一、本科人工智能人才需求
从业人员技术领域分析。参照即沃研究院的部分数据，可以了解人工智能人才的技术领域。从人工智能人才在不同细分领域技术占比分布图来看，AI技术层和应用层的人才分布比较广泛，特别是在机器人、图像识别、语音识别和自动驾驶等领域，如下表所示。
从人才类别分析。人工智能的人才分布呈金字塔式分布，其中占比最多的为数字蓝领人才，包括：人工智能训练师、智能可视化工程师、人工智能数据标注、人工智能应用工程师，最少的为科学家人才，如下图所示。
二、人工智能关键技术
人工智能技术包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉等关键技术。
2.1机器学习
机器学习（MachineLearning）是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。
深度学习是机器学习的一种，机器学习是单层的，深度学习是多层的。计算机通过深度学习技术对数据信息进行总结、抽象，并发现其中的规律。在数据输入后，通过多层非线性的特征学习和分层特征提取，最终对输入的图像、声音等数据进行预测。深度学习框架多硬件平台适配总体架构技术方案包括设备管理层接入接口、算子适配层接入接口，训练框架与推理框架的多硬件适配指标体系包括安装部署、兼容适配、算子支持、模型支持、训练性能、稳定性和易扩展性等。
2.2知识图谱
知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关“属性—值”对。不同实体之间通过关系相互联结，构成网状的知识结构。在知识图谱中，每个节点表示现实世界的“实体”，每条边为实体与实体之间的“关系”。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络，提供了从“关系”的角度去分析问题的能力。
知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域，需要用到异常分析、静态分析、动态分析等数据挖掘方法。特别地，知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，已成为业界的热门工具。但是，知识图谱的发展还有很大的挑战，如数据的噪声问题，即数据本身有错误或者数据存在冗余。随着知识图谱应用的不断深入，还有一系列关键技术需要突破。
2.3自然语言处理
自然语言处理(NaturalLanguageProcessing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。
自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。
2.4人机交互
人机交互主要研究人和计算机之间的信息交换，主要包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行，主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备，以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外，还包括语音交互、情感交互、体感交互及脑机交互等技术。
2.5计算机视觉
计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展，预处理、特征提取与算法处理渐渐融合，形成端到端的人工智能算法技术。根据解决的问题，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。
2.6人工智能硬件
主要围绕智能芯片、系统软件、开发框架等方面，为人工智能提供基础设施支撑。主要有传统芯片和智能芯片两类，另外还有受生物脑启发设计的类脑仿生芯片等。传统芯片可以覆盖人工智能程序底层所需要的基本运算操作，但是在芯片架构、性能等方面无法适应人工智能技术与应用的快速发展；智能芯片是专门针对人工智能领域设计的芯片，包括通用和专用两种类型。其中通用型智能芯片具有普适性，在人工智能领域内灵活通用；专用型智能芯片是针对特定的应用场景需求设计的。
