新经管下的人工智能专业课程群研究

［摘 要］ 研究分析智慧金融、数字经济对传统财经类人才培养提出的新方向、新要求，拓展人工智能学科专业的内涵和建设重点，研究人工智能+金融、人工智能+管理、人工智能+经济等新课程体系和教学内容，形成“人工智能+新经管”课程群。课程群融合人工智能两大类方法，提供从信号层到数据层基础性工程知识和能力，贯通信息从采集、存储到分析、预测的全过程，满足解决人工智能复杂工程问题能力培养的需求，课程群具有厚基础、重应用、相融合的特点。

［关键词］ 人工智能；人才培养；课程群建设；新经管

［基金项目］ 2019年度安徽省省级质量工程“电子信息卓越工程师培育计划”（2019zyrc046）；2019年度安徽省省级质量工程“频繁模式下智慧课堂知识点学习轨迹研究”（2019jyxm0191）

［作者简介］ 周 健（1979—），男，安徽凤阳人，博士，安徽财经大学管理科学与工程学院教授，博士后，主要从事虚拟仿真实验和人工智能课程群研究。

［中图分类号］ G642.3 ［文献标识码］ A ［文章编号］ 1674-9324（2024）06-0066-04 ［收稿日期］ 2022-12-22

随着智能设备的广泛部署，互联网和大数据的快速发展，以及蓬勃兴起的5G通信，深刻改变了包括商业模式在内的生产和生活方式，也导致经济社会对于人才需求的巨大变化［1］。经济管理类专业的人才培养也要顺应这一变化趋势，为新时代发展培养新型经管人才。为主动应对新一轮科技革命与产业变革，支撑服务创新驱动发展、“中国制造2025”等一系列国家战略，新经管建设包括新的课程体系，课程设置必须进行调整［2］，融合构建面向智能传感、移动通信、互联网、大数据等教学新内容，建立和推动智能金融人才培养［3］。围绕新一代人工智能关键算法、硬件和系统等，将机器学习、计算机视觉、知识计算、深度推理、群智计算、混合智能、无人系统、虚拟现实、自然语言理解、智能芯片等核心关键学科与金融学、管理学、经济学等进行融合嫁接，形成复合型课程［4］。

一、人才培养目标

面向未来技术和产业发展的新趋势和新要求，解析财经类院校人工智能人才培养面临的新挑战、新机遇、新目标和新要求。依托财经类优势学科，发挥人工智能高融合、深嫁接、宽方向的特点。

人工智能专业是典型的主流新型信息学科，是融合了计算机科学、电子技术、控制科学等现代技术进行智能感知、获取、传输、分析、决策、集成、应用的学科，主要研究智能数据的获取与处理，智能系统的设计、开发、应用和集成。新一代信息技术依托智能工程发展，如智能手机、智能传感器、智能机器人、无人机、无人汽车、5G高速移动网、高清数字视频等。智能科学与技术专业具有综合性、系统性、软硬结合、宽口径、重实验的特点，是信息技术专业群中的前瞻性和复合型专业，能够对新经管的建设提供强有力的支撑［5］。

培养目标旨在进行人工智能高层次应用型复合型人才培养模式方面的综合改革和全校新经管通识课程建设，充分考虑智能科学与技术的特殊性和对人才需求的多样性，在教学理念、管理机制等方面进行创新，采取多种方式培养人工智能专业高层次应用型复合人才，建设服务新经管知识支撑平台，努力形成有利于智能科学与技术高层次应用型复合人才成长的培养体系和面向智能大数据分析课程，切合学院“既懂技术的管理者，又懂管理的工程师”人才培养目标，服务学校新经管建设目标［6］，如图1所示，主要培养具有扎实理论基础、较强的创新创业能力，在“互联网+智能制造”与智能商务领域具有较强的实践动手能力、适应社会和行业发展需要的高层次应用型复合人才。

