高职院校人工智能课程设计研究

导语：高职院校人工智能课程设计研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：在人工智能技术快速发展的背景下，本文对高职院校信息技术类专业进行人工智能技术方向课程设计进行了研究，分析了高职院校人工智能课程设计面临的挑战，从市场发展、竞赛趋势、专业建设3个方面进行了需求调研和分析，并结合高职院校的人才培养特点，设计了嵌入式的人工智能技术课程方案，希望能够为相关研究提供借鉴。

关键词：人工智能；课程设计；高职院校

《中国新一代人工智能科技产业发展报告2020》指出，我国已成为继美国后拥有人工智能企业数量最多的国家，从技术发展、数据平台到市场，我国的人工智能产业生态逐渐丰富和完善[1]。当前人工智能技术被认为是第四次工业革命的“引擎”[2]，在政府工作报告中指出要加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合，到2030年在人工智能领域达到世界领先水平[3]。教育是实现这一目标的根本途径，必须大力培养人工智能领域的研发和应用人才。

1高职人工智能人才培养的背景

随着人工智能应用的落地，人工智能市场人才需求逐步明朗，高职阶段的人工智能人才培养也逐渐展开，当前诸多职业院校正在积极探索人工智能专业建设。在人工智能时代，众多院校都在谋划与人工智能技术的结合[4]。而与人工智能技术关系最为紧密的信息技术类专业，尤其需要进行课程升级，培养更多人工智能技术应用方向的人才，以满足当前市场对人才的需求。高职信息技术类专业人才该如何在人工智能浪潮中进行定位，如何优化高职信息技术类专业人才培养课程体系设计，使得人才培养能够满足人工智能时代市场对人才的需求，拓宽学生的就业方向，提升学生的未来职业发展水平，是专业发展必须面临和解决的一个问题。

2人工智能课程设计面临的挑战

2.1产业人才需求与高职教育的对接。目前，国内众多院校都成立了人工智能学院，从其技术课程体系来看，多集中于数学、算法研究、机器学习等基础研发类课程[5]，这类课程从课程难度和目标定位上不适应于高职阶段的教学。高职教育人工智能教学课程体系尚未统一，市面教材普遍偏重理论，内容深奥较为枯燥，与实践联系不足，课程体系、知识体系仍处于探索阶段。另外，相比本科院校，高职院校在人工智能领域的师资严重不足。从就业需求来看，当前人工智能从业者多集中于各种算法、开发框架等研发方面，对从业者的素质要求很高，较多招聘岗位都以研究生学历起步，在算法和技术研发领域并不适合高职学生，高职学生在人工智能产业链的定位还需要再明确。2.2技术应用领域选择。高职教育侧重培养学生的工程实践和技术应用能力，因此在课程设计中必须将理论教学融入项目实践，以项目带动理论知识学习。当前我国拥有数量庞大的网民，产生了海量的数据资源，丰富的产业环境为人工智能提供了各种应用场景，不同应用场景下所使用的算法、技术、工具各有侧重。目前，人工智能技术领域有计算机视觉、机器学习、自然语言处理、认知科学和机器人学，如何确立一个应用领域，并基于该领域进行工具、技术、算法、语言等的选择，是设计人工智能课程时需要解决的问题。2.3人工智能技术框架选择。人工智能的相关技术众多，开源人工智能深度学习框架也有很多，如谷歌的TensorFlow、百度的PaddlePaddle、脸书的Caff、微软的CognitiveToolkit等，开发语言有Python、Lisp、Prolog、Java等。这些人工智能深度学习平台为开发者提供了工具和模型，使开发者不用重新构建基础模型，极大减少工作量，是人工智能技术研发人员必备的利器。高职人工智能技术课程以项目案例为导向，课程设计必然会涉及深度学习平台的使用，那么采用哪种开发语言、基于哪种开源框架，就需要确立和统一。

