探索《TensorFlow基礎(chǔ)實戰(zhàn)》創(chuàng)新案例課程標(biāo)準(zhǔn)開發(fā)

高政霞 唐林 顧潤龍

TensorFlow作為開源深度學(xué)習(xí)框架之一，在人工智能領(lǐng)域和企業(yè)應(yīng)用中是一顆閃耀的明星。本文依托高職人工智能技術(shù)應(yīng)用人才培養(yǎng)方案，結(jié)合AI行業(yè)熱門領(lǐng)域，探索高等職業(yè)院校TensorFlow基礎(chǔ)實踐課程的創(chuàng)新路徑，主要從實踐動手能力、項目開發(fā)能力、自主學(xué)習(xí)能力、探究創(chuàng)新意識等方面進行剖析，通過結(jié)合“產(chǎn)、學(xué)、研”創(chuàng)新探究課程標(biāo)準(zhǔn)開發(fā)，提出了一條“崗、課、賽、證”融通的模式來創(chuàng)新人才培養(yǎng)路徑。

1 課程背景

目前人工智能布局和發(fā)展已經(jīng)成為世界諸多國家的共識與行動，國內(nèi)更是高度重視人工智能發(fā)展。2021年3月教職成[2021]3號文中指出“深化職業(yè)教育評價改革，形成具有職業(yè)教育特點的評價標(biāo)準(zhǔn)和方法”，表明了培養(yǎng)能力的實踐教育要求。此外，國家出臺多項舉措，表明職業(yè)教育實訓(xùn)教學(xué)建設(shè)標(biāo)準(zhǔn)及職業(yè)人才培養(yǎng)技能應(yīng)用型更深層次發(fā)展的立場。高職人工智能技術(shù)應(yīng)用專業(yè)致力于培養(yǎng)符合國家戰(zhàn)略及人工智能產(chǎn)業(yè)發(fā)展需求，掌握AI基礎(chǔ)知識，擁有可持續(xù)發(fā)展能力、具有AI核心思維和能夠根據(jù)行業(yè)、企業(yè)等需求進行開發(fā)的高素質(zhì)復(fù)合型技術(shù)技能人才。通過崗位深度調(diào)研和剖析，明確了人工智能技術(shù)應(yīng)用方向人才培養(yǎng)的職業(yè)面向、職業(yè)崗位、工作需求，其中作為人工智能深度學(xué)習(xí)開源框架之一的TensorFlow框架是人才培養(yǎng)實踐教學(xué)中非常重要的一環(huán)。

目前機器學(xué)習(xí)和深度學(xué)習(xí)框架有TensorFlow、Pytorch、 PaddlePaddle、MindSpore、Scikit-learn、Keras等，還有一些使用率相對較低的Theano、Caffe、CNTK等，那么選取TensorFlow框架主要是因其強大的可移植性和廣泛的應(yīng)用關(guān)注性，還有國內(nèi)如小米、京東等科技公司也采用TensorFlow進行生產(chǎn)實踐，與此同時，還有高校也是用其作為教學(xué)主要工具，所以TensorFlow課程標(biāo)準(zhǔn)的探索在教學(xué)、學(xué)術(shù)研究和工業(yè)應(yīng)用中是非常有必要的。

TensorFlow作為人工智能技術(shù)應(yīng)用專業(yè)核心課程之一，課程標(biāo)準(zhǔn)實施方案的制訂是落實人才培養(yǎng)方案目標(biāo)的重要一點，同時也是“崗課賽證”四項融通舉措中非常關(guān)鍵的節(jié)點?？紤]到該課程的實用性和實踐性，該課程需從算法及應(yīng)用實踐兩方面入手，從而實現(xiàn)讓學(xué)生最終成為AI的真正駕馭者而不是邊緣使用者。