2.7人工智能框架
AI框架给开发者提供构建神经网络模型的数学操作，AI框架把复杂的数学表达，转换成计算机可识别的计算图。AI计算框架可以很好地实现各种深度学习算法，涉及自然语言处理、机器翻译、图像描述、图像分类等一系列技术。AI框架最核心的是提供开发者构建神经网络的接口（数学操作），自动对神经网络训练（进行反向求导，逼近地求解最优值），得到一个神经网络模型（逼近函数）用于解决分类、回归、拟合的问题，实现目标分类、语音识别等应用场景。
三、本科人工智能知识体系
四、本科人工智能专业方向
培养目标
本专业培养具有良好人文、科学素养和职业道德，掌握计算机编程技术、Python语言高级开发技术、人工智能数学、机器学习、算法、人工智能的实践工作和创新能力，能从事人工智能技术在智能交通、环境保护、公共安全、智能家居、工业监测、个人健康等多个领域中的系统开发及其应用的高级技术应用型人才。综合素质方面具有一定的创新意识、团队意识、逻辑推理能力，综合分析能力、实践动手能力、自主学习能力，能在企事业单位从事人工智能应用相关的开发、运维、管理工作的高素质技术技能型人才。
就业方向
包括人工智能、电子信息、控制、计算机等领域的基础理论、工程设计和系统实现技术。
主要涵盖人工智能系统研究、设计与开发，包括但不限于信号的智能感知与处理，机器人或无人平台以及具体行业的智能化或无人化研究与开发，如智慧矿山、智慧安全、智慧医疗、智慧城市、智慧交通等方面的系统研发、项目管理、技术支持等工作。
五、立体课程体系
人工智能从架构上划分分为三个层次：基础层、技术层和应用层。基础层包括：人工智能的计算能力和数据资源基础；技术层包括：算法、模型和技术开发；应用层则聚焦在人工智能和各行业各领域的结合。
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。
六、实践教学内容
在人工智能实践教学方面，实验内容主要包括：人工智能基础层实验、人工智能技术层实验、人工智能综合应用实验，如下图所示。
人工智能基础层实验主要针对人工智能的基础层技术，包括：python基础实验、Linux操作系统实验和数据分析处理实验。其中python基础实验包括条件语句、复合语句、表达式、文件操作等实验；Linux操作系统实验包括Linux基础命令、Linux用户管理、Linux目录管理、Linux文件管理等实验；数据分析处理实验包括数据采集、数据分析、数据标注等实验。
人工智能技术层实验主要是针对人工智能的技术层技术，包括：计算机视觉实验、语言识别实验、机器学习实验、自然语言处理实验。计算机视觉实验分为图像处理、人脸检测、物体识别、车牌识别等实验；语音识别实验包括语言采集、信号处理、语音识别、语音编码等实验；机器学习实验包括模型构建、模型训练、模型部署、模型验证等实验；自然语言处理实验分为语法分析、语义分析、篇章理解等实验。
人工智能综合应用实验则是结合人工智能各层所需技术内容模拟行业中的经典应用，分为综合实验以及自主实验。综合实验包括智能家居实验、智慧门禁实验、智能监控实验。自主实验则是由学生进行自主命题实现创新创意的实验。
七、人工智能人才培养高水平实训基地建设
人工智能专业的培养目标是培养掌握基础理论知识、掌握物联网核心技术、精通物联网系统及部件应用、物联网知识面宽、动手能力强、适应各种岗位工作的应用型及研发型人才，从事物联网核心部件开发、技术应用、系统搭建、系统维护升级、解决方案设计等工作。
由于人工智能知识体系的庞杂性、应用性、实践性等特点，实验室和实训基地在教学过程中起的作用远比其他学科来的重要。在进行基本理论知识教学之后，实验室能够提供给学生动手实践的平台，将理论知识转为实际操作；为学生提供一个真实拟真的人工智能网环境，掌握各种物联网设备、部件、系统的原理、技术和运用唯众结合企业人才需求，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“七维”角度为专业学科建设提供软硬件平台及教学实验环境的支撑。
