人工智能实验室建设方案-高校版V1.1（含人工智能专业培养方案）.docx

《人工智能实验室建设方案-高校版V1.1（含人工智能专业培养方案）.docx》由会员分享，可在线阅读，更多相关《人工智能实验室建设方案-高校版V1.1（含人工智能专业培养方案）.docx（56页珍藏版）》请在悟道方案网上搜索。

1、<p>人工智能实验室建设方案 标准版 V2.0 （包含人工智能相关专业培养方案、课程、实验、实训 室建 等） 智慧校园方案解决专家 人工智能实验室建设方案 第 1 页 共 54 页 目 录 一概述 . 3 1.1 人工智能发展 . 3 1.2 建设意义 . 3 1.3 国家政策 . 5 1.4 培养目标 . 6 1.5 现状及需求分析 . 10 1.5.1 市场需求量 . 10 1.5.2GPU 资源集中 . 10 1.5.3 管理困难 . 10 1.5.4 教师队伍缺乏 . 10 二人工智能实验室解决方案 . 10 2.1 系统说明 . 11 2.1.1 教学空间改造 . 11

2、2.1.2 实验室特性 . 12 2.1.3 系统分层说明 . 12 2.1.4vGPU 架构 . 14 2.2 产品说明 . 15 2.2.1NVIDIA GPU . 15 2.2.2 深度学习框架 . 16 2.2.3 深度学习教学模式 . 16 2.2.4 人工智能实验室平台 . 16 2.3 课程内容 . 21 2.3.1 整体要求 . 21 2.3.2 课程的教学目标与任务 . 23 2.3.3 课程大纲及部分课程具体内容及基本要求 . 23 人工智能实验室建设方案 第 2 页 共 54 页 2.3.4 部分教学安排及方式 . 48 2.3.5 课程对培养学生能力和素质的贡献点 .

3、48 2.3.6 考核及成绩评定 方式 . 48 2.3.7 教材及参考书目 . 49 2.3.8 其他说明 . 49 2.3.9 课程实验效果示意图 . 49 三功能亮点 . 50 3.1 便捷管理 . 50 3.1.1 管理平台 . 50 3.1.2 软硬件集中升级 . 51 3.1.3 实验课程快速部署 . 51 3.2 有效控制 . 51 3.2.1 教学管理端 . 51 3.2.2 有效控制 USB 接口使用 . 51 3.2.3 完整的监控功能 . 52 3.3 教师教学 . 52 3.3.1 个性化 DOCK 环境快速交付 . 52 3.3.2 移动授课办公模式 . 52 四方案

4、价值 . 53 4.1 人工智能应用教学 . 53 4.2 多样性 AI 学习环境 训练（ AI Train） . 54 4.3 多样性 AI 学习环境 推演（ Inference） . 54 4.4AI 专 业教师资源培养 . 54 4.5 云教学环境得以实现 . 54 4.6 计算资源的复用 . 55 人工智能实验室建设方案 第 3 页 共 54 页 一 概述 1.1 人工智能发展 1999 年， NVIDIA 发明了 GPU，这极大地推动了 PC 游戏市场的发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。 GPU 深度学习为现代人工智能 (AI) 这个新的计算时代带来了新动力

5、， GPU 在能够感知和理解世界的计算机、机器人和自动驾驶汽车中发挥着大脑的作用。如今， NVIDIA 的“ AI 计算公司”名头越来越为人所知。 人工智能是指使用计算机来模拟人类智力。 AI 增强了我们的认知能力 能够帮助我们解决极其复杂、缺失信息或细节易被忽略且需要专门知识的难题。 数据等同于计算机的生活经验，而从数据中学习就是 AI 的发展方式。 GPU 计算可助力深度 神经网络所需的运算，使其能够从庞大的数据中学会识别各种图案。 这种全新的超强计算模式引爆了 AI 时代。 1.2 建设意义 2017 年，随着国务院印发的 新一代人工智能发展规划 深入实施和工信部 促进新一代人工智能产业

6、发展三年行动计划（ 2018-2020 年） 的发布，越来越多的行业意识到人工智能是新一轮科技革命和产业变革的重要驱动力量，于是在人工智能核心产业不断进步的作用下，社会各领域对人工智能服务需求进一步加强，人工智能行业领域应用进一步深化。 人工智能实验室旨在培养满足创新型国家发展需要、基础知识厚实、 工程实践能力强、有组织能力和国际视野的计算机领域创新型人才，坚持“基础厚、口径宽、能力强、素质高、复合型”的人才培养观，向国家信息技术产业提供具备从事人工智能基础及应用研究、人工智能应用实践、软件系统及网络系统的设计与开发等能力的“实验室学术型”和“工程技术型”人才。 1.“ 实验室学术型 ” ：人

