人工智能是涵盖数学、计算机科学、神经认知理论等跨专业知识点的交叉学科，在新一代智能化社会革命中扮演着至关重要的角色。2018年4月，教育部印发了《高等学校人工智能创新行动计划》，提出加快构建高校新一代人工智能领域人才培养体系和科技创新体系的要求。然而，与人工智能领域人才紧缺形成鲜明对比的是，高校的相关课程体系建设进展则相对滞后。传统的课堂教学手段偏重理论教授，内容抽象，学生往往意兴阑珊，获得感低，甚至产生理论与实践的脱节感。为此，我们依托教育部产学合作协同育人项目，借助百度飞桨强大的平台优势，开设了人工智能基础挑战性课程，以趣味性强、难度适中的课程设计为引领，强化实践能力锻炼。下面，根据我在AI Studio平台上开课时的相关经历，分享一些个人在人工智能课程建设方面的感受及心得体会。

课程开始前，我们计划基于团队在智能视觉信息处理方面的研究积累，从聚类分析、线性判别与图像处理应用三个关键知识点出发，在理论教授的基础上，布置了三项挑战性课程设计题目，即拟态动物分割、P图识别以及图像去雾。其中，前两项任务采用现有开放数据集COD10K与real_and_fake_face，最后一项通过复现团队IEEE TIP上的去雾工作，帮助学生学习和完成深度神经网络的搭建、训练、测试以及基于树莓派的嵌入式平台部署，在帮助学生加深知识理解的同时，增强实践能力锻炼。然而，理想很丰满，面对深度学习开发工具的庞大算法需求，实验室及学生自有设备的“算力不足”，以及自建实验设备庞大的成本投入，均为挑战性课程的开设与落地带来了极大困难。

得益于此次教育部产学合作协同育人项目的契机，我接触并了解了百度AI Studio平台的各项功能特点。发现平台所提供的CPU/GPU硬件设备齐全，算力强大，并且可以通过每日运行项目来获取“算力点”，学生们可以使用“算力点”租赁自己项目所需硬件设备，从而有效解决了课程实践中面临的算力危机。平台提供了丰富的开源代码、讲解视频与资料手册，实践教学案例充足，非常有利于学生快速入门。与此同时，除了常规版本的paddlepaddle，百度飞桨还针对各类低算力的边缘计算设备提供了paddle-lite开发工具，能够通过对深度神经网络的量化、剪枝等模型压缩操作，降低模型算力需求，从而盘活了实验室现有的树莓派嵌入式开发板，帮助学生真正完成从线上演示到线下部署的全过程体验。

从教师端使用体验来说，AI Studio平台的开课授课操作也非常便捷。在AI Studio平台上开课的步骤为：首先开通教师权限，创建教学班级，上传课程大纲、教学PPT、视频等课程资料；随后进行学生邀请，使其账号拥有教育版权限；接着进行学生名单的导入、编辑等操作；同时，可按照指引，添加和上传百度飞桨框架下的公开或自研Notebook项目，学生进行“fork”操作既可以运行项目并对其进行修改、调试等操作完成线上的实验验证；最后，利用paddle-lite工具可将现有服务器端的深度神经网络模型压缩至边缘计算设备友好的轻量化模型，下载后部署至课题组提供的树莓派开发板，完成线下使用及效果演示。

在疫情期间，我们在AI Studio平台上的线上课没有受到任何影响，学生们普遍表示，百度AI Studio平台使用友好，便捷，对深度学习的运行规律和使用方法有了更真切的体会，收获很多。部分同学依托本次课程的学习，在国际会议上发表了自己的首篇学术论文，部分实践项目荣获了四川省大学生嵌入式设计竞赛三等奖。经过此次线上+线下融合的挑战课建设探索，作为老师，我也深刻体会到了学生对优质实践教学资源的迫切需求，进一步坚定了办好做实人工智能基础挑战性课程的决心与信心。

最后，衷心感谢百度飞桨AI Studio平台为老师和学生创造的优质人工智能教学与学习环境，在今后的课程建设中，我们将利用该平台开展更加丰富多元的探索！欢迎感兴趣的朋友与我们更多交流人工智能课程相关建设经验。相关课程链接请参见：

https://aistudio.baidu.com/aistudio/education/group/info/26847