ZNAI-Y03R型人工智能大数据云计算产业学院建设方案

一、建设目标

校企合作建设综合产教融合、人才培养、项目应用、就业实训、师资建设等能力的一体化产业实训基地，基地以学校为核心，整合多方资源，搭建产业人才流动的桥梁。基地结合大数据、人工智能、云计算、工业软件开发等专业特点，配套适应产业广度和深度的课程体系、实训资源，构建应用于全学院的产业基地，打造一支教学、高技能水平领先、具有国内引领和示范作用的国家级、省级专业团队。

1、建设适配各类信息类专业，融合信息技术应用创新产业的综合教学服务平台

2、建设适应现代化信息产业的课程体系和教学实训资源，培养复合型技能人才

3、促进产教融合，建设校企协同实训就业平台，推进校企深度合作

4、建立产业创新创业基地，赋能企业转型，服务产业升级

5、完善信息类竞赛软硬能力，以赛促学，以赛促教

二、建设内容

1、基于产教融合模式下的教学内容优化

为适应时代发展，提高高职类院校整体教学水平，发展新兴信息技术，适应时代的发展，建设以新兴现代化技术为核心的专业内容，需基于现有课程体系，将新技术纳入课程内容，适度增加人工智能、大数据、云计算、工业软件开发等一系列课程。

1）与大数据产业结合，构建大数据方向课程

2）以人工智能产业为核心，建设人工智能方向课程

3）以云企业应用为核心，构建云计算实践课程建设

4）以工业产业应用为核心，构建工业软件开发课程建设

2、完善并建设高水平优质现代化课程资源服务

整合学院各方优势资源，服务大数据、人工智能、云计算、工业软件等行业，全面提升专业教学资源库的质量，使之成为集专业教学、行业企业员工技能提升、就业创业者培训和社会学习者自主学习等功能于一体的共享型、实用型、友好型、领先型、持续性的优质资源库。

1）校企合作，建设精品课程

2）以行业标准为导向，校企共建实训就业课程

3）基于专业群教学资源库，推进信息化教学应用

4）特色课定制开发

3、建设实训就业与应用基地，匹配岗位技能

1）校内实训基地建设

按照以大数据、云计算、人工智能、工业软件开发四大学科和为核心，同时关注新技术应用和学生的个性发展，与新一代信息技术的“大云智”领域优质企业协同打造与行业技术发展同步的，集教学、应用、生产、培训、就业为一体的，由基础教学实训基地、产教融合实训基地、就业实训基地组成的，支撑专业群分向培养的校内产教融合型、体化多功能校内实训基地。

2）完善校内大学生素质教育硬件环境

4、打造高水平师资队伍

1）师德师风建设

落实全国高校思想工作会议精神，坚持教书和育人相统一、言教和身教相统一、潜心问道和关注社会相统一、学术自由和学术规范相统一，引导广大教师以德立身、以德立学、以德施教。

2）引进与培养专业（群）带头人、骨干教师

3）校企双主体合作育人的教学团队建设

4）教师信息化水平提升

5、建设以赛促学，以赛促教培养模式

随着产业转型升级与发展，企业对人才的需求也发生了转变，通过以赛促学，以赛促教的培养模式，将知识转化为直观的、可操作的、有趣味的实践内容，学生的长处及潜能得到充分的挖掘与发挥，促进学生的实践与创新能力，才能培养出适应现代企业需求的人才。

1）建设可支持跨专业的综合性竞赛演练实训室

2）以大赛为契机，加强校企合作，共建实训基地

3）以竞赛为契机，建立资源与网络共享的实训基地

6、1+X证书制度的职业教育建设

要面向快速变化的产业结构和经济形态推进多元协同育人，有针对性地加大与行业企业的合作，校企合作共同研制职业技能等级证书及其等级标准，全面促进学历证书和职业技能等级证书的有机融合。面向高质量发展和高品质学习构建新职业教育质量观，要促进学生个性发展与全面发展相统一，调和合格性评价与等级性评价间的矛盾，要推动职业教育评价走向发展性评价；要转变评价模式，增强评价主体的专业性，激活行业企业、第三方评价机构等参与评价的活力；主动推进人才培养供给侧结构性改革，围绕高水平办学、高品质合作、高质量就业寻求多元办学力量的支持，形成职业教育命运共同体，全面提升人才培养质量。

三、方案的优势

1）以学以致用为导向，提供的资源全部开源加上详细教学指导，帮助高校用户，把人工智能、大数据、云计算、工业软件开发技术真正的用起来的，所见即所得，而不是仅仅停留在理论层面，提供体系化的课程资源及配套服务；

2）课程方面讲横向竞争力和纵向竞争力（横向竞争力，我们针对同一知识点提供多场景案例资源及数据，例如，贝叶斯分类器，老师可以用我们提供的资源中的垃圾邮件分类来授课，可以让学生用手势识别来练习或作业，另外，环境中我们也内置了针对这个知识点不同场景的数据，这样有助于学生对这个知识点掌握更深刻；纵向竞争力，讲的是我们的课程设计从简到难，循序渐进，从基础知识到调用式应用，再到当下代表先进生产力的算法资源）。

3）行业应用场景与学习结合，将各行各业的行业应用进行教学化拆分，按照所学的每个知识点进行匹配组合，可满足实战化应用场景的教与学。

4）可以为有诉求的高校用户提供课题、基金等项目的技术及资源支持。

5）可以为高校师生提供大厂资源及就业实训岗位对接；

6）实现了云平台与硬件的技术打通后，在教学场景下，可以实现虚拟机操作-3D虚拟仿真实现-机器人等硬件执行，可以让学生学习完后，就完成了人工智能、大数据、云计算、工业软件开发，所见即所得；实训应用场景下，可以帮助用户提高应用效率，通过云平台在GPU服务器上训练模型，然后下发给机器人等硬件执行，最后将采集的数据回传到云平台做先一步的实训或应用展示，全流程打通帮助用户完成应用创新工作。

系统在底层为用户提供了GPU虚拟化技术，可以最大层次的提高资源的使用率。

当前GPU设备价格昂贵，学校部署深度学习平台通常不能保证每个学生独立使用一块显卡，通常的方案都是通过容器授权学生服务器资源。为了提高系统GPU硬件资源的利用率，支持多人使用一块GPU进行模型训练的方案，可以实现在单张显卡上运行多个容器，并在多个容器间隔离GPU。GPU虚拟化技术不仅降低了平台的硬件成本，同时也避免了GPU的资源浪费。支持分布式集群计算，提供高性能算力，可支持多用户高并发运行，能够高速处理大体量的数据，提供高效能GPU算力分配解决方案，运行环境安全可靠，开放性好、兼容性强、具有强大的工作负载能力及可伸缩性。