中等职业学校人工智能技术与应用（710212)专业解决方案

一、专业背景

1.1人工智能确立为国家战略

近年来，人工智能技术取得了显著进展，不仅在理论层面有所突破，更在实际应用中展现出强大的潜力和价值。其发展趋势日益明显，展现出多方面的特点。“深度学习”与“大数据”的结合成为当前人工智能发展的主流。通过模拟人脑神经网络的运作，人工智能得以处理和分析海量的数据，实现更为精准和复杂的任务。这种技术路线已成为众多人工智能企业的首选，推动了人工智能技术的快速进步。

人工智能正逐步实现从实验技术向产业化的转变。在图像识别、语音识别、科学研究、预测分析等领域，已经出现了一批成熟的商业化产品，这些产品不仅提高了生产效率，也改善了人们的生活质量。人工智能的应用领域也在不断拓宽。从最初的商业、服务业领域，逐渐拓展到制造业、农业等更多领域。这种趋势使得人工智能越来越呈现出通用技术和基础技术的特征，对于推动产业升级和经济发展具有重要意义。

人工智能作为新一轮产业变革的核心驱动力，正在释放历次科技革命和产业变革积蓄的巨大能量。它正在重构生产、分配、交换、消费等经济活动各环节，催生新技术、新产品、新产业、新业态、新模式。在全球范围内，人工智能正在引发一场全新的产业浪潮，助力传统行业转型升级、提质增效。各国政府也纷纷将人工智能作为重点扶持的技术和产业。根据自身定位和优势禀赋，各国在人工智能的发展上有所侧重，这将对人工智能的国际分工格局产生深远影响。我国政府对人工智能的发展给予了高度重视，将人工智能上升为国家战略，并制定了一系列规划和政策来推动其发展。

展望未来，人工智能市场前景广阔。预计到2025年，人工智能应用市场总值将达到惊人的规模。随着政策的不断出台和资金的持续投入，我国人工智能产业将迎来更加广阔的发展前景。

2.2中等职业学校人工智能教育发展

学生在完成九年义务教育后，通常会根据学习成绩分流至普通高中或中职学校。由于中职学校录取分数相对较低，其学生在学习方面确实存在一些普遍问题，如文化课基础薄弱、学习兴趣不高、学习耐心不足、注意力容易分散以及学习自主性差等。这些问题在一定程度上影响了中职学生的学习效果和职业发展。从心理学的角度来看，中职学生正处于身心发展的关键时期，他们具备较强的学习能力和接受能力，同时拥有较高的实践动手能力，对新事物、新观念的接受能力和适应性强。这些特点为开展人工智能教育提供了良好的基础。

鉴于中职学生的这些特点，在开展人工智能教育时，应紧密结合学生的实际情况，充分调动他们的学习兴趣和学习动机。我们需要明确学习任务和目的，使教学内容从基础开始逐渐深化，确保学生能够逐步掌握人工智能的核心知识和技能。同时，应以学生为中心，开展丰富多样的实践活动，让学生在实践中学习、在实践中成长。

教育部在2024年1月更新了《职业教育专业目录》，新增了中等职业学校人工智能技术与应用专业，这标志着人工智能教育在职业教育中的地位得到了进一步提升。为了响应这一变化，唯众深入研究了职教本科和高职院校的人工智能专业建设人才培养方案，并结合中职学校的人才培养定位，提出了制定中职学校人工智能技术与应用专业建设方案的建议。该方案旨在解决人工智能相关专业的专业建设难点，以“让教学实训更简单”为理念，推出人工智能相关专业的一站式专业建设解决方案。这一方案将帮助学校完善人工智能相关专业的课程设置、教材编写、师资培训、实验室建设等方面的工作，从而为学生提供更加优质的学习环境和资源，助力他们在人工智能领域取得更好的成绩。

二、人才需求

在本专业领域，一部分毕业生选择继续深造，以获取更高级、更专业的知识和技能。通过进一步学习，他们能够接触到人工智能领域的前沿理论和技术，为未来的职业生涯奠定坚实的基础。同时，也有一部分毕业生选择进入各类企事业单位，从事人工智能产品和系统的生产、测试、运营、维护、技术支持、售后以及销售等各项工作。对于具备较强能力的学生，他们还有机会承担更具挑战性的研发岗位，如人工智能助理工程师、机器学习工程师、计算机视觉工程师等。

具体来说，这些毕业生的就业岗位分布如下：人工智能实施工程师占15%，人工智能运维工程师占15%，人工智能助理工程师占10%，人工智能测试工程师占15%，人工智能技术支持工程师占10%，人工智能工程师占15%，机器学习工程师占15%，以及人工智能产品销售占5%。这些岗位为毕业生提供了丰富的发展机会，让他们能够在人工智能领域发挥自己的专业优势。

三、知识体系

中职人工智能知识体系致力于为学生打下人工智能入门的基础，目的在于激发他们的智能思维，加深他们对人工智能的认知。通过学习，学生将掌握人工智能的基本知识和技能，形成对人工智能的深刻理解，并学会在实际应用中如何运用。此外，教育体系还注重培养学生的责任伦理意识，使他们能够明智地与智能设备协同工作。

为了充分契合中职学生的认知特点和人工智能学科的特性，建议将中职人工智能教育的目标细化为三个维度：

在知识与技能维度上，教育应确保学生对人工智能有全面的了解，包括其概念、未来的发展趋势，以及常见应用的原理与操作。此外，还应指导学生熟悉并掌握相关的人工智能平台使用技巧。

在过程与方法维度上，教育应鼓励学生通过教师的讲解和个人的实践操作，深入体验人工智能的应用场景。这一过程中，学生将学会如何解决问题、如何与他人协作，以及如何有效地与智能设备进行交互。

在情感态度与价值观维度上，教育的目标不仅仅是传授知识，更要培养学生对人工智能的浓厚兴趣，让他们深刻感受到人工智能对生产和生活的重要影响，并树立正确的价值观，以负责任的态度面对人工智能技术的挑战和机遇。

