专业代码:510209
专业名称:人工智能技术应用
适用年级:2024级
合作企业名称:北京百度网讯科技有限公司
合作企业简介:
北京百度网讯科技有限公司,于2000年1月1日在中关村创建,目前员工人数超过41000人。百度基于强大的搜索与知识图谱天然的强相关性,经过十年的不断投入进取,构建了包括NLP、KG、IDL、Speech、Big Data等百度核心技术的AI体系。随着深度学习与自然语言处理相关技术不断融入到百度搜索、信息流、翻译等应用体系,百度掌握的知识图谱数据就已经达到千亿规模,并基于自然语言处理、知识图谱、语音、视觉、深度学习等全方位的技术积累,打造了领先国际的“百度大脑”。百度凭借强大的技术储备、广泛的AI布局、完备的AI生态,在综合AI技术实力和综合AI落地实力两个维度都处于领先地位,位居全球前四,综合实力在中国AI厂商中位列第一。
一、入学要求
普通高级中学毕业或中等职业学校毕业或社会人员。
二、学制与学历
学制:三年
学历:专科
三、职业面向
1.职业面向
所属专业大类 |
所属专业类 |
对应行业 |
主要职业类别 |
主要岗位类别 (或技术领域)举例 |
电子与信息大类 |
计算机类 |
软件开发、信息处理和存储支持服务、信息技术咨询服务 |
计算机软件工程技术人员、信息系统分析工程技术人员、信息系统运行维护技术人员 |
面向数据采集与处理、 算法模型训练与测试、 人工智能应用开发、 人工智能系统集成与运维等 岗位群 |
2.“适岗”技术技能要求与专业学习领域课程设置关系表
主要工作岗位(群) |
工作过程 |
典型工作任务 |
技术技能要求 |
学习领域课程名称 |
数据标注工程师 |
1.数据采集 2.数据清洗与集成 3.数据规约与变换 4.描述性分析 5.探索性分析 6.数据可视化 |
1.理解数据需求和标注流程; 2.完成图像、视频、文本数据标注任务 3.对视频及图片等内容进行筛选、评估、分类; 4.解决数据相关问题,并保障所有数据集符合项目要求的质量。 |
1.熟悉掌握数据标注工具; 2.熟练掌握python等图像、视频、文本数据工具工具; 3.基本了解算法对数据的要求和质量标准。 |
1.互联网趋势与应用 2.人工智能基础与应用 3.数据采集技术应用 4.数据分析与处理 5.图像与视频数据标注 6.机器学习技术应用 |
AI训练与测试工程师 |
1.模型算法选取 2.模型算法重构3.模型训练 4.模型调参5.预测集模型测试 6.模型参数迭代 |
1.负责AI算法知识库的设计与构建; 2.负责设计和搭建算法模型; 3.负责对用户的问题及对应的答案进行分析并对算法模型持续优化; 4、参与模型搭建和数据验收; 5.参与部门算法测试体系搭建,评估算法质量及效果。 |
1.能够撰写人工智能算法库,分析业务要素,抽取对话流程; 2.规划及实现相关模型训练; 3.了解AAR与TTS等语音环节的实现; 4.掌握AI引擎实现原理,训练过程以及模型的开发逻辑; 5.掌握AI算法测试所需的数据构建方法; |
1.人工智能基础与应用 2.人工智能算法基础 3.机器学习技术应用 4.深度学习技术应用 5.计算机视觉技术应用 6.自然语言处理技术应用 |
AI应用工程师 |
1.数据特征工程 2.模型构建3.模型嵌入前端 4.前端界面可视化 5.AI应用打包6.应用上线 |
1、语音、图像或视频等某一领域; 2、能够收集、整理应用领域数据,并进行预处理; 3、能够使用基本的机器学习算法; 4、能够调用某一领域人工智能接口从事应用开发。 |
1.熟悉语音、图像或视频特征及其提取; 2.具备数据处理与分析基本技能; 3.熟练掌握并运用机器学习、深度学习算法及其工具包; 4.掌握某一领域人工智能接口。 |
1.机器学习技术应用 2.深度学习技术应用 3.vue.js设计与开发 4.Python全栈开发实战5.计算机视觉技术应用 6.自然语言处理技术应用 |
3.职业资格证书、职业技能等级证书
序号 |
职业资格证书/ 职业技能等级证书 |
内涵要点 |
适应工作岗位 |
备注 |
01 |
计算机视觉应用开发 |
主要面向各类开展计算机视觉,机器人,数据分析等业务的企事业单位,从事指导验收数据标注,完成图像获取、清洗以及预处理的工作,完成计算机视觉模型的建模,训练、效果评估和应用开发的任务。 |
图像处理工程师、图像标注师、人工智能算法测试员(视觉方向)、计算机视觉应用开发工程师、AI 算法工程师(视觉方向)等工作岗位 |
建议取得 |
02 |
人工智能深度学习工程应用 |
主要面向包含人工智能深度学习相关业务的智能制造、智能零售、智慧安防、智慧交通、智慧农业、互联网企业、传统企事业单位的深度学习技术服务、智能产品或系统测试运维、智能产品开发以及技术开发部门。 |
人工智能技术服务、数据标注、数据处理、人工智能产品测试、人工智能产品开发、人工智能产品或系统运维、深度学习框架应用开发、模型训练、模型调参、模型部署、算法调优等工作岗位。 |
建议取得 |
四、培养目标
