&

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能課程學習報告主題范文，僅供參考，歡迎閱讀并收藏。

人工智能課程學習報告

第1篇：人工智能課程學習報告范文

>> 研究生人工智能系列課程教學改革研究生人工智能課程教學探索研究生“人工智能”課程教學改革探索人工智能實驗課教學改革研究人工智能課程全英文教學改革創新型人工智能教學改革與實踐《人工智能》碩士課程教學改革的研究與實踐落實科學發展觀,深化“人工智能”課程的教學改革面向人工智能的信息管理與信息系統專業教學改革人工智能課程教學方法研究人工智能的應用研究日本巨資扶持人工智能研究人工智能系列課程研究高中人工智能教學初探《人工智能》雙語教學初索人工智能雙語教學建設人工智能實驗教學探討 “人工智能”之父人工智能 AI人工智能常見問題解答當前所在位置：l(美國人工智能協會)、caiac.ca/(加拿大人工智能協會)等，它們包括了學科前沿動態、討論交流及大量的代碼資源等。通過使用這些資源，學員可及時了解人工智能最新發展動態，進行人工智能程序設計的交流及對一些問題進行較為深入的探討。

2教學方法研究

研究生教學應更突出學生的主體地位，注重發揮其學習的主動性和自覺性，為此，課程組結合課程特點，在教學方法進行了如下探索。

2.1加強教學設計

教學設計就是對教學活動進行系統計劃的過程, 是教什么(課程內容)及怎么教(組織、方法、策略、手段及其他傳媒工具的使用等)的過程[2]。在教學過程中，每節課授課前，堅持集體備課的原則，由課程組集體討論選定授課內容，補充閱讀文獻，根據授課對象與課程內容特點，確定課堂組織方式，采用的授課方式以研討式教學為主，給合講授、實驗、自學等。

2.2抓好課堂教學環節

教學方法與教學手段是保證課堂教學效果的關鍵。本課程授課對象主要為碩士研究生，他們的接受能力較強，有一定的求知欲。由于學員人數較少，授課方式可靈活組織。教室有完備的多媒體設備，基本的軟件實驗環境，教學過程可采用靈活教學方法、多種教學手段，提高教學效率，保證授課質量。

1) 以研討式為主的教學方式。研究生教學應堅持學術研究為導向，發揮學員在學習過程中的主動性和自覺性。由于研究生學員有一定的學習基礎與自學能力，教員可以在課前給學員布置預習內容，學員通過查閱資料、分析整理進而形成自己的觀點，使在課堂教學中師生互動交流成為可能，改變傳統的教員講，學員聽的灌輸式教學方式。研討式教學也有力于培養學員積極思考、創新思維的習慣與能力。

2) 教學手段的信息化。人工智能原理教學一個突出矛盾是知識點多、內容抽象、理論性強，但學時較少，因此，必須發揮現代教學手段的作用，提高教學效率。為此，課程組對每節課都精心設計了教學課件，課堂教學中以課件為主，輔以板書，充分利用多媒體信息量大、直觀等優點，改善教學效果；引入教學聲像資料，便于學員課下學習；設計演示程序，使部分比較抽象、不易于理解的內容，如子句歸結、搜索策略更形象直觀，易于學習和掌握。

3注重培養學員學術研究能力

學術能力是指專門對某一學問進行系統的哲理或理論研究的能力，它不僅包括思辨的方面，還包括實踐及感性的敏感力等方面。研究生階段學習的一個突出特點是要求學習的主體――研究生必須具備研究的能力[3]。論文寫作是培養、鍛煉、提高研究生的學術能力的重要途徑，在教學實施過程中，要求每個專題學習結束后，都要提交一份格式符合期刊發表要求的總結報告，題目可自行選定，也可由教員指定；內容既可以是人工智能該專題某一算法的實現，也可以是對某一問題的進一步研究，或者是對該專題最新研究進展的綜述。教員重點在以下幾個方面予以指導。

1) 選題準確。要求選題不能過于宏大，應以小題目反映大問題，具有一定的可研究性為宜。

2) 研究內容。研究目標明確，方法恰當，能夠提出自己的見解，所提觀點正確。

3) 論文結構。結構清晰、完整，論述嚴謹，表達規范。

4) 占有文獻豐富。撰寫過程中要有意識培養學員查閱科技文獻的能力，要求查閱反映最新研究成果的權威文獻。

4加強實驗環節教學

人工智能教學在進行各種理論知識講授的同時，還應重視實踐教學，把抽象的知識轉化為形象、直觀的實驗，讓學員真正理解人工智能的概念、本質、研究目標，從而提高學員多角度思維的能力和邏輯推理能力，進一步了解信息技術、計算機技術發展的前沿，培養他們對人工智能研究的興趣，激發對人工智能技術未來的追求。為此，課程組借鑒國內外知名大學人工智能實驗教學經驗，編寫了《人工智能原理實驗指導書》，圍繞問題表示、經典邏輯推理、不確定推理、搜索策略及簡單專家系統實現等教學內容提供了7組實驗供學員選擇。

例如，在狀態空間搜索一節教學過程中，先完成理論部分的教學，使學員對狀態空間基本概念、問題表示及求解方法有一個準確的認識，然后進行實驗教學。由學員自主完成重排九宮問題求解的程序，初始狀態和目標狀態如圖1所示，調整的規則是，每次只能將與空格(左、上、下、右)相鄰的一個數字平移到空格中[4]。實驗過程重點指導學員掌握狀態空間進行問題求解的關鍵步驟：問題表示和搜索策略。問題表示就是要確定該問題的基本信息及程序實現的數據結構，基本信息有初始狀態集合、操作符集合、目標檢測及路徑費用函數，數據結構可采用向量、鏈表等形式；搜索策略可分為盲目式搜索和啟發式搜索，可按照先易后難的原則，先實現盲目搜索中的廣度優先及深度優先搜索，在此基礎上再定義估價函數實現啟發式搜索。而在啟發式搜索實現過程中，又可以通過定義不同的啟發函數：如某狀態格局與目標節點格局不相同的牌數、不在目標位置的牌距目標位置的距離之和等加以比較，準確理解啟發函數的意義。通過實驗，學員加深了對課堂講授的理論知識的理解，能夠熟練地將狀態空間法運用于實際問題的求解，提高了工程實踐能力。

實驗教學組織方式可根據具體的實驗內容特點，采用上機編程實驗、演示程序驗證、模擬平臺開發、分組討論等多種形式進行。

5適度開展雙語教學

研究生的英語基礎普遍較好，基本都通過了國家公共英語四級考試，部分學員通過了六級考試，加之在本科階段還開設了專業英語課程，因此，在培養研究生人工智能知識的同時，我們要提高學員閱讀原版英文資料、用英語進行簡單科技寫作及對外學術交流的能力，適度開展雙語教學，對此，我們可采取以下基本方式。

1) 專業術語全部用英語表示。

在教學過程中用英語表達人工智能原理中的專業術語和主要概念，如Knowledge Representation(知識表示)、Depth-First Search(深度優先搜索)、Breadth- First Search(廣度優先搜索)等。

2) 以英文原版教材為教學參考書。

選定機械工業出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》為參考書，該書“是人工智能課程的完美補充。它既能給讀者以歷史的觀點，又給出所有技術的實用指南[5]。”

3) 加強英文文獻的閱讀。

在課程論文撰寫時，要求閱讀一定數量的外文文獻；在討論課中，鼓勵學員使用英語進行討論。

經過課程學習，學員都能準確掌握人工智能學科專業詞匯，英文運用能力得到一定提高，能較自如地閱讀原版英文專業資料，為進一步用英文進行學術交流及學術論文寫作打下基礎。

6考試與成績評定改革

考核方式采用傳統的試卷與課程論文、實踐環節等三部分組成，全面考查學員對基礎理論知識掌握情況以及理論聯系實際的能力，其中試卷占70%，課程論文占10%，實踐環節占20%。課程論文題目不作限制，由學員在課程學習階段結合某一專題選定題目，課程論文以選題意義、研究內容、論文結構、參考文獻及撰寫規范等指標為評價依據；實驗成績采用實驗過程考查、實驗結果驗收和實驗報告評閱相結合的考核方法，綜合評定。這樣做不但考核了學員人工智能基本理論掌握情況，也反映了學員的學術研究能力和工程實踐能力。同時，考核結合實際教學進程，改變了單一課終總結性考核的弊端。

7結語

經過課程組近兩年的教學方法研究與教學實踐，研究生人工智能原理課程教學收到較好的效果，但仍存在一些問題，如在課堂討論環節，個別學員準備不充分、討論不夠深入；課程論文撰寫選題隨意，文獻綜述不夠全面、準確，論文格式不夠規范等。在今后的授課中，課程組將根據授課研究生人數較少的特點，采取明確每名學員預習重點、加強課程論文交流等方式予以改進，力求取得更好的教學效果。同時，進一步充分利用便利的校園網平臺，開展“人工智能原理”網絡課程建設，購買或自主開發網絡教學資源，引導學員利用網絡資源進行個性化自主學習，增強教學過程的信息化程度。

參考文獻：

[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學出版社,2002:1.

[2] 李志厚. 國外教學設計研究現狀與發展趨勢[J]. 外國教育研究,1998(1):6-10.

[3] 肖川,胡樂樂. 論研究生學術能力的培養[J]. 學位與研究生教育,2006(9):1-5.

[4] 周金海. 人工智能學習輔導與實驗指導[M]. 北京:清華大學出版社,2008:204.

[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:機械工業出版社,2009:754.

Reform on Postgradrates Artificial Intelligence Course Teaching

TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei

(Department of Computer Engineering, Ordnance Engineering College, Shijiazhuang 050003, China)

第2篇：人工智能課程學習報告范文

關鍵詞：人工智能；教學內容；教學方法

中圖分類號：G642　文獻標識碼：A

1　引言

人工智能(AI)是二十世紀五十年代后期興起的利用計算機模擬人類智能活動去求解問題的學科，與空間技術、原子能技術一起被譽為二十世紀三大科學技術成就，目前廣泛應用于專家系統、機器翻譯、語音識別、文字識別、計算機視覺、機器人、電子游戲等方面，已經成為計算機技術發展以及許多高新技術產品中的核心技術。

為了適應人工智能技術日益廣泛的需要，國內外高校普遍開設了“人工智能”方面的課程，特別是作為計算機方面專業的核心課程之一。我校自從1993年開始為自動化專業本科生開設“智能控制”選修課，1996年為自動化、計算機、機械等專業本科生開設“人工智能導論”、“人工智能及其應用”課程。目前，我校軟件學院、信息學院、機電學院都開設了“人工智能導論”課程，已經成為計算機科學與技術、軟件工程、數字媒體技術、自動化、機械制造與自動化等許多專業本科生的一門重要的技術基礎課程，也是面向包括人文社科等全校所有專業的公選課之一，其目的是使學生了解人工智能的基本概念和基本原理，初步學習和掌握人工智能的基本技術和前沿內容，拓寬知識面，啟發思路，為學生提供最基本的人工智能技術和有關問題的入門性知識，提高學生應用開發軟件的能力和水平，為今后在相關領域的研究和應用奠定更為堅實的基礎。因此，建設好“人工智能導論”課程具有重要意義和很廣的受益面。

由于人工智能是交叉學科，涉及面廣、內容抽象、不易理解，學生往往有望而生畏的感覺，在教學過程中，老師教、學生學都比較吃力。為了更好地實現上述教學目標，提高本課程的教學質量，協調好教與學的雙邊關系，使學生由望而生畏的感覺，變為有用有趣的感覺，根據已有人工智能課程在教學與實踐方面的經驗和方法，結合“人工智能導論”課程的近幾年教學實踐，對課程的教學體系、教學內容、教學方法、教學手段、考核方式等方面進行了探索總結。

2　調整與優化教學體系和教學內容

“人工智能導論”是計算機科學與技術、軟件工程、數字媒體技術、自動化、機械制造與自動化等許多專業本科生的一門重要的技術基礎課程，也是面向包括人文社科等全校所有專業的公選課之一，其研究領域及內容十分豐富，涉及的基礎面廣。因此如何選好教學內容，既能使學生了解本領域的概貌，又能適合學生的基礎，便于他們在有限的時間完成學習任務，是一件重要而又困難的事情。

