李俊

關鍵詞：人工智能 大數(shù)據(jù) 職業(yè)教育

人工智能與大數(shù)據(jù)在各行各業(yè)的主要應用有：語音識別、圖像識別、無人駕駛、智能助手、專家系統(tǒng)、網(wǎng)絡爬蟲、數(shù)據(jù)挖掘、關聯(lián)分析等。這些高科技應用的背后，是各種復雜的數(shù)學原理與算法實現(xiàn)。人工智能與大數(shù)據(jù)專業(yè)是否只需要學術型人才，職業(yè)院校的學生是否具有市場競爭力，行業(yè)各界對此有著不同的看法。

其實，職業(yè)院校的師生可以不必深入探究算法的原理，而是應該把主要精力放在如何應用它們上。

對此，本文將從以下幾點進行闡述。

一、人工智能與大數(shù)據(jù)的發(fā)展現(xiàn)狀

可以說，隨著近幾年的廣泛應用，人工智能與大數(shù)據(jù)技術的門檻已經(jīng)不再高不可攀。支持人工智能與大數(shù)據(jù)算法的軟件相當多，它們各有所長，如Matlab、IBM SPSS、SAS等;如果想通過編程實現(xiàn)人工智能與大數(shù)據(jù)功能，互聯(lián)網(wǎng)上也有相當多現(xiàn)成的開源代碼，不需從零開始。

例如，谷歌就把曾經(jīng)在圍棋領域里戰(zhàn)無不勝的“阿爾法狗”核心算法——深度學習框架TensorFlow，開源并發(fā)布出來。在眾多代碼托管平臺，如國內(nèi)的開源中國、CSDN和國外的GitHub，都有豐富的共享資源提供給大家“拿來”使用，進行二次開發(fā)。

實現(xiàn)人工智能與大數(shù)據(jù)算法的工具和開源代碼已經(jīng)非常齊全，可以獲得的途徑也很多，關鍵是職業(yè)院校培養(yǎng)出來的學生，能否像操作一臺電腦、一臺機器那樣，把這些“工具配件”利用起來，組裝起來，運行起來。

二、人工智能與大數(shù)據(jù)常用算法和編程語言

人工智能與大數(shù)據(jù)采用的算法主要有：監(jiān)督學習的神經(jīng)網(wǎng)絡、貝葉斯、決策樹、線性回歸;無監(jiān)督學習的神經(jīng)網(wǎng)絡、關聯(lián)分析、聚類分析等。各種算法背后深奧的數(shù)學理論知識，不是職業(yè)院校師生關注的重點，我們只需要大概知道它們工作的原理擅長應用的場所即可。

人工智能與大數(shù)據(jù)編程的語言主要有：C++、JAVA和Python等，其中這幾年最火最熱的就是Python語言。筆者認為，面向?qū)ο蟮木幊陶Z言都是相通的，而Python語言具有語法更簡單、代碼更人性化、功能庫更強大、資源分享更豐富等優(yōu)點，可以成為職業(yè)院校人工智能與大數(shù)據(jù)專業(yè)學生重點掌握的編程語言。

三、職業(yè)院校學生如何“接地氣”地應用人工智能與大數(shù)據(jù)并進行二次開發(fā)

（一）熟練掌握一種軟件工具和編程語言

前面提到過，有很多專業(yè)軟件支持人工智能與大數(shù)據(jù)的算法，職業(yè)院校師生應該掌握一、兩種這方面的工具，這對編程開發(fā)具有很大的幫助。

在常用的人工智能與大數(shù)據(jù)編程語言中，Python語言是最簡單、最容易入門的一種語言，非常適合職業(yè)院校相關專業(yè)的學生學習。Python開發(fā)平臺主要有VSCode和PyCharm，筆者用得比較多的是PyCharm，它和WEB應用結(jié)合良好，可供下載的功能庫很多，內(nèi)置的智能輔助工具可以顯著提高編程效率和代碼質(zhì)量。