本专业培养德、智、体、美、劳全面发展,践行社会主义核心价值观,主动适应依法治国和经济社会发展的要求,服务地方法治建设、社会建设和生态文明建设,具有科学思维方式,具有人工智能领域文化水平、良好的职业道德和人文素养,掌握本专业的人工智能数据技术、机器学习基础、深度学习框架知识及相关法律法规等基本知识,具备本专业的数据处理、模型训练、应用开发等主要技术技能,面向软件开发、信息处理和存储支持服务、信息技术咨询服务等行业,能够从事数据采集与处理、算法模型训练与测试、人工智能应用开发、人工智能系统集成与运维等工作的高素质高技能复合型法治型的AI应用人才。
五、人才培养规格
本专业毕业生应在素质、知识和能力等方面达到以下要求。
(一)素质
1.思想政治素质
坚定拥护中国共产党领导和中国特色社会主义制度, 以习近平新时代中国特色社会 主义思想为指导, 践行社会主义核心价值观, 具有坚定的理想信念、深厚的爱国情感和 中华民族自豪感。
2.文化素质
了解中国历史和传统文化,具备扎实的人文社会科学知识和良好的文化修养;了解必要的自然科学知识,崇尚科学精神,掌握基本的科学方法;具有基本的法律知识,养成良好的法律素养,善于运用法律工具;具有广博精深的人工智能专业知识和大容量的新一代信息技术知识储备,要求学生的知识程度高、内容新、实用性强;建立合理的知识结构,围绕自己选择的就业目标,对自己所掌握的知识进行合理组合、恰当调配、形成知识系统;具有较强的创新意识和创新精神,提升创新能力。
3.职业素质
具有较强的集体意识和良好的团队协作精神,具有良好的发现问题、分析问题与解决问题的能力,具有良好的语言和文字表述能力、沟通能力,能准确理解客户需求并提出建设性意见,按时执行,具有质量意识、环保意识、安全意识、信息素养、工匠精神、创新思维,具有探究学习、终身学习、自我管理能力,勇于奋斗、乐观向上、诚实守信、责任心强、讲求效率,具有职业生涯规划意识,对行业动态有敏锐的观察力,保持好奇心,善于学习和运用新知识。
4.身心素质
掌握基本身体运动知识和至少 1 项体育运动技能,达到国家大学生体质测试合格 标准, 养成良好的运动习惯、卫生习惯和行为习惯; 具备一定的心理调适能力; 具有一定的文化修养、审美能力, 形成至少 1 项艺术特长或爱好; 培育劳模精神、劳动精神、 工匠精神, 弘扬劳动光荣、技能宝贵、创造伟大的时代精神, 热爱劳动人民, 珍惜劳动 成果,具备与本专业职业发展相适应的劳动素养、劳动技能。
(二)知识
1.文化基础知识
(1)掌握必备的思想道德和职业道德理论知识;
(2)掌握必备的法律基础知识和基础理论,能正确运用法律工具;
(3)掌握毛泽东思想和中国特色社会主义理论的基本观点及其方法论,具有较高的政治素质;
(4)掌握创新创业基本知识,培养开拓精神,能适应市场需要,形成良好的就业心态和就业观;
(5)掌握英语的读、听、写、译基本知识,能处理专业的简单的英文资料;
(6)掌握基本的生活技能和劳动技能,养成良好的行为习惯;
(7)熟悉基本的体育和心理知识,具备健全的体魄和良好的心理素质,有较好的心理调节能力和对于挫折的心理承受能力。
2.专业知识
(1)熟悉信息技术的基本知识,具备办公软件的使用知识;
(2)掌握urllib、requests、beautifulsoup、scrapy、numpy、pandas、matplotlib、pyecharts等数据处理技术专业知识;
(3)掌握ML、DL、RL等模型构建、训练、测试等专业知识;
(4)熟悉TensorFlow、PaddlePaddle、pytorch等深度学习神经网络开源库的安装、部署等专业知识;
(5)掌握OpenCV、NLP等计算机视觉、智能语音、自然语言处理的专业知识,并能够使用知识搭建应用系统。
(6)熟悉各行业AI一体化解决方案的制订、AI算法嵌入应用系统等专业知识;
(7)熟悉人工智能相关法律知识、国家政策、行业标准等;
(8)掌握基本的应用写作知识,能独立编制项目文件;
(9)学习职场礼仪与沟通方面的知识、技巧。
(三)能力
1.专业技术技能
(1)具有程序设计、数据库设计能力;
(2)具有数据采集、数据清洗、数据标注、数据特征、数据分析能力;
(3)具有模型选择、搭建、训练、测试和评估能力;
(4)具有实现深度学习框架的安装、模型训练、推理部署的能力;
(5)具有利用计算机视觉、智能语音、自然语言处理等技术,根据典型应用场景进行人工智能应用集成设计和开发的能力;
(6)具有部署、调测、运维人工智能系统的能力;
(7)具有基于行业应用与典型工作场景解决业务需求的人工智能技术综合应用能力。
2.通用职业技能:
(1)具有探究学习、终身学习和可持续发展能力;
(2)掌握基本的信息技术知识,熟悉常用办公软件;
(3)诚实守信,责任心强,讲求效率,具有良好的团队协作能力、沟通能力、分析判断能力及执行能力。
(4)一定的社交能力和礼仪知识,善于表达沟通,能准确理解甲方需求并提出建设性意见;
(5)能吃苦耐劳,适应现场环境;
(6)具有强烈安全意识,善于学习和运用新知识,具有创新创业精神;
(7)熟悉安防产品的性能,能演示操作,理解产品基本原理,有良好的沟通能力。
六、课程设置
(一)素质教育模块课程
