大数据与人工智能实验课程体系构建和实施

杨 森 许 飘

1.常州大学计算机与人工智能学院/阿里云大数据学院/软件学院，江苏 常州 213000；2.南京林业大学经济与管理学院，江苏 南京 210000

随着互联网技术的全面普及，每天数据正以PT 级别增长，数据作为新的战略资源正推动着数据科学的进一步发展，进而产生了“大数据”的概念。在社会运作过程中，高效挖掘数据的应用价值，在指导生产、调控市场、建设社会等方面发挥着重要作用。相比于传统的单机数据处理模式，大数据技术在数据存储、计算问题上更具优势。由于人工智能技术在科研、生产领域的重要推动作用，部分国家已将人工智能提升至国家战略层面。大数据分析与人工智能技术的融合［1］提高了大数据分析的智能化水平，能够为生产智能化、信息智能化等方面提供技术储备，从而提高生产效率。以大数据技术和人工智能技术为支撑的新生产方式正在促进生产力发展，大数据与人工智能技术的结合逐渐影响社会发展。“互联网+ 制造业”的智能生产方式，正是大数据与人工智能技术融合的产物，通过监测、分析各制造环节数据，“互联网+制造业”可以提高生产效率、节约生产成本。伴随着大数据智能化时代的到来，我国亟需大数据和人工智能技术复合型人才。因此，构建完善的大数据与人工智能技术实验课程体系，为社会发展培育相关人才尤为重要。本文旨在分析大数据和人工智能技术的教学现状，研究如何更合理构建大数据与人工智能技术实验课程体系，及如何更高效实施教学。

一、国内外教学现状

（一）国外教学现状

目前，国外诸多国家和国际组织已经认识到大数据与人工智能技术结合的重要性，并开始实施大数据智能化战略。以谷歌、亚马逊为首的科技公司正将大数据智能化作为提高美国智能领域综合竞争力的关键因素之一，同时美国设立了联合人工智能中心，计划在2018-2023 年期间投入17 亿美元，加速大数据与人工智能技术的融合。在高校层面，从2008 年起，大数据和人工智能实验课程逐步成为欧美众多著名高校的必修课，并把大数据与人工智能技术作为学生必须掌握的现代科技之一。表1 是欧美部分著名高校开设的大数据与人工智能技术相关的实验课程。这些高校将数据科学与大数据融合，推进了大数据的智能化教育。

表1 美欧部分著名高校大数据实验课程开设情况

（二）国内教学现状

2017 年7 月，国务院印发的《新一代人工智能发展规划》指出，把人工智能发展放在国家战略层面系统布局、主动谋划，人工智能在教育、医疗、养老、环境保护、城市运行、司法服务等领域广泛应用。2018 年4 月，中国信息通信研究院发布《大数据白皮书（2018 年）》，总结了大数据对我国经济建设、国家安全、智慧城市的贡献，同时对大数据的发展提出了自动化、智能化等要求，并强调大数据目前在我国还处于发展阶段，需进一步推动大数据的智能化建设。

大数据相关的专业课程在我国高校中已逐步展开，部分高校已经开设了大数据学院，在复旦大学大数据学院2017 年本科生培养方案中，专业课程已经包含了《高级大数据解析》《医疗大数据统计》《大数据传播与新媒体分析》等。截至2020 年，已有近700 所高校开设了大数据相关课程，涉及《大数据平台》《大数据分析技术》等课程。同时由于人工智能技术的进一步发展，目前国内高校正在积极推动大数据与人工智能技术的融合，构建以大数据为数据基础，人工智能技术为驱动的教学模式，完善大数据与人工智能实验课程体系。表2 展示了国内部分高校大数据相关实验课程建设情况，涉及大数据分析技术、大数据机器学习、大数据交叉等实验课程。

表2 国内部分高校大数据课程开设情况

二、大数据与人工智能实验课程体系构建与实施

大数据与人工智能技术实验课程需以大数据计算和存储框架为支撑，人工智能算法为驱动，人工智能实践为考核标准，共同推动实验课程构建和实践。大数据和人工智能技术实验课程还应与时俱进，融合其他领域专业知识。目前，国内有关大数据与人工智能技术的实验课程开设时间较短，实验教学方式有待完善，实验课程体系建设还有巨大的提升空间［2］，相关实验课程建设的研究正在积极开展。大数据与人工智能技术实验课程体系的构建，应以任务、项目驱动作为教学理念，制定一系列实践教学课题，突出理念与实践结合的重要性，立足于融合大数据数据库、大数据框架和人工智能技术等课程，为学生应用实践提供指导。要实现大数据与人工智能技术的融合，需要学生掌握相关编程语言，熟悉大数据框架，深入理解人工智能算法，并对相关领域知识有较深的了解，这对学生及教学工作者形成很大的挑战，也对实验课程的构建、实施提出了更高的要求。因此，如何构建和实施大数据与人工智能技术实验课程，已成为我们当下亟需探讨和解决的问题［3］。

