新經管下的人工智能專業課程群研究

周健 武岳 段凱宇 吳昊

［摘 要］ 研究分析智慧金融、數字經濟對傳統財經類人才培養提出的新方向、新要求，拓展人工智能學科專業的內涵和建設重點，研究人工智能+金融、人工智能+管理、人工智能+經濟等新課程體系和教學內容，形成“人工智能+新經管”課程群。課程群融合人工智能兩大類方法，提供從信號層到數據層基礎性工程知識和能力，貫通信息從采集、存儲到分析、預測的全過程，滿足解決人工智能復雜工程問題能力培養的需求，課程群具有厚基礎、重應用、相融合的特點。

［關鍵詞］ 人工智能；人才培養；課程群建設；新經管

［基金項目］ 2019年度安徽省省級質量工程“電子信息卓越工程師培育計劃”（2019zyrc046）；2019年度安徽省省級質量工程“頻繁模式下智慧課堂知識點學習軌跡研究”（2019jyxm0191）

［作者簡介］ 周健（1979—），男，安徽鳳陽人，博士，安徽財經大學管理科學與工程學院教授，博士后，主要從事虛擬仿真實驗和人工智能課程群研究。

［中圖分類號］ G642.3［文獻標識碼］ A［文章編號］ 1674-9324（2024）06-0066-04［收稿日期］ 2022-12-22

隨著智能設備的廣泛部署，互聯網和大數據的快速發展，以及蓬勃興起的5G通信，深刻改變了包括商業模式在內的生產和生活方式，也導致經濟社會對于人才需求的巨大變化［1］。經濟管理類專業的人才培養也要順應這一變化趨勢，為新時代發展培養新型經管人才。為主動應對新一輪科技革命與產業變革，支撐服務創新驅動發展、“中國制造2025”等一系列國家戰略，新經管建設包括新的課程體系，課程設置必須進行調整［2］，融合構建面向智能傳感、移動通信、互聯網、大數據等教學新內容，建立和推動智能金融人才培養［3］。圍繞新一代人工智能關鍵算法、硬件和系統等，將機器學習、計算機視覺、知識計算、深度推理、群智計算、混合智能、無人系統、虛擬現實、自然語言理解、智能芯片等核心關鍵學科與金融學、管理學、經濟學等進行融合嫁接，形成復合型課程［4］。

一、人才培養目標

面向未來技術和產業發展的新趨勢和新要求，解析財經類院校人工智能人才培養面臨的新挑戰、新機遇、新目標和新要求。依托財經類優勢學科，發揮人工智能高融合、深嫁接、寬方向的特點。

人工智能專業是典型的主流新型信息學科，是融合了計算機科學、電子技術、控制科學等現代技術進行智能感知、獲取、傳輸、分析、決策、集成、應用的學科，主要研究智能數據的獲取與處理，智能系統的設計、開發、應用和集成。新一代信息技術依托智能工程發展，如智能手機、智能傳感器、智能機器人、無人機、無人汽車、5G高速移動網、高清數字視頻等。智能科學與技術專業具有綜合性、系統性、軟硬結合、寬口徑、重實驗的特點，是信息技術專業群中的前瞻性和復合型專業，能夠對新經管的建設提供強有力的支撐［5］。

培養目標旨在進行人工智能高層次應用型復合型人才培養模式方面的綜合改革和全校新經管通識課程建設，充分考慮智能科學與技術的特殊性和對人才需求的多樣性，在教學理念、管理機制等方面進行創新，采取多種方式培養人工智能專業高層次應用型復合人才，建設服務新經管知識支撐平臺，努力形成有利于智能科學與技術高層次應用型復合人才成長的培養體系和面向智能大數據分析課程，切合學院“既懂技術的管理者，又懂管理的工程師”人才培養目標，服務學校新經管建設目標［6］，如圖1所示，主要培養具有扎實理論基礎、較強的創新創業能力，在“互聯網+智能制造”與智能商務領域具有較強的實踐動手能力、適應社會和行業發展需要的高層次應用型復合人才。

二、課程架構

人工智能課程內容源于人工智能課程的研究方向。根據人工智能的研究方向可將人工智能的課程內容分為三個方向［7］。符號學派的知識工程、搜索引擎、邏輯推理、專家系統等，通過數理邏輯來模擬智能；連接學派的腦科學、認知科學、機器學習、神經網絡、向量機等；仿生學派的仿生學、遺傳學、群體智能、機器人、虛擬現實等，如圖2所示。鑒于課程培養目標是將人工智能的方法學應用于金融、經濟等領域，上述領域主要處理的是數據形式及契合符號學派的內涵，因此在課程內容選擇上以符號學派的課程為主體，涵蓋連接學派的主要課程，選擇性地講述仿生學派的基礎課程。