1.公共基础课
严格按照国家有关规定开齐开足公共基础课程。将毛泽东思想和中国特色社会主义理论体系概论、思想道德与法治、形势与政策、军事理论、军事技能训练、体育、大学生心理健康教育、劳动教育、文学与美育、英语、职场通用英语、中国文化精粹、创新创业教育与就业指导列为公共基础必修课。开设法律基础课程,凸显学院高等法律职业院校特色。
说明:体育Ⅱ(第二学期)专项运动技能:开设不少于15门的体育项目选修课程,足球、篮球、排球、田径、武术、太极拳、游泳、瑜伽、冰雪运动、轮滑、羽毛球、乒乓球、飞盘、健身健美操、健身瑜伽与健康生活、体育舞蹈、健身舞蹈(交谊舞、排舞、健身操舞、曳步舞)、传统保健运动、形体训练、中华传统体育项目、八段锦、空竹。教学时数:32学时(理论2学时,实践教学30学时;2学分)。
体育Ⅲ(第三学期)专项运动技能:开设不少于15门的体育项目选修课程,足球、篮球、排球、田径、武术、太极拳、游泳、瑜伽、冰雪运动、轮滑、羽毛球、乒乓球、飞盘、健身健美操、健身瑜伽与健康生活、体育舞蹈、健身舞蹈(交谊舞、排舞、健身操舞、曳步舞)、传统保健运动、形体训练、中华传统体育项目、八段锦、空竹。教学时数:32学时(理论2学时,实践教学30学时;2学分)。
劳动教育教学时数:32学时(理论16学时,实践16学时,实践学时不计入总学时)。
2.公共限选课
将马克思主义基本原理、党史国史、中国近现代史纲要、信息技术、信息素养与社会责任、大学语文、数学、职场通用英语列为公共限选课,公共限选课必须选够4学分。
(二)专业学习模块课程
1.专业基础课程(含专业共享课,课程名称前用“*”标记)
序号 |
课程名称 |
课程目标 |
主要教学内容 |
教学要求 |
01 |
*新一代信息技术 |
本课程通过丰富的教学内容,帮助学生认识信息技术对人类生产、生活的重要作用,了解现代社会信息技术发展趋势,理解信息社会特征并遵循信息社会规范;掌握常用的工具软件和信息化办公技术,了解大数据、人工智能、区块链等新兴信息技术,具备支撑专业学习的能力,能在日常生活、学习和工作中综合运用信息技术解决问题;使学生拥有团队意识和职业精神,具备独立思考和主动探究能力,为学生职业能力的持续发展奠定基础。 |
信息技术课程由基础模块组成,是必修或限定选修内容,是高等职业教育专科学生提升其信息素的基础,包含文档处理、电子表格处理、演示文稿制作、信息检索、新一代信息技术概述、信息素养与社会责任六部分内容。 |
本课程是一门实践性很强的课程,需要在实训室进行教学实施。教学中注重学生掌握操作过程和技巧,采用“任务描述→技术分析→示例演示→任务实现→能力拓展”的形式组织教学,课程考核从信息意识、计算思维、数字化创新与发展、信息社会责任四个学科核心素养的发展进行综合评价。 |
02 |
*程序设计语言 |
通过程序设计语言课程的教学,使学生具有基本的Python程序设计能力、一定的语句编写能力、基本的数据处理分析能力、解决问题的能力、一定的创新能力与良好的沟通能力。本课程通过融入思政教育,使学生树立正确的生命观、生存观、生活观和坚定的共产主义信念,使学生发展成为德智体美劳全面发展的新时代青年。 |
本课程内容由Python基础和数据分析两大部分组成,Python基本语法及基本应用部分内容全面,数据分析部分主要涉及网络爬虫和pandas数据分析,通过本课程的学习,使学生养成良好的编程习惯和编程方法,进一步提高学生职业道德。 |
本课程采用案例教学、问题导向、分组教学等方法,建立能体现职业能力核心的课程考核标准,既考核学生所学的知识,也考核学生掌握的技能和学习态度;教学需在一体化教室进行,配置多媒体展示和多媒体网络课堂教学管理软件,计算机配置数量要满足常规班级人数并保证有一定工作余量,同时教师机和学生机需安装Pycharm编程软件,用于完成课堂任务。 |
03 |
*新媒体技术 |
本课程主要面向新媒体技术相关岗位,讲授新媒体主流技术、工具及平台的应用。通过本课程的学习,培养学生谨守公正、真实的新媒体职业道德,具备创新的设计思维和科学的审美能力,能够胜任新媒体平台创建、运营与管理,新媒体内容策划与创作,用户推广与运营,以及运营数据分析与预测等工作,初步具备利用新媒体技术创新创业的能力。 |
以新媒体职业道德规范为引领,树立学生崇高的职业操守和媒体精神,以“平台+技术+内容”为一体构建新媒体技术课程内容。平台创建及运营技术的学习,培养学生善于利用互联网资源的平台思维;图文、音视频等主流媒体技术的处理,增强学生互联网时代信息交流能力及网络生存能力;内容策划及用户的推广,培养学生敏锐的网络意识及自信、主动、开放的职业心态。 |
本课程是一门实践性很强的课程,需要在实训室进行教学实施。教学过程采用“教师理论讲授+学生上机实训”的方式完成,课程考核侧重实践能力,以学生完成的实训效果进行综合评价。 |
04 |
互联网趋势与应用 |
通过课程学习,帮助大学生对“互联网+”的概念、支撑互联网发展的核心技术,以及“互联网+”与各行各业的跨界融合的应用前景,有比较全面的认识;帮助学生认清未来社会发展的趋势与时代发展的主旋律,了解真正的社会需求,增强他们的认知能力、择业能力、创业能力与适应社会的能力。 |
