一、高职人工智能人才需求
本专业领域毕业生可到各类企事业单位承担人工智能产品和系统的生产、测试、运营、维护、技术支持、售后、销售等工作，对于能力较强的学生可以承担人工智能助理工程师、机器学习工程师、计算机视觉工程师等研发岗。
具体岗位包括:人工智能实施工程师（15%）、人工智能运维工程师（15%）、人工智能助理工程师（10%）、人工智能测试工程师（15%）、人工智能技术支持工程师（10%）、人工智能工程师（15%）、机器学习工程师（15%）、人工智能产品销售（5%）。
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、高职人工智能技术应用知识体系
三、高职人工智能专业方向
本专业领域毕业生可到各类企事业单位承担人工智能产品和系统的生产、测试、运营、维护、技术支持、售后、销售等工作，对于能力较强的学生可以承担人工智能助理工程师、机器学习工程师、计算机视觉工程师等研发岗。
具体岗位包括:人工智能实施工程师、人工智能运营工程师、人工智能运维工程师、人工智能助理工程师、人工智能测试工程师、人工智能技术支持工程师（FAE）、人工智能工程师、机器学习工程师、人工智能产品销售。
四、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。
五、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。
六、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。
人工智能高水平实训基地效果图
七、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。
图1人工智能专业课程模块化
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。
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、项目推荐清单