進入21世紀以來，人工智能學科又有了新的發展。為了及時反映人工智能研究和學科的最新進展，我們修訂了“人工智能導論”的教學大綱，對教學內容進一步優化和更新，極大充實了各個系統的內容。我們確定的教學內容主要分為三部分：第1部分為概論，介紹人工智能的基本概念、基本內容、主要研究領域及發展過程；第2部分是知識表示，推理和搜索技術，討論幾種常用的知識表示方法、推理技術(包括確定性推理方法和不確定推理方法)和搜索求解策略；第3部分是人工智能應用研究領域，包括專家系統、自然語言理解、機器學習、人工神經網絡、遺傳算法等的基本概念和方法等。其中第2部分是基礎理論，是人工智能的重要基礎，應該循序學習。第3部分是人工智能的應用，由于每個研究內容都相對獨立、自成體系且有其專門的學術著作研究、熱點，因此針對高等院校的本專科生來說，不必循序學習，而且結合專業特點可以選擇其中幾個研究領域。例如對自動化專業的學生來說，可以選擇專家系統、人工神經網絡、遺傳算法等，同時可增加在自動控制領域的應用，包括專家控制、神經網絡控制和進化控制等熱點：而對計算機科學與技術專業來說，可以選擇專家系統、自然語言理解、機器學習等，并輔以動物識別系統、語音識別系統、智能機器人等實例。總之就是要把握課程性質和教學目的，調整本課程教學體系，優化教學內容，讓學生以有限的時間學到人工智能的基礎知識和基本方法。

另外，在選擇和確定教學內容時必須兼顧基礎知識和新興技術，注意與相關課程(如離散數學、數據結構、概率論、自動控制原理、Matlab系統仿真、面向對象的編程技術等)的鏈接，密切理論與實際的關系，通過課堂講授和課外訓練，注意學生能力培養，提高他們的學習效果和整體素質。

3　加強課程立體化建設和系列教材研究

在課程的立體化建設中，教材充當了地基的角色，所有的課程內容安排，無不體現出以教材為基本，以教材為模板。所以本著基礎、實用的原則，我們先后編著出版了《人工智能及其應用》課程教材導論部分概括性強，引人入勝；基礎部分系統全面，敘述深入淺出，循序漸進；應用部分密切理論與實際關系，典型形象。其中第二版在第一版的基礎上，增加了證據理論、模糊推理、神經網絡等理論的一些典型應用，使學生能夠更深入地理解和應用這些理論；另一方面，又新增了自然語言理解及其應用內容，以適應目前計算機翻譯、人機自然語言交互等技術日益廣泛應用的需要。系列教材適應了人工智能導論新課程開設的需要，反映了人工智能學科的發展，為人工智能課程確立了基本框架，發揮了重要作用。系列教材的問世不僅解決了本校“人工智能導論”課程教學用書的問題，而且也被各兄弟院校普遍采用，促進了該課程的普遍開設，推動人工智能學科的發展。

為了配合教材第二版的教學和自學，在已有教學經驗和教學成果積累的基礎上，制作了高質量的教學課件和完整的教學視頻錄像，并刻錄成光盤隨書供讀者使用；同時又研究與開發了網絡課程(http：//)，以更好地調動學生的學習興趣和主動性，促進本課程的教學改革。

包括主教材、電子教案、教學視頻錄像、網絡課程及教學資料庫等在內的課程立體化建設符合二十一世紀高校教學的要求，支持教師提高教學手段現代化的水平，更貼合學生的學習需求。

4　改革與創新教學模式和教學方法

在“人工智能導論”課程教學的過程中，我們積極探索教學新路，經過數年辛勤試驗，結合蔡自興教授等對人工智能課程的建設經驗，對課程的教學模式和教學方法進行了如下一些的改革與創新。

(1)通過多種途徑激發學生的學習興趣

“興趣是最好的老師”，“人工智能導論”課程的學習效果，直接受到學生興趣和參與意識的影響。由于這是一門導論性前沿課程，一般來說，學生開始學習興趣很大。但是，當一些學生開始接觸到抽象概念和算法時，往往感到不易接受。我們通過各種途徑和方法，激發和培養學生的學習興趣。例如，鼓勵學生參與課堂討論、布置讀書報告和課外實驗、以問題為導向的啟發式教學、專題討論／辯論等形式。特別，我們精心組織和準備了模糊控制技術及其應用、智能機器人技術與應用、智能交通、BCI(腦機交互接口)等專題，以及智能調度軟件、語音識別系統、動物識別系統、足球機器人比賽、機器人軌跡跟蹤、倒立擺的智能控制等課內演示，使學生擴大了眼界，增加了感性知識，達到提高學生學習興趣的目的與效果。

(2)面向問題的啟發式教學

人工智能中的許多問題，有的似是而非，有的引人入勝。在教學中，有意識的提出相關問題，提請學生思考，鼓勵學生提出自己的猜想和解決方案。然后逐步進入教材中的解決方案，啟發學生求解這些問題，并進行分析和比較，從而強化了學生學習的主動意識和參與意識，提高了學生的學習積極性。例如，在講到比較抽象的“遺傳算法”時，提出“遺傳算法如何用于優化計算?”這一問題。針對該問題，先從“達爾文的生物進化論”入手，討論“遺傳”、“變異”和“選擇”作用；然后通過一個簡單的例子，從特殊到一般地啟發學生思考“遺傳”、“變異”和“選擇”的實現，最終讓學生與教師一起導出遺傳算法用于優化計算的基本步驟。這樣，學生不但從中學習了遺傳算法，而且得到一次邏輯思維的訓練，取得很好的教學效果。

(3)課堂辯論與交互式教學

組織課堂辯論，討論的議題包括人工智能的應用前景和其他比較等有爭議的問題。學生對這些問題展開了激烈的爭論，激發了學習潛能，明確了學習目標。例如，為了加深學生對智能機器人內涵的理解，我們組織了“機器智能能否超過人類智能”的辯論會。會前正反雙方結合本課程內容及其相關知識，認真進行準備；辯論會上正反雙方唇槍舌戰，激烈爭辯，氣氛熱烈。辯論后，學生余意未盡，討論熱情不減。無論是哪一方獲勝，都達到了預期的效果。教學中我們還注意采用了多種交互式策略，如課堂上教師提問可鼓勵或指定學生提問，也可由學生自由地就某個知識點進行主題發言后老師點評等。

(4)個性化學習與因材施教

在本課程教學過程中注意對學生因材施教和個性化教學。例如，通過組織學生進行讀書報告的形式，鼓勵學生從多方面、多角度考慮問題，多提新穎思想，有意識地鼓勵優秀學生探討比較深層的內容，并輔導優秀學生將其成果以科技論文和發表文章的形式轉化為成果。又如，在教學設計和實驗設計中，注意要求學習有余力和興趣的學生選作部分探索性、創新性的功課和實驗(選學內容，如模糊控制器的設計、進化控制等)，從而引導學生發揮個性優勢，達到因材施教的目的。同時注意分析學習較差的學生的具體困難，進行有針對性的指導。

(5)多媒體與網絡教學的使用

本課程在PPT演示文稿和網絡課程上，采用了大量的多媒體表現形式，如視頻、動畫、聲音和圖像等。目的在于使得人工智能抽象的知識形象化，便于學生理解。例如，課內讓學生在線觀看涂曉媛博士的計算機動畫“人工魚”的錄像片段、人工生命Floy中生命智能體在環境中不斷的適應進化構成演示等，有助于加深學生對所學知識的理解，促進教學水平的提高，激發了學生對課程的興趣，使學生創新意識得到增強。此外，隨教材附贈的教學光盤和開發的網絡課程(http：//)提供了學生課外自學用的高質量的電子課件、完整的教學視頻錄像、豐富的實驗和案例資料等，以更好地調動學生的學習興趣和主動性。

(7)理論與實踐結合

在教學內容安排上，注意理論聯系實際，適時布置一些人工智能實驗給學生進行課外練習。設計的課外實驗包括產生式系統實驗，歸結反演實驗，主觀Bayes推理網絡實驗，A搜索實驗，以及基于Maltab工具箱的模糊控制位置跟蹤系統、兩車追趕模糊控制系統、神經網絡模式識別仿真、遺傳算法優化計算等實驗。通過實踐和參與，保持學習興趣，有助于學生對人工智能基本概念和難點的理解，掌握基本方法和技術，為從事智能系統應用開發打下基礎，從而達到教學目的。例如，我們組織學生參觀我們的研究生綜合自動化實驗室，觀看機器人臂取物、倒立擺控制、語音識別軟件、指紋識別軟件、智能調度軟件等演示，密切理論與實際的關系。

我們在教學改革實踐中探索的這些教學方法，有利于充分激勵學生的學習積極性和主動性，有利于鼓勵學生發揮獨立思考和創新思維，有利于多方位培養學生學習發現問題、分析問題和解決問題的能力。

5　運用多樣化的教學手段和考核方式

5.1　多樣化的教學手段

采用現代信息技術進行教學，構筑“人工智能導論”課程的現代教學模式，是本課程的主要特點之一。教學過程中采用了多媒體教學課件和網絡課程相結合的方法，充分利用多媒體的豐富表現形式，利用網絡課程的交互性、情景化等，進行教學。采用的方法包括：

(1)抽象知識內容的多媒體表示

通過動畫和視頻來演示抽象的概念、算法和過程，包括機器人軌跡跟蹤、機器人臂取物、足球機器人比賽、倒立擺控制、“人工魚”等錄像片段，以及智能調度軟件、語音識別系統、指紋識別系統、動物識別系統等軟件演示。

(2)通過PPT撰寫教案

精心編制PPT，組織好課件內容，做到圖文并茂，提綱挈領，便于學生理解，便于教師講授。

(3)開發與應用網絡課程

“人工智能導論”網絡課程較好的實現了交互性、在一定程度上實現了學習過程的情景化。在交互性方面，通過網絡課程的課堂練習和章節練習，評價學生的學習情況，并給學生提出學習建議。在情景化方面，采用了在線答疑形式，使得學習過程豐富有趣。

(4)先進實驗系統的觀摩與演示

利用我們的研究成果等有利條件，有針對性地對學生進行成果演示(包括智能調度軟件、語音識別系統、指紋識別系統、動物識別系統等軟件)，使學生知道學了有用，而且很有用，很有趣，很有意義，從而進一步誘導學生的學習興趣，鞏固了課堂所學知識，提高了教學質量。

教學效果通過上述先進的現代信息技術的應用，不僅極大地提高了學生的學習興趣和主動性，而且也取得很好的實際教學效果，提高教學質量。

5.2　作業、考試等教改舉措

(1)改革作業方式與方法

改變過去那種單純的書面習題作業，發展成為必須交給教師評閱的書面家庭作業、不必交給教師的課外思考題目、口頭布置的思考題或閱讀材料以及大型作業等。其中上交作業通過網絡進行，教師批閱后的作業也通過網絡返回給學生，實現了作業呈交和返回的網絡化。

(2)改革考試方式與方法

如何對本課程的考試方式進行改革一直是我們探索的問題。我們綜合考慮課堂出勤情況(10％)、平時正式作業成績(20％)和期末課程考試(70％)，進行綜合評分。期末考試有時采用綜合試題考試，出幾個大題目讓學生選擇其中幾個進行開卷筆試，當面交卷后評分；有時采用課外開卷論文結合或口試面試。最近，我們還對部分學生結合實驗或實際問題提問等進行考核。我們正進一步改革、試驗和探索，使考試成為衡量與培養創新能力，促進學生學習主動性和提高課程教學質量的重要環節。

第3篇：人工智能課程學習報告范文

關鍵詞:人工智能;研究型實驗教學;民族關系

人工智能是計算機科學的一個分支,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科,對它的研究涉及控制論、信息論、系統論、語言學、神經生理學、數學、哲學等諸多的學科及領域,是一門綜合性的交叉學科[1]。

人工智能的研究、應用和發展,在一定程度上代表著信息技術的發展方向,同時信息技術的廣泛應用也對人工智能技術的發展提出了迫切的需求。今天,人工智能的不少研究領域如自然語言理解、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、人工神經網絡等都走在了信息技術的前沿,有許多研究成果已經進入人們的生活、學習和工作中,并對人類的發展產生了重要影響[2]。

實踐教學環節在大學教育中是一個非常重要的教學環節,是提高人才素質與能力的重要途徑。人工智能課程除了具有較強的專業性之外,還具有突出的實踐性,為了能深入理解和掌握所學內容,必須把講授和實踐結合起來。本文結合該課程實驗教學,將研究型教學的理念引入到實驗教學,并對教學過程中的經驗和問題加以初步的總結。

1研究型教學模式背景

研究型教學是相對于以單向性知識傳授為主的傳統教學提出的,是指教師以課程內容和學生的學識積累為基礎,引導學生創造性地運用知識和能力,自主地發現問題、研究問題和解決問題,在研究中積累知識、培養能力和鍛煉思維的新型教學模式。研究性教學是對現有的大學課堂教學模式的突破。有利于開發大學生的創造潛能,提高學生適應社會需要的創造性和創新能力,充分展現現代大學培養人才、發展科學、服務社會的三大基本職能[3]。

