应用型本科新工科专业人工智能模块课程建设

应 毅， 任 凯， 李晓明

（1 三江学院 计算机科学与工程学院， 南京 210012； 2 南京工业大学 浦江学院， 南京 211200）

0 引 言

21 世纪初期，伴随着物联网、云计算／大数据、深度学习为主导的第三次信息化浪潮在全球的兴起，计算机视觉、自然语言处理等领域也相继取得突破，并逐渐在真实的商业应用中扮演起重要角色［1］。 研究可知，人工智能起源于1956 年8 月召开的达特茅斯会议。 人工智能是新一轮科技革命和产业变革的核心驱动力，给经济社会带来了极其深远的影响，既为促进经济建设注入了新动能，又为服务社会发展带来了新机遇。

当前，中国政府高度重视人工智能领域，并从国家战略高度全面推进人工智能相关产业的发展。 作为推进新技术新产业的重要阵地，高校担负着人才培养、科技创新和社会服务的职责。 2018 年4 月，教育部在《高等学校人工智能创新行动计划》［2］中强调，要加强人工智能领域专业建设，推进“新工科”建设，形成“人工智能+X”复合专业培养新模式。

1 人工智能人才培养现状

人工智能技术与各行各业的融合带动大批新兴产业的出现，国家政策的扶持使人工智能产业未来的发展具有很高的可期性，同时也给高校的人工智能专业教育方面提出时代性的挑战。

2018 年之前，国内的人工智能教育以高层次人才培养为主，没有一所高校开设人工智能本科专业，经过2019 年、2020 年这两年的专业备案和审批，逐步形成了人工智能领域“本-硕-博”一体化人才培养梯队。 尽管这种人才培养梯队的形成，有助于人工智能源头创新层面的研发和突破，但对于技术层和应用层所需的各类人才以及普通大众而言，仍然是不完善的。

以上问题已严重制约国内人工智能产业的发展，也阻碍了高校人才培养面对市场需求的应变能力及学生个人素质的进一步提高。 虽然不一定每所高校都适合设立人工智能专业或建立人工智能学院，但在新工科专业设立人工智能模块课程还是很有必要的，对于打造复合交叉的“人工智能+X”人才培养体系也具有重要意义。

2 人工智能模块课程的设计

根据“知识够用、技术实用、面向应用”的人才培养定位，设置具有承接关系的4 门人工智能模块课程：Python 程序设计语言、人工智能概论、神经网络与深度学习、深度学习综合项目训练。 4 门课程的总体设计见表1。

表1 人工智能模块课程的总体设计Tab.1 Overall design of Artificial Intelligence module curriculum

“Python 程序设计语言”是人工智能模块的基础课程，既是企业级AI 和数据分析的首选编程语言，也是新工科专业必须掌握的软件工具。 “人工智能概论”介绍人工智能的发展历史和现状；回顾传统的线性数学模型和机器学习技术；帮助学生形成对人工智能知识体系及其应用领域的轮廓性认识。 “神经网络与深度学习”是人工智能模块的核心课程，主要介绍神经网络的基本知识和成熟的深度学习模型， 教授人工智能通用计算框架TensorFlow 的搭建、使用和二次开发。 “深度学习综合项目训练”是人工智能模块的综合性实验课程，鉴于就业岗位需求的考虑，对于应用型本科高校的学生，在进行人工智能开发时，并不要求学生设计模型，只要能根据项目特定的应用场景，在目前主流的模型中选择适合实际项目的模型即可。

2.1 课程“Python 程序设计语言”的设计

主要教学内容：

（1）基本语法知识：变量、标识符、注释、基本运算、语句与缩进。

（2）常用序列结构：列表、元组、字典、集合。

（3）流程控制：选择结构、循环结构。

（4）字符串、正则表达式。

（5）函数、面向对象和类、异常。

（6）输入输出、文件读写、文件／目录操作。

（7）第三方库简介与应用。

实验软件工具：Python 开发工具Anaconda；Python 数据处理及分析库NumPy、Pandas、SciPy、Matplotlib。

2.2 课程“人工智能概论”的设计

主要教学内容：

（1）人工智能发展简史。

（2）人工智能、机器学习、深度学习的区别和联系。

（3）线性模型、统计分析、回归。

（4）机器学习方法：监督学习（决策树、回归分析、分类、SVM、Bayes 方法）、无监督学习（聚类）、半监督学习、强化学习。

（5）演化计算（遗传算法）、群体智能算法（粒子群优化、蚁群优化）、模拟退火算法。

（6）人工神经网络简介。

（7）当前主流应用：自然语言处理（机器翻译）、计算机视觉（图像识别、人脸识别）、语音处理。

实验软件工具：Python 机器学习库Scikit-Learn；TensorFlow。

2.3 课程“神经网络与深度学习”的设计

主要教学内容：

（1）神经网络基础：感知机、神经元、激活函数、损失函数、学习率、过拟合。

（2）神经网络模型：前馈神经网络、反馈神经网络、全连接网络、卷积神经网络、循环神经网络、递归神经网络、反向传播神经网络、LSTM 神经网络。

（3）TensorFlow 编程基础：符号式编程；张量、变量、常量；计算图、Session、占位符、Variable 对象；操作运算、累加、累积；基本数学函数、矩阵函数、张量函数。

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

（5）TensorFlow 模型搭建与训练。

（6）TensorFlow 模型持久化与加载。

（7）分布式模型训练、GPU 加速模型训练。

实验软件工具：TensorFlow；Python 神经网络库PyBrain。

2.4 课程“深度学习综合项目训练”的设计

主要教学内容：

（1）主流数据集简介：MNIST 手写体数字识别数据集、CIFAR-10 彩色图像数据集、ImageNet 图像分类数据集。

（2）编写全连接神经网络。

（3）经典卷积神经网络应用：AlexNet、Inceptionv3、VGG Net-16、ResNet-50。

实验软件工具：TensorFlow；Keras。

3 课程思政的设计思路

在新一轮科技革命的时代背景下，科学设定理工科专业的课程思政培养目标对于人才培养和行业发展建设具有重要意义。 在知识传授、能力培养和价值塑造的过程中，充分挖掘理工科专业的优势和特色，有效融入爱国主义情怀、专业伦理意识、职业道德教育、科学道德素养、人文素养元素等最为核心的思政元素［3］，提高学生的创新精神和实践能力，培养德智体美劳全面发展的高素质人才，培育担当民族复兴重任的时代新人。 4 门人工智能模块课程的主要课程思政内容详见表2。

表2 人工智能模块课程的主要课程思政内容Tab.2 Primary content of courses for ideological and political education

4 结束语

在新工科背景下，培养具有智能思维和应用开发能力的“人工智能+”人才具有重要意义。 人工智能模块课程的建设不以培养理论创新和算法发明的研究型人才为目标，而是面向对人工智能应用有需求的新工科专业，以典型场景应用落地为目标，强调实践，秉承“知识够用、技术实用、面向应用”的宗旨来组织课程的教学内容，以期为科技和产业发展提供更加充分的人才支撑。