高職人工智能專業人才培養方案探索與建設

謝宇

摘 要：本文闡述了在高職院校開設人工智能專業的必要性，通過對專業定位、課程體系、人才培養目標及規格、實訓條件、專業建設方向、專業建設理念等進行詳細的分析，列舉了相關措施和解決辦法，系統概述了人工智能專業開設的意義。

關鍵詞：高職教育;AI;課程體系;崗位化;人才規格

根據教育部《普通高等學校高等職業教育（專科）專業設置管理辦法》，在相關學校和行業提交增補專業建議的基礎上，教育部組織研究確定了2019年度增補專業共9個，自2020年起執行。在高等職業教育專業目錄中，正式宣布人工智能技術服務專業誕生，專業代碼610217。

該專業建設以人工智能技術與應用素質培養為基礎，以人工智能技術與應用能力為培養主線，將人工智能技術服務專業技能知識教育和職業資格認證相結合，構建專業的理論教學體系和實踐能力培養體系。采取多種形式，通過實施“雙證書”和“多證書”制，培養社會所需的實用型人才。2018年4月2日，教育部印發了《高等學校人工智能創新行動計劃》，行動計劃中要求各大高校加快建設人工智能科技創新基地。因此，在高職院校設立人工智能專業迫在眉睫。

一、人工智能的定義及特點

廣義上的人工智能泛指通過計算機實現人的頭腦思維產生的效果，通過研究和開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統構建而成，構建過程中綜合了計算機科學、數學、生理學、哲學等內容。形象來說，人工智能可以理解為由不同音符組成的音樂，而不同音符是由不同的樂器奏響的，最終實現傳遞演奏者內心所想與頭腦所思的效果。

人工智能人才培養的基礎是人腦認知，為此，機器人與智能系統、知識工程、機器感知與模式識別、自然語言處理與理解以及腦認知基礎，需要扎根學科認知的基礎，設立全面的學科體系。其次，應該平衡人工智能理論和產業落地的關系，在學科體系上應更注重培養人才的實踐操作能力，關注成果落地轉化，走進市場、產業需求才是高質量人才必備的。第三，培養人才對人工智能專業所需技能的全局掌握能力，做到心中有數，視野開闊，而并非僅僅鉆入算法、編程等局部知識，從全局技能中激發人才自主創新樹立前瞻視角。

二、專業人才培養目標和規格

本專業培養適應社會主義現代化建設事業需要，德、智、體、美全面發展，具有良好人文、科學素養和職業道德，掌握計算機編程技術、Python語言高級開發技術、人工智能數學、機器學習、算法、人工智能的實踐工作和創新能力，能從事人工智能技術在智能交通、環境保護、公共安全、智能家居、工業監測、個人健康等多個領域中的系統開發及其應用的高級技術應用型人才。綜合素質方面具有一定的創新意識、團隊意識、邏輯推理能力，綜合分析能力、實踐動手能力、自主學習能力，能在企事業單位從事人工智能應用相關的開發、運維、管理工作的高素質技術技能型人才。

（一）基本素質

1.具有良好的政治素質和道德修養;

2.掌握軟件工程的基本理論和基本知識，獲得本專業較好的技能與方法的訓練，具備從事本專業工作的能力和適應相關專業工作能力和素質;

（二）專業能力

1.計算思維與系統能力

計算思維主要包括形式化、模型化描述和抽象思維與邏輯思維能力。人工智能工程無時無刻不在體現“算法”與“機器學習”的重要性，應具備運用計算方法和模型求解問題、設計系統等能力。

2.Python程序設計與應用能力

具備Python語言開發和設計能力、Python網絡編程能力，具備使用Python的數據分析庫進行數據分析的能力，具備通過Python進行數據可視化的能力，具備urllib和requests網頁抓取的基本方法，以及Scrapy爬蟲框架進行數據采集、調試及綜合應用的能力，具備Python的Web編程能力。

（三）專業核心能力

1.深度學習能力

掌握神經網絡的基本原理、理解神經網絡的基本架構，熟悉梯度下降的基本原理，了解神經網絡的反向傳播，掌握多種損失函數的優缺點，了解各種超參數原理以及如何利用超參數對模型進行調優。

2.自然語言處理能力

掌握自然語言處理能力，從非結構化文本中抽取信息，猜測主題或識別“命名實體”;分析文本語言結構，解析和語義分析的自然語言處理能力。

3.人工智能圖像處理能力

掌握卷積神經網絡概念、卷積神經網絡常用結構、經典卷積網絡模型 （LeNet-5模型、Inception-v3模型、ResNet等），TensorFlow實現遷移學習， TFRecord輸入數據格式，TensorFlow圖像處理函數和多線程輸入數據處理框架等知識，具備智能圖像處理能力。