19世紀初,德國著名教育家洪堡最早提出了教學與科研相統一的原則,為研究型教學模式的發展奠定了基礎。20世紀50、60年代,美國著名教育心理學家布魯納提出了著名的“發現教學模式”[4],成為后來探究性學習和研究型教學的先導。20世紀70年代,美國研究教學專家薩奇曼正式提出了研究訓練教學模式。他認為學生會本能地對周圍新奇事物發生興趣,并想方設法弄清這些新奇事物背后究竟發生了什么,這是一種進行科學研究的可貴的動力。

自此,研究型教學理念開始廣泛使用。現在,哈佛大學、牛津大學、劍橋大學等世界著名大學,都非常注重學生能力的培養,普遍采取了研究型教學模式。以美國高校為例,雖然美國高校83%的教師在課堂教學中主要采用講授法進行教學,但在整個教學過程中都滲透著研究型教學的方法,如積極引導學生參與教學過程,開設研究性課程,引導學生積極主動地參與科研活動等。我國自20世紀90年代初推出211工程建設以來,清華大學、北京大學、人民大學、復旦大學、浙江大學等一些重點大學都提出了建設世界一流的綜合性研究型大學的目標。這些高校在實現從單向知識傳授的傳統型教學向關注創新性教育的研究型教學轉變方面進行了許多有益的嘗試。

2研究型實驗教學

本科教學不僅要培養學生的應用能力,還要培養學生具備基本的科研素質。大學是培養未來一線創新人才的主要基地,必須從本科教學人手,深入探索研究型教學的手段和方法,才能滿足未來經濟增長和社會發展的需要,才能符合建設研究型大學的需要。特別是近幾年來我國對科研的投入不斷增加,研究生招生規模逐年增大,本科高年級學生打算繼續讀研的也不在少數。而人工智能是計算機相關學科非常活躍的研究課題,其涵蓋的分支非常廣泛,如模式識別、機器學習、數據挖掘、計算智能、統計學習理論等,都是目前國際和國內熱門的研究方向。

人工智能課程在計算機專業人才培養方案中占據著重要的位置。在專業理論方面,它承續了離散數學中的邏輯知識;在專業方法方面,是數據結構、算法分析與設計的繼續;在專業工具方面,是面向對象程序設計的生動實例。并且人工智能的每一部分內容都可以作為一個深入的研究課題,課堂上講解的內容不可能面面俱到,學生們也不可能對人工智能的每一領域都做很深入的學習。并且人工智能涉及很多的數理邏輯知識,有些顯得難以理解,并且往往讓學生感到比較枯燥,學生的學習興趣就漸漸淡薄,學生往往被動“聽講”,難以獲得預期的教學效果。

針對這一特點,在人工智能教學中,如何引導學生系統學習人工智能的知識、激發學生的研究興趣,樹立目標意識找準研究方向,為未來的科研工作打下基礎,研究型實驗教學就成為了人工智能課程教學的一個重要環節和必然選擇。

2.1實驗教學中加強學生的研究導向

在實驗教學中,如果照搬一些教材中的例子或習題教學,一方面學生們會缺乏興趣,另一方面學生對這個領域的知識缺乏全面的了解。應不斷提出一些學生們感興趣的開放性課題,比如基于支持向量機的人臉識別、基于膚色的人臉檢測,基于內容的圖像檢索等,培養學生們的學習興趣,讓學生們逐漸深入的學習某一領域的知識。比如BP神經網絡,在模式識別、經濟數據分析、生物信息學、數據挖掘等眾多領域都取得過成功應用,是一種具有強大的非線性學習能力的計算智能技術。然而BP神經網絡算法自身也存在著一些缺點,如會有局部最小解、解受初值影響較大、理論解釋不完善等,而支持向量機在這些方面具有顯著優點。我們可以設計一個人臉識別的實驗,用神經網絡和支持向量機分別實現,并作以比較。讓學生們在了解人工智能新技術的同時,也培養學生們如何分析問題、解決問題的科研能力。

2.2人工智能課程實驗

該課程是一門對實驗技術有較高要求的課程,對于基本原理和方法的實現,要求學生進行嚴格的計算機專業技能訓練和培養良好的科研工作作風。因此對課程中的技能及技術性內容,除單獨進行必要的基礎訓練外,還融入到綜合和研究型試驗中,通過多次反復實驗練習,達到牢固掌握人工智能原理和人工智能的問題求解技術的目的。

該課程的實踐環節主要是實踐項目,由具備較強工程實踐能力的任課教師和助教負責,學生可在全天候開放的專用機房完成。在實踐環節的設計上,我們嘗試把驗證性實驗和開發性實驗相結合,結合實驗教學進度,安排相應的開放實驗,開放性實驗以科學研究實驗為主。并在課程的教學過程中,不斷深化和擴展教學內容,結合人工智能學科的發展趨勢和本院老師的最新研究成果,對實驗內容進行更新。

課程主要設置三種層次的實驗:1)基本原理和算法編程,測試例設計及程序測試實驗;2)分析綜合實驗;3)研究型設計實驗。整個實驗包括課前討論、實驗操作、實驗報告、結果討論、總結提高等六個環節。對于綜合性和研究型實驗,把學生分成5個人一小組,每小組選做其中的一個。學生從指導老師處了解到實驗課題后,即著手查資料,研讀文獻,鉆研有關理論。在此基礎上,學生先提出實驗方案,經與老師討論后,即可開始實驗研究。

3實驗平臺的構建

民族關系問題對被訪對象,特別對少數民族被訪對象是非常敏感的問題,對民族關系的評價又存在個體層面、群體層面、不同階層人群之間的差異,因此,僅僅以傳統的文獻分析、問卷統計和現場觀察等民族學方法來進行調查,得到的數據會存在較多誤差。

因此結合本校的民族特色和民族學領域獨特的研究優勢,將信息認知技術引入民族關系研究,運用圖像、心電和腦電數據進行分析,將分析的結果和心理場景測試及民族學調查結果進行相互印證和參數修正,從而獲得盡可能客觀的數據,這些數據將有助于建立一個客觀、完備、科學的民族關系監測體系,并真實全面地評估民族關系,從而使決策機構及時做出正確的決策。基于多信息融合的民族關系監測預警系統總體框圖如圖1所示。

目前該平臺已經搭建,由北京市公共安全信息監測平臺建設、北京市公共安全信息監測平臺建設關鍵技術研究、基于多源信息融合的民族信任研究等多個重大項目支撐。在這個平臺的下面,涉及到人臉識別、表情識別,視頻監控、認識等領域,小波分析、神經網絡、支持向量機、模糊數學、信息融合等人工智能知識得到了具體的應用。學生可以根據自己的興趣愛好,自愿參加到該平臺下的某一項目,切實對自己所學知識有一個深刻的理解和掌握。

4結語

研究型實驗教學激發了學生的學習興趣,不但使學生更好地掌握了人工智能的基本概念、基本理論和基本技術,也切實提高了學生的實際動手能力和編程能力。研究型實驗教學在實踐過程中還有以下問題需要改進:

1) 研究型實驗教學的理念很難普及。很多教師對研究型教學模式的內涵未能準確把握,把研究型教學模式等同于學生實習或者寫論文。

2) 研究型實驗教學的輔導老師素養需要提高。研究型實驗教學作為體現創新教育要求的現代教學模式,需要的不是知識傳授型的教師,而是高素質的研究型教師。教師不僅是單一的教者,更應該成為一個學者,教師不僅要有研究型教學的教育觀念、快速接受新知識的能力和高超的教學技能,要能夠合理地規劃和設計實驗內容。

3) 需要建立一套合理的學生學業和教師績效的評價體系。

參考文獻:

[1] 王萬森. 人工智能原理及其應用[M]. 北京:電子工業出版社,2007.

[2] 蔡自興,徐光佑. 人工智能及其應用[M]. 北京:清華大學出版社,2004.

[3] 李得偉,張超,李海鷹. 大學工科專業課程實施研究型教學的探討[J]. 高等教育研究,2009(9):74-75.

[4] 彭先桃.大學研究性教學的理念探析[J].教育導刊,2008(3):56-58.

Exploration and Practice of the Research Experiment on Artificial Intelligence

ZHANG Ting, YANG Guo-sheng

(College of Information Engineering, Minzu University of China, Beijing 100081, China)

第4篇：人工智能課程學習報告范文

[關鍵詞]人工智能；中學輔助教育；教育資源

[DOI]10.13939/ki.zgsc.2016.36.197

1 中學教育現狀

教育乃立國之本，而中學教育乃是重中之重。一方面，中學生處于青春的成長期，各項綜合素質逐漸完善中，中學教育意義和責任重大；另一方面，中學教育仍然是應試教育為主，仍然需要面對千軍萬馬過獨木橋的“中考”“高考”，中學教育很大程度左右了學生的未來。

目前的中學教育資源，分為公共教育資源――公辦/民辦學校教育，和社會教育資源――私人家教、補習班等，有如下兩個特點。

1.1 學生得到的公共教育資源不足

學校班級結構的構成是：一名班主任教師，多名科任教師。在大多數學校中，無論是班主任教師，還是科任教師，均會承擔其他班級的教學任務。可以看出，教師資源是非常有限的，加上“中考”“高考”的上線壓力，教師往往會將有限的精力分散關注在所有的學生上，每個學生得到的公共教育資源并不多。

1.2 學生獲取的社會教育資源不公

學生若在學校無法獲取更多的教育資源，將不得不轉向社會教育資源去求助。據統計，學生參與社會教育資源的成本在200元/小時，學習費用成本過高，進一步造成普通學生的社會教育資源也無法獲取。

本文要探討的，正是通過人工智能這一現代信息化技術，構建智能輔助學習系統，使中學生能夠獲取到更多、更公平的教育資源。

2 智能輔助學習

2.1 人工智能簡介

人工智能（Artificial Intelligence）是計算機科學的一個分支，是一門研究運用計算機模擬和延伸人腦功能的綜合性學科，能夠對人的意識、思維等信息過程進行模擬。隨著計算機科學技術的發展，特別是近年來大數據技術的成功應用，人工智能在越來越多的行業展現出蓬勃的沖擊力。以谷歌圍棋機器人“阿爾法”、微軟助理機器人“小娜”等為代表的虛擬智能機器人，能像人那樣思考，也具備超過常人的智能。

在國內，人工智能在教育領域的理論研究和教學實踐表現得越來越活躍，盡管人工智能并不是為教育專門研發的，但是人工智能的不斷發展，使得其在教育中的應用也越來越廣泛，教育的智能化一直是教育界和教育技術領域的理想和目標。

2.2 智能輔助學習系統

智能輔助學習系統，其表現形式是能夠為每個學生，配備一個虛擬教師。學生能夠通過電子設備（如手機、計算機），與虛擬教師進行交流對話，咨詢虛擬教師各學科的問題，并得到有效的學習輔助。

該智能輔助學習系統，具備以下幾個特征。

2.2.1 虛擬教師跨學科能力

與傳統的教師專一某一學科不同，虛擬教師并沒有學科邊界劃分。只要學習系統研發出某一學科的學習算法，該虛擬教師就能夠獲取該門學科的能力。

2.2.2 虛擬教師深度自學習

虛擬教師的“智能”來源于三方面。一是學生基本信息檔案，該檔案涵蓋了從小學教育開始的學科成績、綜合能力、愛好特長等，虛擬教師得到學生的人物畫像。二是虛擬教師對學生的自學習，每一次雙方的溝通交流，虛擬教師都能夠不斷更新發展學生的畫像。三是虛擬教師對學校課堂內容的自學習，虛擬教師并不是獨立于學校教育存在的，而是作為學習教育資源的一個補充，虛擬教師能夠掌握課堂進展、作業部署、考試動態等信息。

2.2.3 接近自然語義的溝通

學生與虛擬教師之間，可以通過自然語義的語音和文字進行溝通，如 “今天數學作業第2題不會”“《荷塘月色》全文中心思想是什么”“Lets start a conversation”等。其他計算輔助手段為補充，如上傳某道數學題圖片，虛擬教師通過圖形識別匹配，給出該題的解題思路和講解。

2.3 優勢分析

智能輔助學習系統，有三大核心優勢。

一是“即學即問”，相比目前的學校教育和社會教育，學生在學習遇到困難時，只有有限的時間與教師交流，在智能輔助學習系統中學生將不受空間、時間限制，隨時隨地可以與虛擬教師互動，獲取充足的教育資源。

