前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的新工科下嵌入式人工智能實踐課程教學，希望能為您的閱讀和創(chuàng)作帶來靈感，歡迎大家閱讀并分享。

摘要：新工科建設(shè)關(guān)鍵在于學科的交叉融合，嵌入式人工智能就是多學科高度交叉融合的典型應(yīng)用。針對計算機專業(yè)嵌入式人工智能方向的人才培養(yǎng)，在分析當前實踐教學現(xiàn)狀和存在問題的基礎(chǔ)上，從資源建設(shè)、項目案例開發(fā)、競賽引導等幾個方面闡述了如何將人工智能理論應(yīng)用到嵌入式終端上，打通了“基本理論-算法分析-數(shù)據(jù)采集-模型訓練-輕量化裁剪-模型部署-應(yīng)用測試”的全周期項目資源鏈條，以達到知識與實踐的有機融合，為更好地培養(yǎng)優(yōu)質(zhì)創(chuàng)新型人才而不斷努力。

關(guān)鍵詞：嵌入式人工智能；線上線下混合式；項目結(jié)果導向；賽教融合；全周期；新工科

0引言

自2016年我國正式加入“華盛頓工程認證協(xié)議”后，新工科建設(shè)成為應(yīng)對全球新一輪科技和產(chǎn)業(yè)革命的又一重大戰(zhàn)略選擇。歷經(jīng)“復旦共識”“天大行動”“北京指南”等一系列探索實踐，我國的新工科建設(shè)向縱深發(fā)展。2018年4月，教育部印發(fā)《高等學校人工智能創(chuàng)新行動計劃》，要求推進新工科建設(shè)，重視人工智能與計算機、物聯(lián)網(wǎng)、生物學、心理學、社會學等學科專業(yè)教育的交叉融合，形成“人工智能+X”復合專業(yè)培養(yǎng)新模式[1]。《人工智能產(chǎn)業(yè)人才發(fā)展報告（2019-2020）》中指出，目前人工智能產(chǎn)業(yè)人才供需結(jié)構(gòu)不平衡，整體需求缺口較大，人才供給在當前面臨的崗位類型和技術(shù)方向上與企業(yè)需求之間存在顯著錯位的嚴重現(xiàn)象；人才供需質(zhì)量不平衡，企業(yè)對創(chuàng)新型、應(yīng)用型、復合型人才的需求更加突出[2]。嵌入式人工智能（EmbeddedArti?cialIntelligence,EAI）是以微控制器MCU或應(yīng)用處理器MPU為核心，具備基本學習或者推理算法，融合傳感器采樣、濾波處理、邊緣計算、通信及執(zhí)行機構(gòu)等功能于一體的嵌入式計算機系統(tǒng)。目前它的發(fā)展還處于初始階段，其發(fā)展應(yīng)用正與物聯(lián)網(wǎng)技術(shù)有機融合，勢必會引起先進制造業(yè)的深刻變革[3-5]。

1現(xiàn)狀及存在問題

1.1現(xiàn)狀分析

為了搶占科技發(fā)展的制高點，各個學校都將人工智能作為優(yōu)先發(fā)展的方向，比如清華大學于2018年成立人工智能研究中心，北京大學于2019年成立人工智能研究院，中國科學院大學于2019年成立人工智能學院，北京科技大學于2019年成立人工智能研究院，北京石油化工學院于2020年7月成立人工智能研究院。通過人工智能與相關(guān)學科的交叉融合，帶動智能制造、智能醫(yī)療、智能環(huán)保、智能安全、智能材料、智能商務(wù)、智慧管理等學科領(lǐng)域的升級換代[6]。目前人工智能的人才培養(yǎng)重理論、輕實踐，注重于機器學習算法理論、通用人工智能、高性能計算機模型訓練等方面；而在嵌入式人工智能人才培養(yǎng)方面，由于難度大、復雜交叉性強，缺乏完整系統(tǒng)的教學知識體系，未能有效地展開教學，從而無法滿足當前對人工智能人才的需求。以本校為例，在2018年修訂了新的培養(yǎng)方案，計算機科學與技術(shù)、軟件工程、數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)、物聯(lián)網(wǎng)工程、電子信息工程等相關(guān)專業(yè)均以選修拓展課或者方向課的形式開設(shè)了人工智能類的相關(guān)課程。這些課程目前只停留在理論和簡單的數(shù)據(jù)訓練層面，無法形成教學體系，更談不上實踐體系的建設(shè)。隨著近些年人工智能技術(shù)和MOOC課程的迅速發(fā)展，利用線上線下課內(nèi)課外混合式的教學資源以及豐富的人工智能實踐平臺，能夠使得大規(guī)模的數(shù)據(jù)訓練和模型獲取變得簡便。然而，對于模型的終端部署（嵌入式人工智能）未形成統(tǒng)一的教學體系，仍然是各個高校普遍存在的共性問題。

