依赖关系整理，责任人njlzk

       4.jupyter使用方法、软件架构、编译方法、依赖关系整理，责任人zhangrui

       5.hadoop/spark/libsvm使用方法、软件架构、编译方法、依赖关系整理，hubble_zhu

       6.其他人任务后续线下视情况再安排；

其他：

       1.openeuler后续会支持图形界面，因此一些有图形界面的软件也是很需要的；

       2.后续例会尽量公开，方面感兴趣的人自行加入，sig-ai-bigdata邮件组建立前可以先使用dev@openeuler.com；

       3.确认nvidia的相关库是否开源，责任人sinever；

       4.后面从x86_64的应用迁移到aarch64可以考虑使用迁移工具；

       5.需要整理出sig的roadmap，责任人sinever；