課程體系分為五個層次，在專業課程體系上，形成以智能大數據分析和嵌入式智能開發為核心的課程體系。理論課程體系包括公共基礎課、學科基礎課、專業核心課、專業拓展課和公共選修課。學科基礎課有“電路與模擬電子技術”“程序設計語言”“計算機網絡”“微機原理”“金融學”“計量經濟學”“管理信息系統”“人工智能語言”等，強化了人工智能基礎課程和經管類定量分析類課程的融合［8］。專業核心課程有“人工智能”“通信原理”“信號系統分析”“數據庫”“數據挖掘”“WEB數據庫系統”“機器學習”“深度學習與神經網絡”“大數據分析”“投資量化分析”“金融科技”等，強調了人工智能方法學在大數據科學中的應用。專業方向課程有“智能信息系統”“商務智能系統設計”“圖像處理與機器視覺”“語音信號處理”“區塊鏈與移動支付”“金融大數據分析”等，聚焦了某個行業的綜合系統。以“電路與模擬電子技術”“數字電子技術”“通信原理”“數字信號處理”“信號系統”“數據結構”“數據庫理論”“人工智能”“機器學習”形成考研課程體系，注重理論學習。以“單片機”“可編程控制器”“智能傳感器與移動無線網絡”“機器學習與模式識別”“圖像處理與機器視覺”“機器人”“嵌入式開發”“大數據與Python”“智能控制電子綜合實訓”形成智能控制課程體系，結合學科競賽，注重實踐設計學習。以人工智能、機器學習、神經網絡和深度學習、WEB數據庫、數據挖掘、智能商務系統設計、區塊鏈與移動支付、金融大數據分析，構建金融、經濟和管理領域的大數據領域分析專業人才。

三、課程體系

培養方案以數據的智能采集、存儲、傳輸和使用分為四個流程和模塊，通過不斷豐富和優化，突出數據智能存儲和數據智能分析兩個重點模塊，涵蓋數據智能采集和數據智能傳輸兩個不可或缺的模塊，使得培養人才具有完整、豐富和可延展的數據智能處理流程知識［9］。

以三類語言貫通課程體系推動課程的銜接，滿足學生的不同層次和目標需求，如圖3所示。底層學習信號層語言，如C、C++、ML、ARM、Thumb，對應信號和平臺類課程，如“計算機網絡與無線通信”“現代通信原理”“信號系統分析”“智能終端技術”“智能系統開發”“操作系統”“微機原理”“無人機”等，使得學生具備基本、核心、可延展的智能硬件基礎知識；中層學習數據層語言，如Java、HTML、XML、Perl、Shell、SQL、Query、C#、UML、SPSS，對應數據類課程，如“數據倉庫與數據挖掘”“大數據與領域建模”“數據庫”“WEB數據庫”“數據結構與算法分析”“數據可視化技術”“軟件工程”“區塊鏈與電子貨幣”等，使得學生具有全面、完整、豐富的數據處理知識；高層學習人工智能語言，如Python、List、Prolog、Matlab、R，對應人工智能方法學類課程，如“機器學習”“神經網絡”“模式識別”“數字圖像處理”“語音智能識別”“智能商務系統”“互聯網金融”“金融數據分析”等，使得學生具有精細、特色、超前的人工智能方法學知識和技能。

數理基礎課包括“大學物理”“電路分析”“隨機過程”“運籌學”“博弈論”等；語言設計類課程包括“程序設計語言”“面向對象語言”“人工智能語言”“關系查詢語言”“WEB系統開發語言”“微機原理與匯編語言”“解釋性語言”“智能仿真語言”等。數據智能采集類包括智能終端技術、信號系統分析、語音信號處理、數字圖像處理、傳感器原理、數字電子技術、智能識別技術等；數據的智能存儲包括數據結構與算法分析、數據庫原理、管理信息系統、數據挖掘與數據倉庫、WEB數據庫系統、區塊鏈與電子貨幣；數據智能傳輸涉及計算機網絡、現代通信原理、無線通信、互聯網金融；數據智能方法包括人工智能、機器學習、神經網絡與深度學習、大數據與領域建模、商務智能系統、數據可視化技術等。數據智能應用背景類課程包括“計量經濟學”“金融學”“證券投資學”等［10］。在各類課程群的學分所占比例中，76%為數據智能處理類課程，其中數據智能方法類課程和語言類課程占比41%，強化了人工智能方法學在經管領域數據處理中的應用。