（二）跨專業(yè)挖掘應用需求

人工智能與大數(shù)據(jù)技術人才，要走出自己的圈子，多與其他專業(yè)的人士交流，了解他們的需求，分析問題，探索合作方向，在促進對方技術進步的同時，鍛煉自己的專業(yè)技能，學以致用，避免紙上談兵。

（三）充分利用校企合作平臺資源

職業(yè)院校的校企合作平臺，是企業(yè)聯(lián)系學校的關鍵橋梁，人才、技術和市場的需求，都可以通過這個橋梁傳達到學校，這也是職業(yè)教育的特色所在。

同時，職業(yè)院校為了響應國家職業(yè)教育相關政策的要求，通過校企合作部門，每年都會安排老師和學生深入到企業(yè)生產(chǎn)一線進行實習培訓，和工廠工人同吃同住，這是難得的學習和交流機會。

（四）善于利用網(wǎng)絡共享平臺

互聯(lián)網(wǎng)時代，網(wǎng)絡資源應有盡有，人工智能與大數(shù)據(jù)方面的技術文檔、功能代碼，甚至是大數(shù)據(jù)采集任務，都可以在網(wǎng)絡上找到下載資源。這里的網(wǎng)絡資源不單局限于一些大型的門戶網(wǎng)站，還包括以下：微信公眾號、微博等自媒體;代碼托管網(wǎng)站，如國內(nèi)的開源中國、CSDN和國外的GitHub等;行業(yè)動態(tài)交流平臺，如人工智能網(wǎng)和AI中國網(wǎng)等;行業(yè)技術交易服務平臺，如豬八戒網(wǎng)等。

四、人工智能與大數(shù)據(jù)應用案例

（一）利用Excel對調(diào)查問卷進行數(shù)據(jù)挖掘

一體化教學重視師生的互動，現(xiàn)階段職業(yè)院校通常使用問卷調(diào)查方式獲得學生對教學效果的反饋意見。這種問卷調(diào)查獲得的信息量較大，很難從中看出一些規(guī)律。通過數(shù)據(jù)挖掘的方式，可從大量雜亂的反饋意見中提煉有效信息，區(qū)分出重要和不重要因素，從而做到有的放矢地跟進，更有效地改善一體化教學效果。

筆者曾經(jīng)設計了一個關于學生課程滿意度的調(diào)查表，有13個影響因素和1個滿意度評分。筆者選取了一個專業(yè)班的同學，對該班所有課程進行匿名問卷調(diào)查，將調(diào)查結(jié)果記錄到Excel中。

筆者采用線性回歸算法進行數(shù)據(jù)挖掘，Excel中提供了相應的功能函數(shù)，首先將影響因素進行數(shù)據(jù)化操作，接著使用數(shù)據(jù)分析中的回歸，選擇好X值和Y值后執(zhí)行，即可獲得詳細的分析結(jié)果。其中，系數(shù)為正的表示重要因素，系數(shù)為負的表示不重要因素。

最終，通過數(shù)據(jù)挖掘得知，一體化教學老師可以從巡回指導到位、適當增加課外知識、語言表達更幽默、教學過程中多結(jié)合案例和應用等方面提高學生對一體化課程的滿意度。

（二）利用Excel和Python語言打造新生大數(shù)據(jù)

各職業(yè)院校在開學季，都會適時推出有趣的新生大數(shù)據(jù)，例如：男女學生人數(shù)比例，年齡和星座分布情況，同名同姓或者生日相同的學生、籍貫統(tǒng)計等。

筆者帶領了幾位計算機專業(yè)的學生，從招生部門收集了當年新生數(shù)據(jù)，以簡單實用為指導思想，先是利用Excel進行新生數(shù)據(jù)的整理，篩選出必要的字段，接著導入Python的pandas庫，調(diào)用value_counts等函數(shù)，對新生數(shù)據(jù)進行分析和匯總，然后輸出結(jié)果到Excel表格，利用Excel強大的圖表和地圖功能，打造了新生大數(shù)據(jù)報告，提供給相關部門參考并發(fā)布。

