人工智能课程范例

更新时间:2022-05-28 17:03:50

人工智能课程

人工智能课程范文1

关键词:人工智能;实践教学;吊牌识别

人工智能融合了计算机、控制学、语言学、数学、心理学、神经学等多学科专业知识[1-3]。2017年7月,国务院了《新一代人工智能发展规划》[4-5]。2018年4月,教育部印发《高等学校人工智能创新行动计划》,其核心是推动人工智能领域人才的培养[6-7]。《2020—2026年中国人工智能行业市场竞争格局及未来发展趋势报告》的统计数据显示[8],2018年中国人工智能市场规模为339亿元,增长率达56.2%,而2019年中国人工智能市场规模增长到516亿元。人工智能技术发展突飞猛进,伴随而来的是人工智能领域人才需求激增。近三年,越来越多的高校开设了人工智能专业,并在计算机、信息科学和自动化等专业开设人工智能课程,还有部分高校将人工智能课程纳入通识课程体系。但人工智能理论知识具有抽象性、复杂性和涉及面广等特点,教学过程枯燥乏味,使得学生在学习的过程中很难保持热情。如何更好地将人工智能理论知识与实践教学相结合[9-10],是本文研究的重点。本文结合笔者的教学经验,将综合性较强的案例融入实践教学,再以实践教学促进人工智能课程理论教学,激发学生的学习动力,培养学生运用相关理论知识解决实际问题的能力。

1人工智能课程教学中存在的问题

1.1师资力量不足

目前,很多高等院校开始开设人工智能专业,但能够承担该专业授课任务的教师不多,且部分教师是从计算机专业转到人工智能专业的,很多知识也是“现学现卖”,在讲授过程中很难把握好知识的难度和学生的接受程度。

1.2教学条件不达标特别是实验设备不足

人工智能专业的教学不能仅局限于软件编程和模拟实验,要想让学生感受人工智能技术的强大,必须结合实验设备开设实验项目,但部分学校没有经济实力购买人工智能教学相关的实验设备。

1.3学生存在畏难情绪学习兴趣不高

很多学生刚开始学习人工智能只是抱着一种“玩”的心态,认为学好该专业之后可以开发很多智能终端,但学了之后发现该专业的学习需要具备很好的数学基础和编程能力,这方面较差的学生慢慢会对人工智能课程失去学习兴趣。针对以上问题,课题组经过三年的教学改革实践,提出结合教师科研课题的实际案例教学方法,即以实践教学带动理论教学,激发学生的学习热情,解决暂时的实验设备不足的难题,同时也可以带动和培养一批年轻教师加入人工智能课程的教学和建设中来。

2“吊牌识别”案例教学在人工智能课程实践教学中的实现

“吊牌识别”案例教学在人工智能课程实践教学中可用8~12学时来完成,也可以作为课程设计的选题。本文简单介绍了该案例的组成模块和操作流程,重点介绍了案例实现的两项核心技术。

2.1组成模块介绍

“吊牌识别”案例可实现对吊牌、洗水唛的自动检测,与现实生活中学生常见的文字、卡牌和文本管理数字化等识别方案有相似之处。该案例涉及图像文字识别技术、嵌入式开发、深度学习等方面的知识,具体模块划分如表1所示。

2.1.1模式选择

模式选择模块包括3.5寸串口屏、免驱USB2.0索尼IMX214高清1100万像素20帧自动对焦拍照摄像头模组、英伟达JETSONNANO嵌入式开发板。

2.1.2输入单元

输入单元至少包括一台摄像机、照相机、网络摄像头、数字化图像设备或具有摄像功能的智能终端,在处理单元的控制下对传入的图像做判断处理,判断传入图像的清晰度和文字区域有无遮挡,再将其传递给处理单元。

2.1.3处理单元

处理单元包括图像预处理模块、字符比对模块和字符识别模块。在图像预处理模块中对输入的吊牌、洗水唛图像进行预处理,提取包含文字信息的文字图像;字符识别模块利用文字识别技术提取图像中的文字信息。

2.1.4输出单元

处理单元控制输出单元将匹配结果显示在屏幕上,并给出相应的错误提示。

2.2实施过程

选择具体的对象后,操作人员将吊牌或洗水唛整齐放入检测器规定的物料槽内,检测器上的摄像头将自动、不间断地获取待检测对象的图片,并将获取的图片发送给输入单元处理。输入单元对接收到的目标图片进行清晰度判断和噪点判断,如图1所示。若摄像头获取的对象图片没有达到设定的清晰度阈值和噪点阈值,系统将在自动丢弃本张图片后重新获取物料槽内的对象信息并进行判断。然后对通过判断的图片进行灰度化、降采样、高斯去噪、二值化、旋转、裁剪等预处理,如图2所示。图像预处理模块将预处理后的图片发送给字符比对模块和字符识别模块进行文字识别与文字比对。识别信息与比对结果被发送到输出单元并通过显示屏显示出来。比对结果包括两种,一是识别结果正确,匹配成功,如图3所示;二是识别结果错误,匹配失败,如图4所示。如果匹配失败,系统会在显示屏的右下角显示出具体的错误类型,如获取的吊牌颜色信息为110,数据库中储存的该吊牌颜色信息为150,则在提示信息阶段,系统会在显示屏的右下角提示:color。

2.3核心技术

2.3.1图像文字识别方法

通过教学,要让学生了解目前最流行的光学字符识别(OCR)技术。吊牌及洗水唛上的文字可能存在不规则形状字体,这里的不规则形状字体是因透视变形、文本位置弯曲等因素造成的。因此,在识别文字信息时需要先获取待识别对象对应的有效图像信息,这便需要用到OCR技术。另外,还要让学生重点掌握图像信息预处理操作(核心技术有灰度化、降采样、高斯去噪、二值化、旋转、裁剪),这些教学内容通过两次实验完成,每项教学完成后教师要对比实验结果是否达到预期效果。

2.3.2文字识别模型

文字识别模型采用特征金字塔网络提取有效图像中的特征信息。其工作原理是:将特征信息输入区域生成网络中,生成所述有效图像对应的目标文本候选框的特征信息;将目标文本候选框的特征信息输入快速区域卷积神经网络中,根据目标文本候选框的特征信息,使用分类器对目标文本候选框进行分类;使用所述文本分割网络对目标文本候选框中的目标文本进行字符分割、实例分割及假阳性排除;采用基于注意力机制的序列到序列网络对分割后的字符和实例进行识别,得到识别结果;采用重建网络对识别结果进行整合,得到所述有效图像信息中的所有文字信息。教师在教学过程中可以结合文字识别模型帮助学生加强人工智能课程中深度学习理论知识部分的学习。在以往的教学中,这部分内容学生总是很难听懂,因为深度学习理论知识所涉及的公式复杂、知识点多、技术较新。结合实际案例进行讲授,能够让学生更容易理解和接受。

3结语

人工智能课程范文2

关键词:人工智能;实践教学;吊牌识别

人工智能融合了计算机、控制学、语言学、数学、心理学、神经学等多学科专业知识[1-3]。2017年7月,国务院了《新一代人工智能发展规划》[4-5]。2018年4月,教育部印发《高等学校人工智能创新行动计划》,其核心是推动人工智能领域人才的培养[6-7]。《2020—2026年中国人工智能行业市场竞争格局及未来发展趋势报告》的统计数据显示[8],2018年中国人工智能市场规模为339亿元,增长率达56.2%,而2019年中国人工智能市场规模增长到516亿元。人工智能技术发展突飞猛进,伴随而来的是人工智能领域人才需求激增。近三年,越来越多的高校开设了人工智能专业,并在计算机、信息科学和自动化等专业开设人工智能课程,还有部分高校将人工智能课程纳入通识课程体系。但人工智能理论知识具有抽象性、复杂性和涉及面广等特点,教学过程枯燥乏味,使得学生在学习的过程中很难保持热情。如何更好地将人工智能理论知识与实践教学相结合[9-10],是本文研究的重点。本文结合笔者的教学经验,将综合性较强的案例融入实践教学,再以实践教学促进人工智能课程理论教学,激发学生的学习动力,培养学生运用相关理论知识解决实际问题的能力。

1人工智能课程教学中存在的问题

1.1师资力量不足

目前,很多高等院校开始开设人工智能专业,但能够承担该专业授课任务的教师不多,且部分教师是从计算机专业转到人工智能专业的,很多知识也是“现学现卖”,在讲授过程中很难把握好知识的难度和学生的接受程度。

1.2教学条件不达标特别是实验设备不足

人工智能专业的教学不能仅局限于软件编程和模拟实验,要想让学生感受人工智能技术的强大,必须结合实验设备开设实验项目,但部分学校没有经济实力购买人工智能教学相关的实验设备。

1.3学生存在畏难情绪学习兴趣不高

很多学生刚开始学习人工智能只是抱着一种“玩”的心态,认为学好该专业之后可以开发很多智能终端,但学了之后发现该专业的学习需要具备很好的数学基础和编程能力,这方面较差的学生慢慢会对人工智能课程失去学习兴趣。针对以上问题,课题组经过三年的教学改革实践,提出结合教师科研课题的实际案例教学方法,即以实践教学带动理论教学,激发学生的学习热情,解决暂时的实验设备不足的难题,同时也可以带动和培养一批年轻教师加入人工智能课程的教学和建设中来。

