一、專業(yè)背景

1.1人工智能成為國家戰(zhàn)略

近年來，人工智能技術不斷取得突破，且開始在具體的產(chǎn)業(yè)化、商業(yè)化項目中得到應用，出現(xiàn)新的發(fā)展趨勢。第一，“深度學習”+“大數(shù)據(jù)”是當前人工智能發(fā)展的主要特征，人造神經(jīng)網(wǎng)絡能夠像人一樣學習和思考，使得人工智能能夠處理更加復雜的任務，這一方式也成為大多數(shù)人工智能企業(yè)選擇的技術路線。第二，實現(xiàn)了從實驗技術向產(chǎn)業(yè)化的轉變，在圖像和語音識別、科學研究、預測分析等方面都已出現(xiàn)成熟的商業(yè)化產(chǎn)品。第三，應用的領域從商業(yè)、服務業(yè)向制造業(yè)、農(nóng)業(yè)拓展，這使得人工智能越來越表現(xiàn)出通用技術和基礎技術的特征。

人工智能是新一輪產(chǎn)業(yè)變革的核心驅動力，將進一步釋放歷次科技革命和產(chǎn)業(yè)變革積蓄的巨大能量，并創(chuàng)造新的強大引擎，重構生產(chǎn)、分配、交換、消費等經(jīng)濟活動各環(huán)節(jié)，形成從宏觀到微觀各領域的智能化新需求，催生新技術、新產(chǎn)品、新產(chǎn)業(yè)、新業(yè)態(tài)、新模式。人工智能正在與各行各業(yè)快速融合，助力傳統(tǒng)行業(yè)轉型升級、提質增效，在全球范圍內引發(fā)全新的產(chǎn)業(yè)浪潮。

隨著人工智能在各個領域的產(chǎn)業(yè)化商業(yè)化應用取得顯著成效，支持人工智能技術和產(chǎn)業(yè)化的發(fā)展幾乎成為所有有能力的國家重點扶持的技術和產(chǎn)業(yè)。當然，各個國家根據(jù)自身定位和優(yōu)勢稟賦也有所側重點，這將對人工智能的國際分工格局產(chǎn)生深遠影響。例如，美國秉持領先全球技術和預防被潛在競爭對手超越的理念，更加注重人工智能基礎技術的研發(fā)以及在軍事等高端應用上對全球的引領；日本注重將人工智能與機器人產(chǎn)業(yè)相結合，繼續(xù)鞏固全球機器人強國的地位；德國將人工智能納入到“工業(yè)4.0”框架中，通過人工智能進一步提升德國制造業(yè)的智能化水平；英國則更加注重相關人才的培育。

我國政府高度重視人工智能的技術進步與產(chǎn)業(yè)發(fā)展，人工智能已上升國家戰(zhàn)略。2017年7月，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》提出。《新一代人工智能發(fā)展規(guī)劃》明確了我國新一代人工智能發(fā)展戰(zhàn)略“三步走”目標：

第一步，到2020年，人工智能總體技術和應用與世界先進水平同步，人工智能產(chǎn)業(yè)成為新的重要經(jīng)濟增長點，人工智能技術應用成為改善民生的新途徑。

第二步，到2025年，人工智能基礎理論實現(xiàn)重大突破，部分技術與應用達到世界領先水平，人工智能成為我國產(chǎn)業(yè)升級和經(jīng)濟轉型的主要動力，智能社會建設取得積極進展。

第三步，到2030年，人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創(chuàng)新中心。

人工智能市場前景巨大，預計到2025年人工智能應用市場總值將達1270億美元。近年來，我國在人工智能領域密集出臺相關政策，更在2017、2018以及2019年連續(xù)三年的政府工作報告中提到人工智能，可以看出在世界主要大國紛紛在人工智能領域出臺國家戰(zhàn)略，搶占人工智能時代制高點的環(huán)境下，中國政府把人工智能上升到國家戰(zhàn)略的決心。截至2018年11月，全國已有15個省市發(fā)布人工智能規(guī)劃，其中12個制定了具體的產(chǎn)業(yè)規(guī)模發(fā)展目標。通過一系列政策與資金扶持，各省市不斷強化當?shù)厝斯ぶ悄艿募夹g研發(fā)與應用，為人工智能產(chǎn)業(yè)提供了廣闊發(fā)展前景。

