人工智能課程群聯合寬廣數據資源拓展自動化品牌專業新工科建設

暴 琳，陳熙維，魏海峰，葉樹霞

（江蘇科技大學 電子信息學院，江蘇 鎮江 212100）

在當前數字中國的大時代背景下，隨著云計算、計算機軟硬件等技術的迅猛發展，信息量急劇增長，大數據中蘊含著豐富的有價值信息和巨大的挖掘潛力，互聯網、大數據與人工智能等相關研究在學術界和工業界蓬勃發展，吸引了科技界、產業界和政府部門的高度關注。2017 年“兩會”期間，人工智能首次被寫入政府工作報告中，國務院發布了《新一代人工智能發展規劃》，標志著人工智能產業已經上升到國家戰略層面。大數據的開發與利用已經在互聯網、制造業、醫療服務、金融業、物流、電信及零售業等行業廣泛展開，從大數據到人工智能，各種智能科技應用正在以前所未有的速度和廣度影響并改變人們的生活方式，產生了巨大的產業效益和社會價值。2019 年10 月，習近平主席在第六屆世界互聯網大會致賀信時指出，“新一輪科技革命和產業變革加速演進，人工智能、大數據、物聯網等新技術新應用新業態方興未艾，互聯網迎來了更加強勁的發展動能和更加廣闊的發展空間”。

20 世紀50 年代人工智能曾一度獲得快速發展，機器學習和深度學習是當今人工智能研究的核心驅動力。2012 年，吳恩達教授在Google 實現了神經網絡學習，從結構基礎上將這些神經網絡顯著增大，其層數多、神經元數量也較多，同時通過給系統喂入海量數據來訓練網絡。特別是2015 年以來，由于圖形處理器（Graphics Processing Unit，GPU）的廣泛應用，無限拓展的存儲能力和全面爆發的大數據流（如：圖像數據、文本數據和交易數據等），使得并行計算變得更加快、更便宜且更有效，人工智能研究獲得爆發式增長。這些研究內容產生了前所未有的巨大影響。

結合國務院《國家中長期科學和技術發展規劃綱要（2006—2020 年）》和《關于促進云計算創新發展培育信息產業新業態的意見》等提出的任務，本文研究人工智能課程群聯合寬廣數據資源拓展自動化品牌專業新工科建設，是當前高校新工科建設發展任務的重點。人工智能課程群是面向自動化、電子信息工程等專業本科生開設的專業選修課程，將大數據、機器學習、群體智能優化和深度學習等內容有機融合，運用大數據分析、云計算等先進數據分析與處理技術解決工程實際問題，旨在培養學生緊密結合科技創新發展方向，處理復雜工程實際任務的能力。結合江蘇科技大學辦學特色，建立電子信息學院人工智能課程群，融合了自動化、計算機、應用數學和管理學等學科有機交叉的研究方向，將極大地豐富人工智能領域中機器學習、深度學習等先進理論和技術的實際應用，促進人工智能、大數據分析及處理等研究領域與實體經濟深度融合及實際應用，以期在創新引領、共享經濟等領域形成新動能，為建設數字中國、智慧社會提供有力支撐。

本文后續內容組織如下：第一節介紹人工智能課程群建設規劃；第二節詳細講述人工智能課程群新工科建設內容；第三節給出新工科建設研究的創新性；最后第四節總結本文工作。

一、人工智能課程群建設規劃

針對江蘇科技大學電子信息學院自動化品牌專業新工科建設，設計并完善一系列課程體系、PPT 視頻、多樣化教學手段、豐富的項目資源數據和實戰案例，整合穩定、可靠與高效的軟硬一體化大數據教學科研環境，提供教學教案實例、資源包、實驗指導手冊、實驗示例代碼和在線視頻等教學資料，實現教學管理、項目實踐、科研服務與創新孵化等實際場景的綜合應用。人工智能課程群建設規劃框圖如圖1 所示。

圖1 人工智能課程群建設規劃框圖

（一）核心課程建設

人工智能課程群主要包括概率論與數理統計、統計學習方法、人工智能導論、Python 語言、云計算與大數據分析及深度學習等課程。其中，統計學習方法、人工智能導論和云計算與大數據分析課程是電子信息學院自動化品牌專業新工科建設的重點學科。人工智能課程群核心課程建設涉及多方面基礎知識和技術技能，要求學生掌握數據科學的基本理論和方法、數據科學思維與建設框架及數據科學的具體應用實例。