（一）大数据与人工智能实验课程体系的构建

大数据与人工智能技术实验课程主要包括大数据存储、大数据计算平台、人工智能算法、算法部署等多个方面，涉及底层系统有Linux 操作系统，涉及编程语言有Python、Java 等编程语言，涉及存储平台有HBase、Hive 等存储平台，涉及计算框架有Hadoop、Spark、Storm 等计算框架，涉及人工智能技术有数据挖掘、机器学习、深度学习、数据可视化等技术。国内外高校在规划大数据与人工智能技术课程体系时，通常把整个课程体系划分为基础阶段和高级阶段。其中，学习Java、Python、Hadoop、Spark 等相关编程语言和大数据基础框架，是学习大数据与人工智能技术的基础和前提，大数据分析是人工智能技术实验课程的主要部分，包括《数据挖掘》、《机器学习》以及《大数据智能应用实践》等课程。除了常规理论课，还应设置相关的实验课程，要求学生分组完成所选课题，并综合考核给出成绩。

目前，国内大部分高校的大数据课程和人工智能实验课程是分开设课，大数据学院开设的人工智能实验课程较少，人工智能学院开设的大数据实验课程较少，学生很难将两类课程的知识点有机结合起来［4］。针对这一问题，本文参照了国内外多所高校的大数据学院、人工智能学院的教学计划和培养方案，提出了大数据与人工智能技术实验课程结合的教学体系构建方案，如图1所示。

图1 以大数据为平台、人工智能应用为拓展的大数据与人工智能实验课程体系探索

本着从基础到高级、从简单到复杂的课程设计方式，大数据与人工智能技术实验课程从第四学期开始，到第七学期结束，分别开设不同课程。

第四学期开设《Java 程序设计》《数据结构》《Linux 操作系统》《数据库》等大数据基础和实验课程，为大数据平台的构建、大数据编程等实验课程提供知识和技能储备。Java 程序课程是大数据前期课程的重要课程，在授课的过程中，应注重类、接口、泛型、文件、网络等知识点的讲解；在授课过程中，需要融合大数据平台的多机、并行化思想，要有从单机到多机的转换意识，强调数据的分布式思想，为大数据算法的实验设计做铺垫；Linux 操作系统是大数据平台运行的底层系统，在大数据平台的搭建过程中起着支撑作用，在Linux 操作系统的授课过程中，要注重多机通信、多机互联的实验知识点讲解。数据库是大数据数据库课程的基础，通过了解数据库增、删、改、查的底层算法，为大数据数据库的设计、构建打下基础。

在第五学期开设大数据架构、大数据分析相关实验课程，包括分布式存储技术、Hadoop、Spark、Storm 框架以及Python、R 数据分析语言等。其中分布式存储技术是大数据框架的实验基础，Hadoop、Spark、Strom 框架分别对应磁盘数据、内存数据、流式数据三种存储模式，Python、R 分析语言用于大数据案例的上机和实践。第五学期的课程具有承上启下的作用，分布式存储、三大大数据架构是大数据分析的基础核心，该课程直接影响到学生能否熟练、精准地解决大数据的实际运行问题，因此在大数据三大框架的实验授课过程，应采用真实的分布式集群演示，通过多台主机的现场配置演示和核心代码详解，多层面多维度展示三大分布式框架的设计思想。大数据数据库技术是基于不同的大数据框架构建的，在学习了大数据三大框架后，在开展大数据数据库教学过程中，详细讲解常见数据库语句的执行逻辑，可以让学生不仅懂得大数据数据库的增、删、改、查操作，还更容易明白增、删、改、查背后的设计思想以及不同应用场景下大数据数据库的选择和应用。

在第六学期开设更高阶的人工智能技术相关课程，课程包括《数据挖掘》《机器学习》《图像识别》《深度学习》等，详细讲解分类、聚类、关联关系、推理、图像处理等关键算法，并通过课程演示的方式展示不同算法的应用场景。人工智能技术的讲解需融合大数据相关知识，强调算法的分布式设计和构建，联合Hadoop、Spark、Storm等大数据框架特点，加强大数据和人工智能技术的融合。