课程包括基础篇、技术篇、应用篇。基础篇讨论互联网的形成与发展,互联网价值与互联网思维,我国政府《互联网+创新行动》的总体思想、基本原则和发展目标,;技术篇介绍与“互联网+”相关的计算模式、系统芯片与智能硬件、5G通信、大数据、人工智能、区块链、网络空间安全等技术原理和实现;应用篇介绍“互联网+”协同制造、现代农业、便捷交通、智慧电网、智能医疗、绿色生态、电子商务与现代物流、现代金融等领域的融合应用。 |
教学在实训室进行,教学过程充分体现任务引领、实践导向课程的设计思想,采用案例教学法、问题导向法、分组讨论法等多种教学方法,课程最后采用日常学习行为与行业实训综合能力的考核,考核内容包括平时成绩与最终考试成绩,考核在“职教云”平台进行。 |
05 |
人工智能基础与应用 |
本课程是人工智能技术应用专业的一门专业核心课程,该课程建立在《新一代信息技术》《互联网趋势与应用》《程序设计语言》课程的知识平台之上,使学生了解人工智能的基本思想和实现方法,掌握基本分析与设计方法,为人工智能在各领域的应用奠定基础,拓宽学生在计算机科学与技术领域的知识广度。课程的主要内容包括:人工智能的基本理论、方法和技术,目的是使学生了解和掌握人工智能的基本概念和方法。 |
本课程的主要内容包括:人工智能的基本理论;物联网、云计算、大数据等人工智能的支撑技术;机器学习算法与模型;神经网络算法与模型;深度学习算法与模型;OpenCV计算机视觉与NLP自然语言处理的人工智能两大应用领域,目的是使学生了解和掌握人工智能的基本概念和方法,及人工智能专业的概况与发展趋势。 |
本课程的特色是把握“通识”二字,深入浅出的讲解了人工智能技术必备的知识领域,采用“项目教学理实一体化”的方式,利用人工智能领域现今最流行的编程语言Python来编写程序,以案例的形式来解决人工智能领域中常遇到问题,如:“智能感知数据的提取”、“鸢尾花种类识别”、“鲍鱼的年龄分类”、“爬取大数据信息”等。让同学们在学习人工智能理论的同时,更好的通过动手实训对人工智能有更好的学习和认识。课程实训场所:人工智能实训室。 |
06 |
数据通信基础 |
本课程通过完整的通信系统的概念,理解通信的基本原理及通信系统的一般组成,了解现代通信技术。理解数字终端技术,了解数字通信系统等相关数据通信的基础内容,让学生在了解了相关数据通信知识后能够进行一些简单的数据通信实践,知道数据通信的真实工作原理。让学生在今后的网络通信工作中有一定的数据通信基础知识,能够深入学习网络通信的相关专业奠定了基础。 |
本课程包括通信原理、网络模型OSI、TCP/IP协议、局域网和广域网技术、IP子网划分、计算机网络的发展趋势和静态路由、动态路由的工作原理,DHCP、ACL的工作原理和功能实现。 |
通过数据通信基础的讲解,让学生进入计算机网络通信技术的领域,真正掌握计算机通信技术的原理和通信技术,掌握一定网络通信实现的相关实践内容,知道数据通信中相关介质的工作原理和相关配置。培养学生的动手操作实践能力、良好的分析问题、解决问题的能力、一定的创新能力。 |
07 |
图像与视频数据标注 |
通过课程学习,了解数据标注行业的新技术和发展趋势,理解数据标注的基本原理、技术和方法,拓宽数据标注行业的知识面;掌握课程中所介绍的有关的数据标注基本术语、功能,掌握相关操作的要求和技巧,掌握主流技术的使用方法,在今后的学习和工作中应能较熟练地应用这些技术元素;通过理论实践一体化课堂学习,使学生获得较强的实践动手能力和自我学习的能力。 |
系统介绍数据标注发展简史、数据标注的定义及应用领域,了解数据标注的基本原理、数据标注行业的运行模式及未来的发展趋势,为学习“数据标注”的核心技术打下基础。系统介绍数据的来龙去脉,包括数据的基本知识、数据预处理、数据分析与可视化的相关知识,以及数据标注技术。通过多个实战项目分析,系统介绍文本、语音、图像及视频类数据标注项目的基本操作技能和综合应用能力。 |
本课程以职业岗位需求为出发点,以职业能力培养为核心,采用案例教学、任务驱动的教学方法,通过工作过程系统化课程学习,学生在个人实践经验的基础上,完成从初学者到胜任数据标注岗位人才的职业能力发展。采用多元能力考核方式,建立以学生为中心的综合评价模式,包括自我评价、成果呈现、学生互评、师生互评等多种形式,形成课程、招聘一体的多元能力考核评价体系。 |
08 |
人工智能算法基础 |
本课程面向人工智能相关专业的学生,用数学算法思维去解析人工智能,以Python程序语言为主要解析工具,以anaconda和pycharm为解析平台,潜移默化、通俗的进行数学思想和解决方案的有效实践,从而帮助人工智能相关专业学生较好的理解人工智能算法原理和推导过程,为进一步学习机器学习和深度学习模型构建,打下夯实的理论与实践基础,提升职业竞争力。 |
本课程主要内容包括人工智能算法与数学基础、高等数学基础、微积分基本思想与解释、泰勒公式与拉格朗日乘子、线性代数基础、特征值与矩阵分解、概率论、概率估计与随机变量、随机变量正态分布、二项分布、泊松分布、核函数变换、熵与激活函数、相关分析、回归分析、方差分析,及利用Python的相关类库,实现相关系数、支持向量机、贝叶斯分析奇异值分解、最大似然等以上数学函数的编程实现。 |
