探索《TensorFlow基礎實戰》創新案例課程標準開發

高政霞 唐林 顧潤龍

TensorFlow作為開源深度學習框架之一，在人工智能領域和企業應用中是一顆閃耀的明星。本文依托高職人工智能技術應用人才培養方案，結合AI行業熱門領域，探索高等職業院校TensorFlow基礎實踐課程的創新路徑，主要從實踐動手能力、項目開發能力、自主學習能力、探究創新意識等方面進行剖析，通過結合“產、學、研”創新探究課程標準開發，提出了一條“崗、課、賽、證”融通的模式來創新人才培養路徑。

1 課程背景

目前人工智能布局和發展已經成為世界諸多國家的共識與行動，國內更是高度重視人工智能發展。2021年3月教職成[2021]3號文中指出“深化職業教育評價改革，形成具有職業教育特點的評價標準和方法”，表明了培養能力的實踐教育要求。此外，國家出臺多項舉措，表明職業教育實訓教學建設標準及職業人才培養技能應用型更深層次發展的立場。高職人工智能技術應用專業致力于培養符合國家戰略及人工智能產業發展需求，掌握AI基礎知識，擁有可持續發展能力、具有AI核心思維和能夠根據行業、企業等需求進行開發的高素質復合型技術技能人才。通過崗位深度調研和剖析，明確了人工智能技術應用方向人才培養的職業面向、職業崗位、工作需求，其中作為人工智能深度學習開源框架之一的TensorFlow框架是人才培養實踐教學中非常重要的一環。

目前機器學習和深度學習框架有TensorFlow、Pytorch、 PaddlePaddle、MindSpore、Scikit-learn、Keras等，還有一些使用率相對較低的Theano、Caffe、CNTK等，那么選取TensorFlow框架主要是因其強大的可移植性和廣泛的應用關注性，還有國內如小米、京東等科技公司也采用TensorFlow進行生產實踐，與此同時，還有高校也是用其作為教學主要工具，所以TensorFlow課程標準的探索在教學、學術研究和工業應用中是非常有必要的。

TensorFlow作為人工智能技術應用專業核心課程之一，課程標準實施方案的制訂是落實人才培養方案目標的重要一點，同時也是“崗課賽證”四項融通舉措中非常關鍵的節點。考慮到該課程的實用性和實踐性，該課程需從算法及應用實踐兩方面入手，從而實現讓學生最終成為AI的真正駕馭者而不是邊緣使用者。

2 課程標準框架

課程標準是指導教學的重要依據，也是立德樹人、課程思政開展的指導標準，而且，提質培優人才培養其中最關鍵的一環就是課程的開發與建設。人工智能離不開芯片、算法和數據等，如何突破固有模式，開展全景式項目式、模塊化教學，如何更好地以工程實踐為主線、立德樹人貫穿始終的教學是高等院校要考慮的重中之重。在“崗、課、賽、證”融通背景下，開展“書證融通”“課賽結合”“崗課融合”等研究是非常有必要的，那么課程就是連接本課題核心內容中必不可少的節點。所以本文提出了一種創新課程標準框架，在研究思路和方法上可供同層次院校參考。

課程標準的制訂首先對接教育部發布的教學標準要求，從課程性質與任務、課程目標與要求、課程結構與內容、考核評價、實施保障、授課進度安排等六個方面全方位、立體式設計探索，各個方面層層遞進。

TensorFlow課程標準框架的搭建是開展教學的主要依據，課程的定位是決定教學實施的重要支撐，在課程機構與內容中，本文通過創新案例和工程項目模塊化開展，如對垃圾郵件過濾、花卉識別分類、用戶購買行為分析等典型項目開展實驗實訓環節，通過任務驅動、互動研討、學生展示等環節充分調動學生學習熱情。

課程教學省略機器學習及深度學習中煩瑣的數學模型推導，直接從行業熱門領域及工程項目中的實際問題入手，從大量的實踐經驗出發，引入身邊熟知的生活應用，讓學生走進人工智能這個前沿又熱門的領域。