这样的教育目标设置，不仅为学生在智能化社会中的生存和发展打下了坚实的基础，也为他们未来在人工智能领域的发展提供了有力的支持。

四、专业方向

4.1培养目标

我们的教育目标是培养一批拥护党的基本路线，德、智、体、美全面发展的优秀青年。这些青年应具备良好的综合素质，能够适应我国人工智能产业快速发展的需求。他们需要掌握人工智能的核心技术，具备人工智能系统的管理与维护能力，能够处理大规模数据，以及开发人工智能技术服务。为此，我们将重点培养学生的实践能力，使他们能够胜任人工智能相关的系统运维、技术应用开发、数据处理等工作。同时，我们还将注重培养学生的产品咨询和售前售后技术服务能力，使他们能够为客户提供专业的技术支持和解决方案。

4.2培养规格

1、德育与通识教育要求

他们应拥有较高的人文修养，这不仅能够丰富他们的精神世界，还能够为他们提供更为广阔的视野和思路。同时，良好的思想政治素质、职业道德和行为规范也是必不可少的，这将确保他们在未来的职业生涯中始终坚守道德底线，遵纪守法，为社会做出积极贡献。

扎实的科学文化基础知识是他们能够深入学习和理解人工智能技术的基石。特别是语文、数学和外语等基础学科的学习，将为他们打下坚实的学科基础。特别是外语能力，对于阅读和理解国际前沿的人工智能技术资料至关重要，这将有助于他们紧跟国际潮流，不断提升自己的专业水平。

逻辑思维、分析判断能力和语言文字表达能力也是他们不可或缺的能力。这些能力将帮助他们在面对复杂问题时能够迅速找到问题的关键所在，提出有效的解决方案，并能够清晰、准确地表达自己的观点和想法。

随着信息技术的快速发展，计算机基本操作能力已成为现代人才的必备技能。因此，我们还将注重培养学生的文档处理、网络应用和信息安全等计算机操作能力，使他们能够熟练地使用计算机工具，提高工作效率，确保信息安全。

2、职业能力培养目标

毕业生应具备良好的表达能力，能够准确、清晰地传递人工智能设计与维护的专业知识。无论是在学术交流、项目汇报还是与客户沟通中，他们都能够用通俗易懂的语言，将复杂的技术问题解释得深入浅出，确保信息传达的准确性和有效性。

毕业生应熟练使用各种典型的人工智能工具，具备搭建人工智能应用系统的能力。无论是数据处理、模型训练还是算法优化，他们都能够迅速上手，高效完成相关任务，为企业的智能化升级提供有力支持。

管理和运维人工智能应用系统也是他们必备的技能。他们需要能够监控系统的运行状态，及时发现并解决潜在问题，确保系统的稳定性和安全性。同时，他们还应具备优化系统性能的能力，不断提升用户体验和满意度。

除了技术实力，我们还注重培养人才的市场推广能力。他们需要了解市场需求，掌握销售技巧，能够有效推广人工智能应用产品，并为企业创造商业价值。对人工智能应用产品用户进行技术培训也是他们的重要职责。他们需要具备良好的沟通能力和教学技巧，能够针对不同用户的需求和水平，制定个性化的培训方案，帮助用户更好地理解和应用人工智能技术。

3、知识

培养目标旨在打造具备全面能力的人工智能技术人才，他们将在人工智能领域发挥重要作用。他们将拥有扎实的人工智能编程和数学基础知识，这将为他们后续的技术学习和应用提供坚实的基础。

毕业生将熟练掌握面向对象程序设计能力，能够运用现代编程思想解决实际问题。在编程语言方面，他们将能够较为熟练地使用编程语言，特别是以Python为例的流行编程语言，编写高效、可维护的代码。他们还将具备使用高级语言开发实现给定需求的能力，能够根据实际需求进行软件系统的设计和开发。数据库操作能力也是毕业生必备的技能之一。以MySQL为例，他们将能够熟练地进行数据的增删改查操作，为应用系统提供稳定的数据支持。

除了处理结构化数据，毕业生还将能够使用编程语言处理文本数据、图片数据及语音数据等，为人工智能应用提供丰富多样的数据支持。毕业生将了解并掌握机器学习、神经网络、深度学习等基础知识和基本技能，为他们在人工智能领域的深入学习和应用打下基础。

4.3就业方向

本专业领域的毕业生在职业道路上拥有多样化的选择。除了选择继续升学深造，进一步掌握高级知识和技术外，他们还可以直接投身职场，在各类企事业单位中发挥自己的专业才能。毕业生们可以承担人工智能产品和系统的生产、测试、运营、维护、技术支持、售后和销售等各个环节的工作，这些岗位不仅需要扎实的专业知识，还需要良好的团队协作和沟通能力。对于能力较强的学生，他们有机会承担更具挑战性的技术岗位，如人工智能助理工程师、机器学习工程师和计算机视觉工程师等。这些岗位将为他们提供施展才华的广阔舞台，让他们在实践中不断提升自己的技能水平。

具体岗位包括但不限于：人工智能实施工程师，负责将人工智能技术应用于实际场景中；人工智能运营工程师，负责监控和优化人工智能系统的运行效率；人工智能运维工程师，负责保障系统的稳定性和安全性；人工智能助理工程师，协助高级工程师完成复杂的技术任务；人工智能测试工程师，负责测试系统的功能和性能；人工智能技术支持工程师（FAE），为客户提供专业的技术支持和解决方案；人工智能工程师，负责设计和开发人工智能系统；机器学习工程师，专注于机器学习算法的研发和应用；以及人工智能产品销售，负责推广和销售人工智能产品。

五、课程安排与计划

5.1专业课程总体规划

人工智能的架构从整体上可以分为三个核心层次：基础层、技术层和应用层。这种层次化的架构有助于我们更清晰地理解人工智能的组成和工作原理，以及它如何与各个行业和领域相结合。基础层是人工智能的基石，它主要包括计算能力和数据资源基础。技术层位于基础层之上，它涵盖了算法、模型和技术应用。应用层是人工智能与实际行业和领域结合的层面。

从人工智能的这三个层次来对人工智能课程体系进行立体划分，如下图所示。

结合中职学生和师资的现状，建立由专业教师和企业专家组成的课程建设委员会，并制定相应的课程体系开发、反馈及更新制度，是一个富有前瞻性和实践性的举措。以下是对这一举措的详细阐述：

一、充实课程体系开发团队

为了确保课程体系的先进性和实用性，从知名企业吸收2-3名计算机应用领域的资深专家，他们不仅具有丰富的行业经验，还能为课程体系提供最新的市场和技术信息。这些企业专家的加入，可以大大提升课程体系与实际工作需求之间的契合度。

