王文婷 傅向華

摘? 要：當(dāng)前，大數(shù)據(jù)和人工智能人才缺口較大，各大專院校正在逐步展開或完善該類人才的培養(yǎng)體系。由于相關(guān)專業(yè)內(nèi)課程多，難度大，課程之間相互引用方法的情況普遍存在，如何合理設(shè)置課程，讓學(xué)生扎實掌握基礎(chǔ)知識的同時了解前沿科學(xué)，成為學(xué)科建設(shè)中亟待解決的問題。文章結(jié)合實際教育經(jīng)驗，提出智能專業(yè)類課程與數(shù)學(xué)課程連動體系這一概念，并闡述了連動體系的建設(shè)方法，旨在達(dá)到培養(yǎng)本科生和建設(shè)教育平臺的目的。

關(guān)鍵詞：人工智能;數(shù)學(xué);平臺建設(shè);連動系統(tǒng)

中圖分類號：G640 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號：2096-000X（2022）06-0008-04

Abstract： Currently， there is large demand of talentsin the area of big data and artificial intelligence talents.Colleges and universities are gradually developing the training system of such talents. Due to the large number of courses in related area with significant difficulty， the situation of mutual reference methods between courses is common. In this paper， the practical education experience is used to research on the establishment of the training system. This paper puts forward the concept of the linkage system between intelligent professional courses and mathematics courses， and expounds the construction methods of the linkage system， in order to achieve the purpose of cultivating undergraduate students and constructing education platform.

Keywords： artificial intelligence; mathematics; system establishment; linkage system

一、研究背景

自2015年中國首屆人工智能大會召開以來，“人工智能”這個概念已經(jīng)融入到社會生活的方方面面，例如，智能制造、智能金融和智能醫(yī)療等等。當(dāng)前，國家已經(jīng)將人工智能提升到國家戰(zhàn)略的高度。黨的十八大以來，習(xí)近平總書記把創(chuàng)新擺在國家發(fā)展全局的核心位置，高度重視人工智能發(fā)展，多次談及人工智能重要性，為人工智能如何賦能新時代指明方向，他指出：“未來10年，將是世界經(jīng)濟(jì)新舊動能轉(zhuǎn)換的關(guān)鍵10年。人工智能、大數(shù)據(jù)、量子信息、生物技術(shù)等新一輪科技革命和產(chǎn)業(yè)變革正在積聚力量，催生大量新產(chǎn)業(yè)、新業(yè)態(tài)、新模式，給全球發(fā)展和人類生產(chǎn)生活帶來翻天覆地的變化。我們要抓住這個重大機(jī)遇，推動新興市場國家和發(fā)展中國家實現(xiàn)跨越式發(fā)展?！?/p>

與此同時，隨著人工智能產(chǎn)業(yè)的發(fā)展，市場對人工智能人才的需求急劇增加，形成百萬級的人才缺口，尤其是高端的產(chǎn)業(yè)界人才，急需培養(yǎng)大批人工智能領(lǐng)域的實用型、交叉復(fù)合型、創(chuàng)新型的研發(fā)和管理人才。在2018年4月教育部發(fā)布的《高等學(xué)校人工智能創(chuàng)新行動計劃》中提到要加強人工智能領(lǐng)域人才的培養(yǎng)，“完善人工智能領(lǐng)域多主體協(xié)同育人機(jī)制”，以多種形式培養(yǎng)多層次的人工智能領(lǐng)域人才，加強國際合作和交流，“鼓勵和支持國內(nèi)學(xué)生赴人工智能領(lǐng)域優(yōu)勢國家留學(xué)，加大對人工智能領(lǐng)域留學(xué)的支持力度，多方式、多渠道利用國際優(yōu)質(zhì)教育資源”。

