人工智能背景下高职院校物联网专业的课程探究
［摘
要］人工智能应用技术快速发展带动智能产业逐渐在各领域落地，从“互联网+”到“AI+”已经
是人工智能的发展方向。物联网向AIoT （AI+IoT ）发展已经成为一种必然趋势，对高职院校物联网专业人才培养方案提出更高的要求。研究分析了高职院校人工智能课程开设面临的困难及结合物联网专业人工智能化的挑战，通过引进合适的企业共同设计适合物联网的人工智能课程满足理论与实践相结合，优化原有的课程体系满足AIoT 发展方向，分析培养方案删减课程和增加课程的合理性。
［关
键词］人工智能；物联网专业；人才培养；课程探究
［中图分类号］G712
［文献标志码］A
［文章编号］2096-0603（2021）47-0096-02
人工智能背景下高职院校物联网专业的课程探究①
陈春玮，王
毅
（广东职业技术学院，广东佛山528000）
一、物联网与人工智能发展现状
（一）物联网与人工智能行业发展趋势与应用领域中国物联网经过了十年的发展已经全面转向以智能物联网生产力为代表的产业形态。物联网的发展不知不觉中进入了第二个十年，当时很多高深的设计概念落地已经进入我们的生活以及行业应用。2017年的
“新纪元·未来峰会”正式提出智能物联网的概念，在不
到四年的时间里物联网发展就已经被认为是结合人工智能应用技术的智能物联网方向[1]。一方面物联网的巨大市场空间和多元的应用场景将为人工智能的应用落地提供关键平台，同时物联网海量的数据可以不断提供模型训练。另一方面人工智能有能力处理物联网产生的海量数据，通过数据分析和学习、设备状态、用户习惯进行推荐和预测，以及借助计算机视觉、语音识别、生物特征识别、机器翻译等技术提升物联网设备的智能化水平和用户体验的改善，这样的技术交叉实现了人工智能和物联网共赢发展[2]。
（二）物联网专业在高职院校的发展现状
物联网专业在高校发展接近十年，但是人才培养仍然面临诸多问题，主要体现在传统教育理念缺乏创新、教学内容单一、教学内容落后[3]。在AI 时代背景下，很多高职院校物联网专业没有结合市场需求和新兴技术，没有加强人才培养模式和教学内容的改革，很难实现物联网专业培养与时俱进。物联网专业作为一门综合性较强的专业，教学内容也是多方向、多学科的形
式。当前高职院校物联网专业在人才培养中还是运用传统的理论知识和相关技能，忽略了物联网的整体性，缺乏展现物联网全过程的教学实验套件，师资力量、实验场地、资金预算等都会影响物联网专业面向未来发展的脚步。虽然设立了很多教学目标和培养目标，但是没有积极迎合市场需求和社会快速发展特点，没有充分发挥校企合作协同育人的理念，导致在培养过程中学生缺少实践相关知识。
二、构建高职院校物联网应用技术专业+人工智能模式的人才培养改革
（一）AIoT 时代物联网专业的课程设计面临的挑战随着人工智能专业在国内本科院校逐渐开展，众多院校都成立了人工智能学院，其中包括不少高职院校。从其人才培养方案来看，大部分集中在机器学习、深度学习、算法研究、优化理论等基础研究研发类课程。这类课程其实更适合研究生学习，不适合目前阶段的高职院校。高职院校的人工智能教学课程体系还没有统一，各个院校都在探索探讨中，市面上缺少适合高职院校的人工智能教材，大多数偏重理论、内容深奥，缺少可实践的案例教学。可以说，虽然很多高职院校已经开设了人工智能应用技术专业，
但是整个课程体系、知识体系、实训建设仍处于探索阶段。关于高职院校的人工智能就业也存在一定的担忧，从主流招聘网站上看，对人工智能研发和机器学习研发技能岗位的从业者技术专业要求很高，大部分岗位都要求研究生以上学历。
①基金项目：广东职业技术学院2020年度教学创新改革资助项目“人工智能背景下高职院校的计算机类课程教学改革的研究”（编号：300455）。
作者简介：陈春玮（1990—），男，广东湛江人，硕士，助教，研究方向：人工智能。
王毅（1979—），男，河南洛阳人，硕士，副教授，研究方向：物联网应用技术。
96--
. All Rights Reserved.