二、构建系统化任务引领型课程体系

按照“课岗融合、做学合一”的校企“双主体”人才培养模式，构建系统化任务引领型课程体系。这一体系以职业发展为导向，基于职业岗位工作过程，确保学生在完成学习任务的同时，也能够掌握实际工作岗位所需的知识和技能。具体来说，制定《人工智能技术与应用课程体系改革方案》和《人工智能技术与应用课程标准》时，应紧密结合地方经济和社会发展需求，确保课程内容既符合行业标准，又能满足地方经济发展的需要。同时，以专业核心课程和专业技术实训为主，增设拓宽知识及适应市场和技术进步的相关课程，以提升学生的综合素质和适应能力。

三、课程内容与实际工作的一致性

课程内容以工程项目为载体，通过深入分析各职业岗位的知识、能力和素质要求，实时引入行业新技术、新知识、新标准。这样不仅可以保持教学内容与实际工作的一致性，还能确保学生在毕业后能够迅速适应工作岗位的需求。

在基础课教学中，注重概念的讲解和应用的强化，确保学生掌握必要的基础知识。而在专业课教学中，则加强针对性和实用性，将企业实际的开发、应用、维护任务移植到课程中，使学生能够在实践中学习和成长。同时，教学设计按实际工作过程进行，确保学生在完成学习任务的同时，也能够了解实际工作的流程和规范。此外，实践教学的学时比例达到70%以上，这不仅可以提升学生的实践能力和动手能力，还能帮助他们更好地理解和应用所学知识。

四、建立反馈及更新制度

为了确保课程体系的持续性和适应性，应建立有效的反馈及更新制度。定期收集学生和企业的反馈意见，对课程体系进行及时调整和优化。同时，关注行业发展和技术进步，及时更新课程内容，确保课程体系的先进性和实用性。

各类课程所占比例：

建议授课计划安排：

5.2专业基础课程设置及要求

①人工智能导论（51学时，3学分）

本课程旨在帮助学生全面理解人工智能的基本概念、拓宽知识面，并给出人工智能专业的总体概况。通过本课程的学习，学生将对人工智能专业的知识结构、行业发展趋势、应用场景、市场需求、主流技术、商业模式以及行业案例有深入而全面的认识，为后续学习确定方向和兴趣。

推荐用书：ISBN：9787302585886

②Python程序设计（34学时，2学分）

本课程致力于系统化地教授学生使用Python进行程序设计的方法，通过理论学习与项目实践相结合的方式，使学生掌握Python编程的核心知识和技能。课程将涵盖Python函数、面向对象编程、模块使用、文件读写与数据库操作等关键内容，并通过项目实践让学生深入了解Python爬虫技术。通过本课程的学习，学生将具备使用Python进行实际项目开发的能力，为今后从事相关工作奠定坚实的基础。

推荐用书：ISBN：9787111711605008111

③C语言程序设计（102学时，6学分）

C语言程序设计课程旨在培养学生掌握C语言程序设计的基本知识和技能，帮助学生树立程序设计的基本思想，并养成良好的编码习惯。通过本门课程的学习，学生将能够运用C语言进行简单的程序设计和开发，为后续学习更高级的编程语言和技术打下坚实的基础。

推荐用书：ISBN：9787121432415

④网页设计与制作（72学时，4学分）

通过本课程的深入学习，学生将能够深入理解和熟练掌握静态网页设计的方法和技巧。

推荐用书：ISBN：9787040526721

⑤数据库技术与应用（90学时，5学分）

通过学习本课程，学生能够全面把握数据库系统的特色和功能，同时掌握数据库的使用与维护技能，确保在实际应用中能够熟练运用数据库系统，进行高效的数据管理与维护。

推荐用书：ISBN：9787302641544

⑥Linux操作系统（108学时，6学分）

通过本课程的学习，学生能够深入了解Linux操作系统的特性，并熟练掌握常用命令的使用，从而实现对Linux系统的有效操控与管理。

推荐用书：ISBN：9787115625380

5.3专业技能方向课程设置及要求

①机器学习入门（192学时，11学分）

这门课程将从日常生活的真实案例切入，以直观的方式协助学生领悟最常用的机器学习算法。随后，结合实践项目，详细阐述如何利用Python调用行业内广泛应用的算法库API。通过具体案例，我们将深入探讨如何根据实际需求进行参数调整以及在不同数据背景下选择合适的API等内容。

推荐用书：ISBN：9787115555076

②深度学习入门（192学时，11学分）

本课程作为人工智能专业的核心课程，首先从生活场景出发，深入浅出地解析深度学习的基本原理，旨在培养学生举一反三的学习与应用能力。随后，结合实际的图像识别与语音识别场景，通过多个实践项目，引导学生亲手操作常用的图像识别与语音识别深度学习模型。在此过程中，学生将深刻理解并掌握深度学习关键参数的含义及其合理设置，为日后的实际应用奠定坚实基础。

推荐用书：ISBN：9787115485588

③人工智能数据采集处理（192学时，11学分）

本课程从开发语言与基础技术切入，融入大数据理论与核心技术，旨在深入解析数据分析挖掘及海量数据的高级处理技术。我们遵循从应用出发、以点带面的原则，首先聚焦实际应用领域的需求，引导学生逐步掌握基础技术要点。在夯实基础之后，通过举一反三的方式，我们进一步横向拓展知识领域，使学生逐步理解这些技术的系统性架构和内在逻辑。通过本课程的学习，学生将能够全面掌握大数据处理的核心技术，为未来的职业发展奠定坚实的技术基础。

推荐用书：ISBN：推荐用书：ISBN：9787115485588

④计算机视觉技术与应用（90学时，5学分）

本课程将计算机视觉理论知识与实践应用相结合，引导学生通过调用云平台训练的API，亲身参与多个计算机视觉技术项目实践。在实践过程中，学生不仅能够深入理解计算机视觉的基本原理，还将掌握OpenCV的基础理论和常用方法。具体而言，学生将学习如何调用人脸检测接口，利用计算机视觉技术实现人脸属性分析和设计有趣的人脸营销活动；同时，通过调用人脸对比接口，完成人证合一验证，实现高效准确的用户认证；此外，学生还将利用人脸查找接口，实现便捷的人脸登录和人脸签到功能。除了人脸相关应用，学生还将学习调用身份验证接口，完成质量检测、活体检测以及公安验证等工作，确保身份信息的真实性和安全性。同时，通过调用图像审核接口，学生将掌握暴恐识别、政治敏感人物识别、广告识别、图像垃圾文本识别（反作弊）以及色情图像识别等技能，为维护网络环境的安全和健康贡献力量。通过本课程的学习，学生将全面提升计算机视觉技术的应用能力，为未来在相关领域的发展奠定坚实基础。

