高职院校深度学习课程实施现状研究与探索

打开文本图片集

摘要：人工智能已成为当前世界发展的新方向、新趋势，各国都在纷纷谋划布局想要发展人工智能技术，在新一轮的科技浪潮中占据优势;人工智能技术的发展离不开人才，大力培养人工智能人才是能否在新一轮科技变革中致胜的关键所在，我国近几年来也在高校当中设置了人工智能相关专业力求培养足够的合格人才，同样，对于专科层次的人工智能人才培养，在2019年的《普通高等学校高等职业教育（专科）专业目录》中首次增补了人工智能技术服务专业，这是我国高职高专层次中第一个设置的人工智能类专业。而在人工智能专业课程设置当中，《深度学习》是核心专业课程，深度学习课程具有难度大、覆盖领域广、技术更新迭代快等特点，本文结合人工智能技术服务专业人才培养目标与深度学习课程特点，对高职院校深度学习课程的教学实时进行了研究与展望。

引言

2022年6月25日，《中国新一代人工智能科技产业发展报告（2022）》正式发布，报告指出在深科技创新和创业活动的驱动下，中国人工智能科技产业规模快速增长，应用领域全面扩张，与实体经济加速融合，发展走在了世界前列，中国人工智能科技产业不仅表现为规模的快速增长，而且表现为应用领域的全面扩张和与实体经济的加速融合。人工智能已经在现代生活当中贯穿到了各个行业，对传统行业有了颠覆性的改变，人工智能人才的需求也愈发紧缺[1]。

早在2017年，为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，按照党中央、国务院部署要求制定发布了《新一代人工智能发展规划》，规划明确了新一代人工智能发展的战略目标，人工智能技术在各个领域的地位逐步得到提高，同时各个高校也纷纷开始布局开设人工智能专业，力争为社会提供充分的人才储备;2019年9月，教育部发布了当年的《普通高等学校高等职业教育（专科）专业目录》，在高职专科层次开设了首个人工智能类的专业——人工智能技术服务，开启了高职高专人工智能人才培养的大门;在2020年，国内首批获批的171所高职高专院校正式开启了人工智能技术服务专业的招生培养工作，开始了人工智能专科层次的人才培养。人工智能技术的飞速发展离不开深度学习技术的贡献，当前主流的人工智能应用的实现手段大多依赖于深度学习技术，同样，在进行人工智能专业课程设置时，自然离不开深度学习，深度学习是当前人工智能技术服务专业的核心专业课，但由于其本身课程难度较大、需要的基础知识领域涉及较广、技术更新迭代速度快，对于课程的实施带来了一定的困难[2]，笔者所在学校是国内首批开设人工智能技术服务专业的171所院校之一，本文将以笔者两年的深度学习课程实施的经验，对深度学习课程实施的现状以及未来发展探索做一个简要梳理。

课程背景

1. 人工智能研究范畴

人工智能是计算机科学的一个分支，这项技术的最终目的是为了模拟、延伸和扩展人的智能，使机器能够胜任一些通常需要人类智能才能完成的复杂工作;简单地说，人工智能的目的就是想要让机器像人一样拥有智慧，具备智能，做到以往只有人才能够去做到的事情。当前人工智能的研究领域大致可以分为计算机视觉、自然语言处理和语音识别;计算机视觉研究的是如何让机器具备“看”的能力，计算机视觉的目的就是让计算机能够通过各种传感器去获取到现实世界的图像，并且通过一定的算法去理解图像当中包含的信息，为更深一层的应用服务;自然语言处理是用人工智能技术来处理、理解以及运用人类语言，比如给定一篇文章，让机器去理解这篇文章描述的信息，或者整体的思想情感;而语音识别想让人类机器进行语音交流，让机器明白你说什么。这三个研究领域虽然对于人类来说看似非常简单，但是对于古板的机器，却非常困难，在以往想让机器具备这些能力几乎是不可能实现的，但是随着人工智能技术的进一步研究，目前这几个研究方向都取得了较好的效果，比如说计算机视觉领域的人脸识别、自然语言处理领域的机器翻译、语音识别领域的各种手机语音助手，已经应用非常成熟，且效果也基本满足日常需求。

在实际的研究开发过程当中，这些领域的技术实现都是通过深度学习技术完成的，实际上深度学习可以看做人工智能的一种实现技术，同样的技术还有机器学习，简单地来说，机器学习是人工智能的一种实现技术，而深度学习又是机器学习的一种实现技术，他们之间的关系可以用图1表示。

2. 深度学习研究范畴

深度学习是人工智能的一种实现技术，是对机器学技术更加深入研究的技术，也是当前人工智能各种应用的主流实现技术。深度学习的概念源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。研究深度学习的动机在于建立模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。