7、才应具有扎实的高等数理基础和计算机实验室理论基础；外语水平良好，能熟练地阅读本实验室的外文文献；具有良好的知识更新能力、综合设计能力与技术创新意识；具有一定的科学研究工作能力。毕业生可报考人工智能实验室的学术型研究生，人工智能实验室建设方案 第 4 页 共 54 页 也可从事计算机等相关领域的科学研究与技术研发工作。 2.“ 工程技术型 ” ：人才应具有良好的高等数理基础和实验室理论基础；具有较好的外语能力；具有一定的知识更新能力、综合设计能力和技术创新意识；熟练掌握计算机实验室技能，工程实践能力强。毕业生可以从事人工智能领域等相关领域的工程技术应用、服务和管理工作，也可报考计算机相关实验室领

8、域的工程硕士研究生。 AI 政策主题变迁示意图 人工智能政策主题共现图 由此可见，各级教育单位建立人工智能实验室和相关课程课件是势在必行的趋势，它不仅是教育单位达成培养市场需要的人才的最终目标，也是教育单位教学亮点和特色。 *科技是一家引领人工智能浪潮的高科技公司，多年经营的人工智能生态圈形成了从硬件到软件的人工智能实验室建设方案 第 5 页 共 54 页 完整解决方案，我们深度二次开发了 NVIDIA GPU 和 NVIDIA DLI，提供一整套学校需要的实验平台，为学生和老师提供教学、实验、科研的实验环境。 1.3 国家政策 根据国务院关于印发新一代人工智能发展规划的通知（国发 2017

9、35 号）统筹布局人工智能创新平台的总体要求，以及科技创新 2030 “ 新一代人工智能 ” 重大项目确定的总体目标和阶段性目标，为进一步明确国家新一代人工智能开放创新平台的目的意义、建设原则、基本条件和主要任务，指导和推动国家新一代人工智能开放创新平台有序发展，特制定本工作指引。 目的意义 ： 新一代人工智能开放创新平台（以下简称 “ 开放创新平台 ” ）是聚焦人工智能重点细分领域，充分发挥行业领军企业、研究机构的引领示范作用，有效整合技术资源、产业链资源和金融资源，持续输出人工智能核心研发能力和服务能力的重要创新载体。 “ 开放、共享 ”是推动我国人工智能技术创新和产业发展的重要理念，通过

10、建设开放创新平台，着力提升技术创新研发实力和基础软硬件开放共享服务能力，鼓励各类通用软件和技术的开源开放，支撑全社会创新创业人员、团队和中小微企业投身人工智能技术研发，促进人工智能技术成果的扩散与转化应用，使人工智能成为驱动 实体经济建设和社会事业发展的新引擎。 建设原则 ： （一）应用为牵引。以人工智能重大应用需求方向为牵引，依托开放创新平台推动人工智能相关基础理论、关键核心技术、软硬件支撑体系及产品应用开发，形成具有国际影响力和广泛覆盖面的人工智能创新成果。 （二）企业为主体。鼓励人工智能细分领域领军企业搭建开源、开放平台，面向公众开放人工智能技术研发资源，向社会输出人工智能技术服务能力，

11、推动人工智能技术的行业应用，培育行业领军企业，助力中小微企业成长。 （三）市场化机制。鼓励采用市场化的组织管理机制，依托单位应作为开放创新 平台的资金投入主体，并通过技术成果转让授权、技术有偿使用等方式，为开放创新平台发展提供持续支持。 （四）协同式创新。鼓励地方政府、产业界、科研院所、高校等共同参与推进开放创新平台建设，通过人才、技术、数据、产业链等资源整合，构建开放生态，推动核心技术成果产业化。 基本条件 ： 人工智能实验室建设方案 第 6 页 共 54 页 开放创新平台重点由人工智能行业技术领军企业牵头建设，鼓励联合科研院所、高校参与建设并提供智力和技术支撑。开放创新平台应围绕新一代人工

12、智能发展规划重点任务中涉及的具有重大应用需求的细分领域组织建设，原则上每个具体细分领域建设一家国家新一代人工智能开放创新平台，不同开放创新平台所属细分领域应有明确区分和侧重。 1.4 培养目标 人工智能专业毕业生 4 年之后应达到以下目标 : (1) 具有高尚的职业道德和社会责任感 ,能够在工程设计中综合考虑对环境、社会、文化的影响 ; (2) 在计算机、统计和控制等数据科学与人工智能的相关专业领域成功就业或进入硕士生、博士生阶段学习 ; (3) 能够在跨职能、多学科的工程实践团队中工作和交流 ,具备一定的协调、管理、竞争与合作能力 ,能够将基本的工程管理原理与经济决策方法应用到实践中 ; (