基础实训区：满足人工智能专业知识点的基础实验学习，覆盖人工智能编程基础、人工智能硬件开发、计算机基本算未能、数据采集等教学实验，主要通过实训装置等常规设备实现。
综合实训区：满足人工智能专业知识点到知识面的综合实训练习，每一个实训实验都能够基本覆盖人工智能的全部知识点，能够横向掌握人工智能工程系统的完整开发流程。主要通过人工智能实训平台等项目实训台等设备实现。
创客实训区：满足人工智能专业对人才创新能力的培养，结合行业的各种实际应用需求，深度掌握核心技术，从纵向对应用难点的创新和突破。创新实验设备提供更加开放的提供设计性功能，设备形态更加接近实际工程应用产品，同时能够满足其他不同学科的交叉性知识内容。
八、方案价值
专业教学服务
人工智能技术应用专业是人工智能技术、计算机科学、信息科学与特色行业相结合的复合型专业。人工智能技术应用专业注重强化学生的人工智能建模与算法分析设计能力、解决交通、医疗等行业人工智能应用问题的实践能力，强调学生的个性化科学思维和创新实践能力的培养；培养能够进行人工智能算法分析与设计、人工智能核心技术研究与开发、人工智能技术应用与其它专业领域结合等复杂工程问题分析与解决的高级专门人才。人工智能技术应用专业将专业课程划分为如图1五个模块。
人工智能专业基础模块：包括人工智能导论、python程序设计、Linux操作系统、计算机网络、数据结构、计算机数学等专业基础课程，为后续深入学习人工智能专业核心课程打下基础。
计算能力模块：人工智能的算法、模型等都是建立在计算能力的基础之上,因此在深入学习人工智能核心技术之前需要有计算能力的基础，计算能力模块主要由高等数学、线性代数、概率论数理统计和随机过程、离散数学、数值分析等计算基础课程组成。
数据集训练模块：涵盖了数据采集、数据处理、数据分析、数据标注、数据集制作等技术，主要由数据挖掘、数据分析与特征工程、数据标注、图像处理等专业核心课程构成。
机器学习模块：机器学习模块分为两个子模块，一部分为算法学习子模块，另一部分为框架学习子模块。
算法学习子模块中包括一些人工智能中常用的算法学习如线性回归算法、逻辑回归算法、决策树算法、朴素贝叶斯算法、K近邻算法等。
框架学习子模块中包括一些人工智能中常用的机器学习框架如Scikit-learn、Caffe、Torch、MXNet、PyTorch、Keras、TensorFlow等主流框架。
人工智能应用模块：人工智能应用模块也分为两个子模块，一是人工智能行业应用子模块，另一个是人工智能技术应用子模块。
行业应用子模块中包括人工智能在行业中的一些经典应用，如智能制造、智能家居、智慧交通、智能安防、智慧医疗等。
技术应用子模块中包括人工智能在技术领域中的应用，如自动驾驶技术、人脸识别技术、语音识别技术、文字识别技术等。
十、理实一体全流程教学
云课堂是唯众凭借十多年在职业教学领域耕耘，以“微服务、虚拟化、全栈云”三大核心技术为支撑，助力学校高水平专业建设。该平台采用微服务架构，将平台服务精准分为公共基础、公共应用、专业应用服务。公共基础服务精确为字典、banner、用户权限、文件、认证、网关、订单、转码、平台运营、学校运营、日志、登录、搜索等；专业应用服务精确为KVM虚拟化、容器虚拟化、代码评测、工具、资源、环境等；公共应用服务精确为课程、考试服务、云盘、云优选、题库、活动、工具等。不同的微服务进行因材施教和按需施教，可以非常方便教师实施个性化的教学模式、具体的教学内容、针对性的教学流程，精细赋能Ｗeb前端框架应用教学。