為滿足國家人工智能發(fā)展戰(zhàn)略和人工智能產(chǎn)業(yè)發(fā)展對人工智能人才的需求，積極探索全新的與國際接軌的應(yīng)用技術(shù)型人才教學(xué)模式和方法途徑，培養(yǎng)具有國際視野、工匠精神的高端人工智能應(yīng)用技術(shù)型人才，包括本文作者所在院校的各大院校，積極響應(yīng)國家政策和市場需求，開展面向人工智能和大數(shù)據(jù)的教育平臺建設(shè)。本文作者基于此背景，展開面向人工智能前沿的智能課程與數(shù)學(xué)課程連動體系探索研究。

如何針對本科生制定行之有效的課程培訓(xùn)方案是當(dāng)前人工智能人才培養(yǎng)的關(guān)鍵。本論文即將開展的針對專業(yè)課程的基礎(chǔ)數(shù)學(xué)課程探索，正是在智能時代背景下對人才培養(yǎng)，尤其是本科生培養(yǎng)所做出的一次有價值的探索與嘗試。本文作者參與建設(shè)了所在院校的人工智能特色本科班的建設(shè)，該教育平臺的培養(yǎng)宗旨是通過理論學(xué)習(xí)與實踐，使學(xué)生具備人工智能領(lǐng)域工程問題的分析、設(shè)計和實現(xiàn)能力;掌握數(shù)學(xué)與自然科學(xué)基礎(chǔ)知識，系統(tǒng)掌握計算機(jī)科學(xué)基礎(chǔ)理論、計算機(jī)軟/硬件系統(tǒng)應(yīng)用知識，掌握人工智能的基礎(chǔ)理論和核心技術(shù)、支撐技術(shù)、系統(tǒng)平臺及應(yīng)用知識，具備根據(jù)特定領(lǐng)域的大規(guī)模數(shù)據(jù)等復(fù)雜輸入進(jìn)行分析決策或增強人類的能力，為特定問題的AI系統(tǒng)開發(fā)奠定堅實基礎(chǔ)。

為貫徹本科人工智能特色班的培養(yǎng)宗旨，本論文探索了人工智能課程中的基礎(chǔ)數(shù)學(xué)教育問題，從而形成人工智能類課程與數(shù)學(xué)類課程的連動體系。依據(jù)該體系的理念，該班課程中設(shè)置的專業(yè)課，如人工智能導(dǎo)論、最優(yōu)化方法、大數(shù)據(jù)處理原理與技術(shù)、機(jī)器學(xué)習(xí)導(dǎo)論和深度學(xué)習(xí)與應(yīng)用等，旨在讓本科生理解人工智能的概念，掌握智能處理與分析方法的基本原理以及能夠運用這些處理與分析方法進(jìn)行初級的人工智能應(yīng)用。這些課程涉及不同門類的數(shù)學(xué)基礎(chǔ)知識和計算方法。本論文作者，同時身為所在院?，F(xiàn)任高等數(shù)學(xué)教師和人工智能班的機(jī)器學(xué)習(xí)課程教師，擬調(diào)研專業(yè)課程中所需的數(shù)學(xué)知識與相應(yīng)需求時間，發(fā)掘其與本科基礎(chǔ)數(shù)學(xué)課程（高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計）的交叉點，并設(shè)計富有針對性的知識點模塊，用于專業(yè)課中的前期基礎(chǔ)知識介紹或數(shù)學(xué)基礎(chǔ)課程中的應(yīng)用環(huán)節(jié)，令數(shù)學(xué)課與專業(yè)課銜接，拓展學(xué)生的知識面和提高綜合數(shù)理素質(zhì)。

同時，在課程建設(shè)的過程中，積累教學(xué)經(jīng)驗，收集教學(xué)資源，將本課程建設(shè)的經(jīng)驗和成果共享，使更多對人工智能感興趣的初學(xué)者能夠從本課程建設(shè)的成果中受益。