2“吊牌识别”案例教学在人工智能课程实践教学中的实现

“吊牌识别”案例教学在人工智能课程实践教学中可用8~12学时来完成,也可以作为课程设计的选题。本文简单介绍了该案例的组成模块和操作流程,重点介绍了案例实现的两项核心技术。

2.1组成模块介绍

“吊牌识别”案例可实现对吊牌、洗水唛的自动检测,与现实生活中学生常见的文字、卡牌和文本管理数字化等识别方案有相似之处。该案例涉及图像文字识别技术、嵌入式开发、深度学习等方面的知识,具体模块划分如表1所示。

2.1.1模式选择

模式选择模块包括3.5寸串口屏、免驱USB2.0索尼IMX214高清1100万像素20帧自动对焦拍照摄像头模组、英伟达JETSONNANO嵌入式开发板。

2.1.2输入单元

输入单元至少包括一台摄像机、照相机、网络摄像头、数字化图像设备或具有摄像功能的智能终端,在处理单元的控制下对传入的图像做判断处理,判断传入图像的清晰度和文字区域有无遮挡,再将其传递给处理单元。

2.1.3处理单元

处理单元包括图像预处理模块、字符比对模块和字符识别模块。在图像预处理模块中对输入的吊牌、洗水唛图像进行预处理,提取包含文字信息的文字图像;字符识别模块利用文字识别技术提取图像中的文字信息。

2.1.4输出单元

处理单元控制输出单元将匹配结果显示在屏幕上,并给出相应的错误提示。

2.2实施过程

选择具体的对象后,操作人员将吊牌或洗水唛整齐放入检测器规定的物料槽内,检测器上的摄像头将自动、不间断地获取待检测对象的图片,并将获取的图片发送给输入单元处理。输入单元对接收到的目标图片进行清晰度判断和噪点判断,如图1所示。若摄像头获取的对象图片没有达到设定的清晰度阈值和噪点阈值,系统将在自动丢弃本张图片后重新获取物料槽内的对象信息并进行判断。然后对通过判断的图片进行灰度化、降采样、高斯去噪、二值化、旋转、裁剪等预处理,如图2所示。图像预处理模块将预处理后的图片发送给字符比对模块和字符识别模块进行文字识别与文字比对。识别信息与比对结果被发送到输出单元并通过显示屏显示出来。比对结果包括两种,一是识别结果正确,匹配成功,如图3所示;二是识别结果错误,匹配失败,如图4所示。如果匹配失败,系统会在显示屏的右下角显示出具体的错误类型,如获取的吊牌颜色信息为110,数据库中储存的该吊牌颜色信息为150,则在提示信息阶段,系统会在显示屏的右下角提示:color。

2.3核心技术

2.3.1图像文字识别方法

通过教学,要让学生了解目前最流行的光学字符识别(OCR)技术。吊牌及洗水唛上的文字可能存在不规则形状字体,这里的不规则形状字体是因透视变形、文本位置弯曲等因素造成的。因此,在识别文字信息时需要先获取待识别对象对应的有效图像信息,这便需要用到OCR技术。另外,还要让学生重点掌握图像信息预处理操作(核心技术有灰度化、降采样、高斯去噪、二值化、旋转、裁剪),这些教学内容通过两次实验完成,每项教学完成后教师要对比实验结果是否达到预期效果。

2.3.2文字识别模型

文字识别模型采用特征金字塔网络提取有效图像中的特征信息。其工作原理是:将特征信息输入区域生成网络中,生成所述有效图像对应的目标文本候选框的特征信息;将目标文本候选框的特征信息输入快速区域卷积神经网络中,根据目标文本候选框的特征信息,使用分类器对目标文本候选框进行分类;使用所述文本分割网络对目标文本候选框中的目标文本进行字符分割、实例分割及假阳性排除;采用基于注意力机制的序列到序列网络对分割后的字符和实例进行识别,得到识别结果;采用重建网络对识别结果进行整合,得到所述有效图像信息中的所有文字信息。教师在教学过程中可以结合文字识别模型帮助学生加强人工智能课程中深度学习理论知识部分的学习。在以往的教学中,这部分内容学生总是很难听懂,因为深度学习理论知识所涉及的公式复杂、知识点多、技术较新。结合实际案例进行讲授,能够让学生更容易理解和接受。

3结语

人工智能课程范文3

关键词:人工智能;教学改革;教学方法

引言

人工智能(ArtificialIntelligence)是一门研究和模拟人类智能的跨领域学科,是模拟、延伸和扩展人的智能的一门新技术。由于信息环境巨变与社会新需求的爆发,人工智能技术的日趋成熟。随着AI3.0时代的到来,大数据、云计算等新技术的应用也愈发广泛,对于管理类人才来说,加强对人工智能知识的深入学习,不断将人工智能技术与管理知识结合起来,对其未来职业生涯的发展有着重要作用。人工智能是一门前沿学科,管理学院开设人工智能课程的目的是为了更好地培养学生的技术创新思维与能力,基于其覆盖面广、包容性强、应用需求空间巨大的学科特点,通过概率统计、数据结构、计算机编程语言、数据库原理等基础课程的学习,加强学生解决实际问题的能力,为就业打下基础。本文基于社会对于人工智能领域的人才需求,结合诸多长期从事经管类专业课程教学的老师意见,针对管理类人才的人工智能课程教学内容与方法进行探讨,以期对中国高校人工智能课程教学改革研究提供帮助与借鉴。

1、教学现状与问题

作为一门综合性、实践性和应用性很强的理论技术学科,人工智能课程内容及内涵及其丰富,外延极其广泛。学习这门课程,需要较好的数学基础和较强的逻辑思维能力。针对管理类人才,该课程在课程教学过程中存在几个较为突出的问题。

(1)课堂教学氛围枯燥

目前,中国大多数大学仍采用传统的课堂教学模式,在教学过程中照本宣科,忽略与学生的互动,并且缺乏能够有效引起学生学习兴趣与加深知识理解的教学环节设置,如此一来大大降低了学生自主思考的能力。在进行人工智能相关课程知识讲解时,随着章节的知识难度不断增加,单向介绍式的枯燥教学方式无法反映人工智能学科的全貌,课堂讲解难以同时给以学生感性和理性的认知,部分学生因乏味的课堂氛围渐渐无法跟上教学进度,导致学习动力不足。

(2)基础课程掌握不牢

管理类专业的学生大部分都会走向更加具体化的管理岗位,具有多学科的素养,但这也导致很多学生所学知识杂而不精。学生在基础不夯实的情况下去学习更高层面的知识,给学生学习与老师教学都造成了很大困扰。人工智能课程知识点较多,涵盖模式识别、机器学习、数据挖掘等众多内容,概念抽象,不易学习。一些管理类专业的学生未能熟练掌握高等数学、运筹学、数据结构、数据库技术等先修课程,缺乏一定的关联思考和研究意识,导致课程学习难度增加,产生学时不足和教学内容难点过多的问题。

(3)教学与实际应用脱节

当下,人工智能广泛应用于机器视觉、智能制造等各个领域,给学生提供了大量的现实案例,使得人工智能不再是高深莫测的理论,而是现实中可以触及的内容。例如,在机械学科领域,人工智能技术是电气工程、机械设计制造、车辆工程等方向的重要技术来源;在医疗领域,是医疗器械的创新生产源动力;在能动领域,是高端能源装备与新能源发展的重要驱动;在光电信息与计算机工程领域,技术的发展时刻推动着智能科学与技术核心价值的提升。然而,对于管理类专业的学生来说,现阶段的人工智能教材涵盖许多智能算法及相关理论,在教学过程中常常涉及到很多从未接触过的抽象理论和复杂算法,书本中的应用实例大多纸上谈兵,缺乏专门适用于管理类专业知识与人工智能技术相结合的教学实践,加上一些教师授课方法单一,不利于引导学生将人工智能算法应用于现实生活。另外,大学生对知识的理解能力差异很大,教师采用统一的方式教给他们,这使一些学生无法跟上和理解,教师也无法控制学生的学习状况,导致学生缺乏动力。因此,如何结合学生的现实情况,提高他们的动手能力和实践经验也是人工智能课程教学要考虑的问题。

2、管理类人才的人工智能课程教学改进策略

课程教学改革是一项提高大学教学效果和人才培养质量的重要手段。如何在时代背景下应用新技术和新思想进行实施课程教学改革是高校亟待解决的问题。对于高校的教学工作而言,教学目标、教学内容和教学方式的变化不再是课程资源的简单数字化和信息化,而是充分利用时代信息资源优势的新型教学模式。针对管理类专业人工智能课程教学过程中存在的问题,可以从教学方法改进和教学内容设置两个方面进行课程教学改进。