（二）實訓及實踐課程建設

針對人工智能課程群提供教學實驗指導手冊、實驗資源包和實驗示例，包括數據爬取、數據預處理、數據建模和數據可視化，學習人工智能和大數據處理技術的基本理論、原理及行業典型項目應用。實驗和實踐項目案例涉及互聯網、運營商、金融、電子商務和政府等多個領域。實驗項目按照梯度分類為驗證性實驗、綜合性實驗和設計研究型實驗三部分。驗證性實驗用于建立數據科學的基本概念，展示常用數據處理方法，并以典型應用項目為例，展示常見算法的處理與分析效果。綜合性實驗為學生提供程序代碼、行業數據和運行環境，通過數據分析方法進行實現。設計研究型實驗案例為學生提供真實數據集和參考代碼，鼓勵學生在此基礎上做進一步探索性分析和改進。

上述實訓及實踐課程建設基于工程教育理念，設計了大數據工程型人才的教育解決方案，通過學生主動、實踐的方式學習并掌握人工智能、大數據分析技術等專業技能，同時，利用在線學習、原理驗證、實訓應用、綜合分析及自主設計等多層次的實踐操作，培養學生對于數據科學中建模的理解及運用，提高學生利用大數據方法處理實際具體行業應用問題的能力。這些都為人工智能課程群教學提供了完整的一體化實訓實踐教學體系，努力培養具備大數據技術知識、項目實踐能力和團隊協作能力的綜合型人才。

二、人工智能課程群新工科建設內容

人工智能課程群新工科建設聯合寬廣數據資源，圍繞人工智能技術的理論及應用，探討復雜數據環境下數據挖掘理論、機器學習方法與深度學習技術等人工智能學科前沿，整合大數據知識推理、問題分析與求解等關鍵技術，研究數據科學工具、數據科學算法和行業應用案例等內容，結合云計算平臺實現大數據分析技術的實際可行方案及準確性驗證方法，助力人工智能課程群課程教學過程中理論與實踐的有機融合，開展廣泛的教學活動、教學過程和示范應用，拓展自動化品牌專業新工科建設體系，內容豐富且具有相關性。關于具體的理論課程和實驗課程建設，本節以人工智能課程群中專業核心課程——云計算與大數據分析為例進行詳細介紹。

（一）理論課程建設

云計算與大數據分析課程旨在培養學生運用機器學習、深度學習等數據分析技術，結合云計算平臺處理并完成相關工程實際任務，引領學生學習先進大數據分析理論和技術，并在學習中發現問題、解決問題，進而實現知識內化、理解和升華。云計算與大數據分析課程主要教學內容包括：數據的獲取和清理、數據的表示方法、知識的自動抽取、基于認知的分析方法及知識發現的理論與方法等內容。云計算與大數據分析課程擬采用如下理論教學方法。

1.課堂講授（16 學時）。主要講授基本概念、理論重點、技術難點等知識。充分考慮學生的背景知識和專業特色，通過結合實際用例幫助學生理解理論知識的重點及難點，講授云計算與大數據分析課程，突出本課程在自動化品牌專業新工科建設中的重要程度及貢獻。

2.課堂研討（8 學時）。用于鞏固講授的理論知識內容。在學習理論知識的過程中，鼓勵學生提出具有建設性的解決方案，勤于思考、發現問題、探索問題及拓展思路，期望在課堂研討中碰撞出創新點、新研究路徑的思想火花，緊跟科學研究前沿，充分調動學生學習本課程的學習動力和積極主動性。

3.實驗（8 學時）。主要用來開展基于理論知識和技術的科學實驗研究。結合云計算平臺，利用Python 軟件編程實現數據挖掘、機器學習和深度學習等方法的實際應用，通過對于復雜的大規模仿真實驗的運行和調試，實現科學理論知識到實踐應用的系統性完整展示，幫助學生加深關于理論知識的消化和理解，并在實驗過程中有效調動學生學習科學知識、探索科學難點的積極性，甚至挑戰科學難點的勇氣。

4.學生自主學習。用于自主學習。充分利用MOOC等豐富的視頻公開課、網絡教學資源及公用云計算平臺，完成預習、復習、實踐操作及思考題研討等學習任務。

（二）實驗課程建設

根據云計算與大數據分析課程理論教學內容和新工科建設需求，充分調研工程實際需求及大數據環境下的新技術、新方法，理解并掌握目前流行的大數據處理和分析技術，了解其特點和應用場景。本文研究設計了大量與實際應用相結合的具備一定理論深度的實際操作項目實驗，具體實驗項目內容見表1。