二是“定制教學”，相比目前的教育形式，課堂上教師與學生是一對多的關系，教師不可能專為某個學生定制教學方案，在智能輔助學習系統虛擬教師與學生是一對一的關系，虛擬教師能夠更了解學生，根據學生的具體情況制訂最佳學習方案。

三是“受眾廣闊”，相比目前的公共教育資源緊缺、社會教育資源費用昂貴，智能輔助學習系統一旦推廣，受眾學生可無限增加，邊際效應非常明顯。并且計算機系統設計特有的水平擴展能力，能夠隨著學生人數的增加而增加，支撐廣大的學生輔助學習。

2.4 前景預測

筆者比較看好人工智能在中學輔助教育中的落地前景，除了前文所述的人工智能技術發展，為中學教育帶來的價值外，當前國家政策和社會環境也非常有利。

第一，未來10年國家政府和教育部門會大幅增加在教育信息化產業上的投入，隨著《國家中長期教育改革和發展綱要（2010―2020年）》和《教育信息化十年發展規劃（2011―2020年）》等相關規劃相繼出臺，各級地方政府和教育部門都非常重視教育信息化產業的投入，人工智能+云計算是重中之重，人工智能技術的興起必將教育信息化推向一個新的高度。

第二，教育信息化逐漸成為風口，根據前瞻產業研究《中國在線教育市場前景與投資戰略規劃分析報告》統計，2015年在線教育市場規模大約為479億美元，而這一數字在2020年預計將增長到504億美元。這個持續迅猛增長的市場正在吸引越來越多的創意和資本，教育領域中的人工智能也很快會成為熱點，涉足其中的高科技公司也會越來越多。

3 結論

本文通過智能輔助學習系統，探索了人工智能在中學輔助教育中的一個應用。雖然沒有介紹具體的技術實現、系統研發，但對現狀痛點、應用前景做了綜合性分析概述，相信隨著科學技術的持續發展、教育領域的融合開放，本文探索的這個應用將實現于市場，使廣大中學生能夠獲取到更多、更公平的教育資源。

參考文獻：

[1]何維貴.利用現代化教學手段打造高效課堂[J].廣西教育（中等教育），2013（6）.

[2]王斐.人工智能在中學教育教學中的應用現狀分析[J].中國醫學教育技術，2013（4）.

第5篇：人工智能課程學習報告范文

摘要：“智能超媒體網絡教學系統”是使用快速自然語言處理系統、概念提取和排序、個性化信息歸檔、管理和標簽管理等新一代網絡和人工智能技術的教學系統。本文主要討論在向大學本科學生提供緊跟國際前沿技術發展的“智能超媒體網絡教學系統”(工程實訓和畢業設計平臺)的基礎上，創造一種全新的課程教學模式。該項目研究為西安交通大學城市學院第一輪科學研究課題，已取得階段性研究成果并開始實際應用。

關鍵詞：數字媒體；超媒體；網絡；教學系統

中圖分類號：G642

文獻標識碼：B

1項目目標

按照高等院校的學生實際學習狀況以及日益嚴酷的就業市場前景，試圖以計算機網絡課程教學中已初步進行的一些課程教學模式的改革為基礎，提出設立“智能超媒體網絡教學系統”，加強學生實踐能力和創新培養，以進行本科院校課程教學模式的改革和探索。

主要目標是在向學生提供緊跟國際前沿技術發展的“智能超媒體網絡教學系統”的基礎上，創造一種全新的課程教學模式。

為解決日益嚴重的信息超載問題，使用全新的 “Web-based教學”在線教學模式和高級人工智能軟件，向學生介紹和組織互聯網上感興趣的資料，讓學生更快地找到想要的信息，并且從大量的數據中，發現對個人來說重要的信息。

項目以培養大學生創新能力和實踐能力為重點，通過使用網絡教學和輔助教學系統，增強自主學習的興趣，學會工程化的設計方法。在實際工程設計練習的同時，也可使學生應聘時展現本人技術實力和工作經驗，為就業創造良好的機會。

課程改革增加專門的工程設計的實訓課程，將學生置入與實際工作環境類似的工程設計團隊，以模擬招投標項目環境為背景，自主選擇課題，進行職務角色分工，在教師指導下，參考預置的類約1000M實際項目資料以及人工智能設計工具和個性化智能數據庫查詢系統隨時收集的最新資料，按標準化，規范化的實際工作流程，進行項目調研，用戶系統分析，技術方案設計，最后形成可實際用于工程實施的完整技術解決方案，設備與工程預算，招投標文件，項目實施演示PPT文檔等。

2解決的主要問題

需要解決的主要是大學生創新能力、實踐能力和可持續發展能力的培養。

(1) 構造一種智能化、全球化的網絡教學平臺――“智能超媒體網絡教學系統”。

(2) 使用上述系統，學生可以在學院內完成高水平的項目實訓和畢業設計。

(3) 學生可了解和親手實踐了解國際最新的超媒體技術和產品知識。

(4) 學生可在建成的輔助教學系統平臺上完成全部系統設計，為考取國際認可的工程師認證打下堅實基礎，促進學生就業。

(5) 學生可完成完整的技術解決方案，招投標文件，在學生應聘時展現本人技術實力和工作經驗，為學生就業創造良好的機會。

3項目研究在國內外同一領域的現狀與趨勢分析

3.1現狀

在知識經濟的新形勢下，一種全新的教學模式“Web-based教學”已經在逐漸開始興起并不斷的發展壯大，然而目前國內的網絡教學和輔助教學系統只是使用了Web-based教學的形式，仍然算不上真正意義上的網絡教學，不能脫離傳統的教學模式自建一個完善的教學系統，只能算是傳統教育模式的一種補充。

基于這種情況，本課題組開始進行“超媒體網絡教學”課程教學模式的改革探索。通過近一學期的前期實驗，已經取得相應預期教學效果。

已參加實訓的三個班級200多名同學共組成28個團隊小組，分別模擬了28個公司，以西安交通大學城市學院北郊新校區為工程設計環境，參與了學院校園網，校園無線局域網，學院數據網絡中心，校園網通信平臺，行政樓網絡集成，辦公自動化系統，數字化圖書館管理系統，數字校園智能監控網絡，內網安全解決方案，大學視訊系統等項目的計算機網絡工程設計。

所有團隊均按預定教學計劃在規定時間內完成了項目立項報告、全套招標文件、全套投標文件(包括概要設計，草圖，設備清單，信息點統計表，技術方案詳細設計與技術方案圖紙，設備報價清單，投標技術方案，投標評審會演示PPT等文檔)，并最后參加模擬投標會議和方案優選匯報會。

3.2趨勢

目前，國內外教育界已開始研究真正意義上的網絡教學和輔助教學系統。主要趨向是向智能化、全球化的網絡教學方向發展。

國外較早就有人研究具有智能性的計算機輔助教學系統。近年來，有人提出了智能超媒體教學系統的要領，就是將人工智能技術與超媒體的信息組織、管理方式結合在一起而形成的智能型信息處理技術。

在智能超媒體教學系統中，可以利用超媒體提供的友好界面來激發學生的學習興趣和學習動機，同時還可以利用超媒體向學生提供圖文聲像并茂的解釋信息；而超媒體模塊則可利用知識推理技術實現教學內容和教學策略的適應性控制，對學生進行有針對性的指導。當前，智能超媒體教學系統的研制和開發已成為網絡教學應用領域中的一個重要的前沿課題。

4項目研究的重點

4.1課程教學模式的創新和發展

對在實訓中將學生作為模擬企業的員工，嚴格按企業化模式進行管理，通過課程實訓，完成貼近實際應用的工程化網絡系統設計，以取得實踐經驗的教學模式進行重點研究，并盡可能開發出更新的課程教學模式。

4.2智能超媒體教學系統核心技術的理論研究

進行核心專利技術研究；算法研究及技術框架設計；軟件總體規劃及詳細設計。

4.3智能超媒體教學系統軟件開發和應用研究

進行驗證及軟件程序編碼；進一步進行超媒體課程應用研究；同時考慮研究將系統平臺應用于其它學科的教學模式改革。

5項目研究的創新點

(1) 在課程教學過程中結合實訓和畢業設計，使用模擬公司工作崗位和招投標場景對學生進行工程化訓練。

(2) 教學系統核心使用“主題聚類發現引擎”技術。按用戶提出的個性化需求進行主題發掘，人工智能知識排序，重要信息推薦并提供分析圖形顯示的主題內容發現與聚合的優化搜索引擎。

(3) 在系統內部數據庫提供1000M實際項目資料(包括招投標文件范本，工程實例，技術方案范本，設備產品，工程預算范本，PPT演示文檔范本，日報-周報范本等分類數據庫)以及相關人工智能設計工具和個性化智能數據庫查詢系統。網上搜索和用戶PC機上的信息搜索集成一體。

(4) 向全球化的網絡教學方向發展，使用語意分析，自主學習，及WEB 2.0環境中的信息挖掘和超前數據庫處理技術，將最適合每個用戶的需求的相關信息情報資料進行人工智能處理后即時推送給用戶，主要解決了用戶在網絡時代被超量信息所淹沒，無法在最短的時間內檢索查詢到自己所關心的相關信息的問題。

6項目研究的方案設計

6.1研究思路和技術方法

在項目研究上采取的研究思路和技術方法是：

(1) 使用WEB數據庫、中間件和網站設計工具等構造三層架構的網絡應用系統。

(2) 使用先進的搜索引擎和信息獲取技術取得大量實訓和畢業設計所需要的基礎資料。

(3) 使用人工智能海量信息分析及提取技術進行個性化搜索及計算機輔助設計。

(4) 在網絡化的基礎上提供人工智能實訓和畢業設計工具和個性化智能數據庫查詢。

6.2研究階段

第1階段：智能超媒體教學系統核心技術的理論研究；

第2階段：軟件總體規劃及詳細設計；程序編碼；

第3階段：課程教學模式的創新研究；教學系統驗證試驗；

第4階段：智能超媒體教學系統應用研究。

6.3技術方法和路線

(1) 技術目標

研究開發個性化RSS主題聚類發現搜索引擎產品，進而形成一種按用戶提出的個性化需求進行主題發掘，人工智能知識排序，重要信息推薦并提供分析圖形顯示的主題內容發現與聚合的優化搜索引擎產品。

(2) 技術內容

主題聚類發現引擎是一種按用戶提出的個性化需求進行主題發掘，人工智能知識排序，重要信息推薦并提供分析圖形顯示的主題內容發現與聚合的優化搜索引擎。

主要解決了用戶在網絡時代被超量信息所淹沒，無法在最短的時間內檢索查詢到自己所關心的相關信息的問題。大約可增加搜索查詢速度幾十到一百倍，并引導用戶找到最適合自己的信息。

主題聚類發現引擎的技術核心可以按不同技術層面裝入網站服務器，企業服務器，個人計算機形成以下不同用途的產品：

(1) 學校大型Web2.0環境網站RSS主題聚類發現搜索引擎

(2) 院系專用數據處理及信息挖掘優化搜索引擎

(3) 學生個人用戶個性化專用信息挖掘優化搜索引擎。

(4) 設備價格比價搜索網絡門戶(可應用于計算機，電信，電子等不同領域)

6.4技術方法和路線

使用語意分析，自主學習，及WEB 2.0環境中的信息挖掘和超前數據庫處理技術，將最適合每個用戶的需求的相關信息情報資料進行人工智能處理后即時推送給用戶。

部分技術方法摘要描述圖示如下：

圖1顯示了本項目高級檢索程序的實現。

圖2顯示文件組織系統的實現。

圖3顯示智能助理個體的實現和用知識庫來發現和確認聯想的例子。

智能檢索挖掘系統運行于最終用戶PC機上，包括Web server部分。系統采用類似B/S架構。利用IE插件開發技術，截取用戶發送的Web請求信息，并由插件發送到Web server，由Web server實現相應的功能，最后通過分析提取處理相關信息，返回IE插件進行顯示。Web server采用 + Apace進行開發。

7理論及實踐意義

本項目的實施主要是為了進行“計算機網絡”課程學科教育的教學改革研究與實踐；其目的是全面推進素質教育，重點培養大學生創新能力、實踐能力、創業能力、就業能力和可持續發展能力。

其主要意義是：

(1) 計算機網絡課程是計算機專業，信息管理專業，電信專業的骨干專業課程，建設實訓和畢業設計的智能超媒體輔助教學系統對促進教學和學科建設有重要意義。

(2) 實訓和畢業設計輔助教學系統可在學生進行課程實訓和畢業設計時提供人工智能設計工具和個性化智能數據庫查詢，以便學生完成高質量的畢業設計，同時通過課程實訓完成貼近實際應用的工程化網絡系統設計，取得實踐經驗，為就業作好充分準備。