2.1教学方法改进

教师对学生具有引领作用,其教学方法的改进能够带动学生改进自身学习方法。

(1)启发式案例教学

案例教学法就是教师根据教学目标、教学内容以及教学要求,通过安排一些具体的教学案例,引导学生积极参与案例思考、分析、讨论和表达等多项活动,是一种培养学生认知问题、分析和解决问题等综合能力的行之有效的教学方法。启发式案例教学以自主、合作、探究为主要特征,调动学生的学习积极性,并紧密结合人工智能领域的相关理论与方法,有效理解知识要点及其关联性,适用于管理类专业学生的教学。具体而言,高校基于其问题启发性、教学互动性以及实践有用性等特点,可以建立基于人工智能知识体系的教学案例库,虽然这项建设将极具挑战性与耗时性,但具有很强的积极效果:培养学生较强的批判性思维能力,更多地保留课程材料,更积极地参与课堂活动,对提高教学质量、培养具有人工智能背景的管理类人才具有重要意义。例如,通过单一案例教学,让学生掌握相关基础知识原理及应用;通过一题多解的案例使学生思考如何获取最有效的解题方法;通过综合案例的设计,启发学生全方位地探索问题的解决方案。

(2)研讨互动式教学

研讨互动式的各个教学环节是逐渐递进、有机结合的。研讨是基于学生个体的差异性,在课堂讨论的过程中对学生做出评判,从而对不同类型的学生开展针对性的教学。互动则是在研讨的基础上,通过老师与学生、学生与学生的互动,让学生主动参与到课堂教学的过程中来。在人工智能课程教学过程中,教师通过课堂讨论了解学生对于知识点的掌握情况,可以有针对性地设计教学内容,例如,对于学校积极性不强的学生,将人工智能理论内容与学生个人兴趣范畴、社会产业发展及研究现状联系起来,能够极大程度地提高学生学习的自主能力;对于基础知识较为薄弱的学生,可以在教师的指导下查阅相关文献资料,根据自己的理解撰写心得报告,并在课堂或课外进行师生互动。像这样研讨与互动相结合的模式。有助于增强学生的探索和求知欲望,建立起浓厚的学习氛围。

(3)有效激励式教学

人工智能是引领未来的战略性技术,人才需求量极大,对教师的教学水平也提出了更高要求,因此,进行有效激励极为重要。在学生激励方面,可以举办各类人工智能竞赛项目,设置相应项目奖学金,吸引学生参与实践,调动学生做研究、发论文的积极性。例如,教育部主办的中国研究生人工智能创新大赛,围绕新一代人工智能创新主题,激发学生的创新意识,提高学生的创新实践能力,为人工智能领域健康发展提供人才支撑。高校也可以借鉴这种模式,在各学院乃至全校开展此类竞赛项目,激发学生的创新能力与团队合作能力,鼓舞更多学生加入到人工智能课程的学习中来,激发其学习兴趣。在教师激励方面,在教师聘任和提升过程中把参加学生课程制定、课堂与课外作业、课程项目和论文指导等看作教学任务的一部分,鼓励教师积极参与这些活动。

(4)学科渗透式教学

人工智能学科知识融合程度较高,学科交叉性强。基于人工智能的学科交叉性特点,增强管理类人才对学科应用的领悟,可以采取开展学科渗透式教学的方法。从2015年起,国务院和教育部先后印发了《国务院关于积极推进“互联网+”行动的指导意见教育》、《高等学校人工智能创新行动计划》等文件,“互联网+”、“智能+”已经渗透到各个领域,人类进入数字经济时代,社会需求“技术+管理”的高端复合人才。例如,基于工业4.0和强国战略,人工智能技术在智能制造的应用极为广泛。上海理工大学非常重视少数民族预科班的教育质量。为增强少数民族管理类人才对该领域应用的认识,我们请机械工程、能源动力领域的相关专家以授课或讲座的形式,进行相关领域知识和发展趋势的讲解,使学生理解更为透彻。此外,在教学实践过程中,还可以用举办人工智能知识交流会、线上人工智能论坛等形式,促进不同专业间老师、学生对于人工智能知识模块的见解,相互交流、渗透和学习,从而推动人工智能课程教学的改进。

2.2教学内容设置

世界一流大学在人工智能课程内容设置根据不同国家的教育体系设置,肯定会有不同,但颇有共通之处。本文借鉴世界顶尖大学经验,针对管理类专业人工智能课程教学内容进行研究,结合中国教育体系设置,认为应从以下几方面进行改进。

(1)核心内容设置

为避免学生因为知识点过多而出现杂而不精的问题,势必要精化教学内容。在互联网时代,我们可以使用云计算和其他方式来实现数据信息的传输、存储和处理,通过在线收集和整合网络课程相关数据,挖掘和丰富教学资源,并在整合课程资源的基础上,进行研究方法和前沿知识的扩展。在核心内容设置方面,可以通过收集到的数据资料,选择人工智能领域具有代表性且难易程度适中的知识作为重点,使学生能够在有限的学时内掌握人工智能的知识脉络。例如,编写针对管理类人才的人工智能教材,内容涉及绪论、知识表示与推理、常用算法、机器学习、神经网络等方面的同时,重点增加相应知识点在管理上的应用案例,加强学生对知识点的理解。同时,根据管理类专业偏向领域,开设关联程度较大、应用较广泛的人工智能选修课程,以便学生根据自己的兴趣与需求选修具体方向的课程。

(2)注重学生的数理及编程基础

良好的数理及编程基础是学习人工智能的前提。只有具备了这些基础,才能搞清楚人工智能模型的数量关系、空间形式和优化过程等,才能将数学语言转化为程序语言,并应用于实验。管理学院人才的数理及编程基础相对薄弱,因此,在安排学生学习人工智能课程之前,建议开设面向全体管理类专业学生的微积分、线性代数、概率论等专业基础数学课程以及C语言、python等编程基础课程,使学生具备数学分析的基础与一定编程基础,为学习人工智能课程打下坚实的基础。另外,可以推进MOOC平台建设,在平台上开设人工智能网络课程,帮助学生掌握人工智能知识基础及专业技能。

(3)实验建设

为了加强学生对于人工智能知识点间的关联性理解,可以基于不同的应用模块,设计具有前后铺垫、上下关联的综合性实验,设计不同层次的项目要求,同时基于相同的实验课题,让学生分组对实验课题进行攻克,并设置多元化的实验评价体系,通过实验教学过程中反映出的不同进度,让教师能对学生的学习水平做出准确评判,及时进行教学反思,以便更好地开展下一步工作。例如,针对人工智能课程应用中很广的遗传算法,在某一管理规划的具体应用上设置理解-实现-参数分析-具体应用-尝试改进-深度拓展的不同层次的项目要求,在这些项目层次中规定必做项与可选项,让学生基于同一实验课题进行合作学习,然后通过个人自我评价、小组成员互相评价以及教师评价的方式进行打分,对小组整体能力以及个人能力进行综合评估,以期培养学生的自主思考能力。

3、结语

随着人工智能理论在各领域的飞速渗透,人工智能技术也得到了广泛的应用,各行各业对人才的需求不断变化,将在行业内产生巨大影响。高校作为培养人才的第一线,应积极响应时代变化,进行课程教学改革,促进复合型、学习型和创新型人才的培养建设。本文针对目前人工智能课程教学中存在的问题,提出针对管理类人才的人工智能课程教学方法和教学内容的改进措施,希望通过这些改进措施,培养学生的自主学习和知识探索能力,增强学生的实践和创新能力,为高校管理类人才的人工智能教学培养提供有力借鉴。上海理工大学非常重视少数民族预科班的教育质量。我们针对少数民族预科班学生特点对教学内容进行了调整,大幅增加案例教学内容,提高听课学生的兴趣与知识广泛程度,取得了很好的效果。

参考文献

[1]谢榕,李霞.人工智能课程教学案例库建设及案例教学实践[J].计算机教育(19).

[2]周鋆,曾平,杜振国等.世界一流大学研究生培养模式讨论——以人工智能课程为例[J].计算机工程与科学,2018,40(S1):102-106.

[3]樊重俊等.数据库基础及应用(第二版)(M).上海:立信会计出版社.2019年.

[4]樊重俊,浦东平,刘勇.面向电子商务人才培养的数据库课程教学改革模式研究[J].电子商务,2019,(02):61-62.

[5]樊重俊,杨云鹏,杨坚争,唐生.电子商务基础与应用(M).上海:立信会计出版社.2018年.