推荐用书：ISBN： 9787121459368

⑤自然语言处理与应用（90学时，5学分）

本课程将自然语言处理技术的应用与实际场景紧密结合，通过调用云平台预训练的API，引导学生参与多个自然语言处理技术的项目实践。具体而言，学生将学习如何调用句法分析接口，利用语言处理基础技术对文本数据进行分词和词性标注；同时，通过调用评论观点抽取接口，学生将对微博评论进行情感分析，深入理解文本中的情感倾向。此外，学生还将调用文章分类接口，实现对文章文本数据的自动分类，提升信息管理的效率；同时，利用文本纠错接口，对文本片段进行纠错修改，提高文本的质量。在文本审核方面，学生将调用通用类文本反作弊接口，完成文本审核工作，识别并处理推广、色情、暴恐等不良内容，维护网络环境的健康与安全。通过本课程的学习，学生将掌握自然语言处理技术在具体场景中的应用技巧和方法，提升解决实际问题的能力，为未来的职业发展奠定坚实的基础。

推荐用书：ISBN： 9787517098294

5.4组织实施

基于人才培养规格和本专业的教学特色，我们的教学安排从第四学期开始，按照专业方向精心设置专业课、技能实训课及教学实习，到第六学期则安排学生进入企业顶岗实习。这一系列的安排旨在让学生逐步从课堂走向实践，从理论走向应用。我们的教学模式紧扣工作过程，将教室与机房融为一体，甚至引入企业元素，使“课堂与岗位”、“教学与实训”紧密结合。在这种模式下，我们推行“项目导向、任务驱动”的教学法，让学生在教师的引导下，模拟企业真实工作项目，实现课堂与实训的无缝对接，使教学与技术开发、服务相得益彰。

在选择典型工作任务作为教学载体时，我们鼓励学生采用小组合作学习的方式，并做好明确的人员分工。在师生互动中，教师会进行示范，学生则分组讨论、训练，通过提问与解惑、指导与反馈，真正体现“做中学”、“做中教”的教学理念。我们结合四级职业资格标准，对知识、能力、态度提出明确要求，并依据任务引领、实践导向的课程思想设计项目。在教学过程中，我们会按照提出任务、制定方案、解决任务、总结与反馈、教学评价等步骤，有条不紊地组织项目教学。

实践教学在我们的教学过程中占据核心地位。为此，我们根据教学需求新建并完善实训室，逐步构建学校真实性职场教学环境，搭建理实一体化职场教学平台，为学生提供优质的实验实习条件。此外，我们还通过校内实训基地的学习，以及组织学生到企业进行阶段实训和顶岗实习，全面提升学生的实战能力和岗位适应能力。通过这一系列的教学安排与实践，我们期望学生能够顺利实现从学校到工作岗位、从学生到企业员工的转变，为他们未来的职业发展奠定坚实的基础。

六、实践教学内容

在人工智能实践教学领域，实验内容被精心划分为三个主要层次：人工智能基础层实验、人工智能技术层实验以及人工智能综合应用实验。如下图所示：

人工智能基础层实验聚焦于人工智能的基石技术，涵盖多个关键领域。在Python基础实验中，学生们将深入学习条件语句、复合语句、表达式的运用，以及文件操作等基本技能。Linux操作系统实验则引导学生掌握Linux基础命令、用户管理、目录管理、文件管理等核心操作，为后续的数据处理和算法实现提供稳定的环境。数据分析处理实验则侧重于数据采集、分析和标注的实践，帮助学生掌握数据处理的基本流程和方法。

人工智能技术层实验则深入探索人工智能的核心技术领域。在计算机视觉实验中，学生们将学习图像处理、人脸检测、物体识别、车牌识别等关键技术。语言识别实验则涵盖语言采集、信号处理、语音识别、语音编码等内容，使学生了解语音技术的实现原理。机器学习实验则聚焦于模型构建、训练、部署和验证等关键环节，帮助学生掌握机器学习的核心流程。自然语言处理实验则探索语法分析、语义分析、篇章理解等高级技术，提升学生的自然语言处理能力。

人工智能综合应用实验则结合行业经典应用，模拟真实场景，培养学生的综合应用能力。综合实验包括智能家居实验、智慧门禁实验、智能监控实验等，让学生在实践中感受人工智能技术的实际应用价值。自主实验则鼓励学生发挥创新精神，自主命题，实现具有创意的实验项目，进一步提升学生的实践能力和创新思维。

七、实训室建设

7.1实训室解决方案

人工智能专业的核心培养目标是造就一批既掌握基础理论知识，又精通人工智能核心技术，具备广泛知识面和强大实践能力的应用型及研发型人才。他们将在人工智能核心部件开发、技术应用、系统搭建、系统维护升级以及解决方案设计等领域发挥关键作用。鉴于人工智能知识体系的庞杂性、应用性和实践性特点，实验室和实训基地在教学过程中的作用显得尤为突出。在传授基础理论知识之后，实训室成为学生们将知识转化为实际操作的舞台。这里为他们提供了一个真实且接近实际的人工智能环境，使他们能够深入理解和掌握各种人工智能设备、部件、系统的原理、技术和应用。

为了满足人工智能专业的教学需求，唯众紧密结合企业人才需求，从机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、人智能硬件、人工智能框架等七个维度出发，为专业学科建设提供了全面的软硬件平台及教学实验环境支撑。

基础实训区致力于满足人工智能专业知识点的基础实验学习，涵盖了人工智能编程基础、人工智能硬件开发、数据采集、人工智能应用等多个教学实验，主要通过实训装置等常规设备实现，为学生打下扎实的基础。