二、课程架构

人工智能课程内容源于人工智能课程的研究方向。根据人工智能的研究方向可将人工智能的课程内容分为三个方向［7］。符号学派的知识工程、搜索引擎、逻辑推理、专家系统等，通过数理逻辑来模拟智能；连接学派的脑科学、认知科学、机器学习、神经网络、向量机等；仿生学派的仿生学、遗传学、群体智能、机器人、虚拟现实等，如图2所示。鉴于课程培养目标是将人工智能的方法学应用于金融、经济等领域，上述领域主要处理的是数据形式及契合符号学派的内涵，因此在课程内容选择上以符号学派的课程为主体，涵盖连接学派的主要课程，选择性地讲述仿生学派的基础课程。

课程体系分为五个层次，在专业课程体系上，形成以智能大数据分析和嵌入式智能开发为核心的课程体系。理论课程体系包括公共基础课、学科基础课、专业核心课、专业拓展课和公共选修课。学科基础课有“电路与模拟电子技术”“程序设计语言”“计算机网络”“微机原理”“金融学”“计量经济学”“管理信息系统”“人工智能语言”等，强化了人工智能基础课程和经管类定量分析类课程的融合［8］。专业核心课程有“人工智能”“通信原理”“信号系统分析”“数据库”“数据挖掘”“WEB数据库系统”“机器学习”“深度学习与神经网络”“大数据分析”“投资量化分析”“金融科技”等，强调了人工智能方法学在大数据科学中的应用。专业方向课程有“智能信息系统”“商务智能系统设计”“图像处理与机器视觉”“语音信号处理”“区块链与移动支付”“金融大数据分析”等，聚焦了某个行业的综合系统。以“电路与模拟电子技术”“数字电子技术”“通信原理”“数字信号处理”“信号系统”“数据结构”“数据库理论”“人工智能”“机器学习”形成考研课程体系，注重理论学习。以“单片机”“可编程控制器”“智能传感器与移动无线网络”“机器学习与模式识别”“图像处理与机器视觉”“机器人”“嵌入式开发”“大数据与Python”“智能控制电子综合实训”形成智能控制课程体系，结合学科竞赛，注重实践设计学习。以人工智能、机器学习、神经网络和深度学习、WEB数据库、数据挖掘、智能商务系统设计、区块链与移动支付、金融大数据分析，构建金融、经济和管理领域的大数据领域分析专业人才。

三、课程体系

培养方案以数据的智能采集、存储、传输和使用分为四个流程和模块，通过不断丰富和优化，突出数据智能存储和数据智能分析两个重点模块，涵盖数据智能采集和数据智能传输两个不可或缺的模块，使得培养人才具有完整、丰富和可延展的数据智能处理流程知识［9］。

以三类语言贯通课程体系推动课程的衔接，满足学生的不同层次和目标需求，如图3所示。底层学习信号层语言，如C、C++、ML、ARM、Thumb，对应信号和平台类课程，如“计算机网络与无线通信”“现代通信原理”“信号系统分析”“智能终端技术”“智能系统开发”“操作系统”“微机原理”“无人机”等，使得学生具备基本、核心、可延展的智能硬件基础知识；中层学习数据层语言，如Java、HTML、XML、Perl、Shell、SQL、Query、C#、UML、SPSS，对应数据类课程，如“数据仓库与数据挖掘”“大数据与领域建模”“数据库”“WEB数据库”“数据结构与算法分析”“数据可视化技术”“软件工程”“区块链与电子货币”等，使得学生具有全面、完整、丰富的数据处理知识；高层学习人工智能语言，如Python、List、Prolog、Matlab、R，对应人工智能方法学类课程，如“机器学习”“神经网络”“模式识别”“数字图像处理”“语音智能识别”“智能商务系统”“互联网金融”“金融数据分析”等，使得学生具有精细、特色、超前的人工智能方法学知识和技能。