二、國內(nèi)外研究現(xiàn)狀述評

教育部印發(fā)的《高等學(xué)校人工智能創(chuàng)新計劃》中提出“完善人工智能領(lǐng)域人才培養(yǎng)體系”的目標(biāo)。

近十年來，我國科研人員在人工智能和機(jī)器學(xué)習(xí)等研究領(lǐng)域取得的成績令人矚目，就國際期刊發(fā)文量而言，已經(jīng)超越美國，位居全球第一。但由于發(fā)展時間較短，研究基礎(chǔ)不足等原因，就目前的知識體系而言，中國科學(xué)家提出的理論和所著的作品等，仍然無法成為理論界公認(rèn)的主流。目前通用的理論、算法和模型等，如神經(jīng)網(wǎng)絡(luò)理論，多由該領(lǐng)域發(fā)展成熟國家，如加拿大等提出。另外，原創(chuàng)和創(chuàng)新能力不足，也是當(dāng)前我國智能人才需要面對的另一問題。當(dāng)這些問題落實到基礎(chǔ)教育工作上，可以映射出以下幾個要點。

（一）教學(xué)體系的建設(shè)

人工智能具有交叉學(xué)科的屬性，它的發(fā)展起源于產(chǎn)業(yè)界對于人類活動的模擬，在2006年深度學(xué)習(xí)在第三次發(fā)展中成為產(chǎn)業(yè)界和研究界的焦點。其中，研究界的不同領(lǐng)域利用自身基礎(chǔ)知識，使人工智能相關(guān)技術(shù)取得了很大進(jìn)步，但也造成了該學(xué)科沒有天然形成的知識體系和明確的知識需求。從產(chǎn)業(yè)界的需求來說，很多公司只需要應(yīng)用層面的操作人員，該類人員可以經(jīng)過短期培訓(xùn)完成，但后續(xù)研發(fā)能力不足，也不能為高校的人才培養(yǎng)提供思路。

（二）學(xué)科內(nèi)容的建設(shè)

為了提高我國人工智能行業(yè)的原創(chuàng)能力，人才培養(yǎng)應(yīng)強化由基礎(chǔ)知識到應(yīng)用能力的全面培養(yǎng)。人工智能本質(zhì)是用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模擬復(fù)雜函數(shù)，數(shù)學(xué)學(xué)科的重要性在各類基礎(chǔ)知識中尤為突出。除了常規(guī)的大學(xué)本科三門基礎(chǔ)數(shù)學(xué)：高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計外，還有數(shù)學(xué)分析、優(yōu)化理論和統(tǒng)計理論等學(xué)科與人工智能密切相關(guān)。唯有掌握了數(shù)學(xué)原理，才能用泛化的視角去解析或者搭建合理的人工智能模型，并了解研究中可改進(jìn)的部分。

除此之外，相比較其他專業(yè)，人工智能具有領(lǐng)域化的特點，即涉及學(xué)科多，研究中步驟多，對人才綜合要求高。根據(jù)人工智能應(yīng)用中“模型-算法-算力”的需求，除去數(shù)學(xué)，人才還需在計算機(jī)基礎(chǔ)知識、編程操作、軟件與硬件平臺的交互等方面，具備相當(dāng)?shù)睦碚撝R和動手能力。

另外，人工智能的發(fā)展特別快，所以在制定培養(yǎng)方案的時候，要按照能力素養(yǎng)和模塊，把提問、設(shè)計、建模、實驗和優(yōu)化等能力融合進(jìn)去，這樣才可能適應(yīng)未來的人才需求。

（三）師資隊伍的建設(shè)

2017年7月國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中提出，要建設(shè)人工智能學(xué)科。完善人工智能領(lǐng)域?qū)W科布局，設(shè)立人工智能專業(yè)，推動人工智能領(lǐng)域一級學(xué)科建設(shè)。教育部教育發(fā)展研究中心副主任馬陸亭指出，一級學(xué)科本身即知識體系，同時也是一種制度安排。當(dāng)一個專業(yè)方向重要到一定程度時，國家層面設(shè)立人工智能學(xué)科意味著該領(lǐng)域?qū)⒂懈嗟馁Y金和論文，吸引更多的優(yōu)秀人才投身到學(xué)術(shù)共同體。同時，分散在各個院系的人才培養(yǎng)將更加體系化，這對于國家在新一輪科技浪潮中走在世界前列將產(chǎn)生推動作用。

