面向电气类专业的基于Python 与人工智能的教学改革研究*

张懿

江苏科技大学 江苏镇江 212000

0 引言

进入21 世纪以来，作为引领信息化时代到来的关键一环，移动互联网是当之无愧的技术变革标志，并且随着计算机算力性能的不断提升，人类社会正步入前所未有的智能信息化时代。而人工智能技术借助移动互联网的东风，逐渐成为这个时代的翘楚，并在不知不觉间深入社会生活的方方面面[1]。人工智能不仅是当今社会最热门的词语，更是在各行各业都有着深远的影响，不断推动着理工科人才培养方向的转变：在智能制造领域，人工智能技术辅助科研人员对制造类机器人进行深入的探索，从美国特斯拉的无人工厂管中窥豹，智能制造正在全世界范围内推动工科人才往智能化方向培养。众所周知，在自动驾驶领域，人工智能技术正广泛推进汽车制造及周边产业的不断扩大升级，以百度为首的众多自动驾驶研发公司正推动工科人才着眼于自动化控制研究[2]。抛开工业，以科大讯飞为首的人工智能团队尝试挖掘语音、图像、文字与人工智能的耦合，推动机器往类人化的方向发展，使得机器越来越智能，更好地服务人类。将人工智能与卫生、金融、教育等领域结合，又推动了更多的人才往精准化、数字化方向转变。

当今时代，将人工智能应用于实际工程项目，榜首语言非Python 莫属[3]。首先，Python 作为一种解释型的脚本语言不会受到类型定义的干扰，也无须关心内存管理，再加上其拥有简单而又高效的数据结构，并且很容易扩展例如C/C++等其他语言，从而有了丰富的扩展库，逐步形成了强大的生态，其中就以人工智能框架最为著名。PyTorch和TensorFlow 两大知名人工智能算法库都是首先在Python 上实现的。其次，NumPy、Pandas、NLP 等众多强大的第三方扩展程序库帮助Python更好地适配人工智能算法。据Stack Overflow 在2017 年9 月的排名中宣称增长最快的编程语言是Python；同年10 月，GitHub 公布了年度开发者报告，Java 已经被Python 超过，并且在众多领域逐步被Python 取代[4]。

在国外，美国斯坦福大学从2009 年便已经开始开设Python 语言程序设计类课程，并且在此之后每年新增大概5 门与Python 语言有关的课程，直到2015 年，该校共开设了22 门与此相关课程，甚至对于非计算机专业学生，直接用Python 语言有关的课程替换了之前的Java 和C 语言的相关课程[5]。美国综合排名前100 的大学，其中70 多所在最近的3 年中陆续提供Python 语言类课程给学生学习。此外，许多所美国地方大学针对学生实际使用编程语言的情况进行检查研究，并依此结果开设了Python 语言课程，从最终的教学成果和质量来说，相关教改非常成功。

在国内，在南京大学的课程“用Python 玩转数据”中，Python 简单易学和实用性强等特点与它在数据处理上出色的表现力很好地体现出来，因此学习者非常喜爱这门课程，学生对这门课程的认同度非常高，及格率大大提升，学生反馈教学效果显著提高。“用Python 玩转数据”又分别于2016年4 月和9 月在中国大学MOOC 在线平台开设了两个学期的课程，每期选课人数都大于2 万人次，深受学习者的喜爱。

作为非计算机专业但是与计算机又息息相关的电气类专业，伴随着旧课程的变革，Python 与人工智能课程的引入迫在眉睫。众所周知，一切有关人工智能与计算机的发展都离不开电力事业的发展，而随着计算机性能的指数级提升，以人工智能技术和大数据技术为首的数据驱动信息化时代被推动而来。在电气领域，一股数字化之风正急速推动电气自动化往人工智能方向前进，不论是物联网、工业制造、无线5G 通信还是电网系统，都将逐步借助人工智能的春风走上数字化、智能化的道路，而高校更应该把握这个大趋势，面向电气类的学生，更多地探索最前沿的人工智能技术在各专业领域内的应用道路。高校本科生人工智能素养的培养、Python 语言的学习与提升研究是创新人才培养和创造教育内涵的新拓展。积极响应我国新一代人工智能发展的战略目标，为国家及时输送符合社会需求的本科生，高校和高校教育者是需要在此方向上紧跟时代脚步的。因此，本研究具有重要的理论意义和实际应用价值。

1 Python 与AI 在电气类专业教改中存在的问题

电气类专业天然与人工智能相匹配，不论是物联网方向专业课程、工业控制类专业课程、电网类专业课程，还是电子信息类专业课程，都离不开研究如何使用电力驱动机器进行自动运行，而人工智能则是使用机器替代人类进行可重复性工作，本质上的驱动力是一致的[6]。但是当前，将人工智能与Python 课程面向电气类学生直接推广存在较多的问题。