老师利用平台非常方便构建多层次、立体化的教学课程资源，拓宽了学习渠道，极大地调动了学生参与学习的积极性，提高了教学效率，实现了老师在家、在办公室、在教室都可轻松进行无差异环境备课，实现了与学生的“课前”“课中”“课后”和校内校外有机结合的网络在线学习、在线实践操作，并逐步形成课堂教学与云教学相结合的混合式教学模式。该平台在教学中的应用，打破了校园时空限制、教学环境限制，可实现学生的远程学习和弹性自主学习，远程实训和弹性自主学训。唯众云课堂充分利用KVM和容器等多种虚拟化技术进行精准化教学，根据不同的教学内容选用不同的虚拟化技术、不同硬件资源，如GPU、CPU、算力、不同的实验环境，对不同软件开发语言（C、Java、Python、html等）、同一课程的不同阶段开展精细化教学。
唯众云课堂还可根据教学的需求进行公有云、私有云、混合云等不同方式的部署，可以适应学校各种不同的复杂网络环境和资产入库需求而且性价比高、稳定性强。平台还将科研、技能大赛、1+X认证等全流程无缝衔接各种计算机网络、智能化安防、物联网、人工智能等前端应用场景，更加高效开展具有多种功能的开放式、全流程、理实一体化的Web前端教学平台。基于唯众云课堂的“6+6”互动教学流程如下图所示。
10.11+X认证服务
提供1+X证书（物联网智能家居系统集成和应用、物联网传感网开发）初级、中级、高级认证培训资源；Web前端开发1+X证书初级、中级资源
10.2人工智能专业群技能大赛支撑
10.2.1一带一路金砖国家技能发展与创新大赛
十一、产学研究中心
目标：围绕前沿技术，探索以物联网为代表的跨界融合产业，为高校用户、科研单位、政企部门提供智云物联网、移动互联网+、云计算大数据、智慧农业产品产学研一体化的解决方案。物联网产学研究中心是唯众与院校合作进行深度科研合作的平台，通过技术的融合、共享和协作，能够响应国家产教融合战略。
唯众与院校共同建设产业研究中心，双方共同推动产教融合的发展：
1）院校选派优秀教师参与唯众技术项目研发、技术难题分析与解决、技术创新孵
化及企业技术人员能力提升，共同举办学术问题研讨与咨询。
2）唯众积极支持、参与高校校内企业创新机构的建设，帮助老师及时跟踪新知识
新技术，提升高校的师资力量。
3）双方合作申报各个层次的科技项目、品牌与渠道合作项目，并共同进行研究。
11.1双活数据中心功能示意图
11.2项目价值
教材联合开发教材
联合各院校教授专家，开发物联网技术应用专业系列教材，赠送物联网技术应用专业系列教程，为院校专业实验课程开展和教学提供参考。
11.3产学研支撑平台
11.3.1数字基座
平台采用springcloud微服务开发架构，各服务模块单独运行并提供服务接口；可提供稳定、快速、高效的服务；平台整体采用前后端分离和分布式微服务的弹性计算架构实现，后端主要基于Java的Springcloud实现，前端vue实现等，具有高内聚、松耦合、业务单一、高性能、高并发、高可能、跨平台、跨语言等特点。
平台提供SSO单点登录，多个应用系统统一登录，统一的用户管理，一个账户可登录验证教学全场景以及数字技术专业群实践教学等所有应用模块系统。
平台采用kubernetes技术进行部署，支持公有云、私有云、混合云模式安装；平台支持多数据源从而保证技术的一致性；确保服务的稳定、可扩展、弹性扩容；每个独立服务支持分布式集群部署，理论上可以无限横向扩展，提高系统处理能力，支持大规模并发教学全场景和数字化专业群教学实践应用。
基础虚拟化服务由docker和kvm两种虚拟化技术根据学科性质进行选择性支撑，可满足不同的虚拟化需求，提供稳定、可自行配置的虚拟机器。
基于全流程DevOps自动化运维，支持持续集成、分析、服务注册与发现、系统监控、性能监控、日志管理、预警、持续部署(基于docker的镜像仓库，Kubernetes的容器云管理调度平台，在线可视化管理、监控、调度容器)。
基础持久化层支持RDS和NoSQL两种方式，采用MySQL集群和MongoDB集群搭建，支持基于CQRS的分布式事务处理，支持数据自动备份，同时使用于Redis集群对热点数据进行缓存，支持大并发；支持纯本地化数据源。
基础服务层支持在线验证码服务、基础文件服务、消息队列服务、OSS对象存储服务、用户/鉴权服务、个人云盘服务、WebSocket服务等，保证平台的通用性。用户基础信息管理：对订单实行按业务方向进行配置，对班级、教师、学生相关信息进行新增、修改、删除以及数据权限进行配置。