(3) 技術先進的實訓和畢業設計智能超媒體輔助教學系統可提供學習現代計算機網絡技術的良好平臺，增進教師學識水平，同時促進了教學水平的提高。

8推廣價值

(1) 項目中涉及的學科教學模式改革研究成果可在有相似應用需求的本科院校，高職高專推廣應用。

(2) 智能超媒體教學系統軟件可以在相似的計算機專業，電信，信息管理，電力，能源，機械制造以及各類工科專業推廣應用。

(3) 教學系統核心使用的“主題聚類發現引擎”技術可以按不同技術層面裝入網絡服務器或個人計算機形成以下不同產品，如企業專用數據處理及信息挖掘優化系統，個人用戶個性化專用信息挖掘優化軟件。

參考文獻：

第6篇：人工智能課程學習報告范文

據統計，2017年中國人工智能核心產業規模超過700億元，隨著各地人工智能建設的逐步啟動，預計到2020年，中國人工智能核心產業規模將超過1600億元，年復合增長率將達31.7%。

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低，越來越多的創業公司加入人工智能的陣營。

2018年被稱為人工智能爆發的元年，人工智能技術應用所催生的商業價值逐步凸顯。人工智能逐步切入到社會生活的方方面面，帶來生產效率及生活品質的大幅提升。智能紅利時代開啟！資本、巨頭和創業公司紛紛涌入，將人工智能拉到了信息產業革命的風口。

如何把握產業動向，抓住風口機會？創業邦研究中心憑借在人工智能等前言科技領域持續研究、洞察的能力，在對國內人工智能創業公司進行系統調研的基礎上，推出《2018中國人工智能白皮書》，對人工智能的核心技術、主要應用領域、巨頭和創業公司的布局、未來發展態勢和投資機會進行了深度解析。

第一部分人工智能行業發展概述

1.人工智能概念及發展

人工智能（Artificial Intelligence， AI）又稱機器智能，是指由人制造出來的機器所表現出來的智能，即通過普通計算機程序的手段實現的類人智能技術。

自1956年達特茅斯會議提出“人工智能”的概念以來，“人工智能”經歷了寒冬與交替的起起伏伏60多年的發展歷程。2010年以后，深度學習的發展推動語音識別、圖像識別和自然語言處理等技術取得了驚人突破，前所未有的人工智能商業化和全球化浪潮席卷而來。

人工智能發展歷程

2.人工智能產業鏈圖譜

人工智能產業鏈可以分為基礎設施層、應用技術層和行業應用層。

A基礎層，主要有基礎數據提供商、半導體芯片供應商、傳感器供應商和云服務商。

B技術層，主要有語音識別、自然語言處理、計算機視覺、深度學習技術提供商。

C應用層，主要是把人工智能相關技術集成到自己的產品和服務中，然后切入特定場景。目前來看，自動駕駛、醫療、安防、金融、營銷等領域是業內人士普遍比較看好方向。

人工智能產業鏈

資料來源：創業邦研究中心

第二部分人工智能行業巨頭布局

巨頭積極尋找人工智能落地場景，B、C 端全面發力。

資料來源：券商報告、互聯網公開信息，創業邦研究中心整理

第三部分機器視覺技術解讀及行業分析

1.機器視覺技術概念

機器視覺是指通過用計算機或圖像處理器及相關設備來模擬人類視覺，以讓機器獲得相關的視覺信息并加以理解，它是將圖像轉換成數字信號進行分析處理的技術。

機器視覺的兩個組成部分

資料來源：互聯網公開信息，創業邦研究中心整理

2.發展關鍵要素：數據、算力和算法

數據、算力和算法是影響機器視覺行業發展的三要素。人工智能正在像嬰兒一樣成長，機器不再只是通過特定的編程完成任務，而是通過不斷學習來掌握本領，這主要依賴高效的模型算法進行大量數據訓練，其背后需要具備高性能計算能力的軟硬件作為支撐。

深度學習出現后，機器視覺的主要識別方式發生重大轉變，自學習狀態成為視覺識別主流，即機器從海量數據里自行歸納特征，然后按照該特征規律使圖像識別的精準度也得到極大的提升，從70%+提升到95%。

3.商業模式分析

機器視覺包括軟件平臺開發和軟硬件一體解決方案服務。整體用戶更偏向于B端。軟件服務提供商作為技術算法的驅動者，其商業模式應以“技術層+場景應用”作為突破口。軟硬件一體化服務供應商作為生態構建者，適合以“全產業鏈生態+場景應用”作為突破口，加速商業化。

（1）軟件服務：技術算法驅動者—“技術層+場景應用”作為突破口

這種商業模式主要是提供以工程師為主的企業級軟件服務。有海量數據支撐，構建起功能和信息架構較為復雜的生態系統，推動最末端的消費者體驗。

此類商業模式成功關鍵因素：深耕算法和通用技術，建立技術優勢，同時以場景應用為入口，積累用戶軟件。視覺軟件服務按處理方式和存儲位置的不同可分為在線API、離線SDK、私有云等。

國內外基礎算法應用對比

資料來源：互聯網公開信息，創業邦研究中心整理

（2）軟硬件一體化：生態構建者—“全產業鏈生態+場景應用”作為突破口

軟硬一體化的商業模式是一種“終端+軟件+服務”全產業鏈體系。成功的因素是大量算力投入，海量優質數據積累，建立算法平臺、通用技術平臺和應用平臺，以場景為入口，積累用戶。亮點是打造終端、操作系統、應用和服務一體化的生態系統，各部分相輔相承，銳化企業競爭力，在產業鏈中擁有更多話語權。

4.投資方向

（1）前端智能化，低成本的視覺解決模塊或設備

從需求層面講，一些場景對實時響應是有很高要求的。提供某些前端就本身有一定計算能力的低成本的視覺模塊和設備將有很大市場需求。前置計算讓前端設備成為數據采集設備和數據處理單元的合體，一方面提升了處理速度，另一方面可以處理云端難以解決的問題。

機器視覺在消費領域落地的一個障礙是支持高性能運算的低功耗、低價位芯片選擇太少。從低功耗、高運算能力的芯片出發，結合先進的算法開發模塊和產品，這類企業將在機器視覺領域擁有核心競爭力。

（2）深度學習解決視覺算法場景的專用芯片

以AI芯片方式作為視覺處理芯片有相當大的市場空間。以手勢識別為例，傳統的識別方案大都基于顏色空間，如 RGB，HSV ，YCrBr，無法排除類膚色物體及黑色皮膚對識別精度的干擾。借助深度學習，如通過 R-CNN 訓練大量標注后的手勢圖像數據，得到的模型在處理帶有復雜背景及暗光環境下的手勢識別問題時，比傳統方案的效果好很多。

（3）新興服務領域的特殊應用

前沿技術帶來的新領域（如無人車、服務機器人、谷歌眼鏡等），對機器視覺提出了新要求。機器視覺可以讓機器人在多種場合實現應用。服務機器人與工業機器人最大的區別就是多維空間的應用。目前國內的機器視覺，涉及三維空間、多維空間，其技術基本上處在初始階段，未來存在較大市場增長空間。

（4）數據是爭奪要點，應用場景是著力關鍵

機器視覺的研究雖然始于學術界，但作為商業應用，能解決實際問題才是核心的競爭力。當一家公司先天能夠獲得大量連續不斷的優質場景數據，又有挖掘該數據價值的先進技術時，商業模式和數據模式上就能形成協同效應。創業公司要么通過自有平臺獲取數據，要么選擇與擁有數據源的公司進行合作，同時選擇一個商業落地的方向，實現快速的數據循環。

第四部分智能語言技術解讀及行業分析

1.語音識別技術

（1）語音識別技術已趨成熟，全球應用持續升溫

語音識別技術已趨成熟，全球應用持續升溫。語音識別技術經歷了長達60年的發展，近年來機器學習和深度神經網絡的引入，使得語音識別的準確率提升到足以在實際場景中應用。深度神經網絡逐步找到模型結構和調參算法來替代或結合高斯混合算法和HMM算法，在識別率上取得突破。根據Google Trends統計，自2008年iPhone及谷歌語音搜索推出以來語音搜索增長超35倍。百度人工智能專家吳恩達預測，2020年語音及圖像搜索占比有望達到50%。Echo熱銷超過400萬，帶動智能音箱熱潮。

（2）語音識別進入巨頭崛起時代，開放平臺擴大生態圈成主流

語音識別即將進入大規模產業化時代。隨著亞馬遜Echo的大賣，語音交互技術催生的新商機，吸引大大小小的公司構建自己主導的語音生態產業鏈。各大公司紛紛開放各自的智能語音平臺和語音能力，欲吸引更多玩家進入他們的生態系統。

（3）語音識別技術發展瓶頸與趨勢

低噪聲語料下的高識別率在現實環境使用中會明顯下降到70-80%，遠場識別、復雜噪聲環境和特異性口音的識別是下一個階段需要解決的問題。

麥克風陣列類前端技術不僅是通過降噪和聲源定位帶來識別率的提高，帶環境音的語料的搜集、標注可用于模型的訓練，有助于打造更新一代的語音識別引擎技術。語音巨頭已經在布局。

在IOT包括車載領域，云端識別并非通行的最優方案，把識別引擎結合場景進行裁剪后往芯片端遷徙是工程化發展的方向。

2.自然語言處理（NLP）發展現狀

（1）多技術融合應用促進NLP技術及應用的發展

深度學習、算力和大數據的爆發極大促進了自然語言處理技術的發展。深度學習在某些語言問題上正在取得很大的突破，比如翻譯和寫作。2014年開始LSTM、Word2Vec以及Attention Model等技術研究的進展，使DL有了路徑在語義理解領域取得突破，并且已經有了明顯的進展。對話、翻譯、寫作新技術成果里都開始逐漸混合入DL的框架。2014-2015年，硅谷在語義理解領域的投資熱度劇增。

深度學習能最大程度發揮對大數據和算力資源的利用，語義理解的發展還需要深度學習、搜索算法、知識圖譜、記憶網絡等知識的協同應用，應用場景越明確（如客服/助理），邏輯推理要求越淺（如翻譯），知識圖譜領域越成熟（如數據飽和度和標準性較強的行業），技術上實現可能性相對較低。在各種技術融合應用發展的情況下，具備獲取一定優質數據資源能力并可結合行業Domain knowledge構建出技術、產品、用戶反饋閉環的企業會有更好的發展機會。

（2）NLP主要應用場景

問答系統。問答系統能用準確、簡潔的自然語言回答用戶用自然語言提出的問題。基本工作原理是在線做匹配和排序。比如 IBM 的 Watson，典型的辦法是把問答用FAQ索引起來，與搜索引擎相似。對每一個新問題進行檢索，再將回答按匹配度進行排序，把最有可能的答案排在前面，往往就取第一個作為答案返回給用戶。

圖像檢索。同樣也是基于深度學習技術，跨模態地把文本和圖片聯系起來。

機器翻譯。機器翻譯的歷史被認為與自然語言處理的歷史是一樣的。最近，深度學習被成功地運用到機器翻譯里，使得機器翻譯的準確率大幅度提升。

對話系統。對話系統的回復是完全開放的，要求機器能準確地理解問題，并且基于自身的知識系統和對于對話目標的理解，去生成一個回復。

（3）創業公司的機遇

1)機器翻譯方面：經過多年的探索，機器翻譯的水平已經得到大幅度提升，在很多垂直領域已經能夠在相當大程度上替代一部分人工，機器翻譯技術的商業化應用已經開始進入大規模爆發的前夜。

2)應用于垂直領域的自然語言處理技術

避開巨頭們對語音交互入口的競爭，以某一細分行業為切入點，深耕垂直領域，對創業公司也是一個不錯的選擇。

第五部分人工智能在金融行業的應用分析

人工智能產業鏈包含基礎層、技術層、應用層三個層面。基礎層的大數據、云計算等細分技術被應用到金融征信、保險、理財管理、支付等金融細分領域；技術層的機器學習、神經網絡與知識圖譜應用于金融領域的征信與反欺詐、智能投顧、智能量化交易，計算機視覺與生物識別應用于金融領域的身份識別，語音識別及自然語言處理應用于金融領域的智能客服、智能投研；應用層的認知智能應用于金融領域的智能風控。