1.2 AI人才缺口

未來的人工智能人才發(fā)展，將從基礎教育改革開始，依托社會治理的力量逐漸構建形成人工智能教育生態(tài)。需要政府、高校、企業(yè)和社會共同努力。

各國的人工智能人才都非常稀缺，人工智能公司ElementAI發(fā)布的《2019年度全球AI人才報告》指出，全球人工智能人才的數(shù)量不斷攀升，但頂級人才仍然供不應求。根據(jù)中國教育部門測算，我國人工智能人才目前缺口超過500萬，國內的供求比例為1：10，供需比例嚴重失衡。不斷加強人才培養(yǎng)，補齊人才短板，是我國的當務之急。

從市場規(guī)模來看，據(jù)前瞻產(chǎn)業(yè)研究院發(fā)布的《中國人工智能行業(yè)市場前瞻與投資戰(zhàn)略規(guī)劃分析報告》統(tǒng)計數(shù)據(jù)顯示，2015中國人工智能市場規(guī)模已突破100億元，到了2016年中國人工智能市場規(guī)模達到142億元，同比增長27%。截止到2017年中國人工智能市場規(guī)模增長至217億元，同比增長53%。初步測算2018年中國人工智能市場規(guī)模將達339億元左右，比2017年增長56%，遠高于全球17%的增速水平。并預測在2019、2020年中國人工智能市場規(guī)模將達500億元、710億元。2015-2020年復合年均增長率為44.5%。

圖 中國人工智能市場規(guī)模和增速

中國人工智能人才存在較大“缺口”，中美差距較大。國外企業(yè)ElementAI發(fā)布的《2019年度全球AI人才報告》顯示，中國成為全球最“吸金”的國家。由于國內的創(chuàng)業(yè)環(huán)境、政府支持和大數(shù)據(jù)沉淀，中國人工智能領域的投融資占到了全球的60%，吸引了較多擁有技術的海外留學生回國發(fā)展。即便如此，中國在人才培養(yǎng)和人才吸引方面仍然與美國存在較大差距。數(shù)據(jù)顯示，58%的中國高級研究員在美國攻讀研究生，35%在中國讀研究生，7%在其他國家(澳大利亞和英國)讀研究生。

在畢業(yè)于美國院校的中國高級研究員中，78%留在美國研究機構工作，僅有21%回到中國研究機構工作。該報告還顯示，全球吸引人工智能人才的國家中，排名前五的是美國、中國、英國、德國、加拿大，共占據(jù)了72%的人工智能人才。中國雖然位列前列，但數(shù)量上僅有美國的四分之一，與美國存在較大差距。

培養(yǎng)模式是限制中國人工智能人才的“短板”。清華大學2018年6月發(fā)布的《中國人工智能發(fā)展報告》顯示，中國的論文總量和高被引論文數(shù)量都排名世界第一。的確，中國采用了“規(guī)模性生產(chǎn)”的人才模式，加快了人工智能人才的培養(yǎng)。

1.3 教育發(fā)展

《中國公民科學素質建設報告》顯示，2018年，我國公民具備科學素質的比例達到8.47%。雖然相比于2015年的6.2%提升了2.27%，但國民的科學素養(yǎng)仍在世界平均水平之下，這一點值得我們注意與省思。中國人工智能人才要發(fā)展，國民的基本科學素質是根基，而素質的提升又離不開教育的發(fā)展。中國與美國等發(fā)達國家在教育上的差異，不是體現(xiàn)在教材上，而是在教育理念和教學方法上。未來的教育要注重啟發(fā)式的培養(yǎng)，鼓勵學生互動和質疑，突出創(chuàng)新思維的培養(yǎng)。

1、樹立正確的科學觀。在培養(yǎng)人工智能人才的問題上，不僅要強化通識教育，更重要是激發(fā)學生的好奇心，引導他們對科學的熱愛，樹立正確的科學觀;

2、其次，注重基礎層面算法人才的培養(yǎng)，將計算機科學嵌入中小學生的必(選)修課之中，注重培養(yǎng)學生在日常學習過程中對計算機的學習與運用，強調在啟發(fā)、互動和實踐的過程中，培養(yǎng)學生思考和創(chuàng)新的能力;

3、營造開放和寬松的創(chuàng)新環(huán)境，要真正成為人工智能人才大國，不僅需要培養(yǎng)一批本土的高素質的科技隊伍，同時還要集聚全世界的優(yōu)秀人工智能人才，這就需要以環(huán)境為依托，需要通過政策導向與市場優(yōu)化雙管齊下，營造良好環(huán)境。

