沈宇杰 徽商職業(yè)學院電子信息系

一、人工智能的現(xiàn)狀

人工智能技術在計算機專業(yè)中已經(jīng)成為重要的朝陽技術。在幾大新興產(chǎn)業(yè)中，都離不開它的身影，例如云計算、大數(shù)據(jù)等等。目前，無論是新興產(chǎn)業(yè)還是傳統(tǒng)產(chǎn)業(yè)，人工智能已經(jīng)產(chǎn)生了爆發(fā)式的應用。培養(yǎng)人才的各大高校都緊跟時代的步伐，開設了相關的研究課程。由于人工智能的特點，普通高校相對偏向理論算法。而更加強調技能的高職院校，在教學中存在著一定的挑戰(zhàn)。

二、選擇卷積神經(jīng)網(wǎng)絡應用進行教學的優(yōu)點

卷積神經(jīng)網(wǎng)絡是人工智能深度學習的代表算法之一，具有表征學習的能力，能夠按其階層結構對輸入信息進行平移不變分類，所以也叫“平移不變?nèi)斯ど窠?jīng)網(wǎng)絡。卷積神經(jīng)網(wǎng)絡在圖像識別中有很好的應用，能比較直觀的驗證效果，可以將此應用技能作為高職學生學習人工智能的入口，作為這個方向的學習起步點。

三、教學定位與方案

1.教學定位

目前人工智能前沿研究比較熱門，優(yōu)秀的期刊論文以及研究成果都集中在算法的創(chuàng)新與改進，各大高等院校也開設了相關課程，例如算法、數(shù)學等。但是相對于這些研究機構，高職院校則更強調技能的培養(yǎng)，所以在教學定位時不能雷同于理論算法，要結合高職院校的特點，定位學生培養(yǎng)方向在人工智能的技術應用層上。

2.教學方案

教學以卷積神經(jīng)網(wǎng)絡圖像識別應用為技能點，采用“理論和實踐并進，側重應用”的方針。不在課程中涉及過多的理論研究，將基本理論作為輔助，以培養(yǎng)動手能力為主要方向。

(1）理論知識

雖然理論教學只作為輔助，但是必要的理論知識還是必須的。卷積神經(jīng)網(wǎng)絡的基本理論課是高等數(shù)學中的微積分和少量的線性代數(shù)，用于介紹卷積的基本知識。另外，還要有重點的介紹卷積神經(jīng)網(wǎng)絡應用于圖像識別時的基本原理和流程。例如卷積的基本公式如下：

(2）應用技能

在應用技能上，分為編程語言和訓練框架兩個部分，對應編程能力與應用能力

①編程語言選用Python語言，該語言語法簡單，屬于能跨平臺的解釋性語言，模塊眾多，可擴展性強，非常適合人工智能學習中涉及多項工具的粘合使用。

②訓練框架選擇已有的成熟框架來實現(xiàn)圖像識別的技能培養(yǎng)，使用主流的框架TensorFlow。TensorFlow是Google研發(fā)的深度學習框架，可視化功能強大，并且數(shù)據(jù)和模型的并行化比較好，運行速度很快。網(wǎng)絡上的支持資料豐富，便于后期的授課支撐和學生自學?？蚣芑窘Y構如下（圖1）

圖1 基本結構

四、教學實施：

有了教學定位和教學方案，在具體教學實施上，按照以下的步驟來執(zhí)行：

第一階段：基本的高等數(shù)學課程，重點在微積分的部分，用于理解卷積的基本原理。

第二階段：在理解卷積的基礎上，學習少量線性代數(shù)中的矩陣知識，用于理解卷積神經(jīng)網(wǎng)絡的基本工作流程，例如卷積核等。

第三階段：重點學習TensorFlow框架，能夠在框架中使用基本的卷積算法，達到觸類旁通，不僅可以掌握框架的使用方法，并能在今后的學習中，開展對算法的研究。

五、總結

人工智能中的卷積神經(jīng)網(wǎng)絡應用，可以作為高職院校的課程開展方向，不僅可以讓學生掌握一項職業(yè)技能，更能讓學生在這個領域找到突破口，為后續(xù)進一步學習人工智能打下了較好的基礎。