本课程是理论+实践的综合性课程,理论部分温习基础的高数、线性代数、概论与统计的数学知识,实践部分通过Python代码和丰富的案列建立数学与人工智能的桥梁。数学能力是人工智能编程能力的上限,课程教学过程采用“教师理论讲授+学生上机实训”的方式完成,考核侧重算法编程数学功底的实践能力。课程实训场所:人工智能实训室。 |
2.专业核心课程
序号 |
课程名称 |
课程目标 |
主要教学内容 |
教学要求 |
01 |
数据采集技术应用 |
通过课程学习,帮助学生了解使用Python进行网络爬虫开发的各项技术,从环境配置、理论基础到进阶实战、分布式大规模采集;帮助学生认清未来社会所需要的人才目标,了解真正的社会需求,增强学生的自主动手能力。 |
主要教学内容:(1)基础理论,带领大家认识网络爬虫,介绍网络爬虫原理、协议、网页基本组成、HTTP基本原理。(2)技术演进,从网页请求的原理入手,详细讲解如何通过urllib、requests、lxml、beautifulsoup4、正则表达式等类库来爬取静态网页数据、动态数据以及APP数据以及如何应对网站验证码;介绍反爬虫策略;介绍Scrapy框架和分布式爬虫设计与部署。(3)方法实践:使用讲授的技术爬取网站商品信息,并将信息入库,利用pandas对爬取的数据进行简单的分析。 |
通过理论实践一体化课堂学习,使学生获得较强的实践动手能力,使学生具备必要的基本知识,具有一定的资料收集整理能力制定、技术学习和迁移能力、实施工作计划和自我学习的能力。该课程各项实践技能的训练,使学生经历基本的工程技术工作过程,形成尊重科学、实事求是、与时俱进、服务未来的科学态度。 在教学实训过程中注重学生发现问题和解决问题的能力。养成勤思考,勤总结的好习惯。 |
02 |
数据分析与处理 |
本课程建立在《程序设计语言》《人工智能基础与应用》课程的知识平台之上,并结合中共党史、新中国史、改革开放史、社会主义发展史的四史内容,使学生了解数据分析的基本思想和实现方法,掌握基本分析与设计方法,为数据分析在新中国社会主义建设的新时期各领域的应用奠定基础,拓宽学生计算机科学与技术的知识广度。 |
本课程重点介绍了Numpy、Pandas等常用的数据分析库,以及利用python数据分析库进行数据获取、数据存储、数据清洗、数据集成、数据变换、数据规约等数据预处理方法,并通过大量实际案例的分析与解读,使同学们熟练掌握描述性、探索性和预测性数据分析的行业应用技巧,目的是使学生了解和掌握数据分析的基本概念和方法,及数据分析应用的概况与发展趋势。 |
本课程是一门实践性很强的课程,实践项目有泰坦尼克生存分析、学生校园消费行为分析、校园地理信息分析、时间序列数据分析、电商销售数据分析等。教学过程采用“教师理论讲授+学生上机实训”的方式完成,课程考核侧重实践能力,以学生完成的实训效果进行综合评价。课程实训场所:人工智能实训室。 |
03 |
机器学习技术应用 |
本课程要立足于系统性与思政教育协同性的统一,以课程知识传授和社会价值引领为出发点,探索建设本专业特色的人工智能相关课程思政模式,同时注重基于编程实践的教学方法,通过与机器学习算法应用程序开发相关的实际项目学习,训练他们养成良好的编程习惯,理解并掌握回归分析、神经网络、支持向量机、聚类、降维、大规模机器学习等内容,构建计算思维,具备数据挖掘与机器学习应用算法的开发能力。 |
本课程拟用Python作为编程语言,选用Anaconda的Spyder或JetBrains PyCharm作为开发平台,使用MATLAB实现“机器学习”常规算法。主要包括:决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维等。本课程一方面通过深入挖掘创新性的内容,还结合了创新性的教学方式,蕴含的思想政治教育资源,深入推进课程思政建设实践探索方案,积极引导学生的人文素养、科学精神,培养学生理想信念和社会责任。 |
将课程教学、实验实训、考核内容有机结合。整个过程以学生为主体,以培养学生根据求对程序进行调试并能够对所编写的程序故障进行分析,提出解决方案并进行故障排除为目标,边教边学、边学边做,充分体现现代职业技术教育的目的和要求。同时,通过网上教学资源、虚拟仿真平台等教学手段,实现立体化教学。以过程性综合性客观的来做考核,评价学生的出勤(10%),线上学习(30%),课程设计(30%),期末专业测评(30%)等。另结合实际条件,教学需要多媒体教室、实验机房、实训室等。 |
04 |
深度学习技术应用 |
本课程旨在结合四史,培养学生的深度学习模型构建,及模型应用的能力。重点理解深度学习的数学基础,理解神经网络的基本原理。掌握一种深度学习编程框架,能在该框架下进行数据加载与预处理,构建网络,训练网络,性能评估等。理解卷积神经网络、循环神经网络、生成对抗网络的基本原理,并通过本课程,将结合技术的介绍穿插进行课程思政教育,让学生形成科技强国的意识,并形成科技复兴民族的理念。 |
