职业教育人工智能专业实验教学系统设计与实践

［摘           要］  在促进新一代人工智能产业发展的国家战略要求下，在职业院校普遍缺乏人工智能专业教学标准和建设经验的背景下，为满足我国职业教育人工智能相关专业人才培养需要，对人工智能技术技能型人才培养进行了探索。结合产业实际应用场景，遵循工程化、产品化、职业化思想，研制了基于机器学习的人工智能应用开发实验教学系统。聚焦人工智能产业发展对知识和技能以及职业素养的综合要求，设计了人工智能模型开发与应用开发的完整工作流程，培养学生端到端开发人工智能应用系统的专业技能，增强学生对产业工作岗位的认识。实验教学系统经过多轮教学实践，取得了良好的效果，为我国职业院校人工智能专业人才培养提供参考。

［关    键   词］  人工智能；机器学习；应用开发；实验教学；职业教育

［中图分类号］  G717                    ［文献标志码］  A                  ［文章编号］  2096-0603（2024）10-0121-04

为抓住人工智能发展的重大机遇，我国将发展人工智能产业确立为国家战略，将人工智能列为推动战略性新兴产业融合集群发展新的增长引擎。人才是实现我国人工智能战略的重要保障，目前我国人工智能人才缺口超过500万，其中需求最大的是技术技能型人才。教育部于2018年4月印发了《高等学校人工智能创新行动计划》，强调要加强人工智能领域专业建设，推进“新工科”建设[1]。为补齐人才短板，教育部于2019年10月发布了“人工智能技术服务”职教专科专业，于2021年3月发布了“人工智能工程技术”职教本科专业，旨在加强人工智能产业人才培养，为我国新一代人工智能发展提供战略支撑。

职业院校承担了技术技能型人才培养的重任，2022年4月，国家出台了新修订的《中华人民共和国职业教育法》，促进职业教育更好地培养高素质技术技能型人才。然而职业教育人工智能专业是新生事物，既缺乏专业教学标准指导，又缺少办学经验参考，使得人才培养面临困境。本文在企业调研和校企合作基础上，紧贴人工智能产业对人才的要求，研发了基于机器学习的人工智能应用开发实验教学系统，积极探索和实践人才培养路径，为职业院校人工智能人才培养提供参考。

一、实验教学系统设计目的

实验教学系统基于工程化、产品化、职业化的思想，对接人工智能产业实际应用场景，聚焦产业对知识和技能的要求，模拟产业界人工智能应用开发的实际工作内容和样态，训练学生端到端实现机器学习综合应用系统的设计与开发，培养学生团队协作、岗位适应、AI技能、应用开发、项目管理等方面的综合职业能力，使学生在实验过程中体验产业界实际工作面貌，让学生充分认识到产业所需人才应具备的职业技能和工作素养。

二、实验教学系统架构设计

实验体系的设计基于能力本位思想，将职业技能训练和职业素养培养有机结合起来，在实验中融入工作素养，旨在培养学生人工智能应用开发的综合职业能力。能力本位教育以学生的职业综合能力培养为出发点，以胜任岗位要求为目标，这些能力是诸多职业能力的综合，不是通常所认为的实际操作能力或技巧，而是指与特定职业相关的专业知识、工作态度、经验和反馈[2]。

（一）综合职业能力体系设计

1.团队协作能力

实验以项目组的形式组织实施，项目组模拟人工智能企业产品研发小组的实际工作模式，项目成员相互协作。要求学生充分理解个人与团队的关系，以团队利益为重，懂得一荣俱荣、一损俱损的道理，只有团队成长了，个人才能更好地成长。

2.岗位适应能力

实验教学系统的设计践行了“教学过程与生产过程对接”的指导思想，项目组设置了人工智能应用开发涉及的主要工作岗位，明确岗位职责及相互关系。学生在项目组中承担相应岗位，履行岗位职责，使学生不仅能够理解各个岗位之间的协作关系，而且能够评估适合自身的岗位类型，为学生提升职业素养及规划未来就业岗位提供了参考方向。

3.AI研发能力

对人工智能专业来说，AI研发能力是关键能力，是专业核心竞争力所在，是实验体系设计中最重要的组成部分，涵盖了AI模型开发的全部流程和关键技术，覆盖了机器学习技术的主要内容和方法。通过实验训练，使学生掌握端到端开发AI模型的流程、方法、技巧和工具，培养AI模型开发和应用能力。

4.应用开发能力

完整的人工智能应用系统开发包括AI模型开发和应用开发两个主要部分，两者有机结合，缺一不可。AI能力通过AI模型体现出来，而AI模型能力需要依托应用系统才能在实际应用场景中发挥作用，因此训练学生的应用开发能力以及应用与AI模型的集成能力同样重要。

5.项目管理能力

项目管理能力是实验评价的重要考量，旨在培养学生以全局视角，从团队管理、计划制订、质量控制、进度跟踪等方面充分认识团队协作的重要性，是保质保量、按时完成工作任务的重要基础，增强学生团队意识、协作意识、全局意识等职业素养的训练。

（二）实验教学系统架构设计

1.总体架构设计

人工智能技术必须与行业应用相结合才能发挥其价值，以促进传统行业的智能化升级改造，人工智能专业人才培养必须与产业实际相结合才能输出符合产业需求的人才，因此实验教学系统围绕人工智能+行业的思路进行设计，系统架构采用分层设计模式，自下而上分别由基础支撑层、数据采集与处理层、模型与应用开发工具层、机器学习算法库、人工智能模型层和人工智能行业应用层组成。