以新時代人才發(fā)展理念為引領，打造“政產(chǎn)學研商”聯(lián)動發(fā)力的人工智能教育生態(tài)。人工智能人才的培養(yǎng)既是產(chǎn)業(yè)發(fā)展的需要，又承載著社會責任與歷史使命，需要政府、高校、企業(yè)和社會各界共同努力，依托社會治理的力量構建新時代人工智能教育生態(tài)。我國政府對人工智能人才的培養(yǎng)極為重視。

2017年，國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，將“加快培養(yǎng)聚集人工智能高端人才”列為重點任務，并對人工智能相關教育提供了大量資金支持。2018年，國家投入到高等職業(yè)教育領域的費用是2900億元，而2019年的預算是3000多億元。

高校在人工智能人才的培養(yǎng)上剛剛起步，從長遠來看，人工智能產(chǎn)業(yè)的發(fā)展和人才的培養(yǎng)，迫切地需要高校積極發(fā)力，廣泛開設人工智能專業(yè)。2018年，呼聲極高的人工智能專業(yè)正式被列入新增審批本科專業(yè)名單，全國共有35所高校獲取首批成立該專業(yè)資格。

2019年10月，教育部官網(wǎng)公布《普通高等學校高等職業(yè)教育（?？疲I(yè)設置管理辦法》，在相關學校和行業(yè)提交增補專業(yè)建議的基礎上，教育部組織研究確定了2019年度增補人工智能技術服務（專業(yè)代碼：610217）等專業(yè)共9個，其中171所高職院校新增人工智能技術服務專業(yè)，自2020年起執(zhí)行。

人工智能教育需要大力推動校企合作，注重科技創(chuàng)新和產(chǎn)業(yè)發(fā)展的深度融合：其一，校企攜手合作，致力于改變高校人才滯后于企業(yè)發(fā)展的現(xiàn)狀;其二，企業(yè)技術賦能高校研究，助力產(chǎn)學研融合落到實處。例如，百度目前已經(jīng)形成了囊括師資培訓、課程共建、教材出版以及學生賽事等多個維度產(chǎn)學融合生態(tài);騰訊以產(chǎn)業(yè)為驅動，將產(chǎn)業(yè)人才需求聯(lián)合高校轉化為專業(yè)設置，將企業(yè)職業(yè)標準轉化為課程內容，將企業(yè)生產(chǎn)開發(fā)過程通過實訓項目轉化為教學過程;阿里參與的校企合作，則更側重學術及研究，將真實的業(yè)務場景和全球院校的科研實力結合，是阿里校企合作的最大特色。

未來的人工智能人才發(fā)展，將從基礎教育改革開始，依托社會治理的力量逐漸構建形成人工智能教育生態(tài)。這是一段漫長的道路，需要我國政府、高校、企業(yè)和社會共同努力。

唯眾從解決人工智能相關專業(yè)的專業(yè)建設難點出發(fā)，以讓教學實訓更簡單為理念，推出人工智能相關專業(yè)一站式專業(yè)建設解決方案，助力學校完成人工智能相關專業(yè)的專業(yè)建設。

二、中職人才需求

本專業(yè)領域畢業(yè)生可到各類企事業(yè)單位承擔人工智能產(chǎn)品和系統(tǒng)的生產(chǎn)、測試、運營、維護、技術支持、售后、銷售等工作?！?/p>

具體崗位包括:人工智能實施工程師（30%）、人工智能運維工程師（20%）、人工智能助理工程師（15%）、人工智能測試工程師（15%）、人工智能技術支持工程師（15%）、人工智能產(chǎn)品銷售（5%）。

細分領域占比（%）細分領域占比（%）算法/機器學習47.6語音識別4.8機器人15.7智能/精準營銷2.3硬件/GPU/智能芯片13.1推薦系統(tǒng)1.6圖像識別/計算機視覺6.5智能交通/自動駕駛1.4自然語言處理5.5其他1.5

從人才類別分析。人工智能的人才分布呈金字塔式分布，其中占比最多的為數(shù)字藍領人才，包括：人工智能訓練師、智能可視化工程師、人工智能數(shù)據(jù)標注、人工智能應用工程師，最少的為科學家人才，如下圖所示。

三、關鍵技術

人工智能技術包含了機器學習、知識圖譜、自然語言處理、人機交互、計算機視覺等關鍵技術。

3.1機器學習

機器學習（Machine Learning）是一門涉及統(tǒng)計學、系統(tǒng)辨識、逼近理論、神經(jīng)網(wǎng)絡、優(yōu)化理論、計算機科學、腦科學等諸多領域的交叉學科，研究計算機怎樣模擬或實現(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能，是人工智能技術的核心。基于數(shù)據(jù)的機器學習是現(xiàn)代智能技術中的重要方法之一，研究從觀測數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律，利用這些規(guī)律對未來數(shù)據(jù)或無法觀測的數(shù)據(jù)進行預測。根據(jù)學習模式、學習方法以及算法的不同，機器學習存在不同的分類方法。根據(jù)學習模式將機器學習分類為監(jiān)督學習、無監(jiān)督學習和強化學習等。

