探索《TensorFlow基础实战》创新案例课程标准开发

高政霞 唐林 顾润龙

TensorFlow作为开源深度学习框架之一，在人工智能领域和企业应用中是一颗闪耀的明星。本文依托高职人工智能技术应用人才培养方案，结合AI行业热门领域，探索高等职业院校TensorFlow基础实践课程的创新路径，主要从实践动手能力、项目开发能力、自主学习能力、探究创新意识等方面进行剖析，通过结合“产、学、研”创新探究课程标准开发，提出了一条“岗、课、赛、证”融通的模式来创新人才培养路径。

1 课程背景

目前人工智能布局和发展已经成为世界诸多国家的共识与行动，国内更是高度重视人工智能发展。2021年3月教职成[2021]3号文中指出“深化职业教育评价改革，形成具有职业教育特点的评价标准和方法”，表明了培养能力的实践教育要求。此外，国家出台多项举措，表明职业教育实训教学建设标准及职业人才培养技能应用型更深层次发展的立场。高职人工智能技术应用专业致力于培养符合国家战略及人工智能产业发展需求，掌握AI基础知识，拥有可持续发展能力、具有AI核心思维和能够根据行业、企业等需求进行开发的高素质复合型技术技能人才。通过岗位深度调研和剖析，明确了人工智能技术应用方向人才培养的职业面向、职业岗位、工作需求，其中作为人工智能深度学习开源框架之一的TensorFlow框架是人才培养实践教学中非常重要的一环。

目前机器学习和深度学习框架有TensorFlow、Pytorch、 PaddlePaddle、MindSpore、Scikit-learn、Keras等，还有一些使用率相对较低的Theano、Caffe、CNTK等，那么选取TensorFlow框架主要是因其强大的可移植性和广泛的应用关注性，还有国内如小米、京东等科技公司也采用TensorFlow进行生产实践，与此同时，还有高校也是用其作为教学主要工具，所以TensorFlow课程标准的探索在教学、学术研究和工业应用中是非常有必要的。

TensorFlow作为人工智能技术应用专业核心课程之一，课程标准实施方案的制订是落实人才培养方案目标的重要一点，同时也是“岗课赛证”四项融通举措中非常关键的节点。考虑到该课程的实用性和实践性，该课程需從算法及应用实践两方面入手，从而实现让学生最终成为AI的真正驾驭者而不是边缘使用者。

2 课程标准框架

课程标准是指导教学的重要依据，也是立德树人、课程思政开展的指导标准，而且，提质培优人才培养其中最关键的一环就是课程的开发与建设。人工智能离不开芯片、算法和数据等，如何突破固有模式，开展全景式项目式、模块化教学，如何更好地以工程实践为主线、立德树人贯穿始终的教学是高等院校要考虑的重中之重。在“岗、课、赛、证”融通背景下，开展“书证融通”“课赛结合”“岗课融合”等研究是非常有必要的，那么课程就是连接本课题核心内容中必不可少的节点。所以本文提出了一种创新课程标准框架，在研究思路和方法上可供同层次院校参考。

课程标准的制订首先对接教育部发布的教学标准要求，从课程性质与任务、课程目标与要求、课程结构与内容、考核评价、实施保障、授课进度安排等六个方面全方位、立体式设计探索，各个方面层层递进。

TensorFlow课程标准框架的搭建是开展教学的主要依据，课程的定位是决定教学实施的重要支撑，在课程机构与内容中，本文通过创新案例和工程项目模块化开展，如对垃圾邮件过滤、花卉识别分类、用户购买行为分析等典型项目开展实验实训环节，通过任务驱动、互动研讨、学生展示等环节充分调动学生学习热情。

课程教学省略机器学习及深度学习中烦琐的数学模型推导，直接从行业热门领域及工程项目中的实际问题入手，从大量的实践经验出发，引入身边熟知的生活应用，让学生走进人工智能这个前沿又热门的领域。