3需求调研

3.1市场调研。第四届世界智能大会报告指出，人工智能技术与实体经济企业的融合正在逐渐深入，两者融合共同构建产业智能化创新生态，为企业创造新的活力和发展。最为典型的应用有智能安防产业，围绕视频数据结构化、终端和边缘计算，形成了富有活力的创新模式。腾讯2020人工智能白皮书中指出，在人工智能技术应用场景中，计算机视觉、语言技术、自然语言处理3个市场的规模占比较大，其中计算机视觉方向、人脸识别、工业识别方向深度融合场景需求和应用占比最大，因此在课程中可以偏重计算视觉方面进行项目案例设计。3.2竞赛调研。在网络公布的2019年全国职业院校技能大赛的赛项申报方案中，赛题以人工智能计算机视觉技术在安保场景中的应用为基础，重点考查选手在使用人工智能技术处理业务时所需要的技术技能，主要包括系统运维、数据分析、算法应用和软件编程4方面的能力。竞赛内容将人工智能技术与相关行业需求结合起来，力图解决行业面临的实际问题，使参赛选手能够了解、掌握并充分训练在人工智能计算机视觉方向中的多种技术技能，包括人工智能平台搭建、视频数据处理、数据标注、图像数据集构建、训练数据预处理和人工智能模型训练等。2019年，河北、山东、辽宁、四川、广东等省份举办了高职组的人工智能技术赛事，综合各省赛项规程，高职组的人工智能技术大赛面向职业岗位技能，以实际工程项目为依托，围绕人工智能环境搭建与运维、人工智能建模、人工智能应用案例开发等不同目标岗位能力，涵盖了丰富的专业知识与专业技能点，有利于增强参赛学生的团队意识。3.3专业调研。教育部在2019年新增了高职人工智能技术服务专业，并在2020年执行，人工智能技术服务专业以培养具备人工智能技术应用开发、系统管理与维护等能力，从事人工智能相关的应用开发、系统集成与运维、产品销售与咨询、售前售后技术支持等工作的高素质技能人才为目标。人才培养课程体系围绕培养目标展开，专业设置包含人工智能数学基础课、编程语言课、算法课、大数据处理课、云计算基础课程、人工智能技术框架课，以及包含诸如图像处理技术的综合实训课等一整套涵盖人工智能技术产品开发、运维、技术支持等岗位的课程体系。不同于人工智能应用技术专业完全重建课程体系，传统的信息类专业各自有专业核心课程和技术方向，因此需要合理嵌入人工智能技术课程，删减较为陈旧的课程，并优化课程体系。

4嵌入式人工智能课程设计

4.1课程定位。基于上述人工智能技术市场和教育背景分析，将人工智能课程的培养目标定位为：了解人工智能技术背景，了解若干算法和工具，能使用一套主流框架技术，能搭建一个完整的人工智能技术应用项目，具备人工智能行业从业基础知识素养。4.2课程内容设计。课程选取TensorFlow作为主要的人工智能技术平台，以图像处理为案例应用方向，将人工智能课程分为基础和高级两个阶段，分两个学期开展，并嵌入当前的课程体系中。基础课程有64学时，主要讲授人工智能机器学习的基础概念、Python基础语法、Python数据处理库、典型人工智能深度学习算法及其应用，并使用TensorFlow机器学习框架完成3个预测案例。高级课程的40学时面向图像识别，以OpenCV为工具讲解视频处理、图像处理、数据标注，基于基础课程知识技能，使用深度学习算法进行模型训练，完成一个人体行为识别模型应用案例。整体课程侧重案例和技术应用，在理论方面，尤其在数学和算法方面，以需求为引导、以够用为原则，降低人工智能技术课程在理论和算法方面的难度，激发高职阶段学生对人工智能技术的兴趣。4.3翻转课堂设计。课程开展形式参考Udacity人工智能技术导论课程，融合翻转课堂要素，在学习环境中增加与学生的多元互动，将知识点模块化，降低难度。在讲解理论知识点后，及时通过课堂测验、小组作业、头脑风暴等互动方式激发学生的学习兴趣。此外，借鉴国家精品课程资源库等网络资源，融入教学过程，提前部署预习任务，通过预习让学生提前了解课堂知识脉络，在课堂上重点讲解知识难点和重点，结合案例操作和应用实践强化学生的学习效果。

5结语

在软件技术、计算机应用专业进行了课程实践，增加了人工智能应用技术基础和高级两门课程，分别开设在第四学期和第五学期。课程充分利用网络资源，融入翻转课堂要素，将课程理论与实践结合起来，获得了较好的教学效果。学生在课程学习的基础上参加了多项与大数据、人工智能相关的比赛，并获得市级奖项，锻炼和提升了专业技能水平。专业教师结合课程改革申请了课题项目，后续将根据技术和市场发展趋势不断调整课程内容和教学方式，对课程教学模式和效果进行不断总结、修正和完善，打造更加适应高职信息技术类专业的特色人工智能应用技术课程。

参考文献

[1]南开大学新闻网.《中国新一代人工智能科技产业发展报告2020》[EB/OL].(2020-06-24)[2020-09-15].

[2]高奇琦.人工智能发展正迎来第三波浪潮[J].智慧中国,2019(8):36-40.

[3]谭铁牛.人工智能的发展趋势及对策[N].中华工商时报,2019-02-25(003).

[4]杨冬.人工智能时代的大学教学变革[J].高等理科教育,2020(3):79-81,94.

[5]王少青.人工智能应用型人才培养课程体系构建[J].计算机时代,2020(7):93-95.

作者:杜海颖 单位:天津职业大学