深度學習是機器學習的一種，機器學習是單層的，深度學習是多層的。計算機通過深度學習技術對數(shù)據(jù)信息進行總結、抽象，并發(fā)現(xiàn)其中的規(guī)律。在數(shù)據(jù)輸入后，通過多層非線性的特征學習和分層特征提取，最終對輸入的圖像、聲音等數(shù)據(jù)進行預測。深度學習框架多硬件平臺適配總體架構技術方案包括設備管理層接入接口、算子適配層接入接口，訓練框架與推理框架的多硬件適配指標體系包括安裝部署、兼容適配、算子支持、模型支持、訓練性能、穩(wěn)定性和易擴展性等。

3.2知識圖譜

知識圖譜本質上是結構化的語義知識庫，是一種由節(jié)點和邊組成的圖數(shù)據(jù)結構，以符號形式描述物理世界中的概念及其相互關系，其基本組成單位是“實體—關系—實體”三元組，以及實體及其相關“屬性—值”對。不同實體之間通過關系相互聯(lián)結，構成網(wǎng)狀的知識結構。在知識圖譜中，每個節(jié)點表示現(xiàn)實世界的“實體”，每條邊為實體與實體之間的“關系”。通俗地講，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關系網(wǎng)絡，提供了從“關系”的角度去分析問題的能力。

知識圖譜可用于反欺詐、不一致性驗證、組團欺詐等公共安全保障領域，需要用到異常分析、靜態(tài)分析、動態(tài)分析等數(shù)據(jù)挖掘方法。特別地，知識圖譜在搜索引擎、可視化展示和精準營銷方面有很大的優(yōu)勢，已成為業(yè)界的熱門工具。但是，知識圖譜的發(fā)展還有很大的挑戰(zhàn)，如數(shù)據(jù)的噪聲問題，即數(shù)據(jù)本身有錯誤或者數(shù)據(jù)存在冗余。隨著知識圖譜應用的不斷深入，還有一系列關鍵技術需要突破。

3.3自然語言處理

自然語言處理( Natural Language Processing, NLP)是計算機科學領域與人工智能領域中的一個重要方向。它研究能實現(xiàn)人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理是一門融語言學、計算機科學、數(shù)學于一體的科學。因此，這一領域的研究將涉及自然語言，即人們日常使用的語言，所以它與語言學的研究有著密切的聯(lián)系，但又有重要的區(qū)別。自然語言處理并不是一般地研究自然語言，而在于研制能有效地實現(xiàn)自然語言通信的計算機系統(tǒng)，特別是其中的軟件系統(tǒng)。因而它是計算機科學的一部分。

自然語言處理主要應用于機器翻譯、輿情監(jiān)測、自動摘要、觀點提取、文本分類、問題回答、文本語義對比、語音識別、中文OCR等方面。

3.4人機交互

人機交互主要研究人和計算機之間的信息交換，主要包括人到計算機和計算機到人的兩部分信息交換，是人工智能領域的重要的外圍技術。人機交互是與認知心理學、人機工程學、多媒體技術、虛擬現(xiàn)實技術等密切相關的綜合學科。傳統(tǒng)的人與計算機之間的信息交換主要依靠交互設備進行，主要包括鍵盤、鼠標、操縱桿、數(shù)據(jù)服裝、眼動跟蹤器、位置跟蹤器、數(shù)據(jù)手套、壓力筆等輸入設備，以及打印機、繪圖儀、顯示器、頭盔式顯示器、音箱等輸出設備。人機交互技術除了傳統(tǒng)的基本交互和圖形交互外，還包括語音交互、情感交互、體感交互及腦機交互等技術。

3.5計算機視覺

計算機視覺是使用計算機模仿人類視覺系統(tǒng)的科學，讓計算機擁有類似人類提取、處理、理解和分析圖像以及圖像序列的能力。自動駕駛、機器人、智能醫(yī)療等領域均需要通過計算機視覺技術從視覺信號中提取并處理信息。近來隨著深度學習的發(fā)展，預處理、特征提取與算法處理漸漸融合，形成端到端的人工智能算法技術。根據(jù)解決的問題，計算機視覺可分為計算成像學、圖像理解、三維視覺、動態(tài)視覺和視頻編解碼五大類。