表1 云計算與大數據分析課程實驗項目內容

針對不同大數據處理技術、方法及實踐創新進行多層次重組和整合優化，設計典型應用項目案例，開發完善的課程體系，多方位學習及訓練，滿足云計算與大數據分析課程教學及實訓需求。同時，進一步整合數據采集、數倉建模和數據視圖等，提供行業數據及案例進行科學研究工作。實驗訓練各模塊相對獨立，交互式的實驗任務、實驗教學指導、項目上機操作及考試評分等，保障學生靈活、快速地掌握大數據技術及方法。由于每項實驗任務中實驗內容豐富、工作量飽滿，因此，要求學生在實驗課程前，合理分配時間，做好充分的預習準備工作，掌握本門課程所學內容，保證實驗內容按質按量完成。同時，為有資質的學生提供拔高空間，為廣大學生樹立標桿，激勵學生勇攀科技高峰。

通過云計算與大數據分析課程建設的理論學習與實踐訓練，預期取得如下學習成果。

（1）了解云計算的概念、發展簡史和特點，理解大數據處理技術和技術分類，理解聯合云計算和大數據分析的實現框架。

（2）掌握復雜數據分析和數據挖掘方法，能夠結合實際應用實例使用數據分析方法解決實際的分類和預測任務，如：房屋價格預測、圖像分類、自然語言處理、情感分析、推薦系統和廣告點擊率預估等。

（3）利用云計算平臺實現大數據分析技術，面向選定的復雜大數據處理和分析任務，結合數據挖掘、機器學習和深度學習等方法，開展大量豐富、多元化的實驗內容及實驗過程，并分析實驗結果，總結實驗結論和經驗。

三、新工科建設研究的創新性

（一）建設人工智能課程群的研究視角新穎

考慮復雜多源異構大數據環境，聯合云計算平臺實現大數據分析技術，側重于借助云計算等高性能計算設備優勢，解決工程實際中數據挖掘、數據分析問題等研究任務。人工智能課程群注重通過引入和分析應用實例，引導學生獨立思考、自主分析，適當安排不同難度的課堂討論、課外練習題及實踐任務，因材施教。同時，結合理論授課內容，課程實驗內容圍繞課程主要知識點，強調理論學習與實踐運用相結合，及時鞏固學習成果，提高學生的實驗分析能力、專業知識應用技能、項目實踐能力和科研創新能力。

（二）構建人工智能課程群的資源豐富

聯合云計算平臺，充分利用人工智能大數據實驗室等豐富的軟硬件資源，引入行業典型項目案例，構建人工智能課程群實驗項目體系。此外，深度學習領域已有大量研究成果，能夠為人工智能課程群建設提供理論和技術支持，且當前GitHub 提供大量開源程序資源，也為課程實驗項目案例的構思和設計提供了信息來源與技術保障。

（三）人工智能課程群的實踐方式緊跟技術發展步伐

基于實際應用場景，采用適應復雜環境的數據庫技術存儲大數據信息，利用Python 軟件建設數據挖掘與數據分析的實例仿真實驗平臺，選擇流行的云計算平臺實現各類數據挖掘、機器學習及深度學習等數據分析方法，提供可行的聯合方式和實際操作的解決方案，并通過可視化模塊展示數據分析結果，形象地展示技術變革在大數據分析技術研究領域所帶來的巨大影響。

四、結束語

由于人工智能、大數據、云計算和深度學習技術的飛速發展，人工智能相關應用已經在很多領域逐步實現。本文研究結合對寬廣教學資源進行有效綜合利用，構建人工智能課程群支撐自動化品牌專業建設，由淺入深，循序漸進，有效融合理論知識、實驗教學和實際大數據實踐項目，提供定制化的實驗、實訓與科研綜合解決方案，使其作為教學、科研的基本工具和必要素質，滿足理論性和實踐性教學的雙重需要，提升江蘇科技大學電子信息學院人工智能課程群的課程體系建設和實際教學效果，推進優質教學資源共享和自動化品牌專業教學質量，助力高校提升相關專業競爭力，培養研究型、應用型等稀缺型工程技術人才。同時，匹配廣大教師的科學研究需求，全方位支撐自動化品牌專業建設的教學、科研需求，從而有效提升科研成效及成果轉化，開創多方共贏局面。這些研究內容將極大地豐富人工智能研究領域及學校特色專業與數據分析技術的結合方式及實踐應用，進一步提升人工智能課程群在當前江蘇科技大學電子信息學院探索自動化品牌專業新工科建設中的貢獻。