2 課程標(biāo)準(zhǔn)框架

課程標(biāo)準(zhǔn)是指導(dǎo)教學(xué)的重要依據(jù)，也是立德樹人、課程思政開展的指導(dǎo)標(biāo)準(zhǔn)，而且，提質(zhì)培優(yōu)人才培養(yǎng)其中最關(guān)鍵的一環(huán)就是課程的開發(fā)與建設(shè)。人工智能離不開芯片、算法和數(shù)據(jù)等，如何突破固有模式，開展全景式項目式、模塊化教學(xué)，如何更好地以工程實踐為主線、立德樹人貫穿始終的教學(xué)是高等院校要考慮的重中之重。在“崗、課、賽、證”融通背景下，開展“書證融通”“課賽結(jié)合”“崗課融合”等研究是非常有必要的，那么課程就是連接本課題核心內(nèi)容中必不可少的節(jié)點。所以本文提出了一種創(chuàng)新課程標(biāo)準(zhǔn)框架，在研究思路和方法上可供同層次院校參考。

課程標(biāo)準(zhǔn)的制訂首先對接教育部發(fā)布的教學(xué)標(biāo)準(zhǔn)要求，從課程性質(zhì)與任務(wù)、課程目標(biāo)與要求、課程結(jié)構(gòu)與內(nèi)容、考核評價、實施保障、授課進度安排等六個方面全方位、立體式設(shè)計探索，各個方面層層遞進。

TensorFlow課程標(biāo)準(zhǔn)框架的搭建是開展教學(xué)的主要依據(jù)，課程的定位是決定教學(xué)實施的重要支撐，在課程機構(gòu)與內(nèi)容中，本文通過創(chuàng)新案例和工程項目模塊化開展，如對垃圾郵件過濾、花卉識別分類、用戶購買行為分析等典型項目開展實驗實訓(xùn)環(huán)節(jié)，通過任務(wù)驅(qū)動、互動研討、學(xué)生展示等環(huán)節(jié)充分調(diào)動學(xué)生學(xué)習(xí)熱情。

課程教學(xué)省略機器學(xué)習(xí)及深度學(xué)習(xí)中煩瑣的數(shù)學(xué)模型推導(dǎo)，直接從行業(yè)熱門領(lǐng)域及工程項目中的實際問題入手，從大量的實踐經(jīng)驗出發(fā)，引入身邊熟知的生活應(yīng)用，讓學(xué)生走進人工智能這個前沿又熱門的領(lǐng)域。

3 實施思路

本文在實施上著重強調(diào)提供中高端服務(wù)、解決較復(fù)雜的工程應(yīng)用問題、進行較復(fù)雜的實踐操作。作為人工智能專業(yè)的工具類課程，TensorFlow是支持CPU、GPU和分布式的，它的實現(xiàn)工程在一定意義上是非常優(yōu)秀和突出的。首先課程教學(xué)要著重強調(diào)以工程項目實踐為主線，引用工業(yè)應(yīng)用中的典型工作任務(wù)，其次在新一代信息技術(shù)產(chǎn)業(yè)時代及人工智能技術(shù)產(chǎn)業(yè)背景下，要依托“產(chǎn)、學(xué)、研”深度融合，實施“書證融通”“課賽結(jié)合”“賽證向榮”，結(jié)合1+X職業(yè)技能等級認證和“產(chǎn)教融合”構(gòu)建本課程的教學(xué)標(biāo)準(zhǔn)（如圖1所示）。

3.1 對接產(chǎn)業(yè)