13、4) 了解人工智能技术领域的有关标准、规范、规程 ,能够跟踪该领域的前沿技术 ,具有工程创新能力并将其应用到相关产品的设计、开发和集成中 ; (5) 具有全球意识和国际视野 ,能通过继续教育、在线学习、培训或其他终身学习渠道增加知识和提升能力 ; (6) 有丰富的专业技术工作经验 ,能够解决人工智能技术领域的复杂工程技术问题 ,主持开发一个中等以上规模的软硬件产品 ,进而成长为架构设计师、产品经理、项目经理等。 毕业要求： 1. 工程知识 掌握本专业所需的数学、自然科学、工程基础和人工智能技术的专业知识 ,能将上述知识用于解决智能 信息系统软硬件设计、图像处理算法设计等相关领域的复杂工程问题。

14、 指标点 1-1: 能运用数学、自然科学、工程基础和专业知识 ,表述人工智能技术领域的复杂工程问题。 指标点 1-2: 能够运用恰当的数学、物理模型对智能信息系统软硬件设计、图像处理算法设计等复杂工程问题进行建模 ,保证模型的准确性 ,满足工程计算的实际要求。 人工智能实验室建设方案 第 7 页 共 54 页 指标点 1-3: 能够将数学、自然科学、工程基础和人工智能技术的专业知识用于复杂工问题的推导和计算。 指标点 1-4: 能运用数学、自然科学、工程基础和专业知识对复杂工程问题的解决途径进行评价 ,并提出改进思路。 2. 问题分析 能够应用数学、自然科学、工程基础和人工智能技术的专业知识

15、,识别、表达和有效地分解复杂工程问题 ,并通过文献查阅等多种方式对其进行分析 ,以获得有效结论。 指标点 2-1: 能够应用高等数学、物理学的基本概念、原理和人工智能技术的专业知识对复杂工程问题进行识别和有效分解。 指标点 2-2: 能够识别和表达复杂工程问题的关键环节和参数 ,对分解后的问题进行分析。 指标点 2-3: 掌握科技文献、资料的分类 ; 能够通过 图书馆、数据库、网上检索等多种方式快速、准确地检索相关信息 ,具备借助文献研究对复杂工程问题进行识别、表达、分析的能力。 3. 设计 /开发解决方案 能够针对人工智能技术领域复杂工程问题提出解决方案 ,设计满足特定需求的系统和模块 ,并

16、能够在设计环节中体现创新意识 ; 能够综合考虑其对社会、健康、安全、法律、文化及环境的影响。 指标点 3-1: 能够掌握本专业涉及的工程设计概念、原则和方法 ,能够针对复杂工程问题提出合理的解决方案。 指标点 3-2: 能够针对特定需求完成系统、模块的软件设计和硬件设计。 指标点 3-3: 综 合利用人工智能领域的专业知识和新技术 ,在针对复杂工程问题的系统设计中体现创新意识。 指标点 3-4: 能够在系统方案设计环节中考虑多方面、多层次因素的影响 ,如社会、健康、安全、法律、文化以及环境等因素。 4. 研究 能够基于科学原理并采用科学方法对人工智能领域的复杂工程问题进行研究 ,包括设计实验、

17、分析与解释数据 ,并通过信息综合得到合理有效的结论。 指标点 4-1: 能够对人工智能领域的软件、硬件模块进行理论分析和仿真。 人工智能实验室建设方案 第 8 页 共 54 页 指标点 4-2: 能够针对智能信息系统软硬件设计、图像处理算法设计等人工智能领域的复杂工程问题 设计实验方案、构建实验系统和测试平台、获取实验数据。 指标点 4-3: 能够对实验结果进行合理分析、解释 ,并对多个子问题进行关联分析 ,找出冲突点并进行平衡 ,通过实验数据分析、信息综合等手段得到合理有效的结论。 5. 使用现代工具 能够针对人工智能领域的复杂工程问题 ,开发、选择与使用恰当的技术、资源、现代工程工具和信息

18、技术工具 ,包括对复杂工程问题的预测与模拟 ,并能够理解其局限性。 指标点 5-1: 掌握基本的计算机操作和应用 ,至少掌握一种软件开发语言 (如 C、 C+ 语言等 ),并能够运用集成开发环境进行复杂程序设计 。 指标点 5-2: 能熟练运用文献检索工具获取人工智能领域理论与技术的最新进展信息。 指标点 5-3: 掌握人工智能技术专业仪器、设备的基本原理、操作方法 ,能够在复杂、综合型工程中合理选择和使用仪器、设备。 指标点 5-4: 具备使用实验设备、计算机软件和现代信息工具对复杂工程问题进行模拟或仿真的能力 ,理解其使用要求、运用范围和局限性。 6. 工程与社会 能够结合相关的工程知识进

19、行合理分析 ,评价专业工程实践和复杂工程问题解决方案对社会、健康、安全、法律以及文化的影响 ,并理解应承担的责任。 指标点 6-1: 具有工程实践经历 ,通过实践、实习过程了解工程实践和复杂工程问题的解决方案对社会、健康、安全、法律以及文化的影响。 指标点 6-2: 能够结合相关的工程知识 ,通过在思政、人文、社科类课程学到的知识 ,综合分析和评价专业工程实践和复杂工程问题的解决方案对社会、健康、安全、法律以及文化的影响 ,并理解应承担的责任。 7. 环境和可持续发展 了解环境保护和可持续发展的基本方针、政策和法律、法规 ,能够理解和评价人工智能领域的专业工程实践对环境、社会可持续发展的影响。