1）人工智能的学习相当于凭空中给学生多加一门无基础且需要抽象理解的学科，畏难情绪高涨。

2）人工智能的教学过于教条，高深的理论不利于培养非专业学生的学习兴趣，徒增学生学习的烦恼。

3）Python 语言更新迭代的速度快，第三方库众多，学生光学习如何使用这些第三方库就费去了大量的时间，而失去了对深层次内容的把握。

4）传统的考核模式不适合人工智能及Python课程，如果只是考简单的Python 语法，则毫无实际意义，而要考人工智能高深的数学理论知识又无形中增加了学生的学习负担。

所以，需要高校电气类专业的教师探索教学内容、教学模式以及考核方式的转变，既不增加学生繁重的学业，又能提升学生学习的兴趣，带领学生学好Python 语言，用好人工智能技术。

2 Python 和AI 教改的可行性研究

2.1 问卷调查法

在本科生中开展Python 语言的推广，就要对本科生计算机等级情况和利用计算机语言的熟练情况进行调查，分析和总结出其中的特点和缺陷，确定当前本科生编程语言的学习情况和掌握情况，并通过研究学习情况和掌握情况的年级分布，确定Python 课程设置的学习周期和开始时间。而人工智能课程的教学可以以实验课的形式穿插在可以进行耦合的专业课之间，同时通过调查学生对哪些专业课比较感兴趣，调研人工智能技术与专业课的耦合程度，从而对课程进行具体的安排。

2.2 原有专业课程改革的可行性

电气类本科生在专业培养上，会有大量的课程设计环节，试采用Python 语言替代VB 语言作为本科生课程设计语言，可以为本科生学习编程语言创造实验环境，使其更好地学习。另外，可根据现有的课程设计内容，编写出一至两个由Python 语言替代的课程设计方案，以电气类专业为例，电气类专业课程改革重点可以集中在单片机课程、数字信号处理、电机与拖动等应用性较强的课程中，理论部分也可以借助人工智能作为辅助性工具，加强学生对理论的理解，这样既不耽误正常的专业课教学任务，又能辅助学生更好地理解之前晦涩难懂的专业课程。基于Python 的本科生人工智能素质培养模式研究是在充分研究国内外高校Python 语言教学的基础上，汲取有益元素，应用于不同专业本科生Python 语言的个性化学习中，不仅符合国家社会发展的需要，符合本科生未来发展的需要，还为课题研究的进行提供了有利的条件。同时，课题负责人应该一直工作在教学、科研一线，长期从事本科生和硕士研究生的教育教学工作，长期关注人工智能的发展趋势。

2.3 教学、参观、实践一体化的可行性

人工智能作为当前最火热的研究方向，每时每刻都会有新鲜的成果出炉，从认知层面，高校可以组织学生通过课堂教学、工博会参观、企业见习三位一体的方式，提升学生对人工智能的兴趣，深化学生对人工智能的理解，从而增强学习人工智能与Python 的兴趣和信心。从教学层面，因地制宜地规划各个专业方向的Python 学习路径，能够更高效地带领学生深入研究人工智能与专业课程的结合。而从实践角度，通过课程实践的方式，可以为学生创造实验的条件和实际应用的场景。

3 Python和AI面向电气专业教学的改革策略

3.1 改善人才培养机制

无论是Python 语言还是人工智能都处于高速发展的状态，不断淘汰过时的技术，将最前沿的技术引进到课程中来，才能充分挖掘学生的想象力和创造力。而庞大的Python 和人工智能生态不可能完全掌握，完全可以有针对性地安排不同专业方向的学生学习不同的内容，如表1 所示，根据不同本科生专业分出必学内容和定向学习内容两个部分，必学内容属于基础性知识，为Python 语言的定向学习提供前提。定向学习是基础学习的深化，是Python 语言和本专业实际应用需要的结合。

表1 不同本科生专业学习Python 语言的内容选择

另外，研究最新的技术成果不是研究生的专属，教师完全可以带领本科生或者组织硕博研究生进行顶会论文的翻译介绍和顶刊论文的研究分享。同时，比赛和创业是一种人才培养和挖掘的绝佳方式，鼓励以赛代练、创新创业，必将激活学生的学习热情，也可以更为全面地培养人才。

3.2 改变固有课程模式

以实验实践课为主，驱动学生在做的同时深入理解理论。尤其是Python 的教学，实验驱动更能够激发学生的学习兴趣，相比于理论而言更具有成就感。相比于以往，随着工业制造工艺的发展和电气自动化技术的发展，现在的电气设备，尤其是自动化控制设备没有那么昂贵，以任务做驱动，电气类的学生可以做到软硬件学习一体化，能够更加有效地将人工智能与专业课程进行耦合。在课程设置上，多考虑加入人工智能的应用；在考核模式上，多设置类似于毕业设计的长期任务形式以及阶段式考核等手段，在课程设计进行的过程中辅以考核点。重点是，人工智能和Python 两者都不应该成为非本专业学生的一门课程或者学科，而应该作为学生得心应手的一个工具。

3.3 电气类专业课程改革的差异化应用

电气类专业课程一般包含四个工程研究方向：电力系统、自动化控制、电子信息与物联网。电力系统对应的便是最为重要的智能电网，自动化控制的工程实践当前都是以嵌入式单片机为主，而人工智能在电子信息与物联网方向的工程应用目前还大多停留在理论阶段。人工智能的应用大抵分为专家系统、模糊控制、遗传算法与深度学习，在不同的领域，对于各个算法的侧重点有所不同。

