面向工程实践的人工智能课程建设.pdf

面向工程实践的人工智能课程建设 赵卫东 复旦大学 计算机科学技术学院 2019.5.26 议程 AI人才的技能 AI人才培养的 解决途径 要求 难点 人工智能新时代  客观看待人工智能的发展（实用与不成熟）  各国对人工智能发展的重视  无智能不生活  人工智能专业的兴起  对新经济的提升前景  理论创新与实用人才培养的挑战并存 人工智能人才的短缺  目前随着大数据技术和人工智能的广泛应用，市场对各类数据分析人才需求持续增长（6-8年）。  对各类数据分析人才的质量也在提高。  短期内能培养那么多实用的AI人才吗？培养周期长 AI的基础知识和技能要求  基础知识跨越众多学科，种类丰富  基本技能要求高，入门慢 出处：/dhcn/p/8461554.html 议程 AI人才的技能 AI人才培养的 解决途径 要求 难点 AI技能的培养难题  目前高校尽管成立了大数据和人工智能等相关的专业，有些高校也开设了实训课程，但总体 还处于知识传授的阶段，师生难以接触实际的项目 （分析问题、数据）。 AI课程教学的挑战 知识与技能的培养是不一样的  当前AI飞速发展面临的人才荒  技能难以短期培养 – 传统AI教学偏重理论 怎么培养技能？实践出真知 ！ ▫ 教师大多缺少企业实际工作机会  AI方法和算法是科 如何实践？机会和难度 学，但其应用带有 很强的艺术性 AI技能的有效培养方式  数据分析的技能需要在掌握基本理论、方法  从一张可视化的分析图谈起…… 和工具使用的基础上，通过反复实践获得。  可视化不是简单的“画图” ，背后对领域理解、大数  1万小时定律（5年左右）。 据的收集、统计分析和挖掘都有一定的要求。 议程 AI人才的技能 AI人才培养的 解决途径 要求 难点 面向项目实践的学习——行动中学习  掌握AI 的最好方法就是行动中学习，使用实际数据解决真实问题。  通过实际项目实践，不仅可以检验理论知识的掌握情况，而且可以加深理论知识的理解。  体会实用过程中书本上难得看到的技能和技巧，并在应用中创新。 • 推行面向企业真实生产环境的任务 式培养模式 AI技能培养之路  AI技能需要在平时的积累中培养，初期难以进入实际工程项目 ，可以学习别人做过的案例，并模仿练习。然后可 以通过比赛、模拟练习等巩固和学习数据分析基础（统计学、可视化、机器学习、大数据技术等），做到灵活应 用AI常用的算法、方法、语言和工具。 在AI项目的全过程充满“坑” 基于项目实践