本课程主要内容包括:深度学习编程框架进行数据加载与预处理,构建网络,训练网络,性能评估等。常用卷积操作、池化层、归一化层和正则化层的原理及实现;基于卷积神经网络的手写数字识别;常用卷积神经网络算法及其结构;循环神经网络中的常用网络层;注意力机制;基于循环神经网络和注意力机制的新闻摘要分类等。 |
本课程通过鸢尾花识别、鲍鱼年龄识别、手写数字识别、人机交互、图像风格转换等项目教学,教学过程采用“教师理论讲授+学生上机实训”的方式完成,课程考核侧重实践能力,要求掌握卷积神经网络、循环神经网络、生成对抗网络中的常用网络层的基本原理与实现方法、能够设计并编程实现卷积神经网络、循环神经网络、生成对抗网络解决一些实际问题。课程实训场所:人工智能实训室。 |
05 |
计算机视觉技术应用 |
本课程要立足于系统性与思政教育协同性的统一,以课程知识传授和社会价值引领为出发点,探索建设本专业特色的人工智能相关课程思政模式,同时注重基于编程实践的教学方法,培养学生用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。用Shannon定义的,可以用来帮助做一个“决定”的信息,研究如何使人工系统从图像或多维数据中“感知”的技术。 |
本课程主要包含图像处理基础、图像变换、边缘和轮廓、直方图、模板匹配和图像分割、特征检测、人脸检测和识别等。计算机视觉技术主要用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。本课程一方面通过深入挖掘创新性的内容,还结合了创新性的教学方式,蕴含的思想政治教育资源,深入推进课程思政建设实践探索方案,积极引导学生的人文素养、科学精神,培养学生理想信念和社会责任。 |
将课程教学、实验实训、考核内容有机结合。整个过程以学生为主体,以培养学生根据求对程序进行调试并能够对所编写的程序故障进行分析,提出解决方案并进行故障排除为目标,边教边学、边学边做,充分体现现代职业技术教育的目的和要求。同时,通过网上教学资源、虚拟仿真平台等教学手段,实现立体化教学。以过程性综合性客观的来做考核,评价学生的出勤(10%),线上学习(30%),课程设计(30%),期末专业测评(30%)等。另结合实际条件,教学需要多媒体教室、实验机房、实训室等。 |
06 |
自然语言处理技术应用 |
本课程要立足于系统性与思政教育协同性的统一,以课程知识传授和社会价值引领为出发点,探索建设本专业特色的人工智能相关课程思政模式,同时注重基于编程实践的教学方法,培养学生了解自然语言处理以及机器学习中的一些基本算法,对于文本处理的解决思路有一定的认识,学生能够使用Python编程语言以及PyTorch深度学习开源框架实现基于SVM/LSTM/BERT的文本分类方法,在拓展运用方面能够结合自然语言处理与机器学习等人工智能技术解决新出现的自然语言问题。 |
主要包含自然语言处理综述、语言模型(N-gram语言模型)、序列标注问题(Sequence labelling problem)、句法分析、语义分析、情感分析、词向量等。自然语言处理技术方法综合性的包括了部分机器学习知识,层次架构,平滑处理技术,语义分析等理论知识及实践方法,本课程一方面通过深入挖掘创新性的内容,还结合了创新性的教学方式,蕴含的思想政治教育资源,深入推进课程思政建设实践探索方案,积极引导学生的人文素养、科学精神,培养学生理想信念和社会责任。 |
本课程采用多元化的教学手段,对于理论性较强的知识点,可通过演示、类比、分组讨论、测试等教学方式解决,对于实践性较强的知识点通过实物操作、市场调查、案例分析,模拟或者参观真实项目等方式解决,同时本课程要结合线上学习平台,以学生为主体,利用线上资源,实施任务、参与课堂讨论等,以过程性综合性客观的来做考核,评价学生的出勤(10%),线上学习(30%),课程设计(30%),期末专业测评(30%)等。另结合实际条件,教学需要多媒体教室、实验机房、实训室等。 |
3.专业拓展课程
序号 |
课程名称 |
课程目标 |
主要教学内容 |
教学要求 |
01 |
高等数学 |
本课程要求学生掌握数学基本理论与知识、基本方法与计算,培养学生在专业学习中应用数学的能力。通过对高等数学的学习,学生能掌握高等数学的基础知识和基本的数学思想方法,具备必要的应用数学的意识和能力,为后继课程和终身学习打下扎实的数学知识基础。 |
学习、理解和掌握一元函数微积分、向量与空间解析几何、多元函数微积分、无穷级数、线性代数初步等内容的基本概念、基本原理、基本运算等基础理论,了解数学科学的发展脉络、哲学思想、逻辑思维与方法论。 |
期末考核评价及方式:教学过程评价,教学过程评价分为线下评价和线上评价。其中线下评价以主观能力评价为主。内容包括:学生的学习态度、出勤、课堂纪律、同学互评、作业质量等方面,占20%。线上评价与课程网络平台相结合,主要包括观看教学课件、教学视频、参与互动答疑、作业讲评等占20%。课程成绩形成方式:考核的成绩由平时成绩和期末成绩两部分组成,其中平时成绩占40%,期末成绩占60%。 |