深度学习的强大动力主要来源于“深度”二字，深度学习的主要实现是通过各种各样的深度神经网络实现的，这一点和人类的智慧来源方式非常类似，人类之所以能够具备智慧、能够学习到各种各样的能力，就是通过人类的神经网络实现的，而人类神经网络的组成虽然很简单，都是一个一个的神经元，但是结构却极其复杂，深度学习正是掌握了这一特点，将一个一个的人工神经元以一定的结构组成复杂的深度神经网络，通过深度神经网络对数据的复杂计算从而学习到数据的规律，也就是抽取出其中的智能信息，来应对各种复杂场景。

3. 深度学习课程内容

深度学习课程是目前高职院校人工智能技术服务专业的核心骨干课程，是人工智能人才培养的关键课程，其主要课程内容包括：讲解神经网络与深度学习、TensorFlow框架、自编码器和多层感知机、卷积神经网络、循环神经网络、生成对抗网络以及网络训练过程中的数据处理、网络调优与超参数设置，并讲解图像识别应用、语言识别应用和自然语言处理应用技术。课程设置的目的是希望学生能够通过对深度学习理论和技术的学习，掌握初步实现人工智能简单应用的能力。

实施现状

深度学习课程作为人工智能技术服务的专业必修课，通常会在第四学期开设，实施课时为64课时，课程特点通常为理实一体课。笔者已经完成了两轮深度学习课程的实施，在实施过程当中，发现了一定的问题。

一是深度学习课程作为人工智能类专业的核心主干课程，对学生的掌握程度要求较严格，但是本身深度学习课程对与数学基础要求较高，深度学习各种算法和技术基本都是基于各种数学原理提出的，所以需要学生掌握扎实的数学功底。但是目前在进行课程设置时，对于数学类课程往往只开设了工程数学一门课程，工程数学授课内容虽然包含了高等数学、线性代数、概率论与数理统计的相关知识，但是涵盖不全面，授课的程度也较浅，对于高职类的普通工科专业的课程来说基本满足要求，但是对于对数学基础有着强烈以来的深度学习课程却难以满足，这使得学生在学习过程当中对原理的理解和掌握较为吃力，难以透彻的掌握深度学习相关理论知识。

二是深度学习本身作为机器学习的一个子领域，是在机器学习的基础上更深一步的研究。在进行深度学习之前理应对机器学习有一个深入的学习，才能够较快的入门深度学习课程，也能够收获较好的学习效果。但由于高职类学生课程开设学期往往只有五个学期，前两个学期基本都在进行公共类课程的学习，第三个学期进行的是专业基础课的学习，每学期的课时安排也很紧凑，机器学习和深度学习就同时开设在了第四学期，两门课程同时在学习，对于课程内容的前后衔接混乱，需在学习新课时需要补充前置知识基础，使得学生对于深度学习课程的入门较为困难。

三是深度学习课程本身是对人工智能技术的总体讲解，涵盖的方向比较广泛，对于人工智能领域当中不同的方向比如计算机视觉、自然语言处理、语音识别等，都有对应的方法去解决，在目前课程实施时，会对每个技术都进行讲解，但由于课时有限，而本身技术的难度也较大，使得学生掌握情况不太理想。

发展展望

高职院校的人工智能技术服务专业主要培养人工智能领域应用型技能人才，为此，深度学习课程的实施需要结合培养目标和现状进行一定的改进，笔者提出以下几点改进措施：

一是加强学生数学基础和相关基础领域知识的学习，在课程设置时考虑在专业必修课中加入统计学习相关的数学类课程，优化学生数学知识，在专业选修课方面开设譬如心理学、神经科学或是人工智能伦理类课程，加深学生对人工智能基础领域的认识。

二是优化课程顺序，在制定人才培养方案时，充分考虑课程的结构和前后关系，分不同学期开设前后课程，同时优化课程体系，在保障学期课时和总课时关系的情况下，科学开设每学期课程。

三是细化培养方向，结合区域行业属性和社会需要，细化人工智能技术服务专业人才培养方向，针对当前人工智能行业的需求和本地企业的具体实际，在深度学习课程中主要讲解计算机视觉相关技术，提升培养质量，也保障学生能顺利就业。

结语

深度学习课程作为人工智能类专业的核心专业课，课程实施质量是影响人才培养的关键所在。只有合理实施课程，优化课程实施方案，才能培养出合格的人工智能应用型技能人才。

参考文献

[1]刘光曹，朱喜娜，沈熠辉，冯建，饶绪黎.面向高职教育的深度学习课程建设探索[J].武汉工程职业技术学院学报，2022，34（02）：78-80+85.

[2]张大伟.人工智能时代高职院校专业建设路径研究[J].武汉职业技术学院学报，2022，21（03）：74-77.

基金项目：重庆电子工程职业学院校级课题（XJWT202107）