高職院校人工智能課程設計研究

導語：高職院校人工智能課程設計研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：在人工智能技術快速發展的背景下，本文對高職院校信息技術類專業進行人工智能技術方向課程設計進行了研究，分析了高職院校人工智能課程設計面臨的挑戰，從市場發展、競賽趨勢、專業建設3個方面進行了需求調研和分析，并結合高職院校的人才培養特點，設計了嵌入式的人工智能技術課程方案，希望能夠為相關研究提供借鑒。

關鍵詞：人工智能；課程設計；高職院校

《中國新一代人工智能科技產業發展報告2020》指出，我國已成為繼美國后擁有人工智能企業數量最多的國家，從技術發展、數據平臺到市場，我國的人工智能產業生態逐漸豐富和完善[1]。當前人工智能技術被認為是第四次工業革命的“引擎”[2]，在政府工作報告中指出要加快建設制造強國，加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合，到2030年在人工智能領域達到世界領先水平[3]。教育是實現這一目標的根本途徑，必須大力培養人工智能領域的研發和應用人才。

1高職人工智能人才培養的背景

隨著人工智能應用的落地，人工智能市場人才需求逐步明朗，高職階段的人工智能人才培養也逐漸展開，當前諸多職業院校正在積極探索人工智能專業建設。在人工智能時代，眾多院校都在謀劃與人工智能技術的結合[4]。而與人工智能技術關系最為緊密的信息技術類專業，尤其需要進行課程升級，培養更多人工智能技術應用方向的人才，以滿足當前市場對人才的需求。高職信息技術類專業人才該如何在人工智能浪潮中進行定位，如何優化高職信息技術類專業人才培養課程體系設計，使得人才培養能夠滿足人工智能時代市場對人才的需求，拓寬學生的就業方向，提升學生的未來職業發展水平，是專業發展必須面臨和解決的一個問題。

2人工智能課程設計面臨的挑戰

2.1產業人才需求與高職教育的對接。目前，國內眾多院校都成立了人工智能學院，從其技術課程體系來看，多集中于數學、算法研究、機器學習等基礎研發類課程[5]，這類課程從課程難度和目標定位上不適應于高職階段的教學。高職教育人工智能教學課程體系尚未統一，市面教材普遍偏重理論，內容深奧較為枯燥，與實踐聯系不足，課程體系、知識體系仍處于探索階段。另外，相比本科院校，高職院校在人工智能領域的師資嚴重不足。從就業需求來看，當前人工智能從業者多集中于各種算法、開發框架等研發方面，對從業者的素質要求很高，較多招聘崗位都以研究生學歷起步，在算法和技術研發領域并不適合高職學生，高職學生在人工智能產業鏈的定位還需要再明確。2.2技術應用領域選擇。高職教育側重培養學生的工程實踐和技術應用能力，因此在課程設計中必須將理論教學融入項目實踐，以項目帶動理論知識學習。當前我國擁有數量龐大的網民，產生了海量的數據資源，豐富的產業環境為人工智能提供了各種應用場景，不同應用場景下所使用的算法、技術、工具各有側重。目前，人工智能技術領域有計算機視覺、機器學習、自然語言處理、認知科學和機器人學，如何確立一個應用領域，并基于該領域進行工具、技術、算法、語言等的選擇，是設計人工智能課程時需要解決的問題。2.3人工智能技術框架選擇。人工智能的相關技術眾多，開源人工智能深度學習框架也有很多，如谷歌的TensorFlow、百度的PaddlePaddle、臉書的Caff、微軟的CognitiveToolkit等，開發語言有Python、Lisp、Prolog、Java等。這些人工智能深度學習平臺為開發者提供了工具和模型，使開發者不用重新構建基礎模型，極大減少工作量，是人工智能技術研發人員必備的利器。高職人工智能技術課程以項目案例為導向，課程設計必然會涉及深度學習平臺的使用，那么采用哪種開發語言、基于哪種開源框架，就需要確立和統一。