数理基础课包括“大学物理”“电路分析”“随机过程”“运筹学”“博弈论”等；语言设计类课程包括“程序设计语言”“面向对象语言”“人工智能语言”“关系查询语言”“WEB系统开发语言”“微机原理与汇编语言”“解释性语言”“智能仿真语言”等。数据智能采集类包括智能终端技术、信号系统分析、语音信号处理、数字图像处理、传感器原理、数字电子技术、智能识别技术等；数据的智能存储包括数据结构与算法分析、数据库原理、管理信息系统、数据挖掘与数据仓库、WEB数据库系统、区块链与电子货币；数据智能传输涉及计算机网络、现代通信原理、无线通信、互联网金融；数据智能方法包括人工智能、机器学习、神经网络与深度学习、大数据与领域建模、商务智能系统、数据可视化技术等。数据智能应用背景类课程包括“计量经济学”“金融学”“证券投资学”等［10］。在各类课程群的学分所占比例中，76%为数据智能处理类课程，其中数据智能方法类课程和语言类课程占比41%，强化了人工智能方法学在经管领域数据处理中的应用。

课程体系主要以6门人工智能专业核心课程为基础，以智能嵌入式编程和智能商务应用为方向，依托智能车、智能芯片和电子设计学科竞赛，围绕信号、数据、信息三个层面的采集、处理、分析、优化、可视、应用等环节设置课程体系，与区域行业标杆企业进行联合，重点培养学生从事智能商务数据分析和智能信息系统等人工智能+经管工程领域的设计、研究、开发和管理的综合能力。同时，依托本专业较高的考研率，瞄准国内一流研究生学科定点输送拔尖人才。人才培养计划能够为人工智能专业学生打下良好的专业基础和综合素养，满足社会、行业、研究所、高校等单位的发展需求。

结语

基于金融大数据、移动支付系统、虚拟货币等，构建符合本科专业培养的智慧金融系列课程；基于银行、证券、网络等金融数据，利用深度学习等核心智能技术进行挖掘与分析，构建基于行业与领域的复杂金融预测系列课程；基于金融大数据的空间属性、时间属性及个体行为属性，利用知识图谱、推理计算等模型，构建金融风险防控、信用评估、态势演化等教学典型案例；基于现代金融交易需求，设计将互联网、终端设备、金融机构有效地联合起来的移动支付系统；在区块链的基础上，研究无现金时代的无可信中心虚拟货币系统的发展。上述设计方案还存在一些问题，下一步工作中将持续完善财经类学校人工智能培养方案。

参考文献

［1］姚天冲，杨世照.人工智能视域下的高校文科教育发展思考［J］.大学教育，2021（8）：91-94.

［2］吴淑娟，吴海民.我国智能人才需求预测研究［J］.大学教育，2020（4）：29-31+55.

［3］黄河燕.新工科背景下人工智能专业人才培养的认识与思考［J］.中国大学教学，2019（2）：20-25.

［4］欧先锋，张国云，何伟，等.新工科背景下电子信息工程专业人才培养研究［J］.成都工业学院学报，2019，22（1）：94-97.

［5］雷玉霞，赵景秀，李光顺.“新工科”背景下人工智能专业课程体系的构建［J］.教育进展，2019（2）：77-81.

［6］李祥，陈凤.国际人工智能教育研究的进展及其对专业人才培养的启示［J］.黑龙江高教研究，2020，38（4）：79-86.

［7］季波，李魏，吕薇，等.人工智能本科人才培养的美国经验与启示：以卡内基梅隆大学为例［J］.高等工程教育研究，2019（6）：194-200.

［8］彭德巍.人工智能课程实验案例研究与实践［J］.大学教育，2021（2）：71-74.

［9］沈南燕，李静，刘丽兰，等.面向智能制造的卓越工程师计划实践课程标准探索［J］.大学教育，2019（11）：1-4.

［10］刘源.互联网金融对高校金融教育影响的SWOT分析［J］.大学教育，2017（10）：8-10.

Research on Artificial Intelligence Curriculum Group under New Economic and Management Education

ZHOU Jian， WU Yue， DUAN Kai-yu， WU Hao

（School of Management Science and Engineering， Anhui University of Finance & Economics， Bengbu， Anhui 233030， China）