20、 指标点 7-1: 理解环境保护和社会可持续发展的内涵和意义 。 指标点 7-2: 了解环境保护和社会可持续发展的基本方针、政策和法律、法规 ,能够正确认识针对复杂工程问题的专业工程实践对环境和社会的影响。 指标点 7-3: 能针对实际复杂工程问题 ,评价其资源利用率、对文化的冲击等工程实践对环境、社会可持续发展的影响。 人工智能实验室建设方案 第 9 页 共 54 页 8. 职业规范 具有人文及社会科学素养、正确的政治立场和社会责任感 ,能够在工程实践中遵守人工智能领域的相关职业道德和规范。 指标点 8-1: 具有人文及社会科学素养 ,了解国情 ,理解社会主义核心价值观 ,树立正确的政治立场

21、、世界观、人生观和价值观。 指标点 8-2: 理解工程技术的社会价值以及工程师的社会责任 ,在工程实践中能自觉遵守职业道德和规范。 9. 个人和团队 能够在多学科背景的团队中承担个体、团队成员或负责人的角色 ,能够听取其他团队成员的意见和建议 ,充分发挥团队协作的优势。 指标点 9-1: 能主动与其他学科的成员共享信息 ,合作共事 ,独立完成团队分配的工作。 指标点 9-2: 能够胜任团队成员或负责人的角色 ,能在团队协作中听取其他团队成员的意见和建议 ,充分发挥团队协作的优势。 10. 沟通 具备良好的表达能力 ,能够就复杂工程问题与业界同行及社会公众进行有效沟通和交流，包括撰写报告和设计文

22、稿、陈述发言等 ; 掌握至少一门外语 ,具有一定的国际视野 ,能够在跨文化背景下进行沟通和交流。 指标点 10-1: 具有良好的口头表达能力 ,能够清晰、有条理地表达自己的观点 ,掌握基本的报告、设计文稿的撰写技能。 指标点 10-2: 掌握至少一门外语 ,具备一定的国际视野 ,并了解基本的国际文化礼仪。 指标点 10-3: 能够就复杂工程问题 ,综合运用口头、书面、报告、图表等多种形式与国内外业界同行及社会公众进行有效沟通和交流。 11. 项目管理 理解并掌握工程管理原理与经济决策方法 ,并能在多学科、跨 职能环境中合理应用。 指标点 11-1: 理解工程管理与经济决策的重要性 ,掌握工程管

23、理的基本原理和常用的经济决策方法。 指标点 11-2: 能够在多学科、跨职能环境中合理运用工程管理原理与经济决策方法。 12. 终身学习 具有自主学习和终身学习的意识 ,有不断学习和适应发展的能力。 人工智能实验室建设方案 第 10 页 共 54 页 指标点 12-1: 了解自主学习的必要性 ,具有自主学习和终身学习的意识 ,掌握跟踪本专业学科前沿、发展趋势的基本方法和途径。 指标点 12-2: 能够通过文献查询、网络培训等多种渠道进行终身学习 ,以适应职业发展的需求。 1.5 现状及需求分析 1.5.1 市场需求量 有预测， 2018 年百分之八十的企业将部署人工智能产业链，国家和企业都需要

24、大量的人才补充，而我们的高校、职校和高中还没有建立完整的教育课程和实践环境。 1.5.2GPU 资源集中 由于 GPU 相对昂贵，普通学生无法承担，往往是学校的超算中心和部分教授有购买力，但是深度学习框架大量开源，学生有能力自学理论知识但无实践环境来检验自学效果。虽然有部分师生用消费级卡来实验，但是这与真实的使用环境相去甚远。 1.5.3 管理困难 大多数学校发现校级 GPU 计算资源被初学者占用，往往导致真正科研计算任务匮 乏计算资源，基于 DOCK 环境的计算管理环境常常发生计算资源抢占现象，让管理者应接不暇各种投诉，管理者非常需要了解 GPU 的使用情况。 1.5.4 教师队伍缺乏 虽然

25、人工智能教材不断涌现，但是学校的这方面的师资队伍还处于建设初期，教师没有经过系统的学习和实践过程。 二 人工智能实验室解决方案 人工智能实验室解决方案是 *科技 针对中国教育市场推出的基于数据中心虚拟化基础架构上的 GPU 虚拟化，加之 NVIDIA 深度学习学院培训体系的一体化人工智能实验室解决方案。该方案采用以用户为中心的计算模式、按需向用户提供 GPU 资源、框架资源、深度学习人工智能实验室建设方案 第 11 页 共 54 页 环境。保障用户对 GPU 资源的独享，保证用户获取足够的自由度和较高的用户体验，同时满足集中管理和数据安全的需求，灵活和快速部署人工智能实验环境。 数据中心虚拟化