《新一代人工智能發(fā)展規(guī)劃》發(fā)布以來，人工智能的研究得到前所未有的重視。國家自然科學(xué)基金委專門增設(shè)了人工智能學(xué)科代碼，將人工智能與計算機(jī)、自動化等學(xué)科并列設(shè)置，推動了相關(guān)課題的申報和人才的集聚。

目前，國內(nèi)外各大高校、科研院所和企業(yè)單位相繼成立了 “人工智能學(xué)院”或“大數(shù)據(jù)學(xué)院”，用于人工智能人才的培養(yǎng)[1-3]。經(jīng)過詳細(xì)的實地交流和調(diào)查訪問，我們發(fā)現(xiàn)目前尚沒有被教育界和工業(yè)界廣泛認(rèn)可的人工智能人才培養(yǎng)計劃和課程體系。目前通用的人工智能技能多半以數(shù)學(xué)知識為基礎(chǔ)[1，4]，但在課程設(shè)置過程中卻不能將數(shù)學(xué)與人工智能算法等課程有效結(jié)合[5-7]。以南京大學(xué)人工智能學(xué)院為例，2018-2019學(xué)年第一學(xué)期的課程安排中，數(shù)學(xué)類課程主要包括數(shù)學(xué)分析、高等數(shù)學(xué)和離散數(shù)學(xué)，而算法與編程類課程主要包括程序設(shè)計基礎(chǔ)、人工智能導(dǎo)學(xué)等，存在以下兩點問題：（1）數(shù)學(xué)課程與算法課程從時間和進(jìn)度上沒有前后關(guān)聯(lián)的安排，常令算法課程涉及的數(shù)學(xué)知識滯后于算法課程所需;（2）數(shù)學(xué)課程與算法課程沒有進(jìn)行有效銜接，令學(xué)生無法在廣泛的數(shù)學(xué)知識中尋找合適的方法論支撐自己對人工智能專業(yè)課程的學(xué)習(xí)。針對此，本研究擬開發(fā)一種新型的教育模式，將人工智能人才培養(yǎng)過程中的核心課程有機(jī)地結(jié)合在一起[7-9]。

另外，盡管當(dāng)前市場上關(guān)于人工智能的書籍非常多，但是適用于專業(yè)人才培養(yǎng)的，尤其是本科生培養(yǎng)的少之又少。我們對市場上流行的人工智能書籍進(jìn)行了分類，主要包括科普類和專業(yè)類兩大類，前者用于向社會大眾普及人工智能概念，后者適用于專業(yè)人員進(jìn)行人工智能的研發(fā)和分析。這兩者都無法指導(dǎo)學(xué)生從理論基礎(chǔ)上開展全面而扎實的專業(yè)學(xué)習(xí)。

三、面向人工智能前沿的智能課程與數(shù)學(xué)課程連動體系建設(shè)

（一）核心概念界定

本研究提出了“智能課程與數(shù)學(xué)課程的連動體系”，其立足于人工智能人才培養(yǎng)，從智能類課程中挖掘數(shù)學(xué)知識點，將兩類學(xué)科從教學(xué)時間上重新規(guī)劃，令數(shù)學(xué)服務(wù)于專業(yè)課，并讓學(xué)生在專業(yè)課中應(yīng)用數(shù)學(xué)理論知識，從而使得兩類知識的掌握相互促進(jìn)，發(fā)生連動關(guān)系。

由于該論文實施過程是首次給深圳技術(shù)大學(xué)的本科生開設(shè)倫琴AI班課程，并無太多的經(jīng)驗可以借鑒。因此本論文所建設(shè)的面向人工智能的基礎(chǔ)數(shù)學(xué)建設(shè)的主要內(nèi)容均為申請人在以往教學(xué)過程中的總結(jié)，或是已經(jīng)發(fā)表的學(xué)術(shù)論文以及在研的階段性進(jìn)展，我們對這些研究成果進(jìn)行整理和歸納，形成了主要的建設(shè)內(nèi)容，為了高質(zhì)量地完成課程建設(shè)和教學(xué)任務(wù)，論文組擬開展的建設(shè)內(nèi)容包括以下幾個方面。