人工智能產(chǎn)業(yè)鏈包含基礎(chǔ)層、技術(shù)層和應(yīng)用層。最底層的基礎(chǔ)層技術(shù)涉及物聯(lián)網(wǎng)技術(shù)、智能芯片技術(shù)、大數(shù)據(jù)與云計算等相關(guān)的技術(shù)。基礎(chǔ)層提供的主要是數(shù)據(jù)感知、數(shù)據(jù)處理，特別是算力的支持，能夠為技術(shù)層的算法提供強大的數(shù)據(jù)支撐和計算能力支撐。物聯(lián)網(wǎng)技術(shù)通過萬物互聯(lián)實現(xiàn)現(xiàn)實世界的數(shù)字化轉(zhuǎn)化，通過傳感器技術(shù)進行前期數(shù)據(jù)的感知，智能芯片技術(shù)的發(fā)展使得人工智能的大腦更加聰明。技術(shù)層才是最難攻克的點，TensorFlow作為工業(yè)上主流的深度學(xué)習(xí)框架，使用數(shù)據(jù)流式圖規(guī)劃計算流程，研究超大規(guī)模深度神經(jīng)網(wǎng)絡(luò)，而且有很多高度抽象的運算操作，這就表明教學(xué)內(nèi)容的深度和廣度需要對接相關(guān)產(chǎn)業(yè)進行深度挖掘。本文探索通過精準(zhǔn)對接人工智能產(chǎn)業(yè)技術(shù)層實現(xiàn)及精準(zhǔn)對接育人創(chuàng)新理念實現(xiàn)課程標(biāo)準(zhǔn)“雙精準(zhǔn)”策略。

通過精分人才培養(yǎng)方案目標(biāo)，融合職業(yè)等級認證知識水平和技術(shù)要求，與此同時，融合創(chuàng)新創(chuàng)業(yè)教育及技能大賽，最終實現(xiàn)“雙融合”育人模式。

3.2 對接崗位

TensorFlow課程是在企業(yè)中廣受追捧的深度學(xué)習(xí)框架，但不是唯一，這就需要學(xué)生擁有可拓展的能力，在教學(xué)標(biāo)準(zhǔn)研討中，考慮到行業(yè)需求及崗位要求。本文制訂了一種重構(gòu)課程體系，以“厚基礎(chǔ)+側(cè)崗位+重實踐”為主要指導(dǎo)思想的項目化課程體系，各個項目看似無連接關(guān)系，但是層層遞進、相互滲透，通過大量的實驗實訓(xùn)項目使學(xué)生最終知道如何動手實踐、如何開展項目開發(fā)，從思想上真正入門人工智能實踐開發(fā)體系。

本文對接的崗位需要學(xué)生具備使用TensorFlow框架做出實際項目和成果的能力，基礎(chǔ)能力包括從實用角度出發(fā)的CNN、LSTM、RNN、乃至DeepQ-Network訓(xùn)練及優(yōu)化的能力，還有能夠進行模型優(yōu)化和參數(shù)調(diào)優(yōu)的實踐能力。

3.3 對接技能大賽

目前，高職類的人工智能職業(yè)技能大賽相對較少，學(xué)科類全國職業(yè)院校技能大賽沒有人工智能技術(shù)應(yīng)用比賽項目，而現(xiàn)有的技能大賽有人工智能技術(shù)服務(wù)職業(yè)技能大賽、人工智能創(chuàng)意賽、高校計算機大賽、人工智能創(chuàng)意大賽等，而這些比賽對于學(xué)生的綜合應(yīng)用能力有極高要求，學(xué)生必須具備“人工智能+X”知識體系下的學(xué)科融合知識體系的實踐應(yīng)用動手能力，還需具備極強的知識綜合應(yīng)用能力。

值得一提的是“一帶一路”暨金磚國家技能發(fā)展與技術(shù)創(chuàng)新大賽各賽項，2022年有數(shù)據(jù)分析與可視化賽項、人工智能工程技術(shù)（邊緣計算）賽項、人工智能訓(xùn)練與應(yīng)用（人工智能訓(xùn)練師）賽項等，在賽項規(guī)程中也涉及了深度學(xué)習(xí)框架的使用。

為了培養(yǎng)具備社會價值和可塑性的新時代人工智能行業(yè)應(yīng)用人才，從競賽的各個任務(wù)入手，分解任務(wù)步驟和知識點，結(jié)合課程特色，著重訓(xùn)練學(xué)生快速建立算法和模型的能力，以及結(jié)合代碼的能力。從整個賽項的全局開始抽取各個知識點形成模塊化項目塊，將任務(wù)做成知識點在課堂教學(xué)中融入，實訓(xùn)過程中充分了解學(xué)生水平和學(xué)習(xí)進度，有針對性地開展測試和考核，針對出現(xiàn)的問題集中解決。