1.2存在問題

（1）資源未有效整合目前，嵌入式人工智能相關(guān)知識仍分散在各個專業(yè)、各個方向，線上線下的資源魚龍混雜，關(guān)鍵性的核心技術(shù)未有效地公開，需要進行大量的探索，導致學生學習效率極差、無法整合海量的知識，不能利用相關(guān)的技術(shù)真正解決現(xiàn)實的工程實際問題。（2）課程相關(guān)實驗陳舊無論是機器學習還是深度學習等相關(guān)課程，實現(xiàn)具體的算法時，仍然是以傳統(tǒng)的實驗為主，數(shù)據(jù)集經(jīng)典、案例成熟，已無法適應(yīng)當今快速發(fā)展的應(yīng)用場景。由于獲取真實的數(shù)據(jù)較困難，導致課程授課難度變大。（3）軟硬件配置無法有效統(tǒng)一大規(guī)模的數(shù)據(jù)訓練需要高配置的服務(wù)器資源（高性能的CPU、GPU等），并且模型的輕量化裁剪沒有統(tǒng)一的流程和方法，嵌入式端的處理能力更是參差不齊，無法有效地統(tǒng)一，學生無法抓住學習訓練主線，導致學習時心有余而力不足。

2實踐教學研究基礎(chǔ)

2.1實踐教學理念

線上線下和課內(nèi)課外的混合式教學，可以有效解決教學實踐中學時不足的問題。利用現(xiàn)有的線上資源，選擇適合學生特點的相關(guān)資源進行整合，并開發(fā)特色實踐案例。建立起“基本理論-算法分析-數(shù)據(jù)采集-模型訓練-輕量化裁剪-模型部署-應(yīng)用測試”的全周期項目資源鏈條。以結(jié)果為導向（OBE）的項目制教學，在國內(nèi)外知名高校早已開始廣泛實施[7-10]。這一教學理念特別適用于人工智能實踐教學，具體流程如圖1所示。

2.2實踐教學平臺

（1）數(shù)據(jù)獲取平臺在真實項目的基礎(chǔ)上，依托物聯(lián)網(wǎng)的感知平臺，獲取大量的真實數(shù)據(jù)，并對數(shù)據(jù)做初步的加工處理，初步確定數(shù)據(jù)的相關(guān)特征。（2）模型訓練依托開源的深度學習平臺（比如百度飛槳AIStudio、阿里天池），進行模型的初步訓練，再利用現(xiàn)有的本地算力服務(wù)器資源進行模型的再訓練，利用訓練集進行多次測試調(diào)參。（3）模型裁剪及嵌入式終端部署將訓練的模型進行蒸餾、剪枝等操作，根據(jù)不同的嵌入式終端，找到符合真實場景的最優(yōu)化模型，進行反復的測試。

3實踐教學研究內(nèi)容

基于新工科的培養(yǎng)目標，結(jié)合工程認證的相關(guān)理念，建立人工智能理論與實踐相結(jié)合的教學體系，不斷完善產(chǎn)學合作的實踐教學方法及課程評價方案，研究內(nèi)容主要從課程知識模塊構(gòu)建、教學方法、評價方案、實施計劃等四個方面展開。

3.1課程知識模塊

目前我校的培養(yǎng)方案執(zhí)行的是“平臺課+核心課+方向課+拓展課”的模式，受學時限制，部分核心課程或者方向課程開設(shè)在拓展模塊，并且執(zhí)行過程中均是根據(jù)專業(yè)指定相關(guān)拓展課程，失去了制定拓展課的意義。鑒于人工智能在計算機專業(yè)中共有的意義，在拓展課程中構(gòu)建完整的課程群體系具有一定的參考價值。嵌入式人工智能課程群知識模塊包括四大部分：數(shù)學基礎(chǔ)模塊、基礎(chǔ)算法模塊、核心技術(shù)模塊和創(chuàng)新應(yīng)用模塊，具體見表1所列。表1中所列的相關(guān)知識模塊，實際上在各專業(yè)人才培養(yǎng)方案中均有所涉及，但是未成體系。例如數(shù)學基礎(chǔ)部分的矩陣和概率相關(guān)知識在基礎(chǔ)數(shù)學中均會涉及到，針對人工智能領(lǐng)域常見的數(shù)學方法的概括和再現(xiàn)，完全可以放在線上由學生自主學習并完成相關(guān)測試，但并不是否定基礎(chǔ)數(shù)學的重要性。各個專業(yè)均可以按照自身的培養(yǎng)目標，合理地選擇相應(yīng)的模塊。