人工智能课程范文4

关键词:人工智能时代;《会计学基础》;课程教学改革

0引言

随着大数据、云计算时代的到来以及人工智能技术的普及,信息技术越来越多的融入各行各业的实体经济中,跨行业深度融合已成为未来的趋势,为了应对全新的日益复杂的商业环境,传统商科教育的局限性逐渐暴露。人工智能时代人才培养体系的创新与变革势在必行,作为传统商科教育中的核心基础课程———《会计学基础》的教学改革迫在眉睫。

1人工智能时代对《会计学基础》课程的新要求

大数据、人工智能等技术的进步使得企业商业模式逐步演变为“人工智能科技+传统行业”模式,在这股新技术的浪潮背景下,对财会人才的培养提出了新的需求,为了匹配人才培养的新需求,相应的对财会专业中各个课程的设计也提出了新的要求。《会计学基础》课程是财会专业的核心课程之一,是后续《财务管理》《中级财务会计》《高级财务会计》《成本会计》以及《管理会计》等财会类专业课程的基础,是会计专业课程体系的基石,所以,《会计学基础》课程改革尤为重要。人工智能应用于财务领域已大势所趋,四大相继推出了财务机器人及APA(机器人审计流程自动化),中兴、龙湖地产等行业龙头企业纷纷建立财务共享中心。财务机器人使业务系统与财务系统的无缝衔接,实现自动记账、算账等会计核算职能,从而基层会计特别是财务核算岗位将面临失业或转岗再就业的压力,如何避免高校学生毕业即失业,适应社会快速发展需要,高校必须明确人工智能时代对财务人员的新要求、新挑战和新机遇,确定人工智能广泛应用于财务领域后财务人员清晰定位,然后根据更新后的财务人员定位确定《会计学基础》课程的新要求。由于未来会计核算类岗位被人工智能替代的可能性很高,所以未来财会人员的定位将转向管理会计等需要解决复杂财务问题类的岗位。基于以上分析,人工智能时代对《会计学基础》课程的新要求是《会计学基础》课程需要让学生深入掌握整个会计核算的基本原理,才能以不变应万变,运用会计核算的底层逻辑、会计基础知识与其他学科、产业的发展趋势以及企业的具体业务进行深度融合,为商业分析服务,为企业经营管理决策提供帮助,从而作出正确的经营、投资、融资决策以实现企业的战略目标。这一新定位要求通过《会计学基础》课程的学习能够掌握会计核算的根本原理,同时能激发学生的创造力,注重培养学生的批判性思维、独立思考能力及终身学习能力,毕业之后才能具备解决复杂财务问题的能力,不被人工智能所替代。

2传统教育中《会计学基础》课程存在的问题

目前,传统教育中《会计学基础》课程存在的问题如下方面。

2.1课程内容过窄。财务机器人使业务系统与财务系统的无缝衔接,自动实现记账、算账等会计核算职能,具有高效率、低错误、快速反应等优势,减少了对会计核算人员的需求,使得传统的会计核算岗位需求骤减,人工智能广泛应用于财务领域后财务人员定位应该转变为能够应对复杂财务问题的管理类人才,这就需要财会人员不仅仅要精通财务核算,更要能够综合运用各种商科知识、利用大数据等先进的技术对企业自动生成的财务数据进行量化分析,从而为企业经营管理提供正确的财务决策。然而,目前高校商科课程设计是按照工具型人才培养标准的教育理念来设置,基于亚当·斯密的劳动分工理论,强调各个科目由单一、独特的内容组成,各学科都相对独立、封闭,自成体系,这样的设计倾向于割裂知识,割裂了整体的事物,使学生的理解力有了断层。基于传统商科教育课程设计问题的共性,《会计学基础》也存在此问题,与其他非财会专业课程相对独立、封闭,课程内容过窄,主要为会计核算基础等会计技能性课程内容,仅仅注重与后续诸如《财务管理》《中级财务会计》《高级财务会计》《成本会计》以及《管理会计》等纵向专业课程的衔接,却无与诸如《国际经济与贸易》《经济学》等的商科的非财会类课程横向衔接。这样的课程设计和培养方案,使学生仅仅专注于会计核算领域,未能打破不同学科间的知识壁垒,将整个商科的知识体系融会贯通,从而实现其他学科为财务服务的这一职能,同时也使得学生在进行财务分析时眼光过于狭窄,未能结合企业的具体业务,甚至产业发展状况、行业生命周期、国家产业政策、宏观经济环境进行财务分析,也不知道怎么将财会知识与互联网、大数据等现代互联网工具进行结合,从而实现改造企业传统商业运营模式,通过财务指导决策、提升企业经营效率。

2.2教学方法单一。目前《会计学基础》课程的教学方法单一,主要采用课堂讲授式的应试型教育方法。第一,由于《会计学基础》理论性强、比较抽象,概念较多且有些概念晦涩难懂的特点,采用讲授式单一的教学方法无法调动学生学习的积极性,参与度不高,未积极参与学习使得初次学习会计学课程的同学可能觉得难度较大,从而使学生滋生厌学情绪,失去对《会计学基础》课程的学习兴趣。而《会计学基础》是同学们接触的第一门专业课程,厌学情绪及对基本概念和原理掌握得不到位会影响后期其他专业课程的学习,甚至影响未来职业发展的选择。第二,讲授式教学方法可能会扼杀学生创造力、不利于培养学生的独立思考能力及创新性解决复杂问题的能力。讲授式的教学方法对于学习者来说,是被动的接受知识,填鸭式、灌输式的,没有主动独立思考的机会;此外,讲授式教学的另一缺点是不利于培养学生的自主学习能力,一方面各个行业的会计核算略有差别,不同的商业环境对财会知识的要求也有所不同,课堂讲授式教学由于受场地、本学校课时的限制,无法面面俱到,只有掌握自学能力,才能适合行业需要;另一方面,面对迅速变化的商业环境、更新迭代的新兴技术,只有掌握终身的自学能力,才能适应社会快速发展需要。

3人工智能时代《会计学基础》课程改革建议

3.1课程内容跨学科横向衔接。第一,课程内容与商科中其他非财会学科衔接。当人工智能广泛应用于财务领域后它将普通的财会人员从繁琐的记账、算账等低附加值的会计核算中解放出来,财务人员定位转变为能够应对复杂财务问题的管理类人才,将主要精力集中投入到企业的战略决策、投融资分析、经营管理、绩效评价等领域,履行更多决策支持职能。角色定位由核算型财务向业务型财务、战略型财务转型;工作职能由流动资金管理逐渐向理财与风险管理、管控金融资源支持、司库转型;最终实现为不同管理对象提供差异化服务。企业结果的“记录员”可以被人工智能所替代,所以要做生产经营过程的“调度人”和企业发展方向的“引领者”,这要求财务人员除了掌握传统的会计专业知识以外,对战略管理、运营管理、企业的业务流程、产业的发展规律、宏微观经济等非财会知识也必须具备,但是目前学生普遍反应,他们无法很好的将财会知识和其他商科知识进行综合运用,《会计学基础》作为财会专业的第一门专业课,一定要做好跨学科横向衔接的心理建设及方法指导,在介绍本门课程基础理论的基础上,介绍跨学科综合运用的必要性和具体方法,让学生学习其他商科课程时,能更有目的性和方向性。第二,课程内容与信息技术学科衔接。未来,专业的人做专业的事会渗透进各个领域,财务、技术、业务等人员的组合协同工作趋势不可逆,跨工种融合的一体化工作格局会逐步形成。越来越多的企业会通过搭建“互联网+”平台,通过前端的资源获取体系,中端的规则与流程引擎,后端的大数据分析体系进行整合,打通业务链各环节,全面实现从外部原始信息获取、交易合法性验证、会计凭证制作、记账,到会计报表的生成等企业会计循环的自动化,为不同管理对象提供差异化服务的财务构架是必然趋势。所以,必须将财会专业理论知识和大数据分析处理技术、人工智能等IT信息技术综合为一身,这就需要在财会专业的第一门专业课《会计学基础》课程内容中进行导入,指导学生如何进行未来信息技术课程学习与财会课程的衔接。

3.2设计“以学生为中心”课上课下联动的教学方法。第一,选择“以学生为中心”的启发式教学方式,激发学生的创造力及独立思考能力。在人工智能时代,重复机械的劳动将被机器人所替代,只有具有创新的思维才不会被机器所替代,面向未来社会需求,必须注重培养学生的批判性思维、独立思考能力及创新的解决复杂问题的能力,所以,在日常教学中必须通过改进教学方法,刻意培养学生的以上能力,才能使学生不被机器所替代,具备更强的社会适应能力。可以采用信息化手段,通过案例教学、情景模拟、分组讨论等互动教学模式,提高学生学习的积极性、激发学生的创造力。第二,设计课上课下联动教学模式,锻炼学生的自学能力。随着技术及社会发展速度越来越快,知识的更新迭代速度也不断加快,为了使得学生毕业后能够适应高速变化的商业环境,学生必须具备自学能力,根据政策、环境的变化不断的更新自己的知识体系,并具有高度的敏感性,这些都需要在大学阶段,学校进行刻意培养,所以,可以通过课上课下联动的教学方式,课下通过布置作业的形式由同学门通过自学完成开放式作业,课上通过作业分享方式予以讨论及解答,从而锻炼学生的自学能力,培养学生终身自学的习惯。

参考文献

[1]于洋,杨宇.基于能力培养《基础会计》课程建设改革研究[J].农村经济与科技,2020,(31):390-391.