在學(xué)校構(gòu)建的一體化實訓(xùn)平臺進行個人追逐賽、團隊對抗賽等充分激發(fā)學(xué)生的學(xué)習(xí)熱情和超越自我的精神風(fēng)貌。

3.4 教材開發(fā)

利用現(xiàn)有資源和設(shè)施打開項目式教材、模塊化教材開發(fā)雙思路，以崗位群人才需求為基石，結(jié)合企業(yè)工作需求選取教學(xué)任務(wù)，制訂項目目標(biāo)，以任務(wù)導(dǎo)入，通過人物分析、任務(wù)實施、任務(wù)小結(jié)、任務(wù)工單等進行教材開發(fā)，課程體系建設(shè)專業(yè)基礎(chǔ)課程可從模塊化教材研發(fā)為導(dǎo)向，以知識點+技能點為基礎(chǔ)，構(gòu)建課程+模塊的體系。通過項目式教材規(guī)劃建設(shè)的過程中形成的典型案例或大型項目可作為創(chuàng)新創(chuàng)業(yè)項目指導(dǎo)學(xué)生參與創(chuàng)新創(chuàng)業(yè)比賽，學(xué)生在此基礎(chǔ)上可以進一步拓展延伸。

通過與企業(yè)協(xié)同創(chuàng)新，合作開發(fā)活頁式教材達到校企雙元，共同構(gòu)建創(chuàng)新創(chuàng)業(yè)項目池，與創(chuàng)新創(chuàng)業(yè)項目結(jié)合可完成部分學(xué)生的實習(xí)實訓(xùn)任務(wù)。與此同時，向國家規(guī)劃教材的方向邁進一大步。模塊化的教材開發(fā)與企業(yè)協(xié)同寫作，利用企業(yè)提供的線上教學(xué)平臺，同步開展平臺精品課程建設(shè)，拓展完善精品資源庫，以創(chuàng)新創(chuàng)業(yè)導(dǎo)學(xué)崗位和技術(shù)技能學(xué)習(xí)。

3.5 課程保障

構(gòu)建課程標(biāo)準(zhǔn)，必須以生為本、工學(xué)結(jié)合、德技并修，且做到引培并舉雙向保障。即使是實訓(xùn)課程，也務(wù)必要將立德樹人工程進行到底，培養(yǎng)學(xué)生科學(xué)素養(yǎng)和職業(yè)素養(yǎng)，以國家大計和社會發(fā)展為己任，這就要求教師不僅要擁有高超的技能技術(shù)，同時需要教師能夠從國家發(fā)展、國家大義、社會發(fā)展、科技視野、人文素養(yǎng)等多角度融合，需要廣泛的知識儲備量和較強的靈活應(yīng)用能力。與此同時，還需要校企協(xié)同合作，從行業(yè)需求的角度開展教學(xué)。

對學(xué)校的課程保障主要體現(xiàn)在人工智能專業(yè)的設(shè)備設(shè)施（如智慧教室、智能助手、機器學(xué)習(xí)實訓(xùn)室等）和資源課程（線上線下資源庫、精品課程等）的建設(shè)開發(fā)，保障基本教學(xué)條件，滿足本課程標(biāo)準(zhǔn)的實施要求，支持學(xué)生開展數(shù)字化學(xué)習(xí)。學(xué)院應(yīng)提供的專業(yè)教室、校內(nèi)實訓(xùn)室和校外實訓(xùn)基地等，學(xué)校應(yīng)結(jié)合本地區(qū)產(chǎn)業(yè)發(fā)展和專業(yè)教學(xué)的需要，立足學(xué)生實際，精選拓展模塊內(nèi)容，打造精品課程。

