教育部产学合作协同育人项目新工科项目结题报告（含具体内容）.docxVIP

工程结题报告 工程名称： 负责人： 联系 ： 工作邮箱： 学校名称： 通信地址： 报告日期: 一、合作工程亮点（含图片）1、通过工程开展更好地明确了人工智能教育与教学实施的具体思 路，建立了人工智能应用实践能力提升与师资队伍建设具体路径。在 工程实施过程中，我们紧紧把握国内外人工智能开展趋势，结合杰普 公司在人工智能教育方面的积累，对当前人工智能应用技术教育教学 新理念、新结构、新体系、新模式、新方法等进行了较为系统的学习， 促进了师资成员在人工智能教育教学中新思路的形成。同时注重制定 校企共同提升人工智能应用实践能力与师资队伍优化路径，每年度派 相关授课老师参加能力提升活动，建设了人工智能应用开发能力提升 相关政策、措施、激励及文化气氛，设计了跨学科、跨行业的课程体 系、培养方案及具体能力提升实施路径等。 2、通过工程的开展促进了人工智能相关教学内容的更新，加强了 基于校企合作应用型人工智能人才培养实践工作的落实。我们在本次 师资培训工程中，遵循市场规律，坚持应用导向，充分突出企业的技 术主体作用，鼓励师资成员积极参加市场最需要的人工智能应用开发 能力提升培训工作，具体包括对基于Python的人工智能应用开发编 程技术等内容进行重构升级及工程案例大纲制定（下列图），使得我们 自己的教学内容与案例场景更好地对接市场实际需求，为校企合作应 用型人工智能人才培养提供了更好地引导。 工程名称 工程案例应涵盖的内容点 目标要求 网络爬虫应用 工程 爬虫相关工具、requests模块、数据 的 提取方法、xpath语法、xml模块、 爬 虫实现 掌握爬虫的工作原 理和实现流程 数据挖掘与可 视化应用工程 科学计算numpy、pandas、数据可视 化 matpalotlib docx openpyxl 等 掌握数据挖掘与可 视化基础工具的使 用 机器学习应用 工程 特征工程、监督学习分类算法、监督 学习回归算法等 了解常见机器学习 算法原理及Python 实现方法 深度学习应用 工程 TensorFlow 框架开发；TensorflowIO 操作；神经网络基础、全连接神经网 络实现；卷积神经网络网络与实现等 了解深度学习算法 和框架 图像识别应用 工程 边缘检测；对象识别；特征点检测； 分类检测训练；目标检测概述、目标 检测方法、目标数据标记、标注数据 存储、数据集格式转换、TFRecord读 掌握图像识别中目 标检测等基本方法 Python应用知识内容体系解辐Sib常用扩展库科学计算数据可视化人工智能应用机器学习深度学习人工智能Python编程技术教学内容及 Python应用 知识内容体系 解辐Sib 常用扩展库 科学计算 数据可视化 人工智能应用 机器学习 深度学习 取与存储、slim库等 语音识别应用 工程 读取音频数据；语音特征提取；语音 信号生成；语音识别器等 了解语音识别的基 本方法 自然语言处理 工程 NLP介貂、NLP种类、端对端深度学 习模型、词袋、Seq2seq Beam Search Decoding Attention、LSTM 文本分 类等 掌握相关自然语言 处理基础知识 Python Web 开 发应用工程 Web服务器通信过程、HTTP协议、 Web服务器实现、Flask框架、 Django 框架等 掌握Python Web开 发常用方法 3、在工程实施过程中，以本工程为基础，我们成功举办了三次人工智 能相关师资研修活动（会议），很好地扩展了本工程的受益人群。 主讲教师与参与教师分别来自北京大学、中南大学、湖南大学、北京理工 大学、湖南师范大学、福州大学、贵州师范大学、等高等院校及相关企业， 极大地扩大了本工程的受益人群，参与者们都表示通过参加此类活动，对 人工智能相关应用技术有了更好地了解，有力地促进了自己在这方面教学 与人才培养能力的提升。 （1）举办了 “大数据与人工智能创新应用”研修活动，就人工智能领 域网络规划、算法优化、表征方法、大数据分析等主题进行了研修学习。 （2019 年 05 月 24-25 日）（2）举办了 “人工智能前沿技术应用暨应用型人才培养”研修活 动，就人工智能领域用智能进化算法解决优化问题、基于轻量级神经网络的移动端应用程序识别研究、跨膜检索方法及应用等主题进行了研修学 习。（2020 年 11 月 13T4 日） （3）举办了 “现代智能软件快速开发技术”研修活动，就现代智 能软件如何快速开发、现代软件开发中相关人工智能算法问题等主题进行了研修学习。（2020年12月31日） 4、以本工程为载体，师资团队成员还积极参与了多项师资研修培训、能力提升等活动，极大地提高了师资成员们在人工智能方面的业 务应用能力与人工智能应用型人才培养水平。在各类活动中师资成员们积极学 习