摘 要：基于人工智能第二阶段的相关趋势的分析，说明数据分析与数据采集的重要性，从教学改革、教学方法、课程内容等几个方面对高职校人工智能课程的教学内容进行了探讨。针对新一代人工智能专业的技术特点与高职校实训体系建设，分析了数据采集的实训课程与TensorFlow技术入门条件。
关键词：教学计划；人工智能；数据采集；TensorFlow
0 引言
凡事过去，皆是序曲—莎士比亚。2016年阿法狗的横空崛起正式标志着人类历史上人工智能的发展史进入第二阶段，之前人工智能的研究领域在于使用先进的算法来AI的思维模式，马尔科夫链、向量机、退火算法与神经网络等工具在各种学术前沿所使用，新一代的AI使用深度学习的理念，在人工神经网络上高速发展，让AI自身分析大量原始数据获取特征值，使AI的智能化大大提升，而其核心就是数据。AI研究也从金字塔尖的数学算法逐步走向整个社会的数据搜集，高职校也可以承担一部分人工智能中数据采集的工作，本文将探讨一下高职校学生数据采集课程的实训课程与计划。
1 数据的重要性
在传统高职校老师与学生印象中，数据被抽象为单纯的数字或由数字组成的集合，但现代文明中数据的实际意义已经远超出了数字，所有电子信号能表示的一切：图片、文字、音频与视频都是数据的一部分，上到宇宙运行的物理模型，下到工厂运转的设计流程全可由数据组成。数据本身客观存在，但人们对其意义的认知出现了偏差，随着技术进步，研究人员逐渐认可文字、图片像素与语音这些基本载体的信息为数据的组成。并进一步数据也不等同于信息，信息可以指代有具体意义的数据，也可指代隐藏在事物本质下的客观事实，而数据包罗万象，可以随意制造，存在大量错误或者无意义的数据，而在其基础上衍生出大量数据的处理工作便是我们高职校教学改革的机遇。然而高职校的教育体系还没有完全接受这种观点，对于数字媒体专业与人工智能专业中数据处理—数据采集、数据清洗、数据分析、数据规范的教学方向都没有归一，核心数据的外延如医学资料，传感网环境，工业设计图纸流程都没有融入相关教学体系，数据是新时代的技术基石，人类对其的认知也反应了人类文明的阶段。
2高职校课程改革的机遇
回归源头，人类对数据的采集过程，也是一个对客观现象的观察总结，加强人工智能的基础研究、应用研究、运行维护等方面专业技术人才的培养已经成为高校和高职校共同的奋斗目标。就研究表明2017年上半年全世界人工智能相关就业人员总共约150万，而仅中国短期内的岗位需求就将近500万。高校无可争议在前沿理论与算法研究上拥有无可伦比的技术与资源优势，但由于直接对接工厂第一手数据资源，高职校在培养复合型人才的培养上，更能将智能制造的基础理论、方法、技术与实际就业应用相结合，引导产业改革同时深化高职校本身的教学改革。
3 数据处理开发基础
Python因为其轻量、兼容与简单上手而成为了机器学习的必备语言，从简单的数据处理到高难度深度学习都有相关开发库与其对接，而目前入门级深度学习库Tensorflow也对其支持最佳，在未来Python成为了高校或高职校最适合开设相关课程的教学工具。
Python常用的基本数据类型list、set、dictionary；我们使用这些数据类型来定义类似矩阵式的数据，根据其函数式编程特性，配合上第三方库则可无缝对接大量开源数据模块。NumPy是Python最常用的数值计算扩展库，相当于一个科学计算包，不但可以整合C、C++和Fortran代码的工具包，而且有大量的线性代数、信号处理（如傅里叶变化）與随机运算相关函数，是人工智能学习的基础。
NumPy作为Python里的开发库，使用时首先使用导入numpy包：
import numpy as np
然后使用np.array存储相关变量，然后就在其基础上进行常见的矩阵运算。
4 TensorFlow使用入门
TensorFlow为Google公司于15年发布的的开源深度学习开发库，目前已经是全世界发展最迅速的AI开发平台，面对高职校课程，可以从MNIST入门学起。
MNIST是一个入门级的计算机视觉数据集，包含各种手写数字图片与其对应标签：
我们团队设计的教学课程也是参考MNIST对应的主流课程体系，建立简单的Softmax Regression数学模型，并在实训课程中，逐步引入深度学习的概念、TensorFlow的工作原理与机器学习的学习构架。MNIST课程中，我们将引入很多图片，每一张图片都表示从0到9的一个数字。通过对图片的分析，计算图片代表每个数字的概率。举个例子，输入的模型可能推测一张包含3的图片，整个模型中代表数字3的概率是X%，但在识别判定中需要考虑他是2或者8的概率—考虑到2、8都和3有着类似的弧形图案纹路，所以给予2或者8的概率是一个小于X%的值，然后给予它代表其他数字的概率更小的值。在所有数字都分配了一个可能的概率后，我们使用Softmax来得到更精确的概率。
5高职校人工智能课程的规划
高职校的人工智能与数据处理相关核心课程需要3门理论课程—人工智能入门、智能制造数据采集、Python数据处理与一门3-4周的实训课程TensorFlow应用技术，所需电脑可使用Windows或者Linux系统，需要安装Python3.5的开发包，引入基础第三方库，本校的电脑安装了Anaconda来自动安装深度学习所需要的开发库程序，学生需要一定的线性代数与概率论基础，需要比较扎实的编程能力，一般适用于我校计算机或者物联网专业3年级下班学期或者4年级的学生。
参考文献
[1] TensorFlow官方文档中文版—https：//github.com/jikexueyuanwiki/tensorflow-zh
[2] 基于主成分分析法及贝叶斯分类器的手写数字识别 --《大众科技》 2015年09期
[3] 中国基础教育大数据 电子工业出版社 杨现民 田雪松
[4] Python大战机器学习 电子工业出版社 华校专，王正林
[5] TensorFlow实战 电子工业出版社 ISBN：9787121309120
[6] Tensorflow 实战Google深度学习框架 电子工业出版社 ISBN：9787121309595
[7] Python机器学习及实践书 清华大学出版社 ISBN：7302442878，9787302442875
（作者单位：无锡机电高等职业技术学校）