综合实训区则侧重于人工智能专业知识点到知识面的综合实训练习。每一个实训实验都旨在全面覆盖人工智能的各项知识点，使学生能够横向掌握人工智能工程系统的完整开发流程。这一目标的实现，主要依赖于先进的人工智能实训平台等设备。

创客实训区则专注于培养人工智能专业人才的创新能力。结合行业的各种实际应用需求，学生们在此深度掌握核心技术，并从纵向对应用难点进行创新和突破。该区域提供的创新实验设备具有更加开放的设计性功能，设备形态更接近实际工程应用产品，同时能够满足与其他不同学科的交叉性知识内容的融合。

人工智能高水平实训基地效果图

基础实训区

综合实训区

创客实训区

7.2实训设备

1、硬件平台

（1）人工智能实训台

1. CPU处理器

采用了双核ARMCortex-A72与四核ARMCortex-A53的架构组合。

CPU主频方面，双核达到了1.8GHz，而四核则是1.4GHz。

2. AI加速器

内存配置为1GB LPDDR。

存储空间达到8GB EMMC。

运算能力支持8bit运算，运算性能高达3.0TOPS。

兼容多种主流模型，包括TensorFlow、Caffe、ONNX、Darknet等。

支持OpenCL/OpenVX技术。

兼容主流Linux系统，并配备USB3.0接口。

3. NPU人工智能神经网络处理器

集成神经网络处理器NPU，支持8bit/16bit运算，运算性能达到3.0TOPS。

支持TensorFlow、Caffe、Pytorch、Mxnet、Darknet、onnx等多种模型，满足不同开发需求。

提供AI开发工具，简化模型转换流程。

4. GPU图形处理器

搭载四核ARMMali-T860MP4性能的GPU。

支持OpenGLES 1.1/2.0/3.0/3.1, OpenVG 1.1, OpenCL, DX11等图形标准。

具备AFBC（帧缓冲压缩）功能，提升图形处理效率。

5. VPU视频处理器

支持4K VP9和4K 10bits H265/H264视频解码，帧率高达60fps。

支持1080P多种格式视频解码，包括VC-1, MPEG-1/2/4, VP8等。

支持1080P视频编码，兼容H.264、VP8等格式。

配备视频后期处理器，提供反交错、去噪、边缘/细节/色彩优化等功能，提升视频质量。

（2）人工智能创新实践小车

产品特点：

1、该系统集成了人工智能领域的核心组件，全面支持视觉、语音处理，多传感器融合以及电机控制功能，满足多样化的应用需求。

2、软硬件一体化设计，集成度高，能够快速实现人工智能应用的创新开发，大大提升了研发效率。

3、系统支持在PC端进行建模与训练，同时可在实验平台上执行，实现了灵活高效的工作流程。

4、配备丰富的传感器，具备强大的拓展性，性能卓越且保持开放性，能够满足大多数实验需求及教学应用，为用户提供广阔的探索空间。

5、结合移动端嵌入式开发与PC开发，通过Python语言实现无缝连接，为用户提供便捷的开发体验。

6、系统支持25个视觉案例实验和20个语音类案例实验，每个实验均包含详细的实验手册、实验代码和实验数据，方便用户进行学习和实践。实验手册内容全面，包括问题定义、解决方案、实验环境配置、资源链接、详细的实验步骤、完整的实验代码以及实验结论，为用户提供了全方位的实验指导。

2、软件平台

（1）机器学习平台

该人工智能实训平台旨在为用户提供全面且高效的学习与实践环境，尤其针对机器学习与深度学习领域。平台具备海量数据预处理、交互式智能标注、大规模分布式训练、自动化模型生成以及端-边-云模型按需部署等核心能力，从而助力用户快速构建和部署模型，并轻松管理整个AI工作流。

功能特点概述如下：

虚拟化的Linux桌面环境：用户可直接接入进行开发工作，支持多种协议（spice、RDP、vnc），并允许物理设备直通。此外，用户可通过web或客户端便捷访问虚拟机。

动态资源分配：平台能够根据需求动态分配CPU和GPU虚拟化资源，显著提升计算资源的使用效率。

虚拟机管理：平台提供完善的虚拟机管理功能，包括创建、快照、删除以及基于模板的克隆等操作。同时，支持虚拟机的在线和离线迁移，确保服务的连续性和稳定性。

高可用性功能：当某一节点主机出现故障时，平台能够自动在另一节点主机上启动虚拟机，实现无缝切换，有效应对教学中的突发状况。

丰富的开发环境：平台兼容业内主流的学习框架，如TensorFlow、mxnet、Caffe2、Pytorch、PaddlePaddle等，满足不同层次、不同需求的学习者。

交互式开发体验：提供业界流行的交互式开发环境，如jupyter Notebook和jupyter lab，用户可实时调试代码、运行程序并展示结果。

多操作系统支持：平台支持Windows7、Windows8、Windows10、Windows2008、Windows2012、CentOS、Redhat、Ubuntu等主流操作系统，用户还可自定义镜像并上传，以满足个性化的学习需求。

（2）低代码平台

唯众图形化编程工具以Blockly语言模块为核心，为编程领域带来了革命性的变革。它提供了一种全新的、直观且易于理解的编程视角和方法，特别适合初学者或非专业编程人员使用。该工具通过将复杂的硬件底层驱动库转化为图形模块，极大地简化了编程的复杂性和难度。用户只需通过拖拽、连接这些图形模块，便能快速构建出逻辑清晰、功能完善的程序。这种直观的操作方式，使得编程变得像搭积木一样简单有趣。

唯众图形化编程工具的优势在于其能够很好地映射实际代码关系和层级结构。通过图形模块的上下关联形式，用户可以清晰地看到变量、函数、输入输出等语言代码之间的逻辑关系，从而更加深入地理解程序的运行原理。此外，该工具还支持将图形化程序转换为可执行的C语言或Python语言代码。这意味着，虽然编程过程是基于图形化的，但生成的代码仍然是传统编程语言的形式，可以在各种环境中运行。这种转换功能不仅保留了传统编程语言的灵活性和可移植性，还使得图形化编程工具在实际应用中更具价值。对于硬件编程来说，唯众图形化编程工具同样具有显著优势。通过选择和连接相应的图形模块，用户可以轻松实现对底层硬件的驱动和控制，无需深入了解硬件的底层细节和编写繁琐的底层代码。这不仅降低了硬件编程的难度，还提高了编程的效率和准确性。