人工智能课程范文5

关键词:人工智能;成本会计课程;教学改革;复合型会计人才

0引言

随着大数据、人工智能、移动互联网等先进技术与实体经济的深度融合,财务领域正在发生变化,智能会计与财务已成为会计领域的趋势,人工智能的高速发展对于成本会计课程改革而言是一个机遇。传统成本会计课“教师教,学生学”的被动式教学方法和教学模式需要进行重建,将智能化融入成本会计课程之中,借助人工智能、大数据的相关技术,辅助教师教学,以深化学生对专业知识的理解,为社会培养出更多的专业型成本会计人才。

1人工智能时代成本会计人才需求

1.1传统岗位人才需求量呈下降趋势。传统的会计岗位主要从事会计核算工作,现阶段随着电子发票的推出,增值税发票的软件升级等,企业可通过互联网合作平台,实现企业与政府之间、产业链之间、内部之间的有效沟通。任何职业都是随着环境的变化而不断发展的,传统的会计核算模式也逐渐被智能化、自动化流程代替[1]。有的企业已经实现自动化报账流程,这些变化导致传统的从事基础岗位的财务人员需求量减少。

1.2核算型会计人才向管理型会计人才转变。随着我国经济体制改革的不断深化,企业发展进行转型升级,技术和管理是推动转型升级的两驾马车,内部管理逐渐向专业化、精细化展开。2016年,国家财政部出台了《会计改革与发展“十三五”规划纲要》,将从事管理会计的人员列为会计行业紧缺人才,同时要求企业加强业财融合,大力推进管理会计的价值创造作用。长期以来,我国的会计人才培养过分偏重于核算型会计人才,懂业务、精战略的管理型会计人才严重不足[2]。由目前的发展趋势来看,一方面对基层核算岗的会计人才需求量在减少,另一方面对会计人才的综合能力要求在提升。会计从业人员要掌握完备的职业技能,能运用信息化手段,满足内部精细化管理的需要,从而逐步向管理型会计转型。

2高校成本会计课程教学存在的问题

2.1教材内容更新较慢,考核体系不够完善。现有成本会计课程体系中大多是遵循传统工业企业的制造流程,以工业企业为背景处理成本核算工作。课程内容主要包括成本的内涵和作用、费用的分类、成本核算涉及的主要会计科目、各项要素费用的分配、辅助生产费用的归集和分配、费用完工产品和在产品之间分配的方法、产品成本计算的品种法、分批法、分步法以及成本分析。面对我国新经济、新业态的新发展趋势,目前成本会计课程相对陈旧、更新缓慢,未能涉及财务共享、大数据、人工智能等内容,学生运用成本数据分析的能力和实际操作能力无法完全满足智能时代的要求。因此,成本会计系列教材的部分内容应进一步更新以适应新时代下成本会计职能的转变,应适当涉及新兴行业所涌现出的成本核算的变化及相关案例。在教材编写中引入新经济、新行业下企业的实际案例作为知识点的延伸,从而更好地培养学生接受新事物、多角度思考问题的能力。考核方法不够科学和完善,现有的教学评价方法,仍然以事后评价方式为主,无法完全满足对学生能力的考核和评价[3]。大部分高校在期末成绩评定时采用平时成绩加期末考试成绩的模式,没有充分考核实践与理论知识的系统学习、应用技能、综合素质等。考核内容以教材上的理论知识和案例习题为主,缺乏真实情境的体验和实际操作的演练;实践教学的学分和学时较少导致实践成绩在课程总成绩中只占有很小的比重,对学生的最终成绩几乎没有实质性影响。这些情况难以调动学生运用大数据分析、财务共享等新知识模块学习成本会计实践教学的内容。

2.2教学方法及教学手段较单一。教学方法上,目前成本会计课程大多以教师讲授为主,学生长期处于被动接受状态,教师多以PPT课件的形式完成授课,难以生动、形象地教会学生掌握产品成本的核算程序[4]。现有的《成本会计》教材里涉及的计算较多,教师在讲解相关计算过程时,多以教材中出现的计算例题内容进行讲解,使得学生对成本核算缺乏综合的感性认识,难以深入理解和掌握成本核算的实质。学生感到枯燥乏味,容易造成学习氛围不佳、学习效率低下的不良影响。课堂组织上重出勤轻参与,导致学生失去主动思考的机会,难以培养发现问题并解决问题的实操能力。而且课上课下,师生间缺乏有效的互动方式和沟通渠道,师生间的互动也仅限于课堂提问和作业批阅,学生缺少有效指导和需求反馈,长此以往容易使学生丧失学习热情和动力[5]。

2.3实践性教学环节薄弱。在人工智能背景下,企业逐步引入了财务云共享服务,实现企业的业财税一体化,但是通过对高校部分会计专业的调查研究发现,大多数高校并没有把这一内容引入到课堂教学中,或者部分高校虽然引入了大量的财务会计专业软件如用友U8、ERP财务软件,甚至VBSE软件用于实践教学,但是在使用软件时,教学内容没有根据人工智能会计的实际情况进行更新,成本会计实践实训课程都普遍未能将财务共享、财务大数据的挖掘分析技术与成本核算、成本管理相融合。

3人工智能背景下成本会计课程教学对策

3.1创新人工智能背景下成本会计课程理念。人工智能技术深入发展,成本会计的教学理念也在发生变化,成本会计不再仅仅是传统意义上的核算,需要更加广泛和深层次地去理解成本会计这门课程。在人工智能和大数据的背景下,成本会计也更加重视成本管理与成本决策,更加注重财务信息资源化的利用以及会计战略思维的养成。这也要求成本会计教育进行同步转型。学科体系方面,由单一学科教学走向多学科交叉融合教学,可以尝试将成本会计、管理会计、财务管理的相关内容体系整合成智能财务课程包,培养学生将相关课程群的专业知识内容进行有机融合的能力。教学模式方面,由传统的成本会计理论知识单向传递逐步走向理论和实践融合、互动式的教学模式;课程教学效果评价方面,由理论识记准确性和应试题目的考核评价向成本会计实践的可行性、能有效解决实际问题等指标转变。

3.2创新内容体系,优化考核方法。(1)成本会计课程内容体系创新。首先,在课程教学内容的设置上,当前新业态下呈现出以数据资产、轻资产为代表的互联网企业,其成本构成与传统制造企业的成本构成有很大的差异。在成本核算课程的教学中可以按行业分类为不同的学习模块。因此,建议成本会计课程教学改革可以尝试根据不同行业的特点进行成本核算与管理的模块化教学。该课程初步可分成制造企业成本核算、建筑企业成本核算、物流企业成本核算、以新经济为代表的互联网企业成本核算等四大模块。表1从学习任务划分、学习活动设计、教学模式选择重构了成本会计课程的基本框架。(2)建立多元的“课证赛”结合的课程考核方式。在成本会计课程内容考核方面,应改革传统的平时成绩加期末考试成绩的考核方式,可以尝试建立多元的“课证赛”结合的课程考核方式。建立“以职业资格证或专业技能竞赛奖项”的成绩来替代相关专业课程考核成绩,融课程考核与“职业资格证、专业技能竞赛”内容标准于一体。例如学生可以通过考取教育部财务共享“1+x”证书,以及参加各级教育主管部门及知名行业协会组织的各项竞赛,如“中华会计网校财会模拟大赛”“网中网财务大数据分析竞赛”等,将竞赛内容融入到成本会计专业课程的实践教学考核中。力求使课程考核更贴近专业岗位技能要求。结合“课证赛”进行专业课程考核,不仅有助于学生明确学习目标,激发学习兴趣,还有利于提高教师专业业务技能及教学水平,真正实现“以证赛促学”“以证赛促教”。

3.3依托信息化教学平台实现多样化教学。(1)信息化教学法。近几年兴起的智慧课堂是在新一代信息技术的基础上所打造的智能化、效率化、以学生为主要角色的新型课堂,是对信息化课堂的创新。借助大数据分析、人工智能决策等技术,将教学资源、师生互动引入云端来构建智慧学习空间的一种新模式。智慧课堂的教学同传统课堂一样也分为3个阶段,即课堂开始之前学生思考,课堂中师生互动,下课后学生及时巩固。课前教师应根据成本会计课程特点选择合适的文本资料、优质的教学视频在智慧平台上。学生自行学习并思考老师提出的问题,老师借助后台数据记录了解和分析学生课前学习情况,及时进行答疑解惑,优化教学方法从而实现精准教学。通过智慧教学平台,教师在教学过程中可以利用讨论、有奖答题、弹幕发言、在线提问等多种实时互动方式让学生参与其中。课后借助智慧教学平台记录的学习反馈,突出重难点,有针对性地进行教学指导,帮助学生巩固所学内容,同时教师还可以结合大数据收集与分析,发现学生的不同学习程度和态度,从而根据学生对知识点的掌握程度来不断完善教学方法,积累教学经验,真正实现教学相长。(2)探究性教学法。为了彰显以学生为中心的教育理念,培养学生探究问题,解决问题的能力,学生可以结合成本会计模块化教学内容选择自己感兴趣的专题,组建不同的课题小组,教师根据学生选择的成本管理专题以研究的视角制定教学计划,从而提供一些案例、背景知识以及专题讲座,让学生自主学习与思考。例如让学生按照不同的行业进行小组分类,让学生探究不同行业的成本构成以及成本管控面临的难点与解决对策。每个小组成员相互交流,明确本小组需要研究的目标、内容、思路、重点以及可能会遇到的难点问题并根据自身的专长合理确定本课题分工,分析本课题研究进度,在探究性学习过程尽量由学生自行组织,教师不应过多干预,每个小组完成任务后需要提交课程报告,并派出代表以汇报的形式展示本组的研究成果,在这一环节教师和其他小组同学要积极参与并给出相关建议。这种探究性的教学方法能激发学生的学习热情,增强学生的自主学习意识,培养学生的实际操作能力、合作能力和组织能力,有助于学生综合素质的提高。(3)实地教学法。在实践环节,为了让学生理论联系实际,加深对成本会计整体知识的理解和掌握,可以通过“会计工作见习”“会计顶岗实习”“财务共享中心业务处理”“云财务智能核算”等形式开展实地教学法。让学生学以致用,使得成本会计教学活动的开展具有针对性。用好实地教学法的关键在于校企合作,高校会计专业尤其要重视与已经运用了先进会计信息技术的企业合作,或与专门开发、推广会计人工智能等信息技术的浪潮公司、用友公司、金蝶公司等紧密合作,尽可能地应用实地教学法,真正实现教学过程与先进信息技术的会计流程对接,培养适应人工智能等信息技术的新型会计岗位人才。