3 实施思路

本文在实施上着重强调提供中高端服务、解决较复杂的工程应用问题、进行较复杂的实践操作。作为人工智能专业的工具类课程，TensorFlow是支持CPU、GPU和分布式的，它的实现工程在一定意义上是非常优秀和突出的。首先课程教学要着重强调以工程项目实践为主线，引用工业应用中的典型工作任务，其次在新一代信息技术产业时代及人工智能技术产业背景下，要依托“产、学、研”深度融合，实施“书证融通”“课赛结合”“赛证向荣”，结合1+X职业技能等级认证和“产教融合”构建本课程的教学标准（如图1所示）。

3.1 对接产业

人工智能产业链包含基础层、技术层和应用层。最底层的基础层技术涉及物联网技术、智能芯片技术、大数据与云计算等相关的技术。基础层提供的主要是数据感知、数据处理，特别是算力的支持，能够为技术层的算法提供强大的数据支撑和计算能力支撑。物联网技术通过万物互联实现现实世界的数字化转化，通过传感器技术进行前期数据的感知，智能芯片技术的发展使得人工智能的大脑更加聪明。技术层才是最难攻克的点，TensorFlow作为工业上主流的深度学习框架，使用数据流式图规划计算流程，研究超大规模深度神经网络，而且有很多高度抽象的运算操作，这就表明教学内容的深度和广度需要对接相关产业进行深度挖掘。本文探索通过精准对接人工智能产业技术层实现及精准对接育人创新理念实现课程标准“双精准”策略。

通过精分人才培养方案目标，融合职业等级认证知识水平和技术要求，与此同时，融合创新创业教育及技能大赛，最终实现“双融合”育人模式。

3.2 对接岗位

TensorFlow课程是在企业中广受追捧的深度学习框架，但不是唯一，这就需要学生拥有可拓展的能力，在教学标准研讨中，考虑到行业需求及岗位要求。本文制订了一种重构课程体系，以“厚基础+侧岗位+重实践”为主要指导思想的项目化课程体系，各个项目看似无连接关系，但是层层递进、相互渗透，通过大量的实验实训项目使学生最终知道如何动手实践、如何开展项目开发，从思想上真正入门人工智能实践开发体系。

本文对接的岗位需要学生具备使用TensorFlow框架做出实际项目和成果的能力，基础能力包括从实用角度出发的CNN、LSTM、RNN、乃至DeepQ-Network训练及优化的能力，还有能够进行模型优化和参数调优的实践能力。

3.3 对接技能大赛

目前，高职类的人工智能职业技能大赛相对较少，学科类全国职业院校技能大赛没有人工智能技术应用比赛项目，而现有的技能大赛有人工智能技术服务职业技能大赛、人工智能创意赛、高校计算机大赛、人工智能创意大赛等，而这些比赛对于学生的综合应用能力有极高要求，学生必须具备“人工智能+X”知识体系下的学科融合知识体系的实践应用动手能力，还需具备极强的知识综合应用能力。

值得一提的是“一带一路”暨金砖国家技能发展与技术创新大赛各赛项，2022年有数据分析与可视化赛项、人工智能工程技术（边缘计算）赛项、人工智能训练与应用（人工智能训练师）赛项等，在赛项规程中也涉及了深度学习框架的使用。

為了培养具备社会价值和可塑性的新时代人工智能行业应用人才，从竞赛的各个任务入手，分解任务步骤和知识点，结合课程特色，着重训练学生快速建立算法和模型的能力，以及结合代码的能力。从整个赛项的全局开始抽取各个知识点形成模块化项目块，将任务做成知识点在课堂教学中融入，实训过程中充分了解学生水平和学习进度，有针对性地开展测试和考核，针对出现的问题集中解决。

在学校构建的一体化实训平台进行个人追逐赛、团队对抗赛等充分激发学生的学习热情和超越自我的精神风貌。

3.4 教材开发

利用现有资源和设施打开项目式教材、模块化教材开发双思路，以岗位群人才需求为基石，结合企业工作需求选取教学任务，制订项目目标，以任务导入，通过人物分析、任务实施、任务小结、任务工单等进行教材开发，课程体系建设专业基础课程可从模块化教材研发为导向，以知识点+技能点为基础，构建课程+模块的体系。通过项目式教材规划建设的过程中形成的典型案例或大型项目可作为创新创业项目指导学生参与创新创业比赛，学生在此基础上可以进一步拓展延伸。

