人工智能下高校物聯網專業課程研究
前言：本站為你精心整理了人工智能下高校物聯網專業課程研究范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
［摘要］人工智能應用技術快速發展帶動智能產業逐漸在各領域落地，從“互聯網+”到“AI+”已經是人工智能的發展方向。物聯網向AIoT（AI+IoT）發展已經成為一種必然趨勢，對高職院校物聯網專業人才培養方案提出更高的要求。研究分析了高職院校人工智能課程開設面臨的困難及結合物聯網專業人工智能化的挑戰，通過引進合適的企業共同設計適合物聯網的人工智能課程滿足理論與實踐相結合，優化原有的課程體系滿足AIoT發展方向，分析培養方案刪減課程和增加課程的合理性。
［關鍵詞］人工智能；物聯網專業；人才培養；課程探究
一、物聯網與人工智能發展現狀
（一）物聯網與人工智能行業發展趨勢與應用領域
中國物聯網經過了十年的發展已經全面轉向以智能物聯網生產力為代表的產業形態。物聯網的發展不知不覺中進入了第二個十年，當時很多高深的設計概念落地已經進入我們的生活以及行業應用。2017年的“新紀元·未來峰會”正式提出智能物聯網的概念，在不到四年的時間里物聯網發展就已經被認為是結合人工智能應用技術的智能物聯網方向[1]。一方面物聯網的巨大市場空間和多元的應用場景將為人工智能的應用落地提供關鍵平臺，同時物聯網海量的數據可以不斷提供模型訓練。另一方面人工智能有能力處理物聯網產生的海量數據，通過數據分析和學習、設備狀態、用戶習慣進行推薦和預測，以及借助計算機視覺、語音識別、生物特征識別、機器翻譯等技術提升物聯網設備的智能化水平和用戶體驗的改善，這樣的技術交叉實現了人工智能和物聯網共贏發展[2]。
（二）物聯網專業在高職院校的發展現狀
物聯網專業在高校發展接近十年，但是人才培養仍然面臨諸多問題，主要體現在傳統教育理念缺乏創新、教學內容單一、教學內容落后[3]。在AI時代背景下，很多高職院校物聯網專業沒有結合市場需求和新興技術，沒有加強人才培養模式和教學內容的改革，很難實現物聯網專業培養與時俱進。物聯網專業作為一門綜合性較強的專業，教學內容也是多方向、多學科的形式。當前高職院校物聯網專業在人才培養中還是運用傳統的理論知識和相關技能，忽略了物聯網的整體性，缺乏展現物聯網全過程的教學實驗套件，師資力量、實驗場地、資金預算等都會影響物聯網專業面向未來發展的腳步。雖然設立了很多教學目標和培養目標，但是沒有積極迎合市場需求和社會快速發展特點，沒有充分發揮校企合作協同育人的理念，導致在培養過程中學生缺少實踐相關知識。
二、構建高職院校物聯網應用技術專業+人工智能模式的人才培養改革
（一）AIoT時代物聯網專業的課程設計面臨的挑戰
隨著人工智能專業在國內本科院校逐漸開展，眾多院校都成立了人工智能學院，其中包括不少高職院校。從其人才培養方案來看，大部分集中在機器學習、深度學習、算法研究、優化理論等基礎研究研發類課程。這類課程其實更適合研究生學習，不適合目前階段的高職院校。高職院校的人工智能教學課程體系還沒有統一，各個院校都在探索探討中，市面上缺少適合高職院校的人工智能教材，大多數偏重理論、內容深奧，缺少可實踐的案例教學。可以說，雖然很多高職院校已經開設了人工智能應用技術專業，但是整個課程體系、知識體系、實訓建設仍處于探索階段。關于高職院校的人工智能就業也存在一定的擔憂，從主流招聘網站上看，對人工智能研發和機器學習研發技能崗位的從業者技術專業要求很高，大部分崗位都要求研究生以上學歷。高職院校學生在整個人工智能產業鏈中的定位不是特別清晰，這個需要市場一定時間的發展[3]。
（二）物聯網的人工智能技術選擇