4.時間序列處理能力

掌握循環神經網絡概念、循環神經網絡常用結構，如LSTM、GRU等經典循環網絡模型， TensorFlow實現遷移學習， TFRecord輸入數據格式，TensorFlow圖像處理函數和多線程輸入數據處理框架等知識，具備智能圖像處理能力。

三、專業就業崗位及工作內容

四、專業教學實訓資源

本專業的實訓課程與企業共同開發，深度定制化。通過循序漸進的系列實訓，闡述深度學習常見的應用場景，如圖像處理以及自然語言處理中的常用模型。

并通過實際數據集，PaddlePaddle等開源框架以及提供的計算資源，讓學生能夠上手搭建模型，體驗模型的應用效果，深入理解各種神經網絡的原理和實際應用。

五、專業建設方向

（一）基于產業崗位的人才培養

人工智能已逐漸應用于工業制造、網絡銷售、教育、醫療等多個領域。隨著AI在各個行業的應用不斷深入，人才需求會越來越強烈。對高尖端人才的需求會更加旺盛，高職人工智能專業基于產業崗位的人才培養，更能培養出高質量的AI人才。

（二）人工智能專業與軟件、大數據、物聯網、云計算、智能控制等專業的融合與差異化

隨著云計算、物聯網、人工智能、信息安全與大數據技術的深入融合，政策和標準體系的完善，人才隊伍的建設，以及應用場景和解決方案的豐富化和落地化，未來的AI產業將迎來新一輪的增長。高職院校大數據、人工智能與云計算技術等專業趨向深度融合。

人工智能專業在教育領域中的落地和實踐，需要多學科的綜合交叉研究。未來人工智能發展需要增強原創力，以關鍵核心技術為方向，夯實人工智能發展的基礎。此外，人工智能未來的發展，亟需各學科交叉融合以及各領域專家的通力合作。

人工智能本來就不是一個單獨的概念，而是關系到大數據、云計算、編程、計算機軟件、機器人、智能設備、物聯網等一系列人工智能時代的工具和設施，是它們的綜合，還要高度融合并形成一套生態系統的嶄新的學科概念。

因此我們說發展人工智能教育，必然要尋求多學科的融合，在課堂上要注意各學科知識的綜合運用，要注意培養學生多種能力。將人工智能的新思維、新技術、新方法與教育進行融合，以直面解決現實問題，培養適合AI時代的智造者。作為人工智能教育的起點，以“AI賦能教育 圓中國智造夢”為理念，兼顧教師、學生、教學管理者等不同群體的需求，構建高職融通式的課程體系。

六、專業建設理念

在國家對人才迫切的需求和《國務院辦公廳關于深化產教融合的若干意見》指導下，基于智慧學習工場的思想先導，在人才培養的理念上，堅持培養學生的系統概念能力、系統分析與設計能力、系統開發能力、系統集成能力、系統運維能力和創新能力，減少和降低人才培養供給側和產業需求側在結構、質量、水平上的落差，協助推進人力資源供給側的結構性改革。

（一）堅持綜合化的課程體系和跨學科的培養

綜合化的課程體系和跨學科的培養有利于學生獲得寬闊的基礎、較強的工作適應能力。通過對整體人工智能行業產業鏈的分析，培養學生從人工智能應用開發、人工智能運維、部署進行多維度的學習和行業真實場景的實踐，拓寬學生的知識面，培養創新意識、流程協作能力，提高學生的綜合學科能力。

（二）靈活的教學方法和實踐性的項目教學

在教學中，重視實踐性教學，配合教材，將基礎理論教學和行業實踐案例緊密結合，實現課內與課外相結合、教學與研究相結合、教學與實踐相結合。教材和課程設置作為知識傳播的載體，將教材和課程結構不斷優化，突出了素質教育、創新教育和行業實踐教育的特點，教材中充分體現項目式的教學案例、情景化的知識點等特點。綜合采用啟發式、發現式、學生參與式等教學方式，充分調動學生的學習主動性。

參考文獻

[1] 周文娟.“人工智能+”時代的教育變革路向研究[J].鄭州輕工業學院學報（社會科學版），2018，19（6）：62-70.

[2] 突破圍墻，商湯潛行[J].互聯網經濟，2018（5）：96-99.

[3] 耿黎明，姜林燕.AI江湖，誰主沉浮：人工智能商業化熱潮下的冷思考[J].中國品牌，2017（11）：42-47.

[4] 朱祝武.人工智能發展綜述[J].中國西部科技，2011，10（17）：8-10.