1. 對目前人工智能課程中涉及的數(shù)學(xué)知識點和教授時間點進(jìn)行整理和歸納，找到相關(guān)知識點與數(shù)學(xué)基礎(chǔ)課的交集。例如，人工智能課程中的圖像和照片處理，涉及像素矩陣化的過程，需要學(xué)生對線性代數(shù)課程中的矩陣和相關(guān)操作有認(rèn)知，而機(jī)器學(xué)習(xí)中的簡單分類，可以使用統(tǒng)計學(xué)中的線性回歸模型來操作數(shù)據(jù)。

2. 設(shè)計符合本科生學(xué)習(xí)情況的知識點模塊，既要能夠強化理論課的知識，又要做到舉一反三;既不能過于簡單直接，又不能難度過大，使得最終設(shè)計的知識模塊能夠反映大多數(shù)學(xué)習(xí)者的學(xué)習(xí)水平，這些知識模塊可用于專業(yè)課程的預(yù)習(xí)，或是基礎(chǔ)數(shù)學(xué)課的應(yīng)用案例環(huán)節(jié)。

3. 編寫面向人工智能的基礎(chǔ)數(shù)學(xué)課程教案，使得本課程的教學(xué)經(jīng)驗和成果能以教材的形式沉淀，讓更多的大數(shù)據(jù)學(xué)習(xí)人員從中受益，為國家的人工智能戰(zhàn)略培養(yǎng)大數(shù)據(jù)專業(yè)人才。

4. 培養(yǎng)人工智能初學(xué)者和從業(yè)人員的數(shù)學(xué)感知觀念，使他們能夠在今后的學(xué)習(xí)和工作中更好地利用數(shù)學(xué)感知的思想去進(jìn)行數(shù)據(jù)的深度挖掘和高效處理，提高他們在智能領(lǐng)域的科研素養(yǎng)和就業(yè)競爭力。

（二）課程建設(shè)目標(biāo)

在智能類人才培養(yǎng)的宏觀目標(biāo)中，教學(xué)界面向產(chǎn)業(yè)鏈對人工智能領(lǐng)域人才的迫切需求，以國際化、科教協(xié)同和產(chǎn)教融合方式，培養(yǎng)人工智能應(yīng)用研究、技術(shù)開發(fā)和運行維護(hù)等方面的國際化高端應(yīng)用技術(shù)型人才。通過本科四年的系統(tǒng)學(xué)習(xí)，使學(xué)生具備人工智能領(lǐng)域工程問題的分析、設(shè)計和實現(xiàn)能力，掌握數(shù)學(xué)與自然科學(xué)基礎(chǔ)知識、計算機(jī)科學(xué)基礎(chǔ)理論、計算機(jī)軟/硬件系統(tǒng)應(yīng)用等知識、人工智能的基礎(chǔ)理論和核心技術(shù)、支撐技術(shù)、系統(tǒng)平臺及應(yīng)用知識，具備根據(jù)特定領(lǐng)域的大規(guī)模數(shù)據(jù)等復(fù)雜輸入分析決策能力，為特定問題的AI系統(tǒng)開發(fā)奠定堅實基礎(chǔ)，具備良好的人文素養(yǎng)、職業(yè)道德和團(tuán)隊合作精神，具備創(chuàng)新創(chuàng)業(yè)意識、終身學(xué)習(xí)和自我工程技術(shù)持續(xù)改善能力及適應(yīng)社會發(fā)展和行業(yè)發(fā)展的實力。在應(yīng)用層面，市場實際需求對學(xué)生提出了較為具體的成長目標(biāo)，在教育過程中的體現(xiàn)如下。

1. 工程知識：能夠?qū)?shù)學(xué)和統(tǒng)計、計算機(jī)科學(xué)和技術(shù)、AI工具和技術(shù)用于解決復(fù)雜AI軟件工程問題。