人工智能在金融行業的典型應用情況

資料來源：創業邦研究中心

第六部分人工智能在醫療行業的應用分析

1.人工智能在醫療行業的應用圖譜

人工智能在醫療行業的應用潛力巨大，目前在健康管理、輔助診療、虛擬助理、醫學影像、智能化器械、藥物挖掘和醫院管理等領域均有企業在布局，其中醫學影像、藥物挖掘、健康管理，輔助診療、虛擬助理的應用發展速度較快。

圖人工智能在醫療行業的應用圖譜

資料來源：創業邦研究中心

2.人工智能在醫療行業的具體應用場景

醫學影像。人工智能應用于醫學影像，通過深度學習，實現機器對醫學影像的分析判斷，是協助醫生完成診斷、治療工作的一種輔助工具，幫助更快的獲取影像信息，進行定性定量分析，提升醫生看圖/讀圖的效率，協助發現隱藏病灶。人工智能通過影像分類、目標檢測、圖像分割、圖像檢索等方式，完成病灶識別與標注，三維重建，靶區自動勾畫與自適應放療等功能，應用在疾病的篩查、診斷和治療階段。目前較為火熱的應用有肺部篩查、糖網篩查、腫瘤診斷和治療等。

藥物挖掘。人工智能在藥物研發上的應用可總結為臨床前和臨床后兩個階段。臨床前階段：將深度學習技術應用于藥物臨床前研究，在計算機上模擬藥物篩選的過程，包括靶點選擇、藥效和晶型分析等，預測化合物的活性、穩定性和副作用，快速、準確地挖掘和篩選合適的化合物或生物，提高篩選效率，優化構效關系。臨床后階段：針對臨床試驗的不同階段，利用人工智能技術對患者病歷進行分析，迅速篩選符合條件的被試者，監測管理臨床試驗過程中的患者服藥依從性和數據收集過程，提高臨床試驗的準確性。

虛擬助理。醫療虛擬助理是基于醫療領域的知識系統，通過人工智能技術實現人機交互，從而在就醫過程中，承擔診前問詢、診中記錄等工作，成為醫務人員的合作伙伴，使醫生有更多時間可以與患者互動。醫療虛擬助理根據參與就醫過程的功能不同，主要有智能導診分診，智能問診，用藥咨詢和語音電子病歷等方向。

第七部分智能駕駛行業分析

1.智能駕駛行業產業鏈

智能駕駛行業的中心業務是以Google、百度為代表的智能駕駛操縱解決方案提供商和以特斯拉、蔚來為代表的成車廠商。該類廠商，上接上游軟硬件提供商，下接公司和消費者，在整個業務鏈中扮演至關重要的一環。

產業鏈上游廠商多為細分技術提供商，如深度學習、人機交互、圖像識別和新材料、新制造新能源等。

智能駕駛產業鏈圖譜

資料來源：創業邦研究中心

2.智能駕駛市場分析

伴隨著 ADAS 技術的不斷更新，推斷全球 L1-L5 智能駕駛市場的滲透率會在接下來 5年內處于高速滲透期，然后伴隨半無人駕駛的普及進入穩速增長期。在未來的 2025 年無人駕駛放量階段后，依賴全產業鏈的配合而進入市場成熟期。預測到2030年，全球 L4/5 級別的自動駕駛車輛滲透率將達到 15%，單車應用成本的顯著提升之外，從 L1-L4 級別的智能駕駛功能全面滲透為汽車產業帶來全面的市場機會。

按照 IHS Automotive 保守估計，全球 L4/L5 自動駕駛汽車產量在 2025 年將接近 60 萬輛，并在 2025- 2035 年間獲得高速發展，年復合增長率將達到43%，并在2035年達到2100萬輛。另有接近 7600 萬輛的汽車具備部分自動駕駛功能，同時會帶動產業鏈衍生市場的大規模催化擴張。

根據獨立市場調研機構 Strategy Engineers 的預測，L4 高度自動駕駛等級下，自動駕駛零部件成本約在 3100 美元/車，其中硬件占比 45%，軟件占比 30%，系統整合占比 14%，車聯網部分占比 11%。按照全球 1 億輛量產規模計算，理想假設所有車輛全部達到 L4 高度自動駕駛水平，那么全球自動駕駛零部件市場規模在 2020 年將達到 3100 億美元。

第八部分中國人工智能企業畫像分析

隨著人工智能技術的不斷成熟，人工智能創業的難度逐步降低。創新的大門吸引眾多創業企業進入。為了觀察行業風向，助力創新企業發展，創業邦研究中心對國內200多家人工智能創業公司進行了系統調研，從發展能力、創新能力、融資能力等多維度指標，評選出“2018中國人工智能創新成長企業50強”。

地域分布

全國88%的人工智能企業聚集在北京、上海、廣東和江蘇。其中，北京人工智能企業最多，占比高達39.66%;其次是上海，人工智能企業占比達21.55%;位列第三的是廣東，人工智能企業占達15.52%。北京以領先全國其他地區的政策環境、人才儲備、產業基礎、資本支持等，成為人工智能創業首要陣地;華東地區的上海、江蘇、浙江均有良好的經濟基礎和科技實力，人工智能應用實力雄厚，也聚集了一批人工智能垂直產業園;廣東互聯網產業發達，企業對數據需求強烈，依靠大數據產業鏈推動人工智能產業發展。

行業分布

從行業大類分布來看，行業應用層的企業占比最大，為56.03%;其次是應用技術層的企業，占比達31.04%;基礎技術層的企業占比最小，僅為12.93%。隨著人工智能技術的發展，人工智能與場景深度融合，應用領域不斷擴展，行業應用公司比重不斷提升。在基礎層技術方面，國際IT巨頭占據行業領先地位，國內與國際差距明顯，中小初創企業很難進入。

從行業應用來看，智能金融企業占比最大，為16.92%;其次是機器人企業，占比達15.38%;位列第三的是智能駕駛和智能教育，占比均為12.31%。金融行業的強數據導向為人工智能的落地提供了產業基礎，智慧金融被列入國家發展規劃中，龐大的金融市場為人工智能落地帶來了發展前景。機器人作為人工智能產業落地輸出，目前市場需求較大，商業機器人占據較大份額。中國智能駕駛市場在資本推動下進入者較多，企業積極推動應用落地，百度、北汽等大型企業嘗試商業化落地智能駕駛汽車。人工智能推動教育個性化落地，相關初創企業涉入教育藍海，推動智慧教育的發展。

收入情況

收入分布在500-10000萬之間的企業最多，占比達49.14%;500萬以下的企業位居其次，占比達 26.72%;位列第三的是10000-100000萬之間的企業，占比為17.24%。

第7篇：人工智能課程學習報告范文

關鍵詞:“大智移云”；管理會計；財務會計；融合

一、“大智移云”背景下企業管理會計的發展現狀和存在的問題

(一)大數據給管理會計帶來的影響

大數據又稱海量數據，大數據數據類型多、體量大，價值密度低，數據處理速度快。在互聯網和云技術的支持下，大數據技術相對于現有其他技術具有“廉價、迅速、優化”的特點。互聯網的普遍運用產生出海量數據，大數據分析即對海量數據進行存儲和分析，從中尋找有用的信息，規律和模式，運用大數據的關鍵并不在于數據量的巨大，而在于如何對數據價值進行挖掘。在“大智移云”技術快速發展和應用背景下，迅速從海量互聯網數據中獲取有價值信息是企業長久生存和發展的必然要求，企業應用大數據技術可以做出更加合理的決策，適應市場變化。企業管理會計主要職能是預測經濟前景、參與經濟決策、規劃經營目標、控制經濟過程以及考核評價經營業績等，注重企業的整個管理過程及行為影響，大數據技術的應用可以為管理會計提供更全面的、更準確、更及時的數據，有利于企業挖掘商機取得競爭優勢。不過傳統管理會計系統基于內部統計數據和財務數據進行分析，在處理數據的效率和效果上，達不到大數據分析處理的要求。

(二)人工智能給管理會計帶來的影響

人工智能的本質是對人的思維的信息過程的模擬，人工智能技術的運用能夠代替人類進行各種技術工作和腦力勞動，在各行各業帶來巨大的宏觀效益，對會計行業而言，人工智能快速而強大的數據處理功能，提高了會計數據處理的效率，避免了人為失誤，提高了數據的準確度和及時性，提高了會計信息質量。目前人工智能在會計行業的運用更多的是財務會計的核算方面，財務會計的主要功能就是核算與監督，當財務會計的大部分工作量由人工智能替代以后，企業會計工作的中心更加向管理會計傾斜。在人工智能的應用下，管理會計要為企業科學制定短期經營決策和長期投資決策等發展戰略，為企業提供更高管理效益，管理會計人員在掌握會計知識的基礎上，必須能夠對經營數據進行動態分析。傳統管理會計運用的數據處理手段很難滿足人工智能環境下的會計質量要求。人工智能技術在核算和報銷環節目前已經廣泛應用，這種廣泛應用讓管理會計工作的重要性更加凸顯，人工智能在管理會計領域的應用還有更多的發展空間，企業需要把握人工智能技術在會計領域的發展趨勢，開發基于人工智能的管理會計信息處理系統，進一步提高管理會計的效率和效果，使管理會計為企業決策提供科學及時的指導。

(三)“互聯網+”給傳統管理會計帶來的影響

“互聯網+”技術的應用使得信息在業務處理過程中被全程、自動、實時收集成為可能，“互聯網+會計”實踐上就是業務活動與財務活動的交互運行，即目前熱門的業財融合，通過對業務過程產生的數據進行加工與轉換，形成會計數據庫，實時、精準與高效的融合業務層、資金層和數據層。資金流信息是按會計記賬規則自動下沉到數據庫，數據庫的信息收集自動完成所有的會計處理，財務完全融入業務，是業財融合發展的趨勢和目標。在此趨勢下，構建企業“業務管控平臺”將財務會計融入管理會計是會計應對信息技術挑戰的大的方向策略。優化管理會計信息系統，使之能夠達到業財合一甚至業財稅合一，完成信息的互聯、互通與共享是移動“互聯網+”對管理會計提出的新要求。

(四)云計算給傳統管理會計帶來的影響

云計算是一種包含了虛擬化技術動態可擴展的具有高度靈活性和可靠性的全新的網絡應用技術，通過云計算，可以在幾秒種完成數以萬計的數據處理，同時相對成本低廉，性價比高。云計算在會計領域的使用，改變了傳統會計的應用程序。對企業而言，云平臺的應用可以低價獲得海量信息，通過云計算，企業可以不必購買價格高昂的處理器就能取得有價值的財務和非財務信息，大大降低了數據處理成本，同時提高了信息獲取的效率。云計算在管理會計工作中的應用，提高了管理會計獲取信息的效率和效果，結合人工智能等技術的使用，提升了管理會計在管理流程優化、經營規劃，預測與長短期經營決策方面的及時性和準確性。

二、“大智移云”背景下財務會計的發展現狀和存在的問題

(一)人工智能在會計中的運用提高了財務會計人員的可替代性

財務機器人在會計行業的運用已成趨勢，智能財務、智能財稅的發展如火如荼，人工智能在財務會計中的應用有兩個突出的優勢：1.減少會計基礎核算工作的人工，節約人力成本和時間；2.提高了會計信息的準確性和及時性。財務機器人軟件通過編訂程序或者模板，將發票掃描后進行業務歸類然后自動生成憑證。隨著電子發票越來越普及，甚至可以達到一鍵生成憑證，無需掃描工作，主要的數據對接完全由電腦完成。

(二)財務會計不能很好地滿足企業內部需求

財務會計工作要根據會計準則進行，會計準則針對各行各業企業制定，就單個企業而言缺乏針對性，所以大多數情況下財務會計核算數據并不能直接滿足企業管理需求。

(三)財務會計信息在部門間溝通不順暢

第一，會計主體是企業，財務會計主體是企業整體，沒有分層，不能滿足企業不同層級不同部門的管理需求。第二，財務部門人員依據準則要求核算得出財務會計信息，其他沒有財務基礎部門人員，可能很難準確解讀和充分利用財務信息。

三、管理會計與財務會計融合的必要性與可行性研究

(一)管理會計與財務會計融合的必要性

隨著經濟的快速發展，“大智移云”的逐步應用，財務會計的基本職能是基于歷史成本法的核算與監督，關注過去時態，缺乏對未來的合理預測功能，同時對不同部門的績效評估效果不明顯，對企業決策的影響力有限，不足以幫助企業應對競爭激烈的市場。管理會計工作側重點是企業內部管理“內部會計”，工作時效包含過去、現在和未來時態的算“活賬”的“經營型會計”，是通過對財務信息和非財務信息的收集、加工處理，協助管理者完成企業經營過程的預測、決策、規劃、控制、責任考核評價等活動的一整套信息處理系統。在“大智移云”背景下，將管理會計與財務會計，“內賬”與“外賬”融合使用，可以幫助企業更好的適應經濟技術的發展和激烈的市場競爭環境。

