應用型本科新工科專業(yè)人工智能模塊課程建設

應 毅， 任 凱， 李曉明

（1 三江學院 計算機科學與工程學院， 南京 210012； 2 南京工業(yè)大學 浦江學院， 南京 211200）

0 引 言

21 世紀初期，伴隨著物聯(lián)網(wǎng)、云計算／大數(shù)據(jù)、深度學習為主導的第三次信息化浪潮在全球的興起，計算機視覺、自然語言處理等領域也相繼取得突破，并逐漸在真實的商業(yè)應用中扮演起重要角色［1］。 研究可知，人工智能起源于1956 年8 月召開的達特茅斯會議。 人工智能是新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力，給經(jīng)濟社會帶來了極其深遠的影響，既為促進經(jīng)濟建設注入了新動能，又為服務社會發(fā)展帶來了新機遇。

當前，中國政府高度重視人工智能領域，并從國家戰(zhàn)略高度全面推進人工智能相關產(chǎn)業(yè)的發(fā)展。 作為推進新技術新產(chǎn)業(yè)的重要陣地，高校擔負著人才培養(yǎng)、科技創(chuàng)新和社會服務的職責。 2018 年4 月，教育部在《高等學校人工智能創(chuàng)新行動計劃》［2］中強調(diào)，要加強人工智能領域?qū)I(yè)建設，推進“新工科”建設，形成“人工智能+X”復合專業(yè)培養(yǎng)新模式。

1 人工智能人才培養(yǎng)現(xiàn)狀

人工智能技術與各行各業(yè)的融合帶動大批新興產(chǎn)業(yè)的出現(xiàn)，國家政策的扶持使人工智能產(chǎn)業(yè)未來的發(fā)展具有很高的可期性，同時也給高校的人工智能專業(yè)教育方面提出時代性的挑戰(zhàn)。

2018 年之前，國內(nèi)的人工智能教育以高層次人才培養(yǎng)為主，沒有一所高校開設人工智能本科專業(yè)，經(jīng)過2019 年、2020 年這兩年的專業(yè)備案和審批，逐步形成了人工智能領域“本-碩-博”一體化人才培養(yǎng)梯隊。 盡管這種人才培養(yǎng)梯隊的形成，有助于人工智能源頭創(chuàng)新層面的研發(fā)和突破，但對于技術層和應用層所需的各類人才以及普通大眾而言，仍然是不完善的。

以上問題已嚴重制約國內(nèi)人工智能產(chǎn)業(yè)的發(fā)展，也阻礙了高校人才培養(yǎng)面對市場需求的應變能力及學生個人素質(zhì)的進一步提高。 雖然不一定每所高校都適合設立人工智能專業(yè)或建立人工智能學院，但在新工科專業(yè)設立人工智能模塊課程還是很有必要的，對于打造復合交叉的“人工智能+X”人才培養(yǎng)體系也具有重要意義。

2 人工智能模塊課程的設計

根據(jù)“知識夠用、技術實用、面向應用”的人才培養(yǎng)定位，設置具有承接關系的4 門人工智能模塊課程：Python 程序設計語言、人工智能概論、神經(jīng)網(wǎng)絡與深度學習、深度學習綜合項目訓練。 4 門課程的總體設計見表1。

表1 人工智能模塊課程的總體設計Tab.1 Overall design of Artificial Intelligence module curriculum

“Python 程序設計語言”是人工智能模塊的基礎課程，既是企業(yè)級AI 和數(shù)據(jù)分析的首選編程語言，也是新工科專業(yè)必須掌握的軟件工具。 “人工智能概論”介紹人工智能的發(fā)展歷史和現(xiàn)狀；回顧傳統(tǒng)的線性數(shù)學模型和機器學習技術；幫助學生形成對人工智能知識體系及其應用領域的輪廓性認識。 “神經(jīng)網(wǎng)絡與深度學習”是人工智能模塊的核心課程，主要介紹神經(jīng)網(wǎng)絡的基本知識和成熟的深度學習模型， 教授人工智能通用計算框架TensorFlow 的搭建、使用和二次開發(fā)。 “深度學習綜合項目訓練”是人工智能模塊的綜合性實驗課程，鑒于就業(yè)崗位需求的考慮，對于應用型本科高校的學生，在進行人工智能開發(fā)時，并不要求學生設計模型，只要能根據(jù)項目特定的應用場景，在目前主流的模型中選擇適合實際項目的模型即可。