通过与企业协同创新，合作开发活页式教材达到校企双元，共同构建创新创业项目池，与创新创业项目结合可完成部分学生的实习实训任务。与此同时，向国家规划教材的方向迈进一大步。模块化的教材开发与企业协同写作，利用企业提供的线上教学平台，同步开展平台精品课程建设，拓展完善精品资源库，以创新创业导学岗位和技术技能学习。

3.5 课程保障

构建课程标准，必须以生为本、工学结合、德技并修，且做到引培并举双向保障。即使是实训课程，也务必要将立德树人工程进行到底，培养学生科学素养和职业素养，以国家大计和社会发展为己任，这就要求教师不仅要拥有高超的技能技术，同时需要教师能够从国家发展、国家大义、社会发展、科技视野、人文素养等多角度融合，需要广泛的知识储备量和较强的灵活应用能力。与此同时，还需要校企协同合作，从行业需求的角度开展教学。

对学校的课程保障主要体现在人工智能专业的设备设施（如智慧教室、智能助手、机器学习实训室等）和资源课程（线上线下资源库、精品课程等）的建设开发，保障基本教学条件，满足本课程标准的实施要求，支持学生开展数字化学习。学院应提供的专业教室、校内实训室和校外实训基地等，学校应结合本地区产业发展和专业教学的需要，立足学生实际，精选拓展模块内容，打造精品课程。

3.6 创新案例贯穿

综合以上四个方面，创新教学案例，手机新技术案例，从大量的案例中综合分析，最终得出模块化教学体系，“典型工作岗位+典型工作任务+专业技术能力+技能竞赛要求+学习型工作任务+学习情境”实现基于工作过程导向的教学理念选取对应的教学内容。教学创新案例选取涵盖机器学习和深度学习常见的模型和部分商业案例。

创新案例选取考虑真实的企业工程案例，如O2O优惠券使用预测、安全驾驶检测、智慧教室、危险品检测、智能红绿灯、城市声音分类、出租车轨迹数据分析、人脸老化检测、车道检测、火力发电厂工业蒸汽量预测等丰富实训项目练习。

4 师生评价

学业水平评价，从情感态度与社会责任、专业学习能力、解决问题能力等方面考查学生的专业素养水平。也可考虑建立包括自我评价、学生互评、师生互评等多种形式的客观、全面、公平的学习评价体系。评价内容主要围绕三个方面：自我学习能力、协作学习过程中做出的贡献及完成工作任务的质量。从学生的视角对学生工作积极性、团结协作精神加以评价。以教学目标为依据，针对学生的创造精神和发展性需求进行评判，注重学生的过程化考核，鼓励学生创新应用和自主实践。

通过“线上+线下”方式交互评价，在学习时间与空间跨度上，立足远程教育和终身学习的初衷，在此基础上以不违背教学目标和人才培养方案要求的前提下进行适当创新。

5 总结

本文从创新案例入手，结合真实的企业项目实战，对TensorFlow基础实战课程进行了全面剖析和解析，探索了一条创新的课程标准路径，致力于解决实践课的教学设计问题，通过“岗、课、赛、证”四项融通模式、校企协同创新育人方法等进行了全方位、立体式、无死角的举例，最终呈现了一条最佳的课程教学路径及育人模式。

本文系中国高校产学研创新基金-北创助教项目（二期）课题“人工智能相关专业建设与资源环境类复合型人才培育方法的研究与实践”（编号：2021BCE02006）；全国2022～2023年度工业和信息化职业教育教学科研课题“基于‘校企协同下人工智能职业本科人才培养研究与实践”（编号：GXHZWC82141）；兰州资源环境职业技术大学校级科研项目科技创新团队组建课题“人工智能工程技术科技创新团队”（编号：T2022-03）。

（作者单位：兰州资源环境职业技术大学信息工程学院）