課程體系主要以6門人工智能專業核心課程為基礎，以智能嵌入式編程和智能商務應用為方向，依托智能車、智能芯片和電子設計學科競賽，圍繞信號、數據、信息三個層面的采集、處理、分析、優化、可視、應用等環節設置課程體系，與區域行業標桿企業進行聯合，重點培養學生從事智能商務數據分析和智能信息系統等人工智能+經管工程領域的設計、研究、開發和管理的綜合能力。同時，依托本專業較高的考研率，瞄準國內一流研究生學科定點輸送拔尖人才。人才培養計劃能夠為人工智能專業學生打下良好的專業基礎和綜合素養，滿足社會、行業、研究所、高校等單位的發展需求。

結語

基于金融大數據、移動支付系統、虛擬貨幣等，構建符合本科專業培養的智慧金融系列課程；基于銀行、證券、網絡等金融數據，利用深度學習等核心智能技術進行挖掘與分析，構建基于行業與領域的復雜金融預測系列課程；基于金融大數據的空間屬性、時間屬性及個體行為屬性，利用知識圖譜、推理計算等模型，構建金融風險防控、信用評估、態勢演化等教學典型案例；基于現代金融交易需求，設計將互聯網、終端設備、金融機構有效地聯合起來的移動支付系統；在區塊鏈的基礎上，研究無現金時代的無可信中心虛擬貨幣系統的發展。上述設計方案還存在一些問題，下一步工作中將持續完善財經類學校人工智能培養方案。

參考文獻

［1］姚天沖，楊世照.人工智能視域下的高校文科教育發展思考［J］.大學教育，2021（8）：91-94.

［2］吳淑娟，吳海民.我國智能人才需求預測研究［J］.大學教育，2020（4）：29-31+55.

［3］黃河燕.新工科背景下人工智能專業人才培養的認識與思考［J］.中國大學教學，2019（2）：20-25.

［4］歐先鋒，張國云，何偉，等.新工科背景下電子信息工程專業人才培養研究［J］.成都工業學院學報，2019，22（1）：94-97.

［5］雷玉霞，趙景秀，李光順.“新工科”背景下人工智能專業課程體系的構建［J］.教育進展，2019（2）：77-81.

［6］李祥，陳鳳.國際人工智能教育研究的進展及其對專業人才培養的啟示［J］.黑龍江高教研究，2020，38（4）：79-86.

［7］季波，李魏，呂薇，等.人工智能本科人才培養的美國經驗與啟示：以卡內基梅隆大學為例［J］.高等工程教育研究，2019（6）：194-200.

［8］彭德巍.人工智能課程實驗案例研究與實踐［J］.大學教育，2021（2）：71-74.

［9］沈南燕，李靜，劉麗蘭，等.面向智能制造的卓越工程師計劃實踐課程標準探索［J］.大學教育，2019（11）：1-4.

［10］劉源.互聯網金融對高校金融教育影響的SWOT分析［J］.大學教育，2017（10）：8-10.

Research on Artificial Intelligence Curriculum Group under New Economic and Management Education

ZHOU Jian， WU Yue， DUAN Kai-yu， WU Hao

（School of Management Science and Engineering， Anhui University of Finance & Economics， Bengbu， Anhui 233030， China）

Abstract： To study and analyze the new direction and new requirements of Intelligent Finance and digital economy for traditional financial personnel training， expand the connotation and construction focus of artificial intelligence discipline， the paper studies the new curriculum system and teaching content of artificial intelligence + finance， artificial intelligence + management， artificial intelligence + economy， and forms the course group of “artificial intelligence + new management”. The curriculum group integrates two kinds of methods of artificial intelligence， provides basic engineering knowledge and capabilities from the signal layer to the data layer， runs through the whole process of information collection， storage， analysis and prediction， and meets the training needs of ability to solve complex engineering problems of artificial intelligence. The curriculum group has the characteristics of solid foundation， focusing application， and integration.

Key words： artificial intelligence; personnel training; curriculum group construction; new economic and management education