高职院校学生在整个人工智能产业链中的定位不是特别清晰，这个需要市场一定时间的发展[3]。
（二）物联网的人工智能技术选择
高职院校培养模式往往侧重工程实践和技术应用能力，以任务驱动为导向带动理论知识的学习。而人工
智能范畴太大，我们需要从开发语言、开发工具、技术方向、技术领域、应用领域等方向选择适合目前阶段满足高职学生知识接受能力同时契合AIoT发展方向的内容。
人工智能主流开发语言主要是Python，但是人工智能技术开发框架很多，国外有谷歌的Tensorflow （keras），伯克利人工智能研究小组的caffe、Facebook的
PyTorch，国内有百度的PaddlePaddle、华为的MindSpore、阿里的X-DeepLearning。通过市场调查Tensorflow （keras）在社区的活跃程度最高，代码更新也最多，TensorFlow（keras）不管是现在还是未来都是各种深度学习框架最受欢迎之一。
《腾讯人工智能白皮书：泛在智能》指出，机器学习、计算机视觉、语音技术及自然语言处理为人工智能四项重点技术领域。我们结合广东省职业技能竞赛（智能机器全景赛项）和“一带一路”暨金砖国家技能发展与技术创新大赛（人工智能应用技术开发赛项）的竞赛内容大部分运用到计算机视觉，关于语音识别都是通过调用接口形式。根据清华大学数据显示，计算机视觉、语音技术以及自然语言处理的市场规模分别占比34%、24.8%和21%。通过竞赛调研和市场分析，再结合实践难易程度分析，计算机视觉是适合高职院校人工智能应用技术和物联网专业的技术领域。
三、高职院校AIoT人才培养的困难和具体策略
（一）院校独立实施AIoT方向课程存在困难
适合AIoT实训教学的设备目前在市面不多，学校单独研发或者开发相关课程和实训室难度很大。师资力量不足、教学资源匮乏、实训环境缺少都是要解决的问题。人工智能应用是一个新兴领域，技术更新发展较快，高职院校教师普遍缺少相关知识储备和培训，更难以在物联网专业上进行“AI+”的教学活动[3]。
目前，我们都是通过引进合作企业，从师资培训到实训室建设快速构建自己的AIoT课程体系，比如物联网专业的新大陆、智能机器人的优必选。通过校企合作打造“双师型”高素质师资的教学团队。通过校企合作完善课程体系，做到职业标准对标课程标准。教材、案例、课程实训平台、课件等教学资源可以跟合作企业一起开发建设和深入优化。特别是AIoT课程不但缺少人工智能实训设备，更缺少AIoT相关案例实践场景，我们引进优必选的Yanshee机器人进行AIoT业务场景教学，包括机器人运动编程、计算机视觉、传感器等实训项目，同时还能满足学生参加优必选“1+X”服务机器人等级证书。
（二）高职院校AIoT课程实施举措
所谓AIoT课程可以认为是在原有物联网专业人才方案基础上添加相关人工智能课程，但是学生在校学时有限制，我们尽可能优化、删减落后于市场的技术课程，增加AI相关课程。我们将之前Python程序设计课程优化成为Python与机器学习，本课程从之前的编程语言课程转换成为算法应用课程，本课程利用
Yanshee机器人本体和开发者平台，主要讲解机器学习的基本原理和在人工智能领域的基本应用。我们增加了机器人编程和计算机视觉。机器人编程是依托树莓派开源人形机器人Yanshee为主要平台，通过
Python 在机器人上编程，让学生直观掌握机器人学基础，包括舵机驱动、机器人正逆运动学、人形机器人步态算法等。计算机视觉通过讲解摄像机成像模型、参数标定、图像特征提取以及词袋算法、卡尔曼滤波、光流法等计算机视觉算法模型，让学生在Yanshee机器人上实际编程实现计算机视觉技术的主要应用，比如图像的检测、识别、分割和跟踪，让学生掌握计算机视觉的基础知识和主流技术。
四、总语
人工智能是新一轮科技革命和产业创新的重要推动技术手段，因此高职院校必须优化原有的人才培养方案。在物联网专业基础上科学开展人工智能相关课程，让物联网专业逐渐向AIoT发展，拓宽了学生就业渠道。让人工智能成为产业赋能的工具，赋能就是人工智能本质，而“AI+”的落地必然离开不了物联网。物联网的加持实现人工智能渗透全场景的应用体验，所以物联网专业在高校必然也要与时俱进，增添人工智能相关知识。
参考文献：
［1］杜利征.AIoT产业趋势与市场机遇［J］.中国工业和信息化，2020（8）：28-32.
［2］王哲，李雅琪，冯晓辉.AIoT领域发展态势与展望［J］.人工智能，2019（1）：10-18.
［3］杜海颖.高职院校信息技术类专业进行人工智能课程设计研究［J］.信息与电脑（理论版），2020，
32（18）：235-237.
因编辑司楠物联网工程就业方向
97--
. All Rights Reserved.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。