26、基础架构平台是一个成熟的解决方案，主要包括服务器虚拟化、存储虚拟化、网络虚拟化及管理平台等。再加上 NVIDIA 的 GPU 虚拟化后，用户能够简单、 快速、一站式的构建校园 GPU 资源管理平台，对内提供 GPU 服务，大大简化 GPU 资源管理工作，提高数据的安全性，提高机器硬件利用率，降低 IT 拥有总成本（ TCO）。 采用了混合云计算模式（集合服务器虚拟化、 GPU 虚拟化、 PC 虚拟化和网盘），既支持服务器的后端计算资源池弹性分配，又支持客户机前端计算资源的分布式运算， Grid6.0 为GPU 虚拟化带来了新的环境实现，支持在 GPU 虚拟环境下的深度学习框架的搭建和计算，是教

27、育单位的人工智能实验室得以实现的重要技术平台。 2.1 系统说明 2.1.1 教学空间改造 传统教室无法 满足人工智能日常教学， *科技 人工智能创新实验室解决方案将传统教室低成本改造，能够完全适应人工智能日常教学。 人工智能教室围绕以下要求进行升级改造： 实用性便利性：基本目标是为师生提供一个舒适、安全、方便和高效的学习环境。对人工智能创新实验室来说，最重要的是以实用为核心，摒弃掉那些华而不实，只能充作摆设的功能，产品以实用性、易用性和人性化为主。 可靠性 ：整个建筑的各个智能化子系统应能二十四小时运转，系统的安全性、可靠性和容错能力必须予以高度重视。对各个子系统，以电源、系统备份等方面采取

28、相应的容错措施 ，保证系统正常安全使用、质量、性能良好，具备应付各种复杂环境变化的能力。 标准性 ： 卷心菜人工智能创新实验室 系统方案的设计应依照国家和地区的有关标准进行，确保系统 的扩充性和扩展性，在系统传输上采用标准的 TCP IP 协议网络技术，保证不同产商之间系统可以兼容与互联。系统的前端设备是多功能的、开放的、可以扩展的设备。如系统主机、终端与模块采用标准化接口设计，为智慧教室系统外部厂商提供集成的平台，而且其功能可以扩展，当需要增加功能时，不必再开挖管网，简单可靠、方便节约。设计选用的系统和产品能够使本系统与未来不断发展的第三方受控设备进行互通互连。 方便性：布线安装是否简单直接

29、关系到成本，可扩展性，可维护性的问题，一定要选择布线人工智能实验室建设方案 第 12 页 共 54 页 简单的系统，施工时可与校园宽带一起布线，简单、容 易；设备方面容易学习掌握、操作和维护简便 。 易维护性 ：系统在设计时，就应考虑安装与维护的方便性，比如系统可以通过 Internet远程调试与维护。通过网络，不仅使住户能够实现智慧教室系统的控制功能，还允许工程人员在远程检查系统的工作状况，对系统出现的故障进行诊断。这样，系统设置与版本更新可以在异地进行，从而大大方便了系统的应用与维护，提高了响应速度，降低了维护成本。 数据安全性 ：在 人工智能创新实验室 的逐步扩展中，会有越来越多的设备连

30、入系统，不可避免的会产生更多的运行数据，如空调的温度和时钟数据，室内窗户的开关状态数据， 室内设备数据等 。这些数据将与与校园的隐私网络形成前所未有的关联程度。 *科技 人工智能创新实验室 充分体现物联网的三个层次 (应用层、网络层、感知层 ) , 运用传感器、射频识别 ( RFID )等技术 ,使信息传感设备实时感知任何需要的信息 ,按照约定的协议 ,通过可能的网络 (如基于 WIFI 的无线局域网、移动通信、电信网等 )接入方式，把任何物品与互联网相连接 ,进行信息交换和通信 ,实现物与物、物与人的泛在链接 ,实现对物品的智慧化识别、跟踪、监控和管理。 2.1.2 实验室特性 信息化 ：加

31、强教育资源建设，推进信息技术与学科教学整合为重点，促进教师教学方式和学生学习方式实现根本性改变。 智能化 ：将系统和人连接起来，实现跨终端数据采集、信息挖掘及分析，打造高效、便捷、舒适、智能的“人工实验室” 模块化 ：让每一间教室都通用化的基础上，让所有师生在每一间教室内都可以进行任何模式的教学，提高学与教的融合深度。 2.1.3 系统分层说明 1 平台架构： 物理资源层深度学习实验环境的硬件基础。由 vGPU，计算节点组成。 2 虚拟化层 基于红帽 KVM 虚拟化平台，结合 Nvidia vGPU 套件组成。 同时支持各种虚拟化平台。 3 管理引擎层 管理物理和逻辑资源：主机、虚拟机、环境和