3.6 人工智能硬件

主要圍繞智能芯片、系統(tǒng)軟件、開發(fā)框架等方面，為人工智能提供基礎設施支撐。主要有傳統(tǒng)芯片和智能芯片兩類，另外還有受生物腦啟發(fā)設計的類腦仿生芯片等。傳統(tǒng)芯片可以覆蓋人工智能程序底層所需要的基本運算操作，但是在芯片架構、性能等方面無法適應人工智能技術與應用的快速發(fā)展；智能芯片是專門針對人工智能領域設計的芯片，包括通用和專用兩種類型。其中通用型智能芯片具有普適性，在人工智能領域內靈活通用；專用型智能芯片是針對特定的應用場景需求設計的。

3.7人工智能框架

AI框架給開發(fā)者提供構建神經(jīng)網(wǎng)絡模型的數(shù)學操作，AI框架把復雜的數(shù)學表達，轉換成計算機可識別的計算圖。AI計算框架可以很好地實現(xiàn)各種深度學習算法，涉及自然語言處理、機器翻譯、圖像描述、圖像分類等一系列技術。AI框架最核心的是提供開發(fā)者構建神經(jīng)網(wǎng)絡的接口（數(shù)學操作），自動對神經(jīng)網(wǎng)絡訓練（進行反向求導，逼近地求解最優(yōu)值），得到一個神經(jīng)網(wǎng)絡模型（逼近函數(shù)）用于解決分類、回歸、擬合的問題，實現(xiàn)目標分類、語音識別等應用場景。

四、中職人工智能知識體系

五、中職專業(yè)方向

5.1.1培養(yǎng)目標

本專業(yè)培養(yǎng)理想信念堅定，德、智、體、美、勞全面發(fā)展，具有一定的科學文化水平，良好的人文素養(yǎng)、職業(yè)道德和創(chuàng)新意識，精益求精的工匠精神，較強的就業(yè)能力和可持續(xù)發(fā)展的能力,掌握本專業(yè)知識和技術技能，具備人工智能技術應用開發(fā)、計算機軟件程序開發(fā)、數(shù)據(jù)采集與分析、系統(tǒng)管理與運維等能力，能夠從事計算機應用行業(yè)，特別是人工智能領域相關工作的高素質技術技能人才。

5.1.2培養(yǎng)規(guī)格

1、素質

（1）堅定擁護中國共產(chǎn)黨領導和我國社會主義制度，在習近平新時代中國特色社會主義思想指引下，踐行社會主義核心價值觀，具有深厚的愛國情感和中華民族自豪感；

（2）崇尚憲法、遵法守紀、崇德向善、誠實守信、尊重生命、熱愛勞動，履行道德準則和行為規(guī)范，具有社會責任感和社會參與意識；

（3）具有質量意識、環(huán)保意識、安全意識、信息素養(yǎng)、工匠精神、創(chuàng)新思維、全球視野；

（4）勇于奮斗、樂觀向上，具有自我管理能力、職業(yè)生涯規(guī)劃的意識，有較強的集體意識和團隊合作精神；

（5）具有健康的體魄、心理和健全的人格，掌握基本運動知識和一兩項運動技能，養(yǎng)成良好的健身與衛(wèi)生習慣，良好的行為習慣；

（6）具有一定的審美和人文素養(yǎng)，能夠形成一到兩項藝術特長或愛好。

2、知識

（1）本專業(yè)必需的文化基礎知識；

（2）掌握人工智能基本理論、基本方法和基本技術的知識；

（3）掌握 Python、Java、C 等一種以上的程序語言；

（4）掌握機器學習需要的數(shù)學基礎知識、統(tǒng)計知識和其他自然學科知識；

（5）掌握常用的數(shù)據(jù)結構與算法；

（6）掌握圖像數(shù)據(jù)處理及分析的知識；

（7）掌握常用機器學習及深度神經(jīng)網(wǎng)絡的常用模型及應用；

（8）掌握 Redis 功能和命令，運作原理和內部結構；

（9）掌握 Web 前端開發(fā)的知識。

3、能力

（1）具有探究學習、終身學習、分析問題和解決問題的能力；

（2）具有良好的語言文字表達能力、溝通能力和創(chuàng)新能力；

（3）具備應用成熟數(shù)據(jù)結構與算法解決軟件問題的能力;