3.4加强人工智能背景下复合型师资队伍建设。教师是教育理念的执行者,师资水平是会计高等教育质量的重要保证[6]。高校应加强会计师资队伍的建设,为更好地培养复合型会计人才提供保障。学校可通过与企事业单位、会计师事务所、政府部门、证券金融机构的战略合作,逐步拓展校外实践平台,引进已建成财务共享中心的企业中的高级管理者,聘请校外企业家、知名教授和实践经验丰富的从业人员举办讲座和学术报告,并将人工智能融入成本会计专题911研讨会进行交流和研究。努力实现理论教学与实战训练对接、课程内容与真实动态业务对接、专业设置与岗位对接、专业教师与实务专家联动。加强现有会计教师队伍的培训,鼓励现有成本会计课程教师团要走出去,多与已经开展智能财务、智能会计、大数据会计专业的院校进行交流和学习。也可考虑将信息管理专业的教师与成本会计专业课教师集中进行培养,通过线上和线下相结合的方式,尽量实现全覆盖,力求做到通过培训使成本会计教师懂得信息技术的运用,信息管理专业的教师熟悉财务、成本会计的相关知识。使得不同专业的教师都能有相互学习的机会,从而打造一支具有信息技术、业财融合背景的复合型、跨学科的成本会计课程教学团队。

4结论

人工智能课程范文6

关键词:人工智能;纳税计算与申报;高职会计专业

随着近几年我国经济和科技水平的迅速提升,人工智能的应用也在迅速推广。在当前高职院校针对会计专业进行人才培养过程中,《纳税计算与申报》课程是教育体系中的一门重要核心课程。在高职院校进行该课程开设主要是为了培养会计专业的学生可以更好地完成会计核算以及税务处理。相对于其他课程来说,该课程自身所具备的特点就是具有更高的实用性和实务性。随着平板电脑和智能手机越来越普及,网络上学习资料丰富多样,再加上今年疫情原因,越来越多的课堂都搬到了网上。学习数据的不断提升积累,信息技术的发展成熟,人工智能也开始步入课堂,逐步实现个性化学习。因此,在当前科技迅速发展的大背景下,如何将人工智能和纳税计算与申报课程改革相结合,从而达到迅速培养会计专业学生自身实践能力的目的,这是当前进行课程改革的最终需求。

一、纳税计算与申报课程特点

(一)时效性。对于国家发展来说,税收作为宏观调控的一个主要工具,但是在当前经济迅速发展的条件下,我国的税收政策也应该针对经济形势进行及时的改革。因此对于国家宏观调控来说,纳税计算与申报课程的开展和内容设置也应该随着我国税收政策的不断改变来进行及时调整。这就要求进行教学的教师需要针对我国税法动态实时关注,并且具有最新的知识储备,从而可以保证在教师进行课程教学过程中更加符合国家最新的经济形势,确保教学中的内容时效性。

(二)实用性。纳税计算与申报对于一名专业的会计人才来说,是必须具备的专业能力。其中会计核算作为会计人员自身需要具备的基础条件,是保证在其进行具体工作过程中,可以更好地完成税务核算以及纳税申报等业务。在高职院校的会计专业针对学生开展该课程的教学,可以培养学生自身相对于涉税业务方面的会计处理能力,从而使其可以加强对于账簿、发票以及税款方面的处理能力,进一步提升会计专业学生的税务核算以及纳税申报等方面的专业知识和专业技能能力。

(三)实践性。现阶段纳税计算与申报课程开展过程中的教程内容相对于传统教学内容来说,已经不仅仅包含对于税收管理以及纳税计算等基础内容的教授,同时更加注重在当前信息技术速发展的阶段下企业涉税业务的实践。比如对于企业的账簿发票以及税款的处理能力需要增强,并且通过相关软件来完成企业在进行涉税业务方面的工作。这就需要在高职会计专业进行该课程教授过程中更要结合人工智能来让学生可以更好地掌握相关方面的能力。学生通过该课程的具体学习,除了可以得到基础的理论知识提升,还可以学到一些具有专业的实践型的知识和技能。

二、纳税计算与申报课程教学中存在的问题

(一)理论教学内容较多。纳税计算与申报课程在进行教学过程中,具有相对较多的理论课程教学内容,同时这一方面也并不符合高职学生的发展特点。以往的教学内容主要包含针对一些税收条文的列举,另外教师在进行授课过程中,会对一些税收条文进行详细的讲解,并附加上一些真实的案例,可是学生在学习的过程中还是会感到稍微的无趣,进一步导致学生在学习过程中丧失学习的乐趣。在当前人工智能迅速发展的大背景下,教师在进行该课程教授的过程中,可以结合人工智能的新技术来提升学生的学习兴趣。

(二)税法涉及的行业较多。高职院校会计专业进行税收类课程的教学时所涉及的税收范围相对较广,但是针对于高职院校的学生来说,制造业以及商业企业税收情况就比较难以掌握,如果再涉及到建筑业以及服务业等等相关行业的税收服务内容,这就导致学生在学习纳税计算与申报课程过程中的难度加大,容易导致学生学习时产生疲惫和懈怠的心理,使得该课程的教学效果受到一定程度的影响。

(三)税法的核算内容复杂。对于现阶段的高职院校会计专业学生来说,税收种类是非常多的,主要包括流转税收和所得税收两大类,但是这两大类中的内容非常复杂。比如在进行企业所得税方面的教学过程中,主要课程要求就是让学生可以将这些固定的公式背诵,并且可以对于这些核算方法和计算方式实现灵活运用。如果学生在进行运算过程中,对于业务内容自身所具备的逻辑关系不能良好的处理就会导致计算错误的出现。这主要是由于在教学过程中学生对于会计核算方面的知识相对较少,从而导致其针对企业所得税的计算能力相对较差。

三、人工智能下的纳税计算与申报课程教学改革

(一)用人工智能实现因材施教。因材施教一直是人类的教育理想,它是根据每个学生不同的资质、特点进行个性化的教学,取长补短。但是具体实施起来是非常困难的,除非给每个学生配备一位导师,但这不太现实。然而,人工智能使我们有机会实现因材施教,从而促进学生提高学习效率,真正达到自我管理。例如学生用手机拍摄教材内容,通过人工智能系统进分析,然后向学生显示该内容的要点、难点、先修知识。然后提供在线课堂、知识链接。向学生推送老师上传的针对性的学习视频及PPT,从而与学生的个体学习需求相匹配,实现更针对性地传递知识。每次考试以后,人工智能可以根据试卷内容,分析出学生知识点的掌握情况,再相应地布置个性化的作业。老师根据人工智能所分析的整个班级的知识点掌握情况,对于大多数同学都掌握得较好的知识点,老师就只要在课堂上做简略讲解,而集中时间去讲解那些掌握得不够的地方。所以在当前人工智能迅速发展的大背景下,教师在进行纳税计算与分析课程教授过程中,可以结合人工智能的新技术来提升学生的学习兴趣。

(二)人工智能教学内容的组织和安排。利用人工智能来完成对于教学内容的组织和安排的系统化处理,可以让其更具有条理性,从而解决税法涉及行业较多的问题。在进行课程安排过程中需要依赖于其他的相关工作项目结果,这就使得在实施教学时,如果没有具体的前置项目基础就会出现在后续项目的空中楼阁问题。所以在进行具体项目的办税业务处理过程中,需要针对纳税人、征税范围以及相应的经济业务进行综合判断。因此,在进行具体的纳税计算与申报教学过程中必须要针对实际工作的需求来完成实际工作步骤的设定,首先需要对于经济业务完成判断,并且进行具体的核算归纳,最终才能得到纳税申报表,同时综合利用当前人工智能带来的便利,针对各个行业的税收条件进行综合统计和具体分析,从而便于学生的学习。