高職院校培養模式往往側重工程實踐和技術應用能力，以任務驅動為導向帶動理論知識的學習。而人工智能范疇太大，我們需要從開發語言、開發工具、技術方向、技術領域、應用領域等方向選擇適合目前階段滿足高職學生知識接受能力同時契合AIoT發展方向的內容。人工智能主流開發語言主要是Python，但是人工智能技術開發框架很多，國外有谷歌的Tensorflow（keras），伯克利人工智能研究小組的caffe、Facebook的PyTorch，國內有百度的PaddlePaddle、華為的MindSpore、阿里的X-DeepLearning。通過市場調查Tensorflow（keras）在社區的活躍程度最高，代碼更新也最多，TensorFlow（keras）不管是現在還是未來都是各種深度學習框架最受歡迎之一。《騰訊人工智能白皮書：泛在智能》指出，機器學習、計算機視覺、語音技術及自然語言處理為人工智能四項重點技術領域。我們結合廣東省職業技能競賽（智能機器全景賽項）和“一帶一路”暨金磚國家技能發展與技術創新大賽（人工智能應用技術開發賽項）的競賽內容大部分運用到計算機視覺，關于語音識別都是通過調用接口形式。根據清華大學數據顯示，計算機視覺、語音技術以及自然語言處理的市場規模分別占比34%、24.8%和21%。通過競賽調研和市場分析，再結合實踐難易程度分析，計算機視覺是適合高職院校人工智能應用技術和物聯網專業的技術領域。
三、高職院校AIoT人才培養的困難和具體策略
（一）院校獨立實施AIoT方向課程存在困難
適合AIoT實訓教學的設備目前在市面不多，學校單獨研發或者開發相關課程和實訓室難度很大。師資力量不足、教學資源匱乏、實訓環境缺少都是要解決的問題。人工智能應用是一個新興領域，技術更新發展較快，高職院校教師普遍缺少相關知識儲備和培訓，更難以在物聯網專業上進行“AI+”的教學活動[3]。目前，我們都是通過引進合作企業，從師資培訓到實訓室建設快速構建自己的AIoT課程體系，比如物聯網專業的新大陸、智能機器人的優必選。通過校企合作打造“雙師型”高素質師資的教學團隊。通過校企合作完善課程體系，做到職業標準對標課程標準。教材、案例、課程實訓平臺、課件等教學資源可以跟合作企業一起開發建設和深入優化。特別是AIoT課程不但缺少人工智能實訓設備，更缺少AIoT相關案例實踐場景，我們引進優必選的Yanshee機器人進行AIoT業務場景教學，包括機器人運動編程、計算機視覺、傳感器等實訓項目，同時還能滿足學生參加優必選“1+X”服務機器人等級證書。
（二）高職院校AIoT課程實施舉措
所謂AIoT課程可以認為是在原有物聯網專業人才方案基礎上添加相關人工智能課程，但是學生在校學時有限制，我們盡可能優化、刪減落后于市場的技術課程，增加AI相關課程。我們將之前Python程序設計課程優化成為Python與機器學習，本課程從之前的編程語言課程轉換成為算法應用課程，本課程利用Yanshee機器人本體和開發者平臺，主要講解機器學習的基本原理和在人工智能領域的基本應用。我們增加了機器人編程和計算機視覺。機器人編程是依托樹莓派開源人形機器人Yanshee為主要平臺，通過Python在機器人上編程，讓學生直觀掌握機器人學基礎，包括舵機驅動、機器人正逆運動學、人形機器人步態算法等。計算機視覺通過講解攝像機成像模型、參數標定、圖像特征提取以及詞袋算法、卡爾曼濾波、光流法等計算機視覺算法模型，讓學生在Yanshee機器人上實際編程實現計算機視覺技術的主要應用，比如圖像的檢測、識別、分割和跟蹤，讓學生掌握計算機視覺的基礎知識和主流技術。
四、總語
人工智能是新一輪科技革命和產業創新的重要推動技術手段，因此高職院校必須優化原有的人才培養方案。在物聯網專業基礎上科學開展人工智能相關課程，讓物聯網專業逐漸向AIoT發展，拓寬了學生就業渠道。讓人工智能成為產業賦能的工具，賦能就是人工智能本質，而“AI+”的落地必然離開不了物聯網。物聯網的加持實現人工智能滲透全場景的應用體驗，所以物聯網專業在高校必然也要與時俱進，增添人工智能相關知識。
參考文獻：
［1］杜利征.AIoT產業趨勢與市場機遇［J］.中國工業和信息化，2020（8）：28-32.
［2］王哲，李雅琪，馮曉輝.AIoT領域發展態勢與展望［J］.人工智能，2019（1）：10-18.
［3］杜海穎.高職院校信息技術類專業進行人工智能課程設計研究［J］.信息與電腦（理論版），2020，32（18）：235-237.
作者:陳春瑋 單位:廣東職業技術學院