（4）具有搜索收集信息的能力；

（5）具有前端規(guī)劃和設計能力；

（6）能夠使用 Python 等語言解決科學計算問題的能力。

5.1.3就業(yè)方向

本專業(yè)領域畢業(yè)生可到各類企事業(yè)單位承擔人工智能產(chǎn)品和系統(tǒng)的生產(chǎn)、測試、運營、維護、技術支持、售后、銷售等工作。

具體崗位包括:人工智能實施工程師、人工智能運維工程師、人工智能助理工程師、人工智能測試工程師、人工智能技術支持工程師、人工智能產(chǎn)品銷售。

六、立體課程體系

人工智能從架構上劃分分為三個層次：基礎層、技術層和應用層。基礎層包括：人工智能的計算能力和數(shù)據(jù)資源基礎；技術層包括：算法、模型和技術開發(fā)；應用層則聚焦在人工智能和各行業(yè)各領域的結合。

從人工智能的這三個層次來對人工智能課程體系進行立體劃分，如下圖所示。

七、實踐教學內容

在人工智能實踐教學方面，實驗內容主要包括：人工智能基礎層實驗、人工智能技術層實驗、人工智能綜合應用實驗，如下圖所示。

人工智能基礎層實驗主要針對人工智能的基礎層技術，包括：python基礎實驗、Linux操作系統(tǒng)實驗和數(shù)據(jù)分析處理實驗。其中python基礎實驗包括條件語句、復合語句、表達式、文件操作等實驗；Linux操作系統(tǒng)實驗包括Linux基礎命令、Linux用戶管理、Linux目錄管理、Linux文件管理等實驗；數(shù)據(jù)分析處理實驗包括數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)標注等實驗。

人工智能技術層實驗主要是針對人工智能的技術層技術，包括：計算機視覺實驗、語言識別實驗、機器學習實驗、自然語言處理實驗。計算機視覺實驗分為圖像處理、人臉檢測、物體識別、車牌識別等實驗；語音識別實驗包括語言采集、信號處理、語音識別、語音編碼等實驗；機器學習實驗包括模型構建、模型訓練、模型部署、模型驗證等實驗；自然語言處理實驗分為語法分析、語義分析、篇章理解等實驗。

人工智能綜合應用實驗則是結合人工智能各層所需技術內容模擬行業(yè)中的經(jīng)典應用，分為綜合實驗以及自主實驗。綜合實驗包括智能家居實驗、智慧門禁實驗、智能監(jiān)控實驗。自主實驗則是由學生進行自主命題實現(xiàn)創(chuàng)新創(chuàng)意的實驗。

八、人工智能人才培養(yǎng)高水平實訓基地建設

人工智能專業(yè)的培養(yǎng)目標是培養(yǎng)掌握基礎理論知識、掌握物聯(lián)網(wǎng)核心技術、精通物聯(lián)網(wǎng)系統(tǒng)及部件應用、物聯(lián)網(wǎng)知識面寬、動手能力強、適應各種崗位工作的應用型及研發(fā)型人才，從事物聯(lián)網(wǎng)核心部件開發(fā)、技術應用、系統(tǒng)搭建、系統(tǒng)維護升級、解決方案設計等工作。

由于人工智能知識體系的龐雜性、應用性、實踐性等特點，實驗室和實訓基地在教學過程中起的作用遠比其他學科來的重要。在進行基本理論知識教學之后，實驗室能夠提供給學生動手實踐的平臺，將理論知識轉為實際操作；為學生提供一個真實擬真的人工智能網(wǎng)環(huán)境，掌握各種物聯(lián)網(wǎng)設備、部件、系統(tǒng)的原理、技術和運用唯眾結合企業(yè)人才需求，從機器學習、知識圖譜、自然語言處理、人機交互、計算機視覺、人智能硬件、人工智能框架“七維”角度為專業(yè)學科建設提供軟硬件平臺及教學實驗環(huán)境的支撐。

基礎實訓區(qū)：滿足人工智能專業(yè)知識點的基礎實驗學習，覆蓋人工智能編程基礎、人工智能硬件開發(fā)、計算機基本算未能、數(shù)據(jù)采集等教學實驗，主要通過實訓裝置等常規(guī)設備實現(xiàn)。

綜合實訓區(qū)：滿足人工智能專業(yè)知識點到知識面的綜合實訓練習，每一個實訓實驗都能夠基本覆蓋人工智能的全部知識點，能夠橫向掌握人工智能工程系統(tǒng)的完整開發(fā)流程。主要通過人工智能實訓平臺等項目實訓臺等設備實現(xiàn)。

