清华大学：人工智能深度学习课程高校调研报告.docx

人工智能深度学习课程高校调研报告 i i 前 言 近年来，深度学习逐渐成为人工智能领域的研究热点和主流发展方向，各行业都有着强烈的需求。高校更应抓住机遇，迎接挑战，推进这一领域的发展。为了了解高校人工智能及深度学习相关课程的开设情况，以便更好地配合学校开展实践教学及校企合作，我们发起了此次调研。 本次调研形式为网络问卷调查。选取的学校分为以下两类：已申报人工智能专业的高校； 未申报过人工智能专业，但参与过清华大学出版社举办的人工智能及相关方向师资培训课程、在清华大学出版社官网或公众号申请过相关教材的学校。调研主要面向这些学校的人工智能、计算机及相关专业的教师。本次调研时间为 2021 年 12 月 17 日至 2022 年 1 月 20 日，我们共收 集到来自 421 所高校的有效数据。 本报告首先展示 421 所高校人工智能专业及相关课程的开设情况，分析人工智能课程现有的不足，并总结优质课程应具备的特点；然后分析“人工智能概论”和“深度学习”课程建设 情况以及原因分析；接着分析校企合作模式以及学校对企业的具体需求；此外，介绍百度与清 华大学出版社合作出版的人工智能及深度学习相关的图书出版情况；最后对本次调研情况进行 总结，并针对百度推广飞桨框架提出建议。 ii ii 目 录 一、 人工智能课程开课情况及课程群建设 1 开课情况 1 课程群建设情况分析 6 二、“人工智能概论”课程开设情况 9 开设情况 9 原因分析 11 三、“深度学习”课程开设及实践平台情况 12 平台选择情况 12 深度学习实践平台选择 12 深度学习的框架选择及原因分析 13 AI Studio 在高校人工智能专业教师中的普及情况 14 飞桨在高校人工智能专业教师中的普及情况 15 四、人工智能校企合作情况 17 五、人工智能相关图书出版情况 19 已出版的深度学习图书 19 已出版的人工智能实践图书 20 六、人工智能深度学习调研情况总结及建议 21 调研情况总结 21 针对推广飞桨框架的可操作性建议 23 参考文献 24 附录 A 调研学校名单 25 PAGE PAGE 1 一、 人工智能课程开课情况及课程群建设 开课情况 通过查阅教育局公布的普通高等学校本科专业备案和审批结果，将 2018—2020 年度开设人工智能专业的高校整理如表 1～表 3 所示。 表 1 2018 年度普通高等学校本科专业（人工智能）备案和审批结果（共 35 所） 表 2 2019 年度普通高等学校本科专业（人工智能）备案和审批结果（共 180 所） 表 3 2020 年度普通高等学校本科专业（人工智能）备案和审批结果（共 130 所） 2018 年，共有 35 所高校成功申报了人工智能专业。2019 年，共有 180 所高校成功申报了 人工智能专业。2020 年，共有 130 所高校成功申报了人工智能专业。截至 2021 年，共有 345 所高校成功申报了人工智能专业。越来越多的高校申报了人工智能专业，可见，选择申报人工智能专业已成为国内高校的主流趋势。 人工智能是一门新兴的技术科学，它具有多学科综合、高度复杂的特征，以及渗透力和支撑性强等特点，深度交叉融合了信息科学、认知科学、脑科学、神经科学、数学、心理学、人文社科与哲学等学科[1]。人工智能课程研究的主要内容包括知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面[2]。各高校一般依托计算机、电子、软件、自动化、大数据等专业基础，根据新一代人工智能的发展趋势和应用特点，开始新一代人工智能基础课程，拓展专业课程设置，延伸专业应用，从而获得新的专业特色和优势[3]。 杨博雄[3]等人将新一代人工智能学科的专业建设与课程设置概括为以下三部分。 理论课程建设。专业基础课上除了微积分、线性代数、概率与统计等基础数学课，还 要有数学分析、凸优化等对人工智能很重要的内容，以及矩阵运算、监督学习与非监督学习的应用数学基础。在专业核心课程设置上，除开设计算机专业的核心课（如 Python、C/C++、操作系统、数据结构、算法分析、智能硬件和分布式并行计算 FPGA 开发等）及平台课程外，相关 的核心课程还包括人工智能导论（含脑科学、生命科学与认知科学）、机器学习、深度学习、大数据处理与云计算、机器人开发、模式识别、自然语言处理等，实验平台支持人工智能硬件实验平台、大数据处理与云计算平台、机器学习与深度学习平台等。 实验建设。实验课程设计可以根据人才培养目标和教学计划安排分为 Python 开发、机器学习、深度学习、智能化应用等模块进行展开，例如机器学习实验、深度