人工智能专业（080717T）学习路径及人才培养模型 – 广州跨象乘云软件技术有限公司

作为首个直接以『人工智能』命名的专业，080717T 的专业目标，是培养适应国民经济与科技发展的需求，具备较好的科学素养、扎实的人工智能基本理论和专业知识、较强的工程实践能力，掌握智能信息化技术基础知识与方法，能够在人工智能及其相关应用领域从事新技术和新产品研发、系统设计、管理，以及解决复杂工程问题的高级工程技术人才。

人工智能专注于理解视觉，语音，语言，决策等复杂任务的核心能力，并设计机器和软件来模拟这些过程。人工智能具有悠久而丰富的历史，尽管许多工具和技术已经存在数十年（即多层感知器，卷积神经网络，强化学习），然而，高性能计算的最新进展，分布式方法的发展以及大数据产业的发展，加速了其在工业中的采用。由于这种增长和成功的加速，各行各业对人工智能从业者的需求前所未有。

新一代人工智能，具有更为广泛的领域应用覆盖面，人工智能工程师角色的类型也因公司和行业而异。虽然人工智能专业人员拥有很多头衔（例如：深度学习工程师，计算机视觉研究人员，机器学习工程师和 NLP 科学家，移动智能 App 开发），但他们都有相同的重点：构建复杂的，最先进的模型来解决特定的问题。构建这些系统需要对工程学和机器学习原理有深入的了解，并且根据团队或产品的不同，某些角色可能会在特定技能上更加沉重。例如，一些人工智能角色更关注于研究，专注于找到正确的模型来完成特定任务，而另外一些更关注于人工智能系统在生产中的训练，监控和部署。虽然有一系列以人工智能为重点的工作，但几乎所有从业人员都定期建立新的人工智能系统架构，包括构建端到端的管道。这意味着他们需要保持人工智能的最新的学术上的进步。他们积极监督系统的性能和培训，帮助扩大生产规模，并在数据和/或者模型性能发生变化的情况下迭代系统。人工智能工程师应该对 Python 数据科学库（如：Scikit-learn；Numpy；Matplotlib；Scipy；NLTK；Gensim；hmmlearn；python_speech_f；eatures；Pandas；Pystruct；OpenCV；NeuroLab 等），具有专业理解与应用；使用一个或多个深度学习框架（如：TensorFlow；Caffe2；Torch；Deeplearning4j … 等等），有时还会利用分布式数据工具（如：Hadoop；Spark；Flink 等）。

正因如此，跨象乘云™ 设计了面向多个新一代人工智能专业方向的课程体系与人才培养魔方模型，覆盖了新一代人工智能的四大核心方向，包括：算法模型、开发工程、商业应用、部署架构。通过 30 门以上的人工智能专业课程体系资源库，为高等院校人工智能专业建设，培养新一代人工智能技术人才提供全方位的支撑。

专业课程目录包括 ——

Published by 跨象乘云