(三)用人工智能解决税法核算的复杂。税法核算复杂,这个可以借助当前人工智能的便利来对学生这方面知识进行细致的分析和具体统计。并且针对统计结果来设定相关的课程推送及习题推送,便于学生对于自身所缺乏的知识进行细致学习,进一步提升学生自身的纳税实践能力。

(四)人工智能需要与教师相互结合。人工智能并不能完全替代教师。教师需要和人工智能相互结合,取长补短才能发挥出在纳税计算与申报课程教学上的创新。人工智能只能帮助学生找到知识上的不足,错题中的逻辑归因。他没有情感,无法与学生感同身受,学生遇到学习困难,感到学习压力,产生学习倦怠时,人工智能无法给予学生关爱。而教育需要对学生用心育心,给学生温暖,给予激励,激发学生的学习兴趣,还需要在适当的时候给适当的引导,而不是一味的灌输。同时现下思政需要走进课堂,德育需要融入课程,德育的实施是一项复杂的思维意识活动,具有一定的创造力,会随着课堂教学的实际情况而发生变化,也会随着变化而发展,这些是人工智能无法做到的,这就需要灵魂的工程师——教师来进行传授。

四、结论

人工智能课程范文7

关键词:嵌入式人工智能;线上线下混合式;项目结果导向;赛教融合;全周期;新工科

0引言

自2016年我国正式加入“华盛顿工程认证协议”后,新工科建设成为应对全球新一轮科技和产业革命的又一重大战略选择。历经“复旦共识”“天大行动”“北京指南”等一系列探索实践,我国的新工科建设向纵深发展。2018年4月,教育部印发《高等学校人工智能创新行动计划》,要求推进新工科建设,重视人工智能与计算机、物联网、生物学、心理学、社会学等学科专业教育的交叉融合,形成“人工智能+X”复合专业培养新模式[1]。《人工智能产业人才发展报告(2019-2020)》中指出,目前人工智能产业人才供需结构不平衡,整体需求缺口较大,人才供给在当前面临的岗位类型和技术方向上与企业需求之间存在显著错位的严重现象;人才供需质量不平衡,企业对创新型、应用型、复合型人才的需求更加突出[2]。嵌入式人工智能(EmbeddedArtificialIntelligence,EAI)是以微控制器MCU或应用处理器MPU为核心,具备基本学习或者推理算法,融合传感器采样、滤波处理、边缘计算、通信及执行机构等功能于一体的嵌入式计算机系统。目前它的发展还处于初始阶段,其发展应用正与物联网技术有机融合,势必会引起先进制造业的深刻变革[3-5]。

1现状及存在问题

1.1现状分析

为了抢占科技发展的制高点,各个学校都将人工智能作为优先发展的方向,比如清华大学于2018年成立人工智能研究中心,北京大学于2019年成立人工智能研究院,中国科学院大学于2019年成立人工智能学院,北京科技大学于2019年成立人工智能研究院,北京石油化工学院于2020年7月成立人工智能研究院。通过人工智能与相关学科的交叉融合,带动智能制造、智能医疗、智能环保、智能安全、智能材料、智能商务、智慧管理等学科领域的升级换代[6]。目前人工智能的人才培养重理论、轻实践,注重于机器学习算法理论、通用人工智能、高性能计算机模型训练等方面;而在嵌入式人工智能人才培养方面,由于难度大、复杂交叉性强,缺乏完整系统的教学知识体系,未能有效地展开教学,从而无法满足当前对人工智能人才的需求。以本校为例,在2018年修订了新的培养方案,计算机科学与技术、软件工程、数据科学与大数据技术、物联网工程、电子信息工程等相关专业均以选修拓展课或者方向课的形式开设了人工智能类的相关课程。这些课程目前只停留在理论和简单的数据训练层面,无法形成教学体系,更谈不上实践体系的建设。随着近些年人工智能技术和MOOC课程的迅速发展,利用线上线下课内课外混合式的教学资源以及丰富的人工智能实践平台,能够使得大规模的数据训练和模型获取变得简便。然而,对于模型的终端部署(嵌入式人工智能)未形成统一的教学体系,仍然是各个高校普遍存在的共性问题。

1.2存在问题

(1)资源未有效整合目前,嵌入式人工智能相关知识仍分散在各个专业、各个方向,线上线下的资源鱼龙混杂,关键性的核心技术未有效地公开,需要进行大量的探索,导致学生学习效率极差、无法整合海量的知识,不能利用相关的技术真正解决现实的工程实际问题。(2)课程相关实验陈旧无论是机器学习还是深度学习等相关课程,实现具体的算法时,仍然是以传统的实验为主,数据集经典、案例成熟,已无法适应当今快速发展的应用场景。由于获取真实的数据较困难,导致课程授课难度变大。(3)软硬件配置无法有效统一大规模的数据训练需要高配置的服务器资源(高性能的CPU、GPU等),并且模型的轻量化裁剪没有统一的流程和方法,嵌入式端的处理能力更是参差不齐,无法有效地统一,学生无法抓住学习训练主线,导致学习时心有余而力不足。

2实践教学研究基础

2.1实践教学理念

线上线下和课内课外的混合式教学,可以有效解决教学实践中学时不足的问题。利用现有的线上资源,选择适合学生特点的相关资源进行整合,并开发特色实践案例。建立起“基本理论-算法分析-数据采集-模型训练-轻量化裁剪-模型部署-应用测试”的全周期项目资源链条。以结果为导向(OBE)的项目制教学,在国内外知名高校早已开始广泛实施[7-10]。这一教学理念特别适用于人工智能实践教学,具体流程如图1所示。

2.2实践教学平台

(1)数据获取平台在真实项目的基础上,依托物联网的感知平台,获取大量的真实数据,并对数据做初步的加工处理,初步确定数据的相关特征。(2)模型训练依托开源的深度学习平台(比如百度飞桨AIStudio、阿里天池),进行模型的初步训练,再利用现有的本地算力服务器资源进行模型的再训练,利用训练集进行多次测试调参。(3)模型裁剪及嵌入式终端部署将训练的模型进行蒸馏、剪枝等操作,根据不同的嵌入式终端,找到符合真实场景的最优化模型,进行反复的测试。

3实践教学研究内容

基于新工科的培养目标,结合工程认证的相关理念,建立人工智能理论与实践相结合的教学体系,不断完善产学合作的实践教学方法及课程评价方案,研究内容主要从课程知识模块构建、教学方法、评价方案、实施计划等四个方面展开。

3.1课程知识模块

目前我校的培养方案执行的是“平台课+核心课+方向课+拓展课”的模式,受学时限制,部分核心课程或者方向课程开设在拓展模块,并且执行过程中均是根据专业指定相关拓展课程,失去了制定拓展课的意义。鉴于人工智能在计算机专业中共有的意义,在拓展课程中构建完整的课程群体系具有一定的参考价值。嵌入式人工智能课程群知识模块包括四大部分:数学基础模块、基础算法模块、核心技术模块和创新应用模块,具体见表1所列。表1中所列的相关知识模块,实际上在各专业人才培养方案中均有所涉及,但是未成体系。例如数学基础部分的矩阵和概率相关知识在基础数学中均会涉及到,针对人工智能领域常见的数学方法的概括和再现,完全可以放在线上由学生自主学习并完成相关测试,但并不是否定基础数学的重要性。各个专业均可以按照自身的培养目标,合理地选择相应的模块。

3.2教学方法

鉴于表1中所列的课程要远远超过现有的学时安排,可以逐步建立起网络教学资源,供学生自学和选学,辅助教师串讲答疑即可。这种线上+线下的混合式教学模式,更加符合学生实际选课的个性化需求,也能解决线下学时紧张的问题。而对纯实践类课程,教学方式以培养学生能力为导向,面向工程实际、项目导向,提高学生创新和动手实践能力,实现技能的培养。鼓励学生参加各种学科类开放型的竞赛,以赛促学,比赛的过程及成绩可以作为考核评价的一部分。

3.3评价方案

评价考核体系也是课程群实施的重要一环,这里会重点研究线上教学、线上+线下的混合式教学、纯线下教学等不同模式的考核方式。按照工程教育的评价标准,课程体系的评价方法主要从12个方面进行:①工程知识;②问题分析;③设计/开发解决方案;④复杂工程问题研究;⑤使用现代工具;⑥工程与社会影响评价;⑦环境和可持续发展理解评估;⑧职业规范;⑨个人和团队角色承担;⑩沟通;⑪项目管理;⑫终身学习。在评价方式方面,重点研究项目+团队+竞赛等全方位的考核,不再以单一的考核方式为主。

3.4实施方案

(1)线上资源建设按照知识模块内容,分批次建设相关的网络资源,并且可以发掘学生“传帮带”的作用,鼓励学生开发网络资源,开展小组式学习,不断优化相关资源,并逐步开发测试题集,对线上资源的学习有相应反馈。(2)开发实际应用案例以项目制为依托,结合教师和竞赛中的实际应用项目,打通从理论到应用的通道。比如在《机器学习与人工智能》课程中以机器学习和深度学习为依据,着重培养学生自主搭建深度学习框架的能力,贯穿简单的人工智能案例,达到人工智能与现实场景的高度融合。依托实习实践基地,开设相关知识的训练营,引进企业工程师,促进真实案例在企业落地,引导学生提前进入工程项目的实际训练,不断提高项目实操能力。(3)以赛促教,赛教融合以中国软件杯大赛、全国大学生人工智能大赛、全国大学生物联网设计大赛和挑战杯、国际互联网+创新创业大赛为依托,将参赛过程的实际表现融入课程的平时成绩,最终比赛结果可直接作为考核结果,学生在比赛过程中积累相关知识和经验,反向促进教学,真正实现赛教融合。