在第七学期，学院应开设企业实训课程，通过校企合作和专家指导，在实际案例的分析中，提高学生的实践能力。在企业实训的过程中，每位学生需要选择一个课题作为实训的考核内容，当企业实训结束后，每位学生要以PPT 演讲的方式，给出课题的解决方案和设计思想，完成企业实训内容和实验。企业实训拉近了课堂和实际生产应用之间的距离，让学生更加深刻体会到大数据与人工智能技术在生产中的应用场景。在企业实训结束后，还会有一门职业规划课程，职业规划课程将邀请多位大数据、人工智能领域的专家和猎头，在职业规划课程中详细列出数据挖掘、人工智能、大数据分析、大数据数据库管理等职位的具体职业路径，比较各个职业之间的不同点，根据学生的特长和个人兴趣提出职业建议。

本文提出的大数据与人工智能技术实验课程将原理与实践相结合，既强调了大数据平台的构建，又注重了人工智能技术在数据上的实际应用，同时为学生在大数据、人工智能领域职业发展给出建议，逐层夯实了大数据与人工智能技术课程的内容，重视理念与实践融合，职业与专业对口，实现了大数据和人工智能技术结合的实验教学任务，促进学生在数据科学领域的多方位发展。

（二）大数据与人工智能实验课程的实施

在教学过程中，大数据与人工智能技术实验课程体系，既涉及理论知识，又涉及实践操作，授课难度较大。授课的基本原则是对于理论课程，教师应明确教学内容和教学目的，通过缜密精准的教学设计，并借助教学工具，高效、形象地阐明理论课程的潜在逻辑和知识点；在实践课程中，教师应提前一周下达当周的实践内容，并给出参考文档，让学生有足够的时间配置集群环境，确保每个学生能在实践过程中加深理解，并在实践演示的过程中，通过录屏记录每步操作，以便学生回顾。同时在学生实践过程中，由多名高年级研究生作为助教，及时解决实践课程中的问题。此外，学院为大数据和人工智能技术系列课程提供了高性能的服务器，解决了学生自身设备不足的问题，并可在课后通过校园网继续远程操作，大大延展了实践时间，提升学生学习强度。同时还构建了线上辅导，通过教学QQ 群及时反馈解答学生提出的问题，知识点短视频分享让学生沉浸在大数据与人工智能技术的学习氛围中。在线上线下的融合教学模式中，通过理论课讲解、实践演示、助教协助、远程实践、线上线下答疑、知识点短视频分享等措施，多方位多层面做好大数据与人工智能技术实验课程的教学任务。

在考核模式上，大数据与人工智能技术实验课程体系的考核方式是多维度的综合考核。理论课的考核由学生课间积极性、PPT 演示水平、知识短视频效果等方面确定，同时结合期末闭卷考试成绩。理论课的考核模式，旨在让学生尽可能融入课堂，成为课堂的受益者和建设者，调动学生的积极性。相较于理论课，实践课更注重学生的动手能力，将班级以课题的方式分为多个小组，在课题完成过程中，表现优异的小组长、任务量较多的学生、帮助小组解决技术难题的同学都将有不同程度的分数奖励。通过课题小组协同互助情况、PPT 演示成果、实践答辩表现等方面考查课题小组成绩。实践课程以课题小组为单元，通过任务驱动模式、团队管理方式推动课题进行，旨在让每位学生能够在团队协作中获取知识。

大数据与人工智能技术实验课程可以多层面融合教学模式，助教协助、线上答疑、知识点短视频分享等让学生融入课堂；小组团队协作，提高班级学习动力和学习氛围；考核模式多样性，提高学生的课堂参与度，发挥学生的主观能动性，多维度提升学生能力。

三、结语

大数据和人工智能技术的兴起，大力推动了社会各方面发展，取得了良好的社会效益和经济效益。在近5 年发展过程中，大数据和人工智能技术不断取得新突破，将大数据分析技术和人工智能技术融入特定领域，可以为人们提供便利、智能的生活方式。为了跟上大数据智能化时代的步伐，教育人员需要研究出更加合理的授课体系和实践课程，构建优秀的大数据智能化教学方案，夯实学生的知识体系基础，提高学生的实践能力，为各领域提供丰富的大数据分析和人工智能方向的人才储备。本文详细介绍了大数据与人工智能技术实验课程体系的构建过程，并给出了理论课和实践课的实施、评估方案。通过线上线下的混合教学模式，在理论课讲解、实践演示、助教协助、远程实践、线上答疑、知识点短视频、综合考核等措施中，让学生沉浸在大数据与人工智能技术的课程体系中。引导学生成为课程的受益者和建设者，培养学生的团队意识和创新思想，加强学生间的学习交流，在多次实践答辩演示中学生展现出自信、专业、干练的风采，充分说明该课程体系的构建和实施，对培养大数据与人工智能方向的高素质人才具有建设意义。