3.6 創(chuàng)新案例貫穿

綜合以上四個方面，創(chuàng)新教學(xué)案例，手機新技術(shù)案例，從大量的案例中綜合分析，最終得出模塊化教學(xué)體系，“典型工作崗位+典型工作任務(wù)+專業(yè)技術(shù)能力+技能競賽要求+學(xué)習(xí)型工作任務(wù)+學(xué)習(xí)情境”實現(xiàn)基于工作過程導(dǎo)向的教學(xué)理念選取對應(yīng)的教學(xué)內(nèi)容。教學(xué)創(chuàng)新案例選取涵蓋機器學(xué)習(xí)和深度學(xué)習(xí)常見的模型和部分商業(yè)案例。

創(chuàng)新案例選取考慮真實的企業(yè)工程案例，如O2O優(yōu)惠券使用預(yù)測、安全駕駛檢測、智慧教室、危險品檢測、智能紅綠燈、城市聲音分類、出租車軌跡數(shù)據(jù)分析、人臉老化檢測、車道檢測、火力發(fā)電廠工業(yè)蒸汽量預(yù)測等豐富實訓(xùn)項目練習(xí)。

4 師生評價

學(xué)業(yè)水平評價，從情感態(tài)度與社會責(zé)任、專業(yè)學(xué)習(xí)能力、解決問題能力等方面考查學(xué)生的專業(yè)素養(yǎng)水平。也可考慮建立包括自我評價、學(xué)生互評、師生互評等多種形式的客觀、全面、公平的學(xué)習(xí)評價體系。評價內(nèi)容主要圍繞三個方面：自我學(xué)習(xí)能力、協(xié)作學(xué)習(xí)過程中做出的貢獻及完成工作任務(wù)的質(zhì)量。從學(xué)生的視角對學(xué)生工作積極性、團結(jié)協(xié)作精神加以評價。以教學(xué)目標(biāo)為依據(jù)，針對學(xué)生的創(chuàng)造精神和發(fā)展性需求進行評判，注重學(xué)生的過程化考核，鼓勵學(xué)生創(chuàng)新應(yīng)用和自主實踐。

通過“線上+線下”方式交互評價，在學(xué)習(xí)時間與空間跨度上，立足遠程教育和終身學(xué)習(xí)的初衷，在此基礎(chǔ)上以不違背教學(xué)目標(biāo)和人才培養(yǎng)方案要求的前提下進行適當(dāng)創(chuàng)新。

5 總結(jié)

本文從創(chuàng)新案例入手，結(jié)合真實的企業(yè)項目實戰(zhàn)，對TensorFlow基礎(chǔ)實戰(zhàn)課程進行了全面剖析和解析，探索了一條創(chuàng)新的課程標(biāo)準(zhǔn)路徑，致力于解決實踐課的教學(xué)設(shè)計問題，通過“崗、課、賽、證”四項融通模式、校企協(xié)同創(chuàng)新育人方法等進行了全方位、立體式、無死角的舉例，最終呈現(xiàn)了一條最佳的課程教學(xué)路徑及育人模式。

本文系中國高校產(chǎn)學(xué)研創(chuàng)新基金-北創(chuàng)助教項目（二期）課題“人工智能相關(guān)專業(yè)建設(shè)與資源環(huán)境類復(fù)合型人才培育方法的研究與實踐”（編號：2021BCE02006）；全國2022～2023年度工業(yè)和信息化職業(yè)教育教學(xué)科研課題“基于‘校企協(xié)同下人工智能職業(yè)本科人才培養(yǎng)研究與實踐”（編號：GXHZWC82141）；蘭州資源環(huán)境職業(yè)技術(shù)大學(xué)校級科研項目科技創(chuàng)新團隊組建課題“人工智能工程技術(shù)科技創(chuàng)新團隊”（編號：T2022-03）。

（作者單位：蘭州資源環(huán)境職業(yè)技術(shù)大學(xué)信息工程學(xué)院）