3 實施思路

本文在實施上著重強調提供中高端服務、解決較復雜的工程應用問題、進行較復雜的實踐操作。作為人工智能專業的工具類課程，TensorFlow是支持CPU、GPU和分布式的，它的實現工程在一定意義上是非常優秀和突出的。首先課程教學要著重強調以工程項目實踐為主線，引用工業應用中的典型工作任務，其次在新一代信息技術產業時代及人工智能技術產業背景下，要依托“產、學、研”深度融合，實施“書證融通”“課賽結合”“賽證向榮”，結合1+X職業技能等級認證和“產教融合”構建本課程的教學標準（如圖1所示）。

3.1 對接產業

人工智能產業鏈包含基礎層、技術層和應用層。最底層的基礎層技術涉及物聯網技術、智能芯片技術、大數據與云計算等相關的技術。基礎層提供的主要是數據感知、數據處理，特別是算力的支持，能夠為技術層的算法提供強大的數據支撐和計算能力支撐。物聯網技術通過萬物互聯實現現實世界的數字化轉化，通過傳感器技術進行前期數據的感知，智能芯片技術的發展使得人工智能的大腦更加聰明。技術層才是最難攻克的點，TensorFlow作為工業上主流的深度學習框架，使用數據流式圖規劃計算流程，研究超大規模深度神經網絡，而且有很多高度抽象的運算操作，這就表明教學內容的深度和廣度需要對接相關產業進行深度挖掘。本文探索通過精準對接人工智能產業技術層實現及精準對接育人創新理念實現課程標準“雙精準”策略。

通過精分人才培養方案目標，融合職業等級認證知識水平和技術要求，與此同時，融合創新創業教育及技能大賽，最終實現“雙融合”育人模式。

3.2 對接崗位

TensorFlow課程是在企業中廣受追捧的深度學習框架，但不是唯一，這就需要學生擁有可拓展的能力，在教學標準研討中，考慮到行業需求及崗位要求。本文制訂了一種重構課程體系，以“厚基礎+側崗位+重實踐”為主要指導思想的項目化課程體系，各個項目看似無連接關系，但是層層遞進、相互滲透，通過大量的實驗實訓項目使學生最終知道如何動手實踐、如何開展項目開發，從思想上真正入門人工智能實踐開發體系。

本文對接的崗位需要學生具備使用TensorFlow框架做出實際項目和成果的能力，基礎能力包括從實用角度出發的CNN、LSTM、RNN、乃至DeepQ-Network訓練及優化的能力，還有能夠進行模型優化和參數調優的實踐能力。

3.3 對接技能大賽

目前，高職類的人工智能職業技能大賽相對較少，學科類全國職業院校技能大賽沒有人工智能技術應用比賽項目，而現有的技能大賽有人工智能技術服務職業技能大賽、人工智能創意賽、高校計算機大賽、人工智能創意大賽等，而這些比賽對于學生的綜合應用能力有極高要求，學生必須具備“人工智能+X”知識體系下的學科融合知識體系的實踐應用動手能力，還需具備極強的知識綜合應用能力。

值得一提的是“一帶一路”暨金磚國家技能發展與技術創新大賽各賽項，2022年有數據分析與可視化賽項、人工智能工程技術（邊緣計算）賽項、人工智能訓練與應用（人工智能訓練師）賽項等，在賽項規程中也涉及了深度學習框架的使用。

為了培養具備社會價值和可塑性的新時代人工智能行業應用人才，從競賽的各個任務入手，分解任務步驟和知識點，結合課程特色，著重訓練學生快速建立算法和模型的能力，以及結合代碼的能力。從整個賽項的全局開始抽取各個知識點形成模塊化項目塊，將任務做成知識點在課堂教學中融入，實訓過程中充分了解學生水平和學習進度，有針對性地開展測試和考核，針對出現的問題集中解決。

在學校構建的一體化實訓平臺進行個人追逐賽、團隊對抗賽等充分激發學生的學習熱情和超越自我的精神風貌。

3.4 教材開發

利用現有資源和設施打開項目式教材、模塊化教材開發雙思路，以崗位群人才需求為基石，結合企業工作需求選取教學任務，制訂項目目標，以任務導入，通過人物分析、任務實施、任務小結、任務工單等進行教材開發，課程體系建設專業基礎課程可從模塊化教材研發為導向，以知識點+技能點為基礎，構建課程+模塊的體系。通過項目式教材規劃建設的過程中形成的典型案例或大型項目可作為創新創業項目指導學生參與創新創業比賽，學生在此基礎上可以進一步拓展延伸。