（3）数据标注平台

数据标注实训系统是一款基于B/S架构的轻量级数据标注工具，它采用了便捷的安装部署方式，并兼容Edge、Chrome、FireFox等主流浏览器，为用户提供了一个高效、灵活的数据标注环境。该系统支持对文本、图形图像、视频、音频等多种数据进行标注，标注形式多样，颜色多种可选，可满足不同用户的数据标注需求。该系统的核心功能包括创建项目、导入原始数据文件、标注类型选择、图形化标注、团队化协助和导出数据集等。用户登录成功后，可以清晰地看到当前用户所创建或参与的所有标注项目，便于管理和跟踪项目进度。同时，系统支持多用户注册并登录，支持同一项目多用户协同标注，提高了标注效率和质量。

在数据标注过程中，系统提供了可配置的标签格式，用户可以根据实际需求自定义可视界面，以满足特定标签需求。此外，系统还支持多种数据类型，包括图像、音频、文本、HTML、时序等，并支持从文件或从JSON、CSV、TSV、RAR和ZIP存档中导入数据，方便用户快速导入和整理数据。完成标注后，用户可以导出包括json、json-min、csv、tsv等多种格式的数据集，方便师生进行后续的模型建立和模型训练。这使得数据标注实训系统成为了一个完整的数据标注和模型训练解决方案，为机器学习和深度学习研究提供了有力支持。

7.3产品功能

7.4技术优势

1) 、硬件功能强大

这款核心板配备了高性能的CPU和GPU，以及专门的人工智能处理器，为学习和开发提供了强大的硬件支持。CPU采用了六核ARM 64位处理器，结合了双核Cortex-A72和四核Cortex-A53，主频高达1.8GHz。这种配置既保证了高性能的处理能力，又兼顾了能耗效率，使得核心板在处理复杂任务时表现出色。GPU方面，四核ARM Mali-T860 MP4 GPU提供了出色的图形处理能力，可以流畅地运行各种图形应用和游戏，为学习和开发提供了良好的视觉体验。

核心板还配备了人工智能专用NPU，支持8bit/16bit运算，运算性能高达3.0TOPs。这使得核心板在人工智能领域具有强大的运算能力，可以满足各种复杂的算法和模型的需求。在内存和存储方面，6GB LPDDR3内存和32GB eMMC存储为学习和开发提供了充足的空间和快速的数据传输速度。无论是运行大型软件还是处理大量数据，都能保持流畅和高效。通信方面，核心板支持TCP/IP、WIFI、蓝牙、MQTT、Socket、ssh、串口等多种通信协议，使得它可以轻松地与其他设备进行连接和数据传输。核心板还配备了丰富的外设接口，包括SPI、IIC、UART、GPIO等，方便学生和老师连接各种外设设备，满足不同的学习和开发需求。

2)、支持各种主流的深度学习框架

唯众人工智能AI实训平台无疑为深度学习和人工智能的研究者、开发者及学习者提供了一个全面而强大的实践环境。该平台支持TensorFlow、Keras、Caffe、Mxnet、Pytorch等主流深度学习框架，这意味着用户可以根据自己的需求和习惯选择适合的框架进行模型训练和应用开发。唯众人工智能AI实训平台还在基础环境中提供了TensorFlow、Keras以及YoLo v3的开发环境和依赖。这为用户在进行目标检测等任务时提供了极大的便利，因为YoLo v3作为目前最先进的实时目标检测算法之一，其准确性和速度都得到了广泛的认可。

3)、支持零编程

终端节点采用的是ESP32模块，它搭载了MicroPython这一开发语言。MicroPython与Python3非常相似，使得编程过程变得直观且易于理解。结合唯众图形化编程工具，学生和老师无需深入了解任何底层知识，便能够将人工智能AI实训平台核心板的识别结果应用于AIoT（人工智能物联网）的典型行业场景中，构建小型模型。这种组合为学生和老师提供了便捷的编程体验，使他们能够专注于应用逻辑的创新与实现，从而快速构建出具有实际应用价值的AIoT项目。

4)、完美融合人工智能

唯众人工智能AI实训平台在硬件设计上充分考虑了兼容性，能够同时满足人工智能、物联网以及嵌入式系统这三个专业的实训需求。这一创新设计极大地提高了实训设备的复用率，使得不同专业的学生都能在同一平台上进行实践操作，有效缓解了学校实训室场地紧张的问题。同时，通过减少多个实训室的建设需求，也显著降低了学校在实训室建设方面的资金投入，为学校的经费管理带来了极大的便利。综上所述，唯众人工智能AI实训平台的兼容性设计不仅提升了学生的学习体验，还为学校的教学资源配置提供了更加灵活和高效的解决方案。

5)、支持可视化界面设计工具

唯众可视化界面设计工具是一款专为师生打造的辅助教学工具，旨在帮助他们轻松构建AIoT应用程序。该工具摒弃了传统的代码开发界面，采用直观的图形化界面，让页面设计变得简单易行。用户只需通过简单的拖拽和移动控件与控件节点，就能迅速完成页面的设计工作。在学习AIoT完整项目的过程中，师生们可以利用唯众可视化界面设计工具作为控制页面的辅助构建工具，从而更加高效地实现项目目标。

6)、支持模型转换

唯众人工智能AI实训平台特别提供了一款模型转换工具，它能够将师生在X86架构计算机上创建的hdf5、pb、onnx等人工智能模块，无缝转换为ARM64架构平台可运行的人工智能模型。这一功能有效解决了师生在人工智能项目跨平台部署时遇到的难题，使得他们能够在不同架构的平台上顺利运行和测试自己的模型，从而提高了项目的灵活性和可移植性。

7)、配套完整的开发环境

唯众人工智能AI实训平台精心准备了基础资源包，其中涵盖了TensorFlow、Keras、Python、OpenCV、PIL、gcc、scipy等全套人工智能开发环境所需工具。学生和老师无需从零开始搭建繁琐的开发环境，直接就能投入到实训项目案例的学习中。此外，唯众还提供了基础环境镜像包，以便师生在需要时能够迅速恢复环境至初始状态。