(二)管理會計與財務會計融合的可行性

管理會計與財務會計同屬現代會計，是企業會計的兩大領域，兩者最終目標一致：確保企業資源收益最大化。管理會計和財務會計互享部分信息。管理會計與財務會計在實踐工作中，充分利用信息技術、網絡平臺做好信息共享，兩者的工作過程和成果就能相互補充、共同完善，實現交叉融合，更好的服務于企業經營管理。例如，針對企業現金流動問題，財務會計依據企業會計準則核算監督企業的現金流量，形成財務會計報告，為管理部門履行投資決策職責提供了必要的、重大的信息；在成本核算階段，管理會計與財務會計通過信息資源共享，科學合理選取符合企業實際情況的成本核算方法，更好的滿足企業管理和發展需要。

四、管理會計與財務會計有機融合發展情況

(一)管理會計與財務會計信息共享性有限

財務會計需要對企業外部利益相關者負責，工作依據是公認的會計原則，工作過程上有固定的會計循環程序，必須遵循企業會計準則，遵守相關法律法規，是公開信息、定量資料，對精確度和真實性的要求較高，有統一規定的載體。管理會計所依據的會計假設和原則不具有權威性，僅有指導性，工作程序性較差，沒有固定的工作程序，信息運用上定量資料和定性資料，因為涉及未來的信息，不要求過于精確，也不需要向社會公開發表，沒有統一規定的載體。這些原則、工作過程、信息規范要求的差異致使部分財務信息無法實現有效共享，對管理會計與財務會計的有機融合發展有所影響。

(二)會計人員素質無法有效協調

會計工作對從業人員的專業素質和道德素養都有較高要求，將管理會計與財務會計工作進行融合，對財務從業人員的專業技能、職業素養和綜合素質要求更高。在傳統的財務工作設定中，財務會計與管理會計分開設立，在管理會計與財務會計工作融合實踐中要重新設定崗位人員配置。目前我國會計人員總體職業表現參差不齊，會基礎簡單核算的人員過剩，而擅長管理會計、能參與管理決策的人員稀缺，會計人員素質還需進一步提升協調。

(三)財務系統模式尚未充分適應“大智移云”發展

在目前產業轉型升級的大背景下，經濟與技術的雙重發展，對企業的財務系統模式提出了更高的要求，也有不少企業引入現代化財務管理模式，建立運用“大智移云”技術的財務系統平臺，總的來說，我國目前的管理會計與財務會計的系統運行模式結合度不夠，從管理會計和財務會計融合運用的工作實踐來看，容易發生財務數據互享后，一方對另一方工作的過度依賴，現行財務系統模式下管理會計與財務會計的融合并未完全發揮雙方各自最大管理能效，未能達到成本上的一加一小于二和效果上的一加一大于二。

五、“大智移云”背景下管理會計與財務會計有機融合與創新發展

(一)充分利用“大智移云”技術，提高信息共享性

1.業財融合，注重原始數據信息管理。會計工作的數據信息來源于企業的經營業務。管理會計與財務會計工作的一致目的是實現企業資源收益最大化，盡管二者目標一致，但是傳統的管理會計與財務會計服務對象不同，信息來源也不完全相同，在數據采集方式和信息匯總形式上差別較大，要實現管理會計與財務會計工作的融合那么首先要統一管理會計與財務會計原始數據的來源。業財融合，通過業務數據下沉取得經營管理所需的管理與財務信息，業務層、資金層與數據層的融合可以為管理會計與財務會計提供統一的原始數據來源，促進管理會計與財務會計的有機融合。2.樹立大會計理念，建立信息化管理平臺。業財深度融合趨勢下，業務流、資金流與信息流三流合一，企業需要有將財務會計融入管理會計，將會計工作同步業務進行的大會計理念。構建企業“信息化業務管控平臺”，原始業務數據輸入經過信息化管理平臺識別、計算、分類、匯總，生成會計信息輸出，為企業決策提供真實、準確、及時的信息，業、財、管深度融合，提高企業智能化管理水平，提升企業競爭力。3.充分利用“大智移云”技術。目前“大智移云”技術已經在理論上可以實現資金流信息按會計記賬規則自動下沉到數據庫，在財務工作中運用計算機網絡技術，構建財務信息數據庫及數據資源共享平臺，通過數據平臺進行數據的傳輸、共享及儲存，減少重復勞動，避免人工核算錯誤，提高數據準確性和工作的效率效果。人工智能平臺技術的運用，將數據采集工作從線下轉移到線上，提高了原始數據的及時性、充分性與準確性。“大智移云”技術的應用，對管理會計和財務會計工作的有效融合提供了技術上的便利。4.進一步加強數據共享性。利用計算機技術編制管理會計與財務會計的信息目錄，在大數據背景下建立會計信息數據庫與數據管理系統，充分利用財務機器人、智能財稅等人工智能減少數據收集和憑證編制的工作量。要實現管理會計與財務會計工作的有機融合，需要提升數據的共享性，利用“大智移云”的發展，進一步完善管理會計與財務會計信息系統的對接，加大數據共享性，可降低企業信息收集整理成本，提高管理決策的全面性和準確性。

(二)全面提高會計人員素質

1.轉變會計人才培養目標。目前我國人力資源市場基本的財務會計已經飽和，而高級的財務人才和管理會計人員呈現緊缺，在“大智移云”背景下，業財融合是會計發展大趨勢，也是管理會計與財務會計有機的融合要求。“懂”業務、“會”技術成為時代對財務人員的基本要求。要達到“懂”業務，要求能夠通過會計的學習：掌握業務、掌握業務流程、掌握企業的商業運作模式和掌握企業的資金運動；要達到“會”技術，要求通過相關技術的學習掌握數據的挖掘與分析。因此，高校會計人才培養目標需要結合“大智移云”技術的發展進行調整。教與學的重心要從會計本身的技術處理轉向對業務及其資金運動的把控，就目前而言在開設“Excel數據處理與數據分析”課程的基礎上，可以安排財務專業學習數據庫技術、管理信息系統、C++語言、數據挖掘與開發技術等技術課程。2.會計人員自主提升綜合能力。首先，要轉變思維。傳統的會計的重心是記賬、算賬和報賬，在“大智移云”背景下，業財融合，管理會計與財務會計融合，會計的重心是業務，要樹立業務導向的思維。傳統的財務會計基本工作很多都由財務機器人代勞，從埋頭核算與記賬工作中解脫出來的財務人員要有業務導向思維，向管理人員的思維轉變，對接管理會計的思維體系。其次，要拓展業務能力。對傳統財務會計人員來說，在“大智移云”背景下會計關注的重心從會計本身的技術轉變到業務、業務流程和業務的資金運動處理上來。管理會計本就是內部經營管理會計，管理會計與財務會計有機融合，要求會計人員能夠制定科學合理的操作流程作為業務人員的經濟業務活動的指導。對傳統管理會計人員來說，管理會計報告的財務數據很多基于財務會計報告，財務會計知識要扎實，在“大智移云”背景下，目前處于供給側結構性改革階段，管理會計不能只拘泥于企業內部管理的范疇，要關注企業戰略、產業鏈等，同時也需要關注宏觀經濟形勢、企業外部市場環境、競爭對手情況等方面，形成比較全面的戰略管理體系。在管理會計與財務有機融合的情況下，會計人員有業務基礎，能夠搭建合理的企業戰略體系，有助于企業在產業轉型階段取得競爭優勢。最后，要提升信息化技能。在大數據時代，財務信息化、管理信息化應用已經日趨成熟，數據處理系統的運用可以高效的處理會計信息核算，相對于人工核算也避免了人為錯誤，提高了核算準確率，大量的節約了時間和減少了勞動力耗費。市場情況瞬息萬變，會計信息質量要求具備及時性，有用是數據需要及時的處理，為管理決策所用，所以在管理會計和財務會計融合背景下，會計人員必須要熟悉相關數據處理系統，熟練掌握系統的操作規程，有效利用系統快速完成數據分析，為企業發展把握良機。

(三)構建新的會計報告體系

第8篇：人工智能課程學習報告范文

在人類發展史上，工業革命是社會發展的根本推動力量。自18世紀以來，人類社會經歷了三次重要的工業革命。工業革命不僅能夠促進生產力的提高，在工業化進程中，國家的經濟結構、教育體系、勞動力結構、公民生活方式等都會發生重大變化。因此，工業革命的發生和推進對于以培養勞動力市場所需人才為主要職能的職業教育具有重要影響，18世紀以來人類社會整個工業化過程的推進伴隨著職業教育總體規模的擴張和職業教育體系的完善（張原，2012）。自進入2010年以來，關于第四次工業革命的呼聲日益高漲，2013年 4 月，“工業4.0”的概念第一次在德國漢諾威工業博覽會上提出，2016年1月，在瑞士達沃斯召開的世界經濟論壇把“第四次工業革命對人類社會的影響”作為會議主題，并題為《第四次工業革命：未來的就業、技能和勞動力戰略》的報告。報告提出，目前，世界正在進入第四次工業革命開始階段。基因學、人工智能、機器人、納米技術、3D打印和生物技術的發展預示著人類社會正在經歷一場涉及所有領域的深刻革命。而隨著整個工業體系的調整，大部分職業及其需要的技能也將經歷根本性轉型。因此，第四次工業革命不僅是一場以技術革新為特征的工業革命，其更是對未來工作、技能和教育根本性變革的源動力。從這一角度出發，職業教育與培訓體系必須盡快作出相應變革，培養適應新技術革命所需的技術技能人才。

首先，加快培養適應新興制造業發展需要的高端技術技能人才。智能化生產是第四次科技革命的根本特征，機器人與人工智能的應用將給傳統制造業帶來翻天覆地的變化，其可以把工人從程序化的操作中解放出來，將精力集中在創新和增值業務上。因此，職業教育必須加強專業更新和層次發展，更加重視培養學習者的創新技能和素養，以加快培養智能制造、3D生產等新興制造業發展需要的高端技術技能人才。

其次，建立終身化的培訓體系，加強對現有工人的技能提升培訓。越來越多新技術的應用，將會導致就業市場日益分化，出現低技能、低收入和高技能、高收入兩個極端。在這一背景下，沒有專業技術的勞動力找工作會越來越困難，需要中低等技術行業的就業機會也會減少，新興工業革命還會削減新興市場廉價勞動力的優勢。因此，走向終身化、全民化是職業教育與培訓體系發展的必然趨勢，以加強對那些被排擠出就業市場人的再培訓。

第三，改革職業教育與培訓體系的課程設置和內容體系，重視培養學習者適應勞動力市場變化的通識性或穩定性職業能力（skills stability）。從以前工業革命的經驗看，構建起新型工業發展需要的培訓體系和勞動力市場機構往往需要幾十年的時間，而第四次工業革命的一個顯著特征就是技術變化的快速性。在這一背景下，職業教育與培訓體系必須重視培養學習者跨行業的通用職業技能和能力，如終身學習能力、創新能力、解決問題能力、跨學科思維能力、重視環境友好的綠色工作技能等。同時，更加重視學習者的工作場所學習，培養其嚴謹的工作精神和實踐技能。

第9篇：人工智能課程學習報告范文

關鍵詞：財務共享；會計專業；人才培養模式

0前言

隨著大數據、云計算、人工智能等新興科技的迅速發展，財務共享服務作為一種工具、一種手段，對企業的財務管理產生了顛覆性變化。財務共享服務中心就是近年來出現并流行起來的會計報告業務管理方式，它是依托信息技術，將不同國家、不同區域的實體的會計業務有效整合后放到一個共享服務中心來記賬和報告。財務共享的優勢是不僅保證會計核算的高專業化、標準化，而且還提高企業財務數據的處理效率，節省較大的人工與系統成本。自1999年摩托羅拉在天津建立亞洲結算中心以來，越來越多的中國企業開始財務共享服務領域的探索。面對如此情形，高職院校傳統的會計人才培養模式亟須轉型，探究適合財務共享背景下企業對會計人才的需求從而適時調整人才培養方案，從培養目標更新、課程體系重構、教學方法改革、師資隊伍建設等方面著手改革[1]，為推動高職會計人才培養的轉型升級提供一些思路。

1財務共享對傳統會計的沖擊

1.1業財融合化

在財務共享趨勢下，業財深度融合得到進一步體現，財務定位從簡單記賬到決策支持，財務與業務部門的聯系與合作更加密切。在財務共享服務中心，業務流程的標準化設置要求財務人員主動融入業務部門，對業務流程、信息系統進行規范與再造，使得業務內容和現金流在共享中心模式下更為清晰，提升財務管理的廣度與深度，加深業財融合程度，也加強企業全面管理，專注于創造價值和風險控制，有助于企業管理者全面了解企業的經營狀況[2]。