2. 問題分析：能夠應(yīng)用數(shù)學(xué)和統(tǒng)計、自然科學(xué)和工程科學(xué)的基本原理、知識在計算機(jī)中的表達(dá)和推理、多種AI程序的基本原理和機(jī)制進(jìn)行識別、表達(dá)，并通過文獻(xiàn)研究分析復(fù)雜AI系統(tǒng)工程問題，并獲得有效結(jié)論。

3. 設(shè)計/開發(fā)解決方案：能夠設(shè)計針對復(fù)雜AI系統(tǒng)工程問題的解決方案，設(shè)計滿足特定需求的AI軟硬件系統(tǒng)、模塊或開發(fā)流程，并能夠在設(shè)計環(huán)節(jié)中體現(xiàn)創(chuàng)新意識，綜合考慮經(jīng)濟(jì)、環(huán)境、法律、安全、健康、倫理和文化等制約因素。

4. 研究：能夠基于科學(xué)原理并采用專業(yè)科學(xué)的方法對復(fù)雜AI系統(tǒng)工程問題進(jìn)行研究，包括設(shè)計實驗，收集、分析與解釋數(shù)據(jù)，并通過綜合信息得到合理有效的結(jié)論。

5. 使用AI工具和技術(shù)：能夠針對復(fù)雜AI系統(tǒng)工程問題，選擇、使用與開發(fā)恰當(dāng)?shù)挠嬎銠C(jī)技術(shù)、資源、現(xiàn)代工程工具和信息技術(shù)工具，包括對復(fù)雜AI系統(tǒng)工程問題的預(yù)測與仿真模擬，并能夠理解其局限性。

這些要求無不對人才和教學(xué)界提出了由底層基礎(chǔ)知識到上層應(yīng)用的系統(tǒng)要求。所有的技能都應(yīng)以數(shù)理基礎(chǔ)為起點。本課程建設(shè)是以貫徹倫琴AI特色班的培養(yǎng)宗旨為目標(biāo)，以數(shù)理感知為基礎(chǔ)，從“數(shù)據(jù)可計算性”的角度出發(fā)，培養(yǎng)具有初級科研素質(zhì)的人工智能本科生，使他們深刻理解人工智能的概念、掌握處理與分析方法的基本原理以及能夠運用這些處理與分析方法進(jìn)行初級的智能化應(yīng)用。同時，在課程建設(shè)的過程中，需要積累教學(xué)經(jīng)驗，收集教學(xué)資源，將本課程建設(shè)的經(jīng)驗和成果共享，使得更多對大數(shù)據(jù)感興趣的初學(xué)者能夠從本課程建設(shè)的成果中受益。

（三）研究方法

人工智能在大學(xué)教育范圍內(nèi)是一門新興學(xué)科，不同于傳統(tǒng)數(shù)理學(xué)科的“由學(xué)到產(chǎn)”，該學(xué)科在發(fā)展早期具有“產(chǎn)學(xué)并進(jìn)”乃至“由學(xué)到產(chǎn)”的特點，即學(xué)科發(fā)展的需求和驅(qū)動力由產(chǎn)業(yè)界提供，而知識界從中填充知識基礎(chǔ)并拓展算法。因此，目前世界各國的人工智能教育體系都還沒有發(fā)展完善。中國具有大數(shù)據(jù)獲取的優(yōu)勢，給人工智能產(chǎn)業(yè)也帶來了更大的機(jī)遇和挑戰(zhàn)，對人才的數(shù)據(jù)處理能力、數(shù)理綜合分析能力的要求非常高。經(jīng)本研究調(diào)查，目前得到國際公認(rèn)的知識培養(yǎng)體系內(nèi)的必修課包括但不局限于：離散數(shù)學(xué)、概率論與數(shù)理統(tǒng)計、線性代數(shù)、程序設(shè)計基礎(chǔ)-C程序、面向?qū)ο蟪绦蛟O(shè)計、數(shù)據(jù)結(jié)構(gòu)與算法、人工智能導(dǎo)論、最優(yōu)化方法、大數(shù)據(jù)處理原理與技術(shù)、機(jī)器學(xué)習(xí)導(dǎo)論和深度學(xué)習(xí)與應(yīng)用等。而本研究中所希望建設(shè)的連動平臺也將圍繞這些課程展開。