32、课件等。 人工智能实验室建设方案 第 13 页 共 54 页 4 课程资源层 内置 Python 和 Jupyter，内置各种深度学习框架，支持自定义其他课程环境。 5 访问设备层 通过浏览器访问，支持不同的客户端和操作系统。 基础设施架构示意图 人工智能实验室建设方案 第 14 页 共 54 页 教学环境设施架构示意图 2.1.4vGPU 架构 NVIDIA Tesla GPU （ T4） x 4 服务器虚拟化平台（ KVM） NVIDIA Virtual GPU 软件 （ Quadro vDWS 版本） NVIDIA Docker 深度学习框架（ Framework） DOCK 架构示意图

33、 人工智能实验室建设方案 第 15 页 共 54 页 人工智能 vGPU 开发平台架构示意图 2.2 产品说明 2.2.1NVIDIA GPU 通过服务器虚拟化平台，把 GPU 计算资源进行切割，按需求进行分配，依托 DOCK 技术快速部署各种深度学习实践环境，用户通过云终端、笔记本、 PC、智能终端，通过浏览器访问部署在校内的云端人工智能实验室门户网址，进行 AI 实验、模型实践和推演产品的互动体验。 人工智能实验室建设方案 第 16 页 共 54 页 2.2.2 深度学习框架 2.2.3 深度学习教学模式 *科技 人工智能实验室解决方案依托西安电子科技大学人工智能学院的课程进行打造。符合中

34、国教育的内容和元素，帮助老师和学生更好的教授、体验和学习人工智能方面的知识。 西安电子科技大学人工智能学院针对 AI 和加速计算提供实践操作培训，旨在解决现实问题。 DLI 为开发人员、数据科学家和研究人员度身打造课程，您可通过以下三种方式学习： 在线主题课程 每个主题课程含若干子课时，学习如何实施和部署端到端的项目。您可以随时随地使用云端完全配置的 GPU 加速工作站开始在线学习。 在线选修课程 每个选修课程含若干子课时，探索如何应用 特定技术或开发技术。您可以随时随地使用云端完全配置的 GPU 加速工作站开始在线学习。 讲师指导的培训班 面对面培训班含若干主题课程，学习如何实施和部署端到端

35、的项目。由 DLI 认证讲师授课，并使用云端完全配置的 GPU 加速工作站实践操作。您可以申请在自己的组织机构内、大学校园和大型相关会议上举办培训。 自有认证证书 根据本校实际教学情况，参与者可以获得学校认证证书，以证明在相关领域的能力，为自身的职业发展提供支持。同时可以在部分在线课程和讲师指导的培训班获得认证证书。 2.2.4 人工智能实验室平台 系统结构 人工智能实验室建设方案 第 17 页 共 54 页 人工智能创新实验室软件平台结构示意图 实验环境结构示意图 人工智能实验室建设方案 第 18 页 共 54 页 平台管理结构示意图 部分界面功能展示 人工智能实验室建设方案 第 19 页

36、共 54 页 人工智能实验室建设方案 第 20 页 共 54 页 人工智能实验室建设方案 第 21 页 共 54 页 2.3 课程内容 2.3.1 整体要求 （一）知识结构要求 1.公共基础知识：具有扎实的数理、英语、计算机与程序设计理论与技术、人文社科等基础知识； 2.学科基础知识：具有人工智能基本理论知识、人工智能理论知识。 3.专业知识：计算机组织与体系结构、深度学习、机器学习、操作系统和数据库系统等知识。 4.实践类知识：高性能计算基础及实践、物体检测实战、人脸识别实战、深度学习框架基础及实战、智能感知实战、图像识别实战、数据可视化及数据挖掘实战、语义生成实战、无人人工智能实验室建设方

37、案 第 22 页 共 54 页 车技术理论及实战 5.能力素质知识：创业教育、大学生职业发展、大学生心理健康教育、人文素 质教育类知识。 （二）能力结构要求 1. 人文素质能力：具有人文社会科学素养、社会责任感和工程职业道德，积极参加学校的文化建设，营造浓厚的文化氛围，培养良好的文学修养、审美情趣、言谈举止、礼节礼仪和性格品质，塑造新时代大学生的高尚风范。 2数理基础能力：具有从 事工程工作所需的相关数学、自然科学，培养学生的数学建模、问题抽象表示以及对具体问题的解决能力和应用数学基础解决实际问题的能力。 3专业理论基础能力：掌握计算机基础理论知识和专业核心知识，具有系统的工程实践学习经历，了