創(chuàng)客實訓區(qū)：滿足人工智能專業(yè)對人才創(chuàng)新能力的培養(yǎng)，結合行業(yè)的各種實際應用需求，深度掌握核心技術，從縱向對應用難點的創(chuàng)新和突破。創(chuàng)新實驗設備提供更加開放的提供設計性功能，設備形態(tài)更加接近實際工程應用產(chǎn)品，同時能夠滿足其他不同學科的交叉性知識內容。

人工智能高水平實訓基地效果圖

九、方案價值

9.1 專業(yè)教學服務

人工智能技術應用專業(yè)是人工智能技術、計算機科學、信息科學與特色行業(yè)相結合的復合型專業(yè)。人工智能技術應用專業(yè)注重強化學生的人工智能建模與算法分析設計能力、解決交通、醫(yī)療等行業(yè)人工智能應用問題的實踐能力，強調學生的個性化科學思維和創(chuàng)新實踐能力的培養(yǎng)；培養(yǎng)能夠進行人工智能算法分析與設計、人工智能核心技術研究與開發(fā)、人工智能技術應用與其它專業(yè)領域結合等復雜工程問題分析與解決的高級專門人才。人工智能技術應用專業(yè)將專業(yè)課程劃分為如圖1五個模塊。

圖 1 人工智能專業(yè)課程模塊化

人工智能專業(yè)基礎模塊：包括人工智能導論、python程序設計、Linux操作系統(tǒng)、計算機網(wǎng)絡、數(shù)據(jù)結構、計算機數(shù)學等專業(yè)基礎課程，為后續(xù)深入學習人工智能專業(yè)核心課程打下基礎。

計算能力模塊：人工智能的算法、模型等都是建立在計算能力的基礎之上,因此在深入學習人工智能核心技術之前需要有計算能力的基礎，計算能力模塊主要由高等數(shù)學、線性代數(shù)、概率論數(shù)理統(tǒng)計和隨機過程、離散數(shù)學、數(shù)值分析等計算基礎課程組成。

數(shù)據(jù)集訓練模塊：涵蓋了數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)標注、數(shù)據(jù)集制作等技術，主要由數(shù)據(jù)挖掘、數(shù)據(jù)分析與特征工程、數(shù)據(jù)標注、圖像處理等專業(yè)核心課程構成。

機器學習模塊：機器學習模塊分為兩個子模塊，一部分為算法學習子模塊，另一部分為框架學習子模塊。

算法學習子模塊中包括一些人工智能中常用的算法學習如線性回歸算法、邏輯回歸算法、決策樹算法、樸素貝葉斯算法、K 近鄰算法等。

框架學習子模塊中包括一些人工智能中常用的機器學習框架如Scikit-learn、Caffe、Torch、MXNet、PyTorch、Keras、TensorFlow等主流框架。

人工智能應用模塊：人工智能應用模塊也分為兩個子模塊，一是人工智能行業(yè)應用子模塊，另一個是人工智能技術應用子模塊。

行業(yè)應用子模塊中包括人工智能在行業(yè)中的一些經(jīng)典應用，如智能制造、智能家居、智慧交通、智能安防、智慧醫(yī)療等。

技術應用子模塊中包括人工智能在技術領域中的應用，如自動駕駛技術、人臉識別技術、語音識別技術、文字識別技術等。

十、理實一體全流程教學

云課堂是唯眾憑借十多年在職業(yè)教學領域耕耘，以“微服務、虛擬化、全棧云”三大核心技術為支撐，助力學校高水平專業(yè)建設。該平臺采用微服務架構，將平臺服務精準分為公共基礎、公共應用、專業(yè)應用服務。公共基礎服務精確為字典、banner、用戶權限、文件、認證、網(wǎng)關、訂單、轉碼、平臺運營、學校運營、日志、登錄、搜索等；專業(yè)應用服務精確為KVM虛擬化、容器虛擬化、代碼評測、工具、資源、環(huán)境等；公共應用服務精確為課程、考試服務、云盤、云優(yōu)選、題庫、活動、工具等。不同的微服務進行因材施教和按需施教，可以非常方便教師實施個性化的教學模式、具體的教學內容、針對性的教學流程，精細賦能Ｗeb前端框架應用教學。

10.1 1+X認證服務

提供1+X證書（物聯(lián)網(wǎng)智能家居系統(tǒng)集成和應用、物聯(lián)網(wǎng)傳感網(wǎng)開發(fā)）初級、中級、高級認證培訓資源；Web前端開發(fā)1+X證書初級、中級資源