11.3.2三大核心技术
唯众紧密围绕职业院校高水平数字专业群，针对职业教学发展现状，倾力打造以微服务、虚拟化、全栈云三大核心技术为载体，以计算机技术、多媒体技术、网络通信技术、大数据技术、人工智能技术等新一代数字技术手段构建的一种新型教学平台，可以支持院校进行教学研发创新。
01微服务
传统的软件都是采用单体架构开发，所有的模块都是紧密耦合在一起的。不仅开发代码量大、客户使用维护也十分困难。
微服用架构将单一应用程序划分成一组小的服务，服务之间相互协调、互相配合，为师生提供最终价值。每个服务运行在其独立的进程中，服务和服务之间采用轻量级的通信机制相互沟通。每个服务都围绕着具体的业务进行构建，并且能够被独立的部署到生产环境、类生产环境等，对具体的一个服务而言，可根据业务上下文，选择合适的语言、工具对其进行构建。
唯众云课堂平台采用微服务架构，精准分为公共基础、公共应用、专业应用服务。公共基础服务精确为字典、banner、用户权限、文件、认证、网关、订单、转码、平台运营、学校运营、日志、登录、搜索等；专业应用服务精确为KVM虚拟化、容器虚拟化、代码评测、工具、资源、环境等；公共应用服务精确为课程、考试服务、云盘、云优选、题库、活动、工具等。把不同的微服务方便进行因材施教和按需施教，可以非常方便实施个性化的教学模式、具体的教学内容、针对性的教学流程，精细赋能计算机基础、综合布线、网络搭建与运维、智能化安防、物联网、嵌入式、移动互联、WEB前端开发、软件应用开发、云计算、大数据、人工智能、创客等数字技术专业群教学和实训基地建设，从而营造动态精准高效的好课堂，助力提质培优、增值赋能高水平职业教学。
02虚拟化
校园传统机房绝大多数采用物理基础架构，电脑硬件配置往往限定了实验环境的建设，这不仅导致了计算机资源浪费、利用效率不高。同时，不可避免的硬件故障致使校方后期运维管理压力增大，成本也居高不下。
虚拟化技术中，可以同时运行多个操作系统，而且每一个操作系统中都有多个程序运行，每一个操作系统都运行在一个虚拟的CPU或者是虚拟主机上。虚拟层会给每个虚拟机模拟一套独立的硬件设备，包含CPU、内存、主板、显卡、网卡等硬件资源，并可用户需要，动态配置资源，还可以在其上安装Windows、Linux等不同操作系统和不同的版本。
唯众云课堂充份利用KVM和容器等多种虚拟化技术可进行精准教学，根据不同的教学内容选用不同的虚拟化技术、不同硬件资源，如GPU、CPU、算力、不同的实验环境，对不同软件开发语言（C、Java、Python、html等）、同一课程的不同阶段开展精细化教学，可广泛应用于物联网、大数据、云计算、软件开发、网络仿真和人工智能等专业教学实训，让教学用户方便构建构建通用型高水平专业群实训基地，极大提高学校计算机机房利用率，教学应用场景轻松切换和软硬件管理维护高效便捷。
03全栈云
基于开放的、可信的、可靠智能的华为公有云，并融合了现代教育的行动导向、情境式、项目式理念具有多种功能的开放式、全流程、理实一体化平台。
单纯的私有云部署会因硬件等原因导致数据丢失或者服务不可用，而公有云部署数据安全性不高，有些服务无法满足。
我们理解全栈云既要有有底层能力，还要有上层平台能力，需要有从硬件到软件，再到应用的完整能力，包括对行业的理解能力，这样，才能给客户提供全栈的能力。具体来讲有四个重要因素，首先是业务承载的连续性和全面性，其次，是围绕业务不同的业务负载，满足客户的云服务。再次是面向各种业务场景需要的资源各层统一，最后是面向未来多云管理，
唯众云课堂可根据用户的需求进行公有云、私有云、混合云等不同方式的部署，可以适应学校各种不同的复杂网络环境和资产入库需求而且性价比高、稳定性强。平台可以满足师生泛在化、个性化、精准化的备课、授课、学习、科研、技能大赛、1+X认证、作业、考试、统计、评价等全流程，还可以无缝衔接各种计算机网络、智能化安防、物联网、人工智能等硬件设备，高效开展理实一体化教学。
十二、基于华为生态校企共育数字人才行动方案
十三、项目推荐清单
联系电话：