02 |
信息安全法律法规 |
使学生比较全面系统地掌握信息安全法律法规的基本理论与基本知识,了解中国的信息安全立法和司法现状;掌握我国网络安全法、密码法等基本制度;培养和提高学生信息安全意识。通过本课程的学习使学生在今后的学习工作中能够在信息安全活动中具备充分的专业素养,正确运用所学的信息专业知识,强化信息安全从业道德规范。 |
本课程以理论教学为主,首先讲授信息安全法律法规的法律基础内容,使学生基本了解该领域的体系、发展历史、研究现状等等内容;在介绍信息安全和法律相关基础上,重点分三部分(信息系统安全保护相关法律法规、互联网络安全管理相关法律法规和其他有关信息安全法律法规),结合典型案例,系统讲授了我国信息安全的相关法律法规。 |
采用任务驱动、小组讨论等教学方法,使学生全方位、有重点地掌握信息安全法。梳理课程的思政元素,并将其恰当地融入教学内容,加深学生对中国社会和文化的理解,培养爱岗敬业、团队协作和精益求精的工匠精神。本课程采用线上、线下相结合的教学方式,注重“过程考核、综合评价”的考核方式。 |
4.实习/实训环节
课程名称 |
课程目标 |
主要教学内容 |
教学要求 |
普法类 图像识别开发实战 |
本课程实训是要利用计算机对法务类图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,使学生掌握深度学习算法嵌入法律服务的一种实践应用。 |
本课程实训是对法律服务平台中客户浏览页面中图片进行分析,通过识别图片中的信息,给客户推荐相关内容,或是在页面中展示相关广告,提升广告点击量。可应用于法律新闻资讯类服务、信息检索服务、视频类APP、个性化推荐等业务场景中;通过图片内容识别给图片打上法律类别标签,检索与标签相关的信息;通过识别法务类图片的信息,实现法务图片的智能分类管理。 |
本课程是纯实践课程,教学过程全部在人工智能实训室完成,通过真实独立的法律服务平台中的图像识别开发项目实践,加强学生的技能实操与应用实践的能力,教学资源是真实的法务图像案例与资源,考核形式是最终实践成果的可视化呈现。 |
普法类 数据可视化开发实战 |
本课程实训是利用数据分析的numpy、pandas、scipy和Scikit-learn类库,以及数据可视化的Matplotlib、Seaborn、pyecharts等类库,实现法律服务平台的数据采集、数据特征工程、数据统计的描述性分析和数据可视化的探索性分析,使学生掌握法律服务行业数据分析可视化的整体工作流程和实践技能应用。 |
本课程实训是对法律服务平台中客户访问的数据量进行爬取、集成、清洗、变换、规约、筛选、整理,然后进行分组统计,对已经数据展开目标分析,抽取数据特征价值,开发数据的特征选取与降维聚类,制订数据分析的监督学习算法,从机器学习的结果中可视化数据的内在特性与规律,最后再通过概率密度图、桑基图、小提琴图等可视化技术展示数据之间的联系与数据价值 |
本课程是纯实践课程,教学过程全部在人工智能实训室完成,通过真实独立的法律服务平台中的数据分析与可视化项目实践,加强学生数据思维的技能实操与应用实践的能力,教学资源是真实的AI尚法法律服务平台的数据集和访问数据,考核形式是最终实践成果的可视化呈现。 |
普法类 Python全栈开发实战 |
本课程实训是利用Python编程的基本能力、数据库应用、vue.js的web页面GUI开发、爬虫框架开发、flask web框架使用、Django web框架使用等Python全栈技术,开发法律服务平台的前后端功能,及其前后端的连接,使学生掌握Python web技术开发法律服务平台的整体工作流程和实践技能应用。 |
本课程实训的主要内容是采用vue的脚本技术构建法律服务的前端GUI界面,然后使用flask web和Django web创建Python的前后端,包括web和APP创建、数据模型、管理后台、路由、表单、视图、数据库设计、用户模块、前后端模块设计、主窗口风格设计、查询统计等操作流程,最终完成一个独立的法律服务平台构建。 |
本课程是纯实践课程,教学过程全部在人工智能实训室完成,通过真实独立的法律服务平台中的web前后端构建及其数据库连接等项目实践,加强学生Python全栈开发的技能实操与应用实践的能力,教学资源是真实的AI尚法法律服务平台的前后端构建,考核形式是最终实践成果的可视化呈现。 |
普法类 AI综合开发实战 |
本课程是利用机器学习、深度学习、计算机视觉、自然语言处理的知识维度,实现法律服务平台OCR、图像识别与分类、语音理解、自然语言处理、法律案例的智能推荐等智能化功能,使学生掌握真实软件前后端平台中如何嵌入人工智能相关的核心技术,如何在实际的生活和行业场景实现软件系统智能化的整体工作流程和实践技能的应用,从而实现人工智能行业人才的行企业需求。 |