4结语

人工智能课程范文8

关键词:嵌入式人工智能;线上线下混合式;项目结果导向;赛教融合;全周期;新工科

0引言

自2016年我国正式加入“华盛顿工程认证协议”后,新工科建设成为应对全球新一轮科技和产业革命的又一重大战略选择。历经“复旦共识”“天大行动”“北京指南”等一系列探索实践,我国的新工科建设向纵深发展。2018年4月,教育部印发《高等学校人工智能创新行动计划》,要求推进新工科建设,重视人工智能与计算机、物联网、生物学、心理学、社会学等学科专业教育的交叉融合,形成“人工智能+X”复合专业培养新模式[1]。《人工智能产业人才发展报告(2019-2020)》中指出,目前人工智能产业人才供需结构不平衡,整体需求缺口较大,人才供给在当前面临的岗位类型和技术方向上与企业需求之间存在显著错位的严重现象;人才供需质量不平衡,企业对创新型、应用型、复合型人才的需求更加突出[2]。嵌入式人工智能(EmbeddedArtificialIntelligence,EAI)是以微控制器MCU或应用处理器MPU为核心,具备基本学习或者推理算法,融合传感器采样、滤波处理、边缘计算、通信及执行机构等功能于一体的嵌入式计算机系统。目前它的发展还处于初始阶段,其发展应用正与物联网技术有机融合,势必会引起先进制造业的深刻变革[3-5]。

1现状及存在问题

1.1现状分析

为了抢占科技发展的制高点,各个学校都将人工智能作为优先发展的方向,比如清华大学于2018年成立人工智能研究中心,北京大学于2019年成立人工智能研究院,中国科学院大学于2019年成立人工智能学院,北京科技大学于2019年成立人工智能研究院,北京石油化工学院于2020年7月成立人工智能研究院。通过人工智能与相关学科的交叉融合,带动智能制造、智能医疗、智能环保、智能安全、智能材料、智能商务、智慧管理等学科领域的升级换代[6]。目前人工智能的人才培养重理论、轻实践,注重于机器学习算法理论、通用人工智能、高性能计算机模型训练等方面;而在嵌入式人工智能人才培养方面,由于难度大、复杂交叉性强,缺乏完整系统的教学知识体系,未能有效地展开教学,从而无法满足当前对人工智能人才的需求。以本校为例,在2018年修订了新的培养方案,计算机科学与技术、软件工程、数据科学与大数据技术、物联网工程、电子信息工程等相关专业均以选修拓展课或者方向课的形式开设了人工智能类的相关课程。这些课程目前只停留在理论和简单的数据训练层面,无法形成教学体系,更谈不上实践体系的建设。随着近些年人工智能技术和MOOC课程的迅速发展,利用线上线下课内课外混合式的教学资源以及丰富的人工智能实践平台,能够使得大规模的数据训练和模型获取变得简便。然而,对于模型的终端部署(嵌入式人工智能)未形成统一的教学体系,仍然是各个高校普遍存在的共性问题。

1.2存在问题

(1)资源未有效整合目前,嵌入式人工智能相关知识仍分散在各个专业、各个方向,线上线下的资源鱼龙混杂,关键性的核心技术未有效地公开,需要进行大量的探索,导致学生学习效率极差、无法整合海量的知识,不能利用相关的技术真正解决现实的工程实际问题。(2)课程相关实验陈旧无论是机器学习还是深度学习等相关课程,实现具体的算法时,仍然是以传统的实验为主,数据集经典、案例成熟,已无法适应当今快速发展的应用场景。由于获取真实的数据较困难,导致课程授课难度变大。(3)软硬件配置无法有效统一大规模的数据训练需要高配置的服务器资源(高性能的CPU、GPU等),并且模型的轻量化裁剪没有统一的流程和方法,嵌入式端的处理能力更是参差不齐,无法有效地统一,学生无法抓住学习训练主线,导致学习时心有余而力不足。

2实践教学研究基础

2.1实践教学理念

线上线下和课内课外的混合式教学,可以有效解决教学实践中学时不足的问题。利用现有的线上资源,选择适合学生特点的相关资源进行整合,并开发特色实践案例。建立起“基本理论-算法分析-数据采集-模型训练-轻量化裁剪-模型部署-应用测试”的全周期项目资源链条。以结果为导向(OBE)的项目制教学,在国内外知名高校早已开始广泛实施[7-10]。这一教学理念特别适用于人工智能实践教学,具体流程如图1所示。

2.2实践教学平台

(1)数据获取平台在真实项目的基础上,依托物联网的感知平台,获取大量的真实数据,并对数据做初步的加工处理,初步确定数据的相关特征。(2)模型训练依托开源的深度学习平台(比如百度飞桨AIStudio、阿里天池),进行模型的初步训练,再利用现有的本地算力服务器资源进行模型的再训练,利用训练集进行多次测试调参。(3)模型裁剪及嵌入式终端部署将训练的模型进行蒸馏、剪枝等操作,根据不同的嵌入式终端,找到符合真实场景的最优化模型,进行反复的测试。

3实践教学研究内容

基于新工科的培养目标,结合工程认证的相关理念,建立人工智能理论与实践相结合的教学体系,不断完善产学合作的实践教学方法及课程评价方案,研究内容主要从课程知识模块构建、教学方法、评价方案、实施计划等四个方面展开。

3.1课程知识模块

目前我校的培养方案执行的是“平台课+核心课+方向课+拓展课”的模式,受学时限制,部分核心课程或者方向课程开设在拓展模块,并且执行过程中均是根据专业指定相关拓展课程,失去了制定拓展课的意义。鉴于人工智能在计算机专业中共有的意义,在拓展课程中构建完整的课程群体系具有一定的参考价值。嵌入式人工智能课程群知识模块包括四大部分:数学基础模块、基础算法模块、核心技术模块和创新应用模块,具体见表1所列。表1中所列的相关知识模块,实际上在各专业人才培养方案中均有所涉及,但是未成体系。例如数学基础部分的矩阵和概率相关知识在基础数学中均会涉及到,针对人工智能领域常见的数学方法的概括和再现,完全可以放在线上由学生自主学习并完成相关测试,但并不是否定基础数学的重要性。各个专业均可以按照自身的培养目标,合理地选择相应的模块。

3.2教学方法

鉴于表1中所列的课程要远远超过现有的学时安排,可以逐步建立起网络教学资源,供学生自学和选学,辅助教师串讲答疑即可。这种线上+线下的混合式教学模式,更加符合学生实际选课的个性化需求,也能解决线下学时紧张的问题。而对纯实践类课程,教学方式以培养学生能力为导向,面向工程实际、项目导向,提高学生创新和动手实践能力,实现技能的培养。鼓励学生参加各种学科类开放型的竞赛,以赛促学,比赛的过程及成绩可以作为考核评价的一部分。

3.3评价方案

评价考核体系也是课程群实施的重要一环,这里会重点研究线上教学、线上+线下的混合式教学、纯线下教学等不同模式的考核方式。按照工程教育的评价标准,课程体系的评价方法主要从12个方面进行:①工程知识;②问题分析;③设计/开发解决方案;④复杂工程问题研究;⑤使用现代工具;⑥工程与社会影响评价;⑦环境和可持续发展理解评估;⑧职业规范;⑨个人和团队角色承担;⑩沟通;⑪项目管理;⑫终身学习。在评价方式方面,重点研究项目+团队+竞赛等全方位的考核,不再以单一的考核方式为主。

3.4实施方案

(1)线上资源建设按照知识模块内容,分批次建设相关的网络资源,并且可以发掘学生“传帮带”的作用,鼓励学生开发网络资源,开展小组式学习,不断优化相关资源,并逐步开发测试题集,对线上资源的学习有相应反馈。(2)开发实际应用案例以项目制为依托,结合教师和竞赛中的实际应用项目,打通从理论到应用的通道。比如在《机器学习与人工智能》课程中以机器学习和深度学习为依据,着重培养学生自主搭建深度学习框架的能力,贯穿简单的人工智能案例,达到人工智能与现实场景的高度融合。依托实习实践基地,开设相关知识的训练营,引进企业工程师,促进真实案例在企业落地,引导学生提前进入工程项目的实际训练,不断提高项目实操能力。(3)以赛促教,赛教融合以中国软件杯大赛、全国大学生人工智能大赛、全国大学生物联网设计大赛和挑战杯、国际互联网+创新创业大赛为依托,将参赛过程的实际表现融入课程的平时成绩,最终比赛结果可直接作为考核结果,学生在比赛过程中积累相关知识和经验,反向促进教学,真正实现赛教融合。

4结语