7.5实训室建设内容

人工智能实训室的建设主要由三大核心区域构成：基础实训区、综合实训区以及创客区。

（1）创客区：该区域致力于激发学生的创新思维与实践能力。主要配备有人工智能创客实训装置，供学生亲手组装与调试；人工智能创客移动终端，方便学生随时随地进行学习与探索；Opencv实训资源，助力学生深入掌握计算机视觉技术；图形化编程工具与可视化界面设计工具，降低编程门槛，提高项目完成效率；人工智能创新实践小车及其配套的组装工位、组装工具、实验赛道和测试组件，让学生在实践中深化对人工智能技术的理解与应用。

（2）基础实训区：此区域着重于为学生提供扎实的人工智能基础知识与技能。配备有人工智能综合实训装置，全面覆盖人工智能核心技术；人工智能应用开发融合平台，支持多种应用场景的快速开发；MicroPython实训资源包，方便学生掌握微型Python编程；Tensorflow实训资源，助力学生深入了解深度学习框架；人工智能视觉与语音实训资源，涵盖两大主流应用方向，为学生的全面发展提供有力支撑。

（3）综合实训区：这一区域旨在培养学生综合运用人工智能技术的能力。设有人工智能机器学习平台，支持各种机器学习算法的训练与应用；数据标注平台，方便学生对数据进行预处理与标注；人工智能基础系统资源，为高级应用提供坚实基础；视觉与语音实训资源，延续基础实训区的内容，进一步拓展应用领域；此外，还配备了丰富的人工智能综合项目案例资源、Python与TensorFlow教学资源，以及Linux、Hadoop、Spark等基础与实训教学资源，为学生的全面发展提供全方位支持。

八、实操实训

唯众人工智能实训设备旨在解决学校建设实训室时师资、资金短缺及操作难题。针对实训环节，我们提供一站式解决方案，将所需环境预先固化在系统镜像中，方便师生快速上手。师生无需复杂搭建，即可迅速进入实训，短时间内完成实际项目。实训资源涵盖AIOT基础、计算机视觉、自然语言处理及机器学习四大方向，助力师生全面掌握人工智能技术。

人工智能基础资源包：

唯众人工智能实训平台基础资源包集成了人工智能实训所需的基础软件环境及开发调试工具，一站式解决师生在开发过程中的环境搭建难题。无需手动下载依赖库和安装软件，初学者也能轻松上手。资源包内含Python、TensorFlow、YoLo、OpenCV等核心组件，助力师生高效进行人工智能项目开发。

人工智能视觉资源包：

唯众人工智能实训平台提供了丰富的图像操作与识别实验资源，涵盖图像基本操作、检测、变换、修复、识别、跟踪等多个方面。通过滑块控制三原色实验，用户可深入了解图像色彩构成；轮廓边界框检测、划痕检测等实验帮助提升图像检测能力；黑白变换、灰度变换等实验展示图像变换技巧；图像污点修复实验教会用户如何进行图像修复；红绿灯识别、字符识别等实验则强化图像识别技能；目标跟踪器、图像采集监控等实验提升图像跟踪应用能力；双目标定、三维重建等高级实验则助力用户探索双目视觉与三维重建技术。这些实验资源为初学者和进阶者提供了全面的学习与实践平台。

人工智能语音资源包：

唯众人工智能实训平台提供了全面的语音处理实验资源，覆盖语音采集、信号分析、检测、噪声处理、模型训练、声源定位、识别及合成等多个方面。用户可以学习如何进行语音采集与波形显示，了解语音编码和采样频率转换的原理；深入探究语音信号的强度、白噪声特性以及短时傅里叶变换等信号处理技术；掌握语音端点检测等关键技术；学习语音增强和添加噪声的方法；训练LSTM声学模型，进行情感分析和知识图谱关系抽取；实现实时声源定位；进行语音识别、分词、词性标注和命名识别等任务；最后，用户还可以学习语音合成技术，实现语音的自动生成。这些资源为学习者提供了完整的语音处理学习路径，助力他们掌握语音技术的核心应用。

人工智能项目综合案例资源包：

1. 手写数字识别项目案例WZ-AISZ-V1.0

利用MNIST数据集，通过深度学习模型实现手写数字的高效识别。项目涵盖数据加载、模型构建、训练、测试及推理等完整流程。

2. 人脸识别系统项目案例WZ-AIRL-V1.0

基于CNN的人脸识别系统，通过制作人脸数据集、训练神经网络模型，实现人脸检测和识别功能，提升人机交互体验。

3. 情感灯控系统项目案例WZ-AIBQ-V1.0

该项目利用表情识别技术，根据人脸表情实时调整灯光颜色，营造不同氛围。项目涉及人脸检测、特征提取、模型训练与部署等步骤。

4. 性别识别项目案例WZ-AIXB-V1.0

基于CNN的性别识别系统，通过提取人脸特征并与模型库对比，准确预测人脸对象的性别。项目流程包括人脸检测、特征提取、模型加载与输出可视化。

5. 智能家居系统项目案例WZ-AIYY-V1.0

该项目利用RNN语音识别技术，通过语音信号控制家用电器开关，实现智能家居的便捷操作。实验过程包括语音提取、预处理、模型加载与推理。

6. 智能游戏交互系统项目案例WZ-AIYX-V1.0

基于RNN语音识别和MQTT协议的智能游戏交互系统，玩家可通过语音指令控制贪吃蛇移动。项目涵盖语音处理、模型推理、数据传输与游戏控制等环节。

7. 智能识别监控系统项目案例WZ-AIYO-V1.0

利用YOLO v3模型构建的智能识别监控系统，可实时识别多种对象。项目允许用户利用自有数据集训练自定义的视觉识别模型，提升监控系统的智能化水平。

九、建设清单（基础实训配置）

1.人工智能综合实训装置

型号：WZ-AIPT1-02

一、产品规格：

长≥48厘米、宽≥20厘米、高≥62厘米。

二、产品特点：

1.采用六核ARM 64位处理器（双核Cortex-A72+四核Cortex-A53），最高运行频率不小于1.8GHz、内不小于3G LPDDR3，四核ARM Mali-T860 MP4 GPU，支持OpenGL ES1.1/2.0/3.0/3.1, OpenVG1.1, OpenCL, DX11；

2.支持AFBC（帧缓冲压缩）、高性能NPU支持8bit/16bit运算，支持TensorFlow、Pytorch、Caffe、Mxnet、Darknet、Onnx主流深度学习框架；