10.2 人工智能技能大賽支撐

10.2.1 5G技術應用開發(fā)大賽

2020年中國通信學會舉辦，大唐多絡承辦的“中國大學生5G技術應用開發(fā)大賽”中，武漢唯眾將作全面技術支持服務。

10.2.2 一帶一路金磚國家技能發(fā)展與創(chuàng)新大賽

十一、產(chǎn)學研究中心

11.1 產(chǎn)學研項目申報（區(qū)級醫(yī)療數(shù)據(jù)中心）

通過專業(yè)技術產(chǎn)品創(chuàng)新、教學模式創(chuàng)新，幫助學校進行計算機網(wǎng)絡創(chuàng)新技術應用課題申報，協(xié)助學校老師進行云數(shù)據(jù)中心教學領域專業(yè)性課題研究與支持。

11.1.1雙活數(shù)據(jù)中心功能示意圖

11.1.2項目價值

11.2教材聯(lián)合開發(fā)教材

聯(lián)合各院校教授專家，開發(fā)物聯(lián)網(wǎng)技術應用專業(yè)系列教材，贈送物聯(lián)網(wǎng)技術應用專業(yè)系列教程，為院校專業(yè)實驗課程開展和教學提供參考。

11.3 產(chǎn)學研支撐平臺

11.3.1數(shù)字基座

平臺采用spring cloud微服務開發(fā)架構，各服務模塊單獨運行并提供服務接口；可提供穩(wěn)定、快速、高效的服務；平臺整體采用前后端分離和分布式微服務的彈性計算架構實現(xiàn)，后端主要基于Java的Spring cloud實現(xiàn)，前端vue實現(xiàn)等，具有高內聚、松耦合、業(yè)務單一、高性能、高并發(fā)、高可能、跨平臺、跨語言等特點。

平臺提供SSO單點登錄，多個應用系統(tǒng)統(tǒng)一登錄，統(tǒng)一的用戶管理，一個賬戶可登錄驗證教學全場景以及數(shù)字技術專業(yè)群實踐教學等所有應用模塊系統(tǒng)。

平臺采用kubernetes技術進行部署，支持公有云、私有云、混合云模式安裝；平臺支持多數(shù)據(jù)源從而保證技術的一致性；確保服務的穩(wěn)定、可擴展、彈性擴容；每個獨立服務支持分布式集群部署，理論上可以無限橫向擴展，提高系統(tǒng)處理能力，支持大規(guī)模并發(fā)教學全場景和數(shù)字化專業(yè)群教學實踐應用。

基礎虛擬化服務由docker和kvm兩種虛擬化技術根據(jù)學科性質進行選擇性支撐，可滿足不同的虛擬化需求，提供穩(wěn)定、可自行配置的虛擬機器。

基于全流程DevOps自動化運維，支持持續(xù)集成、分析、服務注冊與發(fā)現(xiàn)、系統(tǒng)監(jiān)控、性能監(jiān)控、日志管理、預警、持續(xù)部署(基于docker的鏡像倉庫，Kubernetes的容器云管理調度平臺，在線可視化管理、監(jiān)控、調度容器)。

基礎持久化層支持RDS和NoSQL兩種方式，采用MySQL集群和MongoDB集群搭建，支持基于CQRS的分布式事務處理，支持數(shù)據(jù)自動備份，同時使用于Redis集群對熱點數(shù)據(jù)進行緩存，支持大并發(fā)；支持純本地化數(shù)據(jù)源。

基礎服務層支持在線驗證碼服務、基礎文件服務、消息隊列服務、OSS對象存儲服務、用戶/鑒權服務、個人云盤服務、WebSocket服務等，保證平臺的通用性。用戶基礎信息管理：對訂單實行按業(yè)務方向進行配置，對班級、教師、學生相關信息進行新增、修改、刪除以及數(shù)據(jù)權限進行配置。

10.3.2三大核心技術

唯眾緊密圍繞職業(yè)院校高水平數(shù)字專業(yè)群，針對職業(yè)教學發(fā)展現(xiàn)狀，傾力打造以微服務、虛擬化、全棧云三大核心技術為載體，以計算機技術、多媒體技術、網(wǎng)絡通信技術、大數(shù)據(jù)技術、人工智能技術等新一代數(shù)字技術手段構建的一種新型教學平臺，可以支持院校進行教學研發(fā)創(chuàng)新。

十二、基于華為生態(tài)校企共育數(shù)字人才行動方案

十三、項目推薦清單