（1）基础支撑层

主要提供实验教学系统的算力和系统软件支持，是实验教学系统的基础设施。算力是人工智能技术实现的基础支撑力量之一，实验教学系统的计算资源支持CPU和GPU两种形态，以适应不同条件的计算机硬件系统。系统软件包括操作系统和数据库系统，操作系统支持Linux和Windows，数据库软件支持开源数据库MySQL。实验教学系统的软硬件部署方式灵活，支持服务器部署和单机部署两种模式。学生既可以在服务器环境中进行在线实验，又可以在个人电脑中进行离线实验。

（2）数据采集与处理层

数据是人工智能技术应用的关键支撑，实验教学系统的数据采集与处理层提供了各种类型的原始数据，主要包括结构化数据、非结构化数据和半结构化数据三种类型。针对不同的数据类型，采用的数据处理技术也不同，这主要是由数据本身的特点决定的。结构化数据主要是关系型数据库的表数据，数据质量比较高，通常表现为二维形式，数据以行为单位，一行表示一条数据。列表示属性，每一列数据对应同一个属性。半结构化数据可看作结构化数据的一种特殊形式，虽然不符合关系型数据库或其他数据表的数据模型结构，但包含相关标记或标签，也被称为自描述结构。半结构化主要数据来源于网页，数据格式主要包括HTML、XML和JSON。非结构化数据的数据结构不规则或不完整，没有预定义的数据模型，不适合用数据库二维逻辑表来表示数据结构，主要包括所有格式的文档、文本、图片、各类报表、图像、音频和视频信息等。

（3）模型与应用开发工具层

集成了AI模型开发和应用开发所需的一系列开发框架和工具，覆盖了AI模型开发和应用开发的全流程。在开发语言方面，重点支持在人工智能和数据分析方面最主流的具有极大优势的Python语言。对于AI模型开发方面，主要包括数据处理工具Numpy、Pandas等，以及数据可视化工具Matplotlib。在机器学习模型开发方面，主要包括机器学习模型开发框架Scikit-learn，支持机器学习模型的数据预处理、模型训练、模型测试、模型评估和模型推理应用。在人工智能应用开发方面，系统集成了轻量级的Web应用开发框架Flask，能够通过Python语言集成AI模型，快速开发基于Web技术的人工智能应用。

（4）机器学习算法库

算法库封装了机器学习领域的各种经典算法，覆盖了主流的机器学习方法，包括聚类方法、回归方法和分类方法。聚类方法主要包含经典的K均值聚类（K-Means）、层次聚类（Agglomerative）等算法，回归方法主要包括线性回归（Linear Regression）、多项式回归（Poly-nomial Regression）等算法，分类方法主要包括K近邻（K-Neighbors）、支持向量机（Support Vector Machine）等算法以及集成学习（Ensemble）相关算法。学生能够在算法库中选择预置的算法进行AI模型开发，也能够构建自己设计的全新算法，激发学生的创新意识和创造性发挥。

（5）人工智能模型层

在数据采集与处理层和机器学习算法库的支持下，利用模型与应用开发工具层的各种框架和工具，经过模型训练、调参、测试和评估等环节，构建出满足行业需求的各种机器学习模型，形成人工智能模型层，包括聚类模型、回归模型和分类模型。模型以数据文件的形式存储于实验教学系统中，模型文件包含了模型结构和训练参数，为各种人工智能行业应用提供了核心能力支撑，是人工智能技术在行业应用中的关键体现。

（6）人工智能行业应用层

在模型与应用开发工具层的支持下，面向各个传统行业，将人工智能作为传统行业科技化发展的核心特征并提取出来，与工业、商业、金融业等行业全面融合，根据行业应用场景开发实现各种人工智能应用，提供“人工智能+行业”的综合解决方案，如智慧教育、智慧地产、智慧医疗、智能制造、智慧交通、智慧金融、智慧农业、智慧安防、智慧零售等，推动经济形态不断发生演变，从而激发社会经济实体的生命力。

2.应用场景设计

实验教学系统选择易于学生理解的应用场景和行业案例，避免学生花费大量时间和精力面对不易理解的业务和数据，从而将工作重心聚焦在解决实际问题上。实验教学系统确定智慧教育、智慧地产和智慧医疗三个应用领域，其中智慧教育场景是根据群体特征进行教学资源和培养方案的精准推荐，智慧地产场景是根据房屋特点和主要参数进行房产价值评估和价格预测，智慧医疗场景是根据专项检查报告分析人体健康状况并提出疾病诊断建议。实验教学系统基于人工智能、机器学习知识和技能设计相应的解决方案，覆盖了机器学习的主要技术、方法、工具和应用，具有一定的实用价值。

3.工作岗位设计

职业教育迫切需要加强学生的职业素养培养[3]，实验设计对接工作过程，按工作过程组织，以完整工作过程为纽带，以岗位任务为中心，不仅考虑知识和技能训练，而且考虑职业素养培养。在人工智能产业实践中，完整的人工智能应用系统在实现过程中涉及多个工作岗位及相互协作，实验教学系统是人工智能应用系统端到端完整的开发实现，根据产业实际工作模式设置了7个主要岗位，如项目经理、产品经理、系统工程师、算法工程师、软件工程师、UCD工程师和测试工程师。项目经理岗位主要负责项目的开发质量、进度和边界，产品经理岗位负责产品的规划、设计和功能定义，系统工程师岗位负责产品的系统架构和总体技术方案设计，算法工程师岗位负责AI模型的设计、训练、调优和推理，软件工程师岗位负责产品的功能开发和编码实现，UCD工程师岗位负责产品的用户体验和交互设计，测试工程师岗位负责产品的质量检测和系统测试。实验教学系统设置的典型工作岗位覆盖了人工智能应用开发的端到端过程，使学生在体验实际工作模式的同时，能够依据岗位职责训练自身的职业素养。