通過與企業協同創新，合作開發活頁式教材達到校企雙元，共同構建創新創業項目池，與創新創業項目結合可完成部分學生的實習實訓任務。與此同時，向國家規劃教材的方向邁進一大步。模塊化的教材開發與企業協同寫作，利用企業提供的線上教學平臺，同步開展平臺精品課程建設，拓展完善精品資源庫，以創新創業導學崗位和技術技能學習。

3.5 課程保障

構建課程標準，必須以生為本、工學結合、德技并修，且做到引培并舉雙向保障。即使是實訓課程，也務必要將立德樹人工程進行到底，培養學生科學素養和職業素養，以國家大計和社會發展為己任，這就要求教師不僅要擁有高超的技能技術，同時需要教師能夠從國家發展、國家大義、社會發展、科技視野、人文素養等多角度融合，需要廣泛的知識儲備量和較強的靈活應用能力。與此同時，還需要校企協同合作，從行業需求的角度開展教學。

對學校的課程保障主要體現在人工智能專業的設備設施（如智慧教室、智能助手、機器學習實訓室等）和資源課程（線上線下資源庫、精品課程等）的建設開發，保障基本教學條件，滿足本課程標準的實施要求，支持學生開展數字化學習。學院應提供的專業教室、校內實訓室和校外實訓基地等，學校應結合本地區產業發展和專業教學的需要，立足學生實際，精選拓展模塊內容，打造精品課程。

3.6 創新案例貫穿

綜合以上四個方面，創新教學案例，手機新技術案例，從大量的案例中綜合分析，最終得出模塊化教學體系，“典型工作崗位+典型工作任務+專業技術能力+技能競賽要求+學習型工作任務+學習情境”實現基于工作過程導向的教學理念選取對應的教學內容。教學創新案例選取涵蓋機器學習和深度學習常見的模型和部分商業案例。

創新案例選取考慮真實的企業工程案例，如O2O優惠券使用預測、安全駕駛檢測、智慧教室、危險品檢測、智能紅綠燈、城市聲音分類、出租車軌跡數據分析、人臉老化檢測、車道檢測、火力發電廠工業蒸汽量預測等豐富實訓項目練習。

4 師生評價

學業水平評價，從情感態度與社會責任、專業學習能力、解決問題能力等方面考查學生的專業素養水平。也可考慮建立包括自我評價、學生互評、師生互評等多種形式的客觀、全面、公平的學習評價體系。評價內容主要圍繞三個方面：自我學習能力、協作學習過程中做出的貢獻及完成工作任務的質量。從學生的視角對學生工作積極性、團結協作精神加以評價。以教學目標為依據，針對學生的創造精神和發展性需求進行評判，注重學生的過程化考核，鼓勵學生創新應用和自主實踐。

通過“線上+線下”方式交互評價，在學習時間與空間跨度上，立足遠程教育和終身學習的初衷，在此基礎上以不違背教學目標和人才培養方案要求的前提下進行適當創新。

5 總結

本文從創新案例入手，結合真實的企業項目實戰，對TensorFlow基礎實戰課程進行了全面剖析和解析，探索了一條創新的課程標準路徑，致力于解決實踐課的教學設計問題，通過“崗、課、賽、證”四項融通模式、校企協同創新育人方法等進行了全方位、立體式、無死角的舉例，最終呈現了一條最佳的課程教學路徑及育人模式。

本文系中國高校產學研創新基金-北創助教項目（二期）課題“人工智能相關專業建設與資源環境類復合型人才培育方法的研究與實踐”（編號：2021BCE02006）；全國2022～2023年度工業和信息化職業教育教學科研課題“基于‘校企協同下人工智能職業本科人才培養研究與實踐”（編號：GXHZWC82141）；蘭州資源環境職業技術大學校級科研項目科技創新團隊組建課題“人工智能工程技術科技創新團隊”（編號：T2022-03）。

（作者單位：蘭州資源環境職業技術大學信息工程學院）