38、解本专业的前沿发展现状和趋势，对 新知识、新技术有较敏锐的洞察能力。 4专业实践能力：具备综合运用基础理论和技术手段分析并解决问题的能力，包括程序设计与实现能力、硬件系统设计与实现能力、软件系统设计与实现能力、算法分析与设计能力、软硬件系统综合设计与实现能力、网络与安全设计能力、应用系统设计与 管理能力。 5科学研究与创新能力：掌握基本的科学研究与创新方法，具有追求创新的态度和科学研究意识，具有综合运用理论和技术手段设计系统和过程的能力，设计过程中能够综合考虑经济、环境、法律、安全、健康、伦理等制约因素。 6信息获取能力：掌握文献检索、 资料查询及运用现代信息技术获取相关信息的基本方法。 7工

39、程素质与职业道德：了解与本专业相关的职业和行业的生产、设计、研究与开发、环境保护和可持续发展等方面的方针、政策和法津、法规，能正确认识工程对于客观世界和社会的影响。 8管理与协作能力：具有一定的组织管理 能力、表达能力和人际交往能力以及在团队中发挥作用的能力。 9可持续自我学习能力：对终身学习有正确认识，具有不断学习和适应发展的能力 10跨文化交流沟通能力：具有国际视野和跨文化的交流、竞争与合作能力。 （三）素质结构要求 1思想道德素质：热爱祖国，拥护中国共产党的领导，掌握毛泽东思想、邓小平理论、 “ 三个代表 ” 重要思想和科学发展观基本原理，具有为国家富强、民族振兴而奋斗的志向和责任感，树

40、立科学世界观和为人民服务的人生观；勤奋好学、艰苦奋斗、诚实守信、团结共事、敬业爱岗、热爱劳动、遵纪守法，具有良好的思 想品德、社会公德和职业道德。 2人文素质：具有较好的人文、艺术和社会科学素养，准确表达思想的语言和书面优良交人工智能实验室建设方案 第 23 页 共 54 页 流沟通能力；掌握一定的知识产权、经济管理和法律知识，能建立健康的人际关系，积极参加社会实践，适应社 会发展和进步；具有宽广的国际视野和跨文化交流、合作的能力以及团队协作精神。 3专业素质：掌握科学的思维方法和研究方法，提高发现、分析和解决问题的能力，具有较扎实的自然科学基础知识和本专业所必须的基础知识和专业知识；具有严谨

41、的科学态度和求实创新意识，较强的工程素养和效益观念。 4身心素质：了解体育运动 知识，掌握锻炼身体的技能，养成科学锻炼身体的习惯，达到大学生体育标准；具有面对困难、失败、挫折的良好心理承受能力，以及面对成功、成就不骄不躁的精神面貌。 2.3.2 课程的教学目标与任务 本实验是智能科学与技术专业实验课程。课程的教学目标：（ 1）为配合智能科学与技术专业课堂教学，使学生更好地掌握课程的内容；（ 2）能将数学、自然科学、工程基础和专业知识运用到智能信息处理、图像处理、智能信息系统设计领域复杂工程问题的恰当表述中；（ 3）加深学生对智能学科基本理论的理解，增强动手能力和创新能力。课程的教学任务：本专业

42、实验所包含的实验内容涉及多门专业课程，既考虑到对所学课程基本理论的验证和基本技术操作能力的培养，又反映了智能科学与技术学科发展中的新内容和新技术，为学生将来进一步从事相关技术工作，特别是 科学研究打下一个好的工程能力基础。 2.3.3 课程大纲及部分课程具体内容及基本要求 人工智能实验室建设方案 第 24 页 共 54 页 人工智能实验室建设方案 第 25 页 共 54 页 （一） K 均值聚类图像分割 学时： 2+4 图像分割 是把 图像 分成若干个特定的、具有独特性质的区域 ， 是图像处理到图像分析的关键步骤。 K 均值 算法是典型的基于距离的 聚类 算法，采用距离作为相似性的评价指标，两

43、个对象的距离越近，其相似度就越大 ， 把得到 的 紧凑且独立的簇作为最终目标。 1.基本要求 了解 DSP 系统的构成，熟悉并掌握实现 K 均值算法，实现图像分割并在系统中显示输出结果。 2.重点、难点 重点： K 均值算法原理 难点： K 均值算法在 DSP 系统的实现 3.作业及课外学习要求 要求预习图像分割基本概念和 K 均值算法，实验结束后完成实验报告。 附实验指导书： 人工智能实验室建设方案 第 26 页 共 54 页 人工智能实验室建设方案 第 27 页 共 54 页 （二） FCM 图像分割 学时： 2+4 FCM 算法是一种基于划分的聚类算法，使得被划分到同一簇的对象之间相似度

44、最大，而不同簇之间的相似度最小 。 FCM 算法是普通 K 均值算法的改进，普通 K 均值算法对于数据的划分是硬性的，而 FCM 则是一种柔性的模糊划分。 1.基本要求 熟悉并掌握基于 DSP 系统实现 FCM 算法，以实现图像分割并在系统中进行显示。 2.重点、难点 重点： FCM 算法原理 人工智能实验室建设方案 第 28 页 共 54 页 难点： FCM 算法在 DSP 系统的实现 3.作业及课外学习要求 要求预习 FCM 算法，实验结束后完成实验报告。 附实验指导书： 人工智能实验室建设方案 第 29 页 共 54 页 （三） MRF 图像分割 学时： 2+4 马尔科夫随机场（ MRF