整個過程中，學生對大數(shù)據(jù)技術有了深刻的認識并且學會了綜合利用各種工具解決問題。

（三）利用關聯(lián)分析獲取消費者愛好需求

關聯(lián)分析在銷售領域的經(jīng)典案例就是“沃爾瑪?shù)钠【坪湍虿肌?，當這兩個看起來沒有任何關聯(lián)的東西放在一起銷售時，兩者的銷售量都大大增加，這是因為丈夫買尿布時有“順手”買啤酒的消費習慣。關聯(lián)分析擅長在大量數(shù)據(jù)里面發(fā)掘出不同事物之間隱含的聯(lián)系。

關聯(lián)分析采用Apriori算法，而在Python開發(fā)環(huán)境中，mlxtend庫提供了強大又好用的關聯(lián)分析工具。

（四）決策樹在葡萄酒釀造中的應用

本地有大規(guī)模投產(chǎn)的葡萄酒莊園，筆者所在職業(yè)院校的食品化工專業(yè)師生，曾經(jīng)在校企合作部門的帶領下，前去參觀學習。該專業(yè)老師在交流過程中，對葡萄酒釀造工藝非常感興趣，甚至將這套流程的簡化版引入到教學實踐中。他帶著學生，買了一批紫秋葡萄，利用實驗室環(huán)境，釀造起了葡萄酒。在這個項目教學過程中，學生理解了葡萄酒釀造的完整過程和原理，學會了酵母菌的分離純化和檢測方法。

筆者對葡萄酒釀造工藝不甚了解，但知道決策樹在食品加工工序上有比較廣泛的應用。而該老師給出了實驗過程中，學生記錄的各組數(shù)據(jù)，包括加入分離純化的酵母菌對發(fā)酵時間的影響，酵母菌在不同培養(yǎng)基中的觀察數(shù)據(jù)、加糖發(fā)酵等關鍵步驟分析、葡萄酒最終檢測指標等。筆者利用Python中的sklearn庫，導入了決策樹tree模型，將葡萄酒釀造中涉及的關鍵因素作為屬性，這些屬性將是這棵樹分支的節(jié)點，然后將檢測指標作為結(jié)果集。所有的記錄數(shù)據(jù)最終分成了訓練集和測試集，通過建立模型、探索屬性重要性、修改參數(shù)和剪枝，最終得到了簡化版的葡萄酒釀造專家模型。

（五）利用深度學習開發(fā)人臉識別程序

谷歌開源了深度學習框架TensorFlow，在這基礎上電腦專家們開發(fā)了很多深度學習的庫，而采用純Python語言編寫，基于TensorFlow框架的庫就是keras。網(wǎng)絡上已經(jīng)有相當多利用keras庫開發(fā)的深度學習案例，其中最常見的就是在圖像識別領域中的應用。筆者曾經(jīng)參觀了一家香菇生產(chǎn)企業(yè)，它使用的香菇分揀流水線就是基于圖像的深度學習開發(fā)的。

在教學中，筆者重現(xiàn)了一個開源的人臉識別代碼，其中除了調(diào)用keras庫外，還調(diào)用了opencv庫及sklearn庫。這個項目是一個綜合的應用，需要學生有扎實的理論知識和熟練應用Python開發(fā)語言的能力。

五、小結(jié)

職業(yè)院校是培養(yǎng)應用型人才的搖籃。我們充分利用教學資源，結(jié)合專業(yè)所長，在校企合作平臺上，“接地氣”地利用人工智能與大數(shù)據(jù)進行二次開發(fā)，解決企業(yè)在生產(chǎn)經(jīng)營一線遇到的問題，重新定位新時期技能人才的基本素養(yǎng)，展現(xiàn)職業(yè)教育特色。

參考文獻：

[1]Wes Mckinney.利用Python進行數(shù)據(jù)分析[M].北京：機械工業(yè)出版社，2018.

[2]鄭澤宇，梁博文，顧思宇.實戰(zhàn)Google深度學習框架[M].北京：電子工業(yè)出版社，2018.

[3]上田和明.用Excel學數(shù)據(jù)挖掘[M].北京：科學出版社，2012.

（作者單位：廣東省南方技師學院）