3.3.1 人工智能在电网教学中的应用

面对当前新型电力系统的建设所带来的挑战和机遇，需要探索新的技术去驱动新形势。电网调控业务的需求可以利用人工智能技术辅助完成，进一步对新型电力系统背景下人工智能支撑关键技术进行探索研究。电网作为最庞大复杂的系统，关乎人民的大事。电网大数据处理、电网设备故障预警与判断（图片识别、行为识别等）、电网智能服务以及辅助学生学习电网设计都预示着人工智能的出现将会完全改变智能电网的运维方式。

传统的电网系统依靠的是人的经验，人工智能作为一种基于人脑结构设计或者说是思维方式所打造的机器思维，以专家系统和神经网络最为接近于人类思维。其中，专家系统根据当前电网所涉及学科的专家经验构造专业知识库，并以计算机程序将这些知识构造成对应的计算机逻辑，通过推理机进行高速运算，从而替代人类进行电网稳定运行或紧急控制的复杂推理与决策。深度学习作为神经网络最基础的一个分支，在电网运行过程中，既可以对设备故障进行识别，又可以对当前的网络数据进行稳定性分析。而遗传算法和模糊理论不仅能够合理分配全局电力，更能进一步降低运行过程中的风险系数，可以避免深度学习和专家系统所陷入的局部最优解，更能精准地找到设备故障的根本原因。将上述内容进行合理搭配，能够更好地保障电网系统的稳定高效运维。在教学过程当中，由于学生无法感受到最真实的电网，可以根据采集到的大数据和专家系统构建相对完整的电网模型，协助学生根据一定的规则迅速找到问题所在，同时一些语音识别和语言处理技术可以通过识别专业术语更好地自动服务远端的用户。

3.3.2 人工智能在单片机教学中的应用

单片机的课程本质上与人工智能不谋而合，都是利用机器代替人类进行一系列的重复判断和操作，而单片机在设计过程中，人工智能完全可以成为重要的组成部分。现如今，随着Python 语言的逐步发展以及单片微小系统的性能逐渐扩大，语言不再是单片机系统的桎梏，Python 同样可以运行在单片最小系统上。在学习单片机课程之前，大部分学生都对C 语言进行了学习，所以Python 语言相对易上手，完全可以将Python 语言与单片机课程进行耦合。但是，原本基于C 语言设计的单片机课程同样需要进行改革。首先，就是设计更多的方案可以带动学生学习单片机的兴趣，而这些方案项目可以随着单片机教学的深入，一步步有更多的方向，同时鼓励学生参加诸如“蓝桥杯”和数学建模之类的高质量比赛，将Python 课程和单片机的教学合为一体。因为人工智能涉及具体的应用，可以在少量学习一些经典人工智能场景之后，更为广泛地挖掘网上的开源项目，尤其是与其他专业课相关的内容。很多单片机已经能够支持Python 语言，轻松易上手，一些已经形成固定最优编程方式的代码可以通过封装的方式，使用的同时进行更深一步的理解，避免重复造轮子。

3.3.3 人工智能在电机教学中的应用

电机的课程相对而言更偏理论控制，由于电机是一种拥有复杂构造的精密系统，在电机的内部进行传感器的设置往往面临较多的挑战且造价十分昂贵，同时，在运行过程中的参数更多的是通过电流电压的形式被观测到，这就造成数据多样性和相关性的缺失，导致人工智能的运用较为困难。但是对于电机课程的人工智能教学而言，对电机进行故障识别与诊断，更多的可以通过温度、振动强度和噪声水平等参数间接判断电机当前大体的运行状态。电机课程与人工智能的结合点可以设置在基本数学理论之后，在实验课程中，可以将电流、电压、转子等能够获得的参数数据以预处理的方式构建不同故障类型的训练样本，随着一届又一届的学生参与实验课程，数据集逐渐丰富，便可以逐步升级进行训练的算法。

4 结束语

在当前电气类专业教学课程中，开展人工智能技术和Python 语言的教学改革尤为关键，将过时的技术淘汰便可以在不增加学生学习负担的同时又能开展更为广泛的学习，同时随着国家号召编程学习低龄化，相信在不远的将来，进入大学的学生已经能够多多少少地掌握基础编程逻辑和对Python语言的简单认知与应用。而新学科落实到高校常规教学，尤其成为主修课程，要经历漫长的过程，在高校推广基于Python 语言的课程设计能满足当下本科生学习的需要，同时本科阶段学习的各个专业的基础课程众多，学生需要选择一个方向继续学习下去。所以，对于探索电气类学生在本科生阶段的培养机制、对改革人工智能和Python 语言的教学内容和教学模式，应当针对不同研究方向的本科生设置不同的定向教学内容，拉长考核周期，提升考核频次，从教学、参观、实践三个角度激发学生的学习兴趣与创造活力。