45、）模型在图像处理领域得到广泛的应用，掌握该模型的构建方法，要求能够通过常用 Gibbs 模型来描述区域的相关性，用高斯函数描述不同区域中的灰度或纹理特征，最终在图像分割中取得一定的效果。 1.基本要求 了解 MRF 基本算法，熟悉并掌握基于 DSP 系统的 MRF 图像分割，并将分割结果显示于系统显示屏。 2.重点、难点 重点： MRF 算法原理 难点： MRF 图像分割算法在 DSP 系统的实现 3.作业及课外学习要求 要求预习 MRF 算法基本原理，实验结束后完成实验报告。 人工智能实验室建设方案 第 30 页 共 54 页 附实验指导书： 人工智能实验室建设方案 第 31 页 共 54

46、页 人工智能实验室建设方案 第 32 页 共 54 页 （四）人脸检测 学时： 2+4 了解在一般环境中，图像的单个正面端正人脸的检测问题。熟悉并掌握实验用到两种模板：双眼模板和不同长宽比的模板。在检测时首先使用双眼模板进行粗筛选，然后使用不同长宽比的人脸模板确定出区域的位置和范围，接着通过确定出来的位置和匹配模板的相似度程度来确定是否是人脸。 1.基本要求 了解人脸检测基本算法，熟悉并掌握基于 DSP 系统实现人脸检测，并将检测结果显示于系统显示屏。 人工智能实验室建设方案 第 33 页 共 54 页 2.重点、难点 重点：人脸检测算法原理 难点：人脸检测算法在 DSP 系统的实现 3.作业

47、及课外学习要求 要求预习人脸检测算法基本原理，实验结束后完成实验报告。 附实验指导书： 人工智能实验室建设方案 第 34 页 共 54 页 人工智能实验室建设方案 第 35 页 共 54 页 人工智能实验室建设方案 第 36 页 共 54 页 （五）数字识别 学时： 2+4 数字识别是模式识别的一个重要分支，它涉及到模式识别中的典型问题如图像处理、统计理论等学科，具有综合性的特点。 1.基本要求 了解数字识别基本算法，熟悉并掌握基于 DSP 系统实现数字识别，并将所识别结果显示输出在系统显示屏。 2.重点、难点 重点：数字识别算法原理 难点：数字识别算法在 DSP 系统的实现 3.作业及课外学

48、习要求 要求预习数字识别基本算法，实验结束后完成实验报告。 附实验指导书： 人工智能实验室建设方案 第 37 页 共 54 页 人工智能实验室建设方案 第 38 页 共 54 页 人工智能实验室建设方案 第 39 页 共 54 页 （六）运动目标跟踪 学时： 2+4 模板匹配目标跟踪是在一幅大图像中搜寻目标。已知在该图中有要寻找的目标，且该目标与模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位置。 1.基本要求 了解运动目标跟踪基本算法，熟悉并掌握基于 DSP 系统的视频跟踪，并将跟踪结果显示输出在显示屏。 2.重点、难点 重点：模板匹配目标跟踪算法原理 难点：模板

49、匹配目标跟踪算法在 DSP 系统的实现 人工智能实验室建设方案 第 40 页 共 54 页 3.作业及课外学习要求 要求预习运动目标跟踪算法的基本原理，实验结束后完成实验报告。 附实验指导书： 人工智能实验室建设方案 第 41 页 共 54 页 人工智能实验室建设方案 第 42 页 共 54 页 （七）自主设计实验 学时： 2+4 在完成前面所有实验基础上，同学自选题目进行实验，实验领域包括：图像分割、去噪、分类、融合、压缩、边缘检测、变化检测、目标识别、视频目标跟踪等，指导教师审核题目及内容。 与前面所有实验报告不同，本次实验报告要求以论文形式书写，在完成实验的同时，训练同学的论文书写能力，

50、论文主题包括：摘要、关键字、论文正文（简介，算法描述，结果与分析，结论），以及参考文献。要求必须列出参考文献，文献数目不少于 10 篇，而且近三年发表的文献至少为 3 篇，字数不少于 4000 字。 人工智能实验室建设方案 第 43 页 共 54 页 （八）其他实验课程内容 （ 1）交互式人脸检测教学演示系统： 让学生学习用机器检测人脸关键部位及识别人年龄、性别及神态。 （ 2）高性能计算基础课程： 人工智能算法已经广泛应用于目标检测与识别、语音识别、自动驾驶、医学图像分析等领域。然而随着人工智能算法模型的日趋复杂，特别是将深度神经网络算法应用于具体实际问题时面临算法的时效性难题。近年来，利用高性能计算技术设</p>