本研究的創(chuàng)新點如下：

1. 首次將人工智能專業(yè)課中的數(shù)學(xué)知識點與數(shù)學(xué)基礎(chǔ)課做比對，將交叉點專門作為研究對象，從內(nèi)容和時間安排兩個維度進(jìn)行探索。

2. 提出“知識點模塊化”，明確知識在專業(yè)課和基礎(chǔ)課中的安排方法，方便學(xué)生課堂學(xué)習(xí)和自學(xué)，并通過“知識模塊”將兩種必備的技能聯(lián)系在一起，進(jìn)一步提高綜合能力。

3. 從課堂教學(xué)中提煉更完善的教學(xué)過程和內(nèi)容，并將內(nèi)容產(chǎn)品化，以課件或書籍的形式推廣，成為深圳技術(shù)大學(xué)對于該學(xué)科發(fā)展的貢獻(xiàn)。

4. 結(jié)合當(dāng)前科研和產(chǎn)業(yè)界的需求，對學(xué)生精準(zhǔn)培養(yǎng)，令他們具備知識和學(xué)習(xí)能力，可以根據(jù)自身優(yōu)勢和興趣，面向多種行業(yè)，如數(shù)據(jù)工程師、算法工程師和科研人員等。

四、結(jié)束語

當(dāng)前，人工智能和機(jī)器學(xué)習(xí)類人才的有效培養(yǎng)已經(jīng)成為了亟待解決的問題。本論文討論了面向人工智能前沿的智能課程與數(shù)學(xué)課程連動體系課程建設(shè)研究的預(yù)期成果。包括以下幾個方面：教學(xué)大綱的提出、教案及課件的撰寫和課程平臺的搭建等。希望在未來幾年中，在國家、省、市、校等各級相關(guān)政策引導(dǎo)下，完善文中提出的體系建設(shè)，并培養(yǎng)優(yōu)秀的本科畢業(yè)生。

參考文獻(xiàn)：

[1]賈積有.國外人工智能教育應(yīng)用最新熱點問題探討[J].中國電化教育，2010（7）：113-118.

[2]趙建華.智能教學(xué)系統(tǒng)概述[J].中國電化教育，2007（7）：5-17.

[3]鄭煒冬，江耿豪.一種基于ESTA的正向推理機(jī)制實現(xiàn)技術(shù)[J].智能計算機(jī)與應(yīng)用，2012，2（2）：73-75.

[4]高秀芝.高等數(shù)學(xué)混合式教學(xué)模式探究[J].才智，2016（36）：8.

[5]劉茜，張素紅.“三位一體”混合式教學(xué)模式在應(yīng)用型本科院校人才培養(yǎng)中的應(yīng)用[J].金陵科技學(xué)院學(xué)報（社會科學(xué)版），2018，32（4）：75-78.

[6]萬昆，楊秦川.混合式教學(xué)中學(xué)習(xí)者知識建構(gòu)的實證研究[J].上饒師范學(xué)院學(xué)報，2018，38（6）：29-35.

[7]張銳敏，周濤，李栓明，等.以能力培養(yǎng)為目標(biāo)的計算機(jī)網(wǎng)絡(luò)與通信課程混合式教學(xué)改革實踐[J].教育現(xiàn)代化，2019，6（A5）：95-97.

[8]左金平.混合教學(xué)模式在軟件工程課程中的研究與實踐[J].電腦與信息技術(shù)，2020，28（2）：58-60.

[9]趙玲峰，楊劍冰，鄧炯，等.基于OBE理念的混合式教學(xué)模式改革初探[J].中國多媒體與網(wǎng)絡(luò)教學(xué)學(xué)報（上旬刊），2020（5）：21-23.