1.2崗位復合化

財務共享使得傳統會計工作模式發生了巨大改變，基于流程再造和IT系統整理，大量重復性、可操作的業務被機器人替代，財務人員也從大量低附加值的基礎核算工作中解脫出來，一些傳統的會計崗位在逐漸被替代；但與此同時，業務型財務、戰略型財務等復合型人才被廣泛需要，大數據分析師、戰略規劃師等一些新興會計職業崗位應運而生。新興會計職業崗位要求會計人員具備較強的綜合能力，不僅要會生成會計信息，還要具備戰略思維、分析和決策能力，能站在戰略高度以全局性的視角提供決策支持服務，進而實現財務為企業增加價值的目標。

1.3服務自動化

隨著人工智能技術的逐漸成熟，共享服務的處理流程逐漸向自動化的方向發展。以德勤財務機器人為例，它不僅能以集中或遠程采集模式，對票據進行掃描、分類，采集錄入信息、合并和匯總各項財務數據，并且能在既定的業務邏輯基礎上對各自動化財務流程進行判斷、識別、管理和監控[3]，且準確性和工作效率極高。在未來幾年內，對財務共享中心來說，很大程度上也會變成財務的自動化工廠，而對企業而言，財務共享會根據各自不同的需求向更為柔性化的方向發展。

1.4系統集成化

財務共享中心并沒有單獨剝離出來運營，而是與企業內部人力資源、信息中心等多個部門進行的多門類融合開展，協調企業內系統和企業外系統的工作，依托信息技術對財務數據進行處理，將原本分散的財務信息進行高度集中、系統的處理，會計人員的業務處理和協調能力更高，工作效率得到大幅度提升；同時，財務共享中心的服務正在延伸至更高價值及更多服務中，從而使企業發展過程中的多業務處理成為可能。

2財務共享背景下會計專業人才應具備的能力

財務共享模式的出現和發展，規范業務處理流程和方式，促使業務和財務的融合，傳統會計崗位人才需求大幅減少，企業中原有從事大量簡單操作性技能人才已逐漸被淘汰，通過調研，發現企業對會計崗位人員的需求主要體現在以下幾個方面：

2.1更系統的財務專業技能

財務共享模式下，企業能將標準化、規范化的業務流程進行集中處理，財務人員的分工界限愈趨明顯，少數基層財務人員甚至是財務機器人即可完成大量基礎性數據錄入、會計核算等工作，而能對業務流程進行改進、優化，進行事前預測、績效評價，并對企業行動提供決策支持等工作則需專業知識結構較為完整、經驗豐富的財務人員才可勝任。而且對系統能掌握成本控制、財務分析、全面預算決策以及風險管理等知識的財務人員目前市場上非常緊缺。

2.2更全面的業財融合能力

隨著業財融合理念的不斷深入，知識結構單一的財務人員已不適應新的會計職業崗位要求，精通業務財務的復合型人才備受青睞。在財務共享模式下，基礎財務核算工作均由共享中心按標準化的流程處理，使得財務人員有精力投入業務財務工作中，更好地服務業務部門，積極向企業采購、生產、銷售、投融資等領域滲透，為決策者提供有用的業務、財務相關信息；同時也要從業務的角度幫助他們發現、分析并解決問題[4]，財務人員還應掌握計算機、統計學、管理學、市場營銷、金融學等方面的知識，尤其是數據挖掘、數據分析方面的知識，從而實現財務人員的技能從專業性向戰略性轉變。

2.3更強的團隊協作能力

財務共享中心的建立將財務人員從繁重的日常會計核算中解放出來，要求更多地與業務部門融合，為企業經營決策提供服務，實現業財一體化發展；同時，企業所處的外部環境也隨著經濟社會的快速發展而變得日趨復雜，經營活動和交易形式呈現多樣化發展，這就要求財務人員具備較強的應變能力和團隊協調、溝通能力，能處理好公司各相關部門、人員間的關系，以應對企業內部和市場外部的變化，為高效率財務工作提供保障。

3高職院校會計專業人才培養現狀及存在的問題

目前，雖然大部分的高職院校都陸續在進行不同程度的教學改革，無論是教學形式還是教學方法都有所突破，但對財務共享服務等相關產業的人才培養仍較為稀缺，不能滿足社會的需要，體現自身的價值，具體來看，現行人才培養方案主要存在如下的問題：

3.1人才培養目標與社會相脫離

隨著大數據、人工智能等新興技術的出現，財務共享模式被越來越多的企業所采用，原本注重核算型的財務人員，需逐漸向決策型、管理型轉變。而現階段，高職院校仍注重的是培養會計核算、報表編制等傳統的會計工作，培養目標以核算能力為主，忽視新技術、新平臺以及互聯網等的深度發展，缺乏對業財一體化、財務共享、智能財務等行業最前沿知識的深度了解，與企業所需的創新型、復合型會計人才存在較大的差距。

3.2課程體系設置難以匹配企業需求

財務共享模式不僅從知識結構方面打破傳統的各個專業之間的界限，而且在技能要求方面也突破軟件間的操作層面，從而對人才培養提出更高的要求。但目前高職院校會計專業在課程體系上仍偏重于傳統會計專業課程設置，如財務會計、成本會計、財務管理、會計電算化等，很少涉及市場上已開始推廣的財務共享服務、財務機器人等行業前沿知識，缺乏戰略管理、風險控制、績效評價等高級技能培養方面的課程；同時也缺少大數據、人工智能、人際關系管理等方面的課程，不利于培養學生的創新意識和團隊協作精神，不足以支撐復合型會計人才的培養。

3.3教學方法運用難以達到預期效果

傳統的會計專業教學手段比較單一，教學方法多為“教師講、學生聽、課后做”的單向輸入方式，雖然部分課程也有學生實際動手操作，但仍避免不了教師單向灌輸、學生被動接受的局面，沒有體現以學生為中心的教學理念。從教學手段看，多媒體網絡以及線上課程資源在一定程度上搭建知識存儲、交流的平臺，有助于提升學生的學習效率，也增強課堂學習效果。但在財務共享背景下，更重要的是培養學生系統性、戰略性的思維，“畫流程、講方案”等與實務零距離的知識需充分激發學生的主動性與參與性，從而培養學生的戰略管理思維和風險識別能力。

3.4教學軟、硬件更新落后于社會發展

隨著信息技術的更新迭代，實務中的會計崗位發生巨大的變化，由于教學經費、社會資源等方面的限制，很多高職院校的教學軟、硬件更新速度遠跟不上社會發展的步伐，與實務偏離較大。針對新出現的財務共享服務，很少有院校開設財務共享有關的課程，即使開設相關課程，通過教師講解，學習一定的理論知識，進行一定程度的仿真實訓模擬，但與會計實務還有很大差距，如何讓學生在真實的業務環境中進行學習、實訓、實習，是當下會計專業需解決的一大問題。

3.5師資隊伍力量薄弱

高職院校教師的理論水平毋庸置疑，但財務共享屬于當下會計領域的新技術、新思路，多數教師并無財務共享企業實習、工作的經歷，導致其相關技能掌握欠缺，實踐操作多為紙上談兵，無法將財務共享的理念、實務中具體運作模式、能力需求等傳授給學生，使得學生的綜合業務能力無法得到有效提升，就業結構性矛盾在學習的過程即已顯現。

4高職院校會計專業人才培養方案優化建議

4.1更新人才培養目標

在財務共享背景下，高職院校應重新定位會計專業人才培養目標，融入財務共享的技術、理念，打造多學科交叉融合的復合型會計專業人才，使得人才輸出能滿足企業的實際需求，解決人才供給不足的問題。在人才培養模式上，要充分研究財務共享帶來的企業財務工作模式的轉變，以及隨之而來的財務人員知識結構和操作技能等方面的需求的變化，制訂符合市場需求的人才培養方案，以轉變教育理念為根本目標，通過開設新專業、優化課程體系、推動三教改革、加深校企合作等方面進行完善會計專業人才培養方案；同時還應結合課程思政，注重學生素質目標的培養，樹立良好的會計職業操守以及正確的世界觀、人生觀、價值觀是當代青年人才必不可缺的要素。

4.2優化課程體系設置

隨著財務共享的逐漸深入，高職院校應整合會計專業課程體系，彌補現有體系中對財務共享知識滲透與融合不足的現狀。在具體做法上，一是適當刪減會計核算、會計電算化、納稅申報等基礎類核算課程的課時或學分；二是新增財務共享相關課程，如財務共享服務、財務機器人、戰略管理、風險管理等，注意加強云財務與內部控制等方面的教育；三是新增跨專業設置課程，如大數據應用、Python、C++等信息統計管理類課程，以及人際關系溝通方面的課程，培養學生創新創業思維以及團隊合作精神；同時，也可增設“1+X”證書考核相關課程，實現學生畢業后與企業崗位職業做到“無縫對接”。

4.3推動三教改革

4.3.1提升教師隊伍建設

打造既懂理論又懂實踐的“雙師型”教師是職業教育有關教師隊伍建設提出的指示，因此，高職院校應多鼓勵專職教師通過不定期的實習或掛職鍛煉，深入行業一線，提升自身專業知識和技能水平，使專業教學活動更好地與實務項結合；同時通過與行業企業雙向交流協作等方式，加強與實務界的聯系，甚至鼓勵教師和企業合作開發新技術、新產品，提高教師實踐能力和產、學、研合作水平，培養教師的技術研發與服務能力，并將其運用到教學過程中，打造高質量、高水平的教育教學團隊。

4.3.2推進教材改革

近幾年，會計準則以及稅法相關政策變化較大，同時由于人工智能、大數據技術的迅速發展，導致大量的教材更新速度趕不上行業變化的速度，因此高職院校應鼓勵開發本校適用的教材，靈活選用工作手冊式、活頁式等多種形式的教材，結合實訓軟件的使用，填充課堂教學；同時，根據會計崗位需求的前沿趨勢，鼓勵教師自編或與企業共同編寫能體現新技術、新方法、新規范的教材，從而促進人才培養方案的完善。

4.3.3改進教學方法

首先，應避免傳統的“滿堂灌”教學模式，采用行動導向的項目式教學方法，以學生為中心，無論是課前、課中還是課后，都要充分激發和調動學生的主動性，使學生對學習的知識和技能做到融會貫通、活學活用；其次，充分利用實訓軟件、慕課、微課等教學資源，通過線上、線下相結合的方式，將碎片化知識串聯起來，多方面提高學生的專業知識和技能水平；再者，還要注重實踐教學，訓練學生實際動手能力以及信息收集、整理、分析和判斷能力，幫助學生更好地學以致用。

4.4加深校企合作

為了提高人才培養質量，發揮高職院校實踐教學的特點，應積極推動校企合作，著力打造校內、校外實踐基地。學生在校內學到的理論知識可通過實踐基地的實務操作得到檢驗，從而發現自身的不足和有待提升之處，有效地掌握相關技能。校外實習基地可為學生提供頂崗實習的機會，為學生就業打下良好基礎；同時，通過校企深度合作，聘請企業專家實踐教學，將最前沿的財務共享模式下實務操作引入課程中，培養學生靈活解決問題的能力。甚至還可校企共同開發財務共享相關教學軟件，既可推動教學設施的更新換代，也可在一定程度上降低企業教學軟件的開發成本，從而促進產、教融合，提升高職院校會計專業人才的培養質量。

參考文獻

[1]胡立貴.財務共享環境下高校“業財融合”人才培養模式研究[J].經濟研究導刊，2020（12）：118-119.

[2]周曉慧.智能財務時代高職會計人才培養改革探討[J].當代會計，2020（12）：16-19.

[3]郭尚君.芻議財務智能化趨勢與高職財務人才培養[J].現代營銷，2020（11）：8-9.

人工智能課程學習報告精選(九篇)

第1篇：人工智能課程學習報告范文

第2篇：人工智能課程學習報告范文

第3篇：人工智能課程學習報告范文

第4篇：人工智能課程學習報告范文

第5篇：人工智能課程學習報告范文

第6篇：人工智能課程學習報告范文

第7篇：人工智能課程學習報告范文

第8篇：人工智能課程學習報告范文

第9篇：人工智能課程學習報告范文

相關熱門標簽

相關文章閱讀

相關期刊推薦

透析與人工器官

人工智能

人工晶體學報

人工智能法學研究

模式識別與人工智能

精選范文推薦