3需求調研

3.1市場調研。第四屆世界智能大會報告指出，人工智能技術與實體經濟企業的融合正在逐漸深入，兩者融合共同構建產業智能化創新生態，為企業創造新的活力和發展。最為典型的應用有智能安防產業，圍繞視頻數據結構化、終端和邊緣計算，形成了富有活力的創新模式。騰訊2020人工智能白皮書中指出，在人工智能技術應用場景中，計算機視覺、語言技術、自然語言處理3個市場的規模占比較大，其中計算機視覺方向、人臉識別、工業識別方向深度融合場景需求和應用占比最大，因此在課程中可以偏重計算視覺方面進行項目案例設計。3.2競賽調研。在網絡公布的2019年全國職業院校技能大賽的賽項申報方案中，賽題以人工智能計算機視覺技術在安保場景中的應用為基礎，重點考查選手在使用人工智能技術處理業務時所需要的技術技能，主要包括系統運維、數據分析、算法應用和軟件編程4方面的能力。競賽內容將人工智能技術與相關行業需求結合起來，力圖解決行業面臨的實際問題，使參賽選手能夠了解、掌握并充分訓練在人工智能計算機視覺方向中的多種技術技能，包括人工智能平臺搭建、視頻數據處理、數據標注、圖像數據集構建、訓練數據預處理和人工智能模型訓練等。2019年，河北、山東、遼寧、四川、廣東等省份舉辦了高職組的人工智能技術賽事，綜合各省賽項規程，高職組的人工智能技術大賽面向職業崗位技能，以實際工程項目為依托，圍繞人工智能環境搭建與運維、人工智能建模、人工智能應用案例開發等不同目標崗位能力，涵蓋了豐富的專業知識與專業技能點，有利于增強參賽學生的團隊意識。3.3專業調研。教育部在2019年新增了高職人工智能技術服務專業，并在2020年執行，人工智能技術服務專業以培養具備人工智能技術應用開發、系統管理與維護等能力，從事人工智能相關的應用開發、系統集成與運維、產品銷售與咨詢、售前售后技術支持等工作的高素質技能人才為目標。人才培養課程體系圍繞培養目標展開，專業設置包含人工智能數學基礎課、編程語言課、算法課、大數據處理課、云計算基礎課程、人工智能技術框架課，以及包含諸如圖像處理技術的綜合實訓課等一整套涵蓋人工智能技術產品開發、運維、技術支持等崗位的課程體系。不同于人工智能應用技術專業完全重建課程體系，傳統的信息類專業各自有專業核心課程和技術方向，因此需要合理嵌入人工智能技術課程，刪減較為陳舊的課程，并優化課程體系。

4嵌入式人工智能課程設計

4.1課程定位。基于上述人工智能技術市場和教育背景分析，將人工智能課程的培養目標定位為：了解人工智能技術背景，了解若干算法和工具，能使用一套主流框架技術，能搭建一個完整的人工智能技術應用項目，具備人工智能行業從業基礎知識素養。4.2課程內容設計。課程選取TensorFlow作為主要的人工智能技術平臺，以圖像處理為案例應用方向，將人工智能課程分為基礎和高級兩個階段，分兩個學期開展，并嵌入當前的課程體系中。基礎課程有64學時，主要講授人工智能機器學習的基礎概念、Python基礎語法、Python數據處理庫、典型人工智能深度學習算法及其應用，并使用TensorFlow機器學習框架完成3個預測案例。高級課程的40學時面向圖像識別，以OpenCV為工具講解視頻處理、圖像處理、數據標注，基于基礎課程知識技能，使用深度學習算法進行模型訓練，完成一個人體行為識別模型應用案例。整體課程側重案例和技術應用，在理論方面，尤其在數學和算法方面，以需求為引導、以夠用為原則，降低人工智能技術課程在理論和算法方面的難度，激發高職階段學生對人工智能技術的興趣。4.3翻轉課堂設計。課程開展形式參考Udacity人工智能技術導論課程，融合翻轉課堂要素，在學習環境中增加與學生的多元互動，將知識點模塊化，降低難度。在講解理論知識點后，及時通過課堂測驗、小組作業、頭腦風暴等互動方式激發學生的學習興趣。此外，借鑒國家精品課程資源庫等網絡資源，融入教學過程，提前部署預習任務，通過預習讓學生提前了解課堂知識脈絡，在課堂上重點講解知識難點和重點，結合案例操作和應用實踐強化學生的學習效果。

5結語

在軟件技術、計算機應用專業進行了課程實踐，增加了人工智能應用技術基礎和高級兩門課程，分別開設在第四學期和第五學期。課程充分利用網絡資源，融入翻轉課堂要素，將課程理論與實踐結合起來，獲得了較好的教學效果。學生在課程學習的基礎上參加了多項與大數據、人工智能相關的比賽，并獲得市級獎項，鍛煉和提升了專業技能水平。專業教師結合課程改革申請了課題項目，后續將根據技術和市場發展趨勢不斷調整課程內容和教學方式，對課程教學模式和效果進行不斷總結、修正和完善，打造更加適應高職信息技術類專業的特色人工智能應用技術課程。

參考文獻

[1]南開大學新聞網.《中國新一代人工智能科技產業發展報告2020》[EB/OL].(2020-06-24)[2020-09-15].

[2]高奇琦.人工智能發展正迎來第三波浪潮[J].智慧中國,2019(8):36-40.

[3]譚鐵牛.人工智能的發展趨勢及對策[N].中華工商時報,2019-02-25(003).

[4]楊冬.人工智能時代的大學教學變革[J].高等理科教育,2020(3):79-81,94.

[5]王少青.人工智能應用型人才培養課程體系構建[J].計算機時代,2020(7):93-95.

作者:杜海穎 單位:天津職業大學