2.1 課程“Python 程序設計語言”的設計

主要教學內(nèi)容：

（1）基本語法知識：變量、標識符、注釋、基本運算、語句與縮進。

（2）常用序列結構：列表、元組、字典、集合。

（3）流程控制：選擇結構、循環(huán)結構。

（4）字符串、正則表達式。

（5）函數(shù)、面向?qū)ο蠛皖?、異常?/p>

（6）輸入輸出、文件讀寫、文件／目錄操作。

（7）第三方庫簡介與應用。

實驗軟件工具：Python 開發(fā)工具Anaconda；Python 數(shù)據(jù)處理及分析庫NumPy、Pandas、SciPy、Matplotlib。

2.2 課程“人工智能概論”的設計

主要教學內(nèi)容：

（1）人工智能發(fā)展簡史。

（2）人工智能、機器學習、深度學習的區(qū)別和聯(lián)系。

（3）線性模型、統(tǒng)計分析、回歸。

（4）機器學習方法：監(jiān)督學習（決策樹、回歸分析、分類、SVM、Bayes 方法）、無監(jiān)督學習（聚類）、半監(jiān)督學習、強化學習。

（5）演化計算（遺傳算法）、群體智能算法（粒子群優(yōu)化、蟻群優(yōu)化）、模擬退火算法。

（6）人工神經(jīng)網(wǎng)絡簡介。

（7）當前主流應用：自然語言處理（機器翻譯）、計算機視覺（圖像識別、人臉識別）、語音處理。

實驗軟件工具：Python 機器學習庫Scikit-Learn；TensorFlow。

2.3 課程“神經(jīng)網(wǎng)絡與深度學習”的設計

主要教學內(nèi)容：

（1）神經(jīng)網(wǎng)絡基礎：感知機、神經(jīng)元、激活函數(shù)、損失函數(shù)、學習率、過擬合。

（2）神經(jīng)網(wǎng)絡模型：前饋神經(jīng)網(wǎng)絡、反饋神經(jīng)網(wǎng)絡、全連接網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡、反向傳播神經(jīng)網(wǎng)絡、LSTM 神經(jīng)網(wǎng)絡。

（3）TensorFlow 編程基礎：符號式編程；張量、變量、常量；計算圖、Session、占位符、Variable 對象；操作運算、累加、累積；基本數(shù)學函數(shù)、矩陣函數(shù)、張量函數(shù)。

（4）TensorFlow 編程模式：tf.data 模塊、tf.nn 模塊、tf.train 模塊、tf.layers 模塊、tf.estimarot 模塊。

（5）TensorFlow 模型搭建與訓練。

（6）TensorFlow 模型持久化與加載。

（7）分布式模型訓練、GPU 加速模型訓練。

實驗軟件工具：TensorFlow；Python 神經(jīng)網(wǎng)絡庫PyBrain。

2.4 課程“深度學習綜合項目訓練”的設計

主要教學內(nèi)容：

（1）主流數(shù)據(jù)集簡介：MNIST 手寫體數(shù)字識別數(shù)據(jù)集、CIFAR-10 彩色圖像數(shù)據(jù)集、ImageNet 圖像分類數(shù)據(jù)集。

（2）編寫全連接神經(jīng)網(wǎng)絡。

（3）經(jīng)典卷積神經(jīng)網(wǎng)絡應用：AlexNet、Inceptionv3、VGG Net-16、ResNet-50。

實驗軟件工具：TensorFlow；Keras。

3 課程思政的設計思路

在新一輪科技革命的時代背景下，科學設定理工科專業(yè)的課程思政培養(yǎng)目標對于人才培養(yǎng)和行業(yè)發(fā)展建設具有重要意義。 在知識傳授、能力培養(yǎng)和價值塑造的過程中，充分挖掘理工科專業(yè)的優(yōu)勢和特色，有效融入愛國主義情懷、專業(yè)倫理意識、職業(yè)道德教育、科學道德素養(yǎng)、人文素養(yǎng)元素等最為核心的思政元素［3］，提高學生的創(chuàng)新精神和實踐能力，培養(yǎng)德智體美勞全面發(fā)展的高素質(zhì)人才，培育擔當民族復興重任的時代新人。 4 門人工智能模塊課程的主要課程思政內(nèi)容詳見表2。

表2 人工智能模塊課程的主要課程思政內(nèi)容Tab.2 Primary content of courses for ideological and political education

4 結束語

在新工科背景下，培養(yǎng)具有智能思維和應用開發(fā)能力的“人工智能+”人才具有重要意義。 人工智能模塊課程的建設不以培養(yǎng)理論創(chuàng)新和算法發(fā)明的研究型人才為目標，而是面向?qū)θ斯ぶ悄軕糜行枨蟮男鹿た茖I(yè)，以典型場景應用落地為目標，強調(diào)實踐，秉承“知識夠用、技術實用、面向應用”的宗旨來組織課程的教學內(nèi)容，以期為科技和產(chǎn)業(yè)發(fā)展提供更加充分的人才支撐。