本课程实训的主要内容是对法律服务平台访问数据进行词性标注、专名识别、词向量化、词重要性、词紧密度、词相似度、句相似度、句通顺度、句法分析以及语义分析等面向中文文本的基础技术,然后进行AnyQ问答和ERNIE表示模型的语音计算,在进行情感倾向分析、评论观点抽取等语义理解的自然语言处理,生成理解与交互UNIT的对话系统,最后根据对话与自然语言处理的结果,生成协同过滤、神经网络等算法模型的法律案例智能化推荐,完成法律服务平台的智能应用。 |
本课程是纯实践课程,教学过程全部在人工智能实训室完成,通过真实独立的法律服务平台中的OCR、图像识别与分类、语音理解、自然语言处理、法律案例的智能推荐等项目实践,加强学生的人工智能侧OpenCV与NLP的技能实操与应用实践能力,教学资源是真实的AI尚法法律服务平台的智能化实现,考核形式是最终实践成果的可视化呈现。 |
(三)素质拓展模块
综合素养课程:包括人文素养类课程、科学素养类课程、美育类课程、安全教育类课程、国学类课程、艺术类课程、健康教育类课程、学院精品在线开放课程。其中人文素养类课程包括大学语文、现代礼仪、普通话训练与口才等;美育类课程包括茶道艺术、艺术鉴赏、影视鉴赏、戏曲鉴赏、书法鉴赏、音乐鉴赏等。
七、实施保障
(一)师资队伍
1.队伍结构
姓名 |
年龄 |
学历 |
学 位 |
职称 |
任教专业/公共课程 |
刘 诣 |
44 |
本科 |
硕士 |
副高级 |
人工智能技术应用 |
海建丽 |
45 |
本科 |
学士 |
中级 |
人工智能技术应用 |
曹 静 |
28 |
研究生 |
硕士 |
初级 |
人工智能技术应用 |
柳 爽 |
29 |
研究生 |
硕士 |
初级 |
人工智能技术应用 |
张 剑 |
32 |
研究生 |
硕士 |
初级 |
人工智能技术应用 |
刘扬宇 |
31 |
研究生 |
硕士 |
初级 |
人工智能技术应用 |
本专业共有6位教师。学生数与本专业专任教师数比例为9∶2,双师素质教师占专业教师比例为57.1%,专任教师中高级职称1人,中级职称1人,初级职称4人;年龄在35岁以下4人,占比66.7%,中青年分布合理。
2.专任教师
本专业专任教师5人,4人为研究生学历,占比80%,100%拥有硕士学位。具有高校教师资格和本专业领域有关证书;有理想信念、有道德情操、有扎实学识、有仁爱之心;具有扎实的软件技术相关理论功底和实践能力;具有较强信息化教学能力,能够开展课程教学改革和科学研究。
3.兼职教师
本专业兼职教师1人,具有本专业领域有关证书或高校教师资格;主要从相关企业聘任,具备良好的思想政治素质、职业道德和工匠精神,具有扎实的软件专业知识和丰富的实际工作经验,能承担课程与实训教学、实习指导等专业教学任务。
(二)教学设施
具有能够满足教学需要的校内外教学设施和基地。在校内建有人工智能实训中心、路由交换实训室、WLAN/综合布线实训室、网络服务器实训室、移动通信实训室等实训基地,为本专业教学提供了较好的实训场地;在校外,学院与北京百度网讯科技、北京奕麟科技、河北润谱科技、猿代码(CSDN)等公司签订校企合作协议,使其成为本专业长期、稳定的实践教学基地。
(三)教学资源
1.教材选用基本要求
按照国家规定选用优质教材,禁止不合格的教材进入课堂。建立由专业教师、行业专家和教研人员等参与的教材选用机制,完善教材选用制度,经过规范程序择优选用教材。
2.图书文献配备基本要求
图书文献配备能够满足人才培养、专业建设、教科研等工作的需要,方便师生查询、借阅。专业类图书文献主要包括:电子信息行业政策法规、行业标准、技术规范以及相关工程设计手册、实务案例类图书、学术期刊等。
3.数字教学资源配置基本要求
建设、配备与本专业有关的音视频素材、教学课件、数字化教学案例库、数字教材等专业教学资源库,种类丰富、形式多样、使用便捷、动态更新、满足教学。
(四)质量管理
学院和系部制定专业人才培养质量保障机制,健全专业教学质量监控管理制度,改进结果评价,强化过程评价,探索增值评价,吸纳行业组织、企业等参与评价,并及时公开相关信息,接受教育督导和社会监督,健全综合评价。完善人才培养方案、课程标准、课堂评价、实习实训、毕业设计以及资源建设等质量标准建设,通过教学实施、过程监控、质量评价和持续改进,达到人才培养规格要求。
学院和系部加强日常教学组织运行与管理,定期开展课程建设、日常教学、人才培养质量的诊断与改进,完善健全巡课、听课、评教、评学等制度,建立与企业联动的实践教学环节督导制度,严明教学纪律,强化教学组织功能,定期开展公开课、示范课等教研活动。
各系部严格执行集中备课制度,定期召开教学研讨会议,利用评价分析结果有效改进专业教学,持续提高人才培养质量。
学院通过毕业生跟踪反馈机制及社会评价机制,对生源情况、职业道德、技术技能水平、就业质量等进行分析,定期评价人才培养质量和培养目标达成情况。
八、毕业要求
学生通过规定年限的学习,完成一般6个月的岗位实习,修满专业人才培养方案所规定基本学分:152学分,完成规定的教学活动,达到本专业人才培养目标和培养规格的要求。
九、附录
表1:教学进程表
十、编制团队
1.主要执笔人: 张璞
2.工作组成员:
(1)本校教师:张剑波、徐丽、刘诣、袁娜、史欢欢、李亚飞等
(2)学生(毕业生)代表:李兆庭、孙逸寒、李天鑫
(3)校外专家及企业专家:杜冬梅、胡钧瀚、卢苏华、闫磊