3.核心板载1路SPI接口、4路GPIO口、1个电源指示灯、2路ADC接口、2路IIC接口、1个16G储存eMMC、1路1000Mbps以太网接口、1路音频输出、1路TF-Card接口、3路USB接口、1路电源按键、1路复位按键、1路SIM卡座；

4.路由器模块：带3路WAN口和1路LAN口，支持DHCP和静态IP模式，支持无线WIFI加密模式；

5.终端节点模块：4块OLED显示屏，4路用户按键，4路有源蜂鸣器，4路DC5V电源控制开关；

6.可直插4路无线传输模块，4路执行器模块；

7.支持TCP/IP通讯协议、支持WiFi通讯协议、支持Socket通讯协议、支持蓝牙通讯协议、支持MQTT通讯协议；

8.提供完整U-boot、Linux内核、根文件系统镜像，提供满足人工智能AI实训需求的集成开发环境镜像、提供完整的模块案例源码和配套资源；

9.提供4套无线通信模组源码以及与之对应安装教程、开发教程、软件应用教程；

10.提供4套完整人工智能AI模块案例资源。

三、配套设备：

1.人工智能短距离无线通信模组；

2.人工智能AI摄像头；

3.音频信号采集模块；

4.显示终端；

5.终端节点执行模块。

2.机器学习平台

型号：WZ-AI-TP03

支持人工智能实训，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期AI工作流。

功能特点：

1、提供虚拟化的 Linux 桌面环境，用户可直接连接桌面环境进行开发。支持spice协议、RDP协议、vnc协议，支持物理设备直通，可使用web及客户端形式访问虚拟机。

2、平台提供动态分配CPU/GPU虚拟化资源功能，大大提高计算资源的使用率。

3、支持对虚拟机的管理，可以完成虚拟机的创建、快照、删除、基于模版的克隆等常见操作。支持对虚拟机的迁移，在线及离线迁移工作。

4、支持高可用功能，当一台节点主机宕机，在另外一台节点主机上自动开启虚机，无缝切换，完美解决日常教学中的突发问题。

5、丰富的开发环境，支持业内当前最主流的学习框架，如TensorFlow、mxnet、Caffe2、Pytorch、PaddlePaddle等，以满足不同学生、不同年级的学习实训需求。

6、交互式开发，提供业界最流行的交互式开发环境jupyter Notebook 以及jupyter lab，用户可随时调试、运行代码并进行结果展示。

7、可提供Windows7、Windows8、Windows10、Windows2008、Windows2012、CentOS、Redhat、Ubuntu等主流操作系统，并且用户可自定义镜像，根据需要自行上传。

3.低代码平台

4.数据标注平台

型号：WZ-DATS

数据标注实训系统使用B/S架构，采用简洁、轻便的安装部署方式，兼容Edge、Chrome、FireFox等主流浏览器，可对文本、图形图像、视频、音频等多种数据进行标注，标注形式多样，颜色多种可选，可多人同时协助标注，可导出包括json、json-min、csv、tsv等多种格式数据集，方便师生进行后续的模型建立和模型训练。

数据标注实训系统是一个数据标注工具。它允许您使用简单明了的 UI 标记音频、文本、图像、视频和时间序列等数据类型，并导出为各种模型格式。它可用于准备原始数据或改进现有训练数据以获得更准确的 ML 模型。数据标注实训系统主要由创建项目、导入原始数据文件、标注类型选择、图形化标注、团队化协助和导出数据集等功能组成，登录成功后可以看到当前用户所创建/参与的所有标注项目。系统支持多用户注册并登录、持同一项目多用户协同标注、支持在一个实例中处理所有数据集的多个项目、支持可配置的标签格式让您可以自定义可视界面以满足特定标签需求、支持多种数据类型，包括图像、音频、文本、HTML、时序和视、支持从文件或从JSON、CSV、TSV、

RAR 和 ZIP 存档中导入。

5.人工智能基础资源包

型号：WZ-AI-BRP

唯众人工智能实训平台基础资源包中包含了人工智能实训开发的基础软件环境以及各种开发调试软件工具，为学生和老师提供一站式环境依赖搭建服务，解决在人工智能开发过程中需要下载安装各种依赖库和安装各类开发软件的问题，可以让初学者不需要自己去搭建系统庞大的人工智能开发环境，包括：Python、TensorFlow、YoLo、OpenCV、PIL、MU、MQTT.fx等。

6.人工智能视觉实训系统

型号：WZ-AI-PRAS

资源包中包含了人工智能视觉实训所需的环境、资源和实验手册。实验手册的内容包括：问题、方案、实验步骤、实验代码、实验结论等。对应的实训项目不少于25个，包含了：图像基本操作类、图像检测类、图像变换类、图像修复类、图像识别类、图像跟踪类、双目类、三维图像类等八个大类。

7.人工智能语音实训系统

型号：WZ-AIYYZY102

资源包中包含了人工智能语音实训所需的环境、资源和实验手册。实验手册的内容包括：问题、方案、实验步骤、实验代码、实验结论等。对应的实训项目不少于20个，包含了：语音采集类、语音信号类、语音检测类、语音噪声类、语音模型类、声源定位类、语音识别类、语音合成类。

8.人工智能项目综合案例系统

型号：WZ-AICS-OIP

资源包中包含了手写数字识别项目综合案例、人脸识别项目综合案例、表情识别项目综合案例、车牌号码、省份识别项目综合案例、性别识别项目综合案例、语音识别项目综合案例等不少5个人工智能项目案例资源。每个项目案例包含代码、环境、数据资源、项目案例指导书、配套开发软件等多个实训资源。

9.计算节点服务器

CPU：Intel Xeon Silver 4214R 2颗

内存：32G 8根

数据盘：4*2T SATA 7.2K 硬盘

GPU: NVIDIA Tesla T4 2块

其他：2*GE+2*10GE（不含模块），2*550W电源，无DVD，有导轨

10.控制节点服务器

CPU：Intel Xeon Silver 4116(12核/2.1GHz) 1颗

内存：32G 1根

系统盘：480G PCIe SSD

其他：2*GE+2*10GE（不含模块），2*550W电源，无DVD，有导轨

11.学生电脑

CPU：核心数4类型I5-10210U 16G 512G SSD ，内存： 16G 硬盘：512G SSD 显卡：显卡类型集成显卡