3.2教學方法

鑒于表1中所列的課程要遠遠超過現(xiàn)有的學時安排，可以逐步建立起網(wǎng)絡(luò)教學資源，供學生自學和選學，輔助教師串講答疑即可。這種線上+線下的混合式教學模式，更加符合學生實際選課的個性化需求，也能解決線下學時緊張的問題。而對純實踐類課程，教學方式以培養(yǎng)學生能力為導向，面向工程實際、項目導向，提高學生創(chuàng)新和動手實踐能力，實現(xiàn)技能的培養(yǎng)。鼓勵學生參加各種學科類開放型的競賽，以賽促學，比賽的過程及成績可以作為考核評價的一部分。

3.3評價方案

評價考核體系也是課程群實施的重要一環(huán)，這里會重點研究線上教學、線上+線下的混合式教學、純線下教學等不同模式的考核方式。按照工程教育的評價標準，課程體系的評價方法主要從12個方面進行：①工程知識；②問題分析；③設(shè)計/開發(fā)解決方案；④復雜工程問題研究；⑤使用現(xiàn)代工具；⑥工程與社會影響評價；⑦環(huán)境和可持續(xù)發(fā)展理解評估；⑧職業(yè)規(guī)范；⑨個人和團隊角色承擔；⑩溝通；?項目管理；?終身學習。在評價方式方面，重點研究項目+團隊+競賽等全方位的考核，不再以單一的考核方式為主。

3.4實施方案

（1）線上資源建設(shè)按照知識模塊內(nèi)容，分批次建設(shè)相關(guān)的網(wǎng)絡(luò)資源，并且可以發(fā)掘?qū)W生“傳幫帶”的作用，鼓勵學生開發(fā)網(wǎng)絡(luò)資源，開展小組式學習，不斷優(yōu)化相關(guān)資源，并逐步開發(fā)測試題集，對線上資源的學習有相應(yīng)反饋。（2）開發(fā)實際應(yīng)用案例以項目制為依托，結(jié)合教師和競賽中的實際應(yīng)用項目，打通從理論到應(yīng)用的通道。比如在《機器學習與人工智能》課程中以機器學習和深度學習為依據(jù)，著重培養(yǎng)學生自主搭建深度學習框架的能力，貫穿簡單的人工智能案例，達到人工智能與現(xiàn)實場景的高度融合。依托實習實踐基地，開設(shè)相關(guān)知識的訓練營，引進企業(yè)工程師，促進真實案例在企業(yè)落地，引導學生提前進入工程項目的實際訓練，不斷提高項目實操能力。（3）以賽促教，賽教融合以中國軟件杯大賽、全國大學生人工智能大賽、全國大學生物聯(lián)網(wǎng)設(shè)計大賽和挑戰(zhàn)杯、國際互聯(lián)網(wǎng)+創(chuàng)新創(chuàng)業(yè)大賽為依托，將參賽過程的實際表現(xiàn)融入課程的平時成績，最終比賽結(jié)果可直接作為考核結(jié)果，學生在比賽過程中積累相關(guān)知識和經(jīng)驗，反向促進教學，真正實現(xiàn)賽教融合。

4結(jié)語

新工科的建設(shè)重在學科融合和交叉，要打破原有的學科框架，以培養(yǎng)復合型、創(chuàng)新型人才為目標，不斷優(yōu)化理論與實踐知識體系。以最終實現(xiàn)嵌入式人工智能為目標，打通從硬件到軟件、從理論到應(yīng)用的完整的培養(yǎng)路徑；利用線上線下相結(jié)合、以工程實際項目為依托的教學手段，建立起“基本理論-算法分析-數(shù)據(jù)采集-模型訓練-輕量化裁剪-模型部署-應(yīng)用測試”的全周期項目資源鏈條，不斷在創(chuàng)新型人才培養(yǎng)上有突破。嵌入式人工智能的人才培養(yǎng)之路才剛剛開始，建立起完整的實踐教學體系有十分重要的現(xiàn)實意義。

作者：周波 劉亞軍 郭迎九 單位：北京城市學院  信息學部