计算机视觉市场分析

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇计算机视觉市场分析范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

计算机视觉市场分析范文第1篇

国内人工智能产业链解构

基础技术、人工智能技术和人工智能应用构成了人工智能产业链的三个核心环节，我们将主要从这三个方面对国内人工智能产业进行梳理，并对其中的人工智能应用进行重点解构。

人工智能的基础技术主要依赖于大数据管理和云计算技术，经过近几年的发展，国内大数据管理和云计算技术已从一个崭新的领域逐步转变为大众化服务的基础平台。而依据服务性质的不同，这些平台主要集中于三个服务层面，即基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。基础技术提供平台为人工智能技术的实现和人工智能应用的落地提供基础的后台保障，也是一切人工智能技术和应用实现的前提。

对于许多中小型企业来说，SaaS 是采用先进技术的最好途径，它消除了企业购买、构建和维护基础设施和应用程序的需要；而 IaaS通过三种不同形态服务的提供（公有云、私有云和混合云）可以更快地开发应用程序和服务，缩短开发和测试周期；作为 SaaS 和 IaaS 中间服务的 PaaS 则为二者的实现提供了云环境中的应用基础设施服务。

人工智能技术平台

与基础技术提供平台不同，人工智能技术平台主要专注于机器学习、模式识别和人机交互三项与人工智能应用密切相关的技术，所涉及的领域包括机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学习、语言和图像理解和遗传编程等。

机器学习：通俗的说就是让机器自己去学习，然后通过学习到的知识来指导进一步的判断。我们用大量的标签样本数据来让计算机进行运算并设计惩罚函数，通过不断的迭代，机器就学会了怎样进行分类，使得惩罚最小。这些学到的分类规则可以进行预测等活动，具体应用覆盖了从通用人工智能应用到专用人工智能应用的大多数领域，如：计算机视觉、自然语言处理、生物特征识别、证券市场分析和DNA 测序等。

模式识别：模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读，它偏重于对信号、图像、语音、文字、指纹等非直观数据方面的处理，如语音识别，人脸识别等，通过提取出相关的特征来实现一定的目标。文字识别、语音识别、指纹识别和图像识别等都属于模式识别的场景应用。

人机交互：人机交互是一门研究系统与用户之间交互关系的学问。系统可以是各种各样的机器，也可以是计算机化的系统和软件。在应用层面，它既包括人与系统的语音交互，也包含了人与机器人实体的物理交互。

而在国内，人工智能技术平台在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域，其中的代表企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、地平线、SenseTime、永洪科技、旷视科技、云知声等。

人工智能应用

人工智能应用涉及到专用应用和通用应用两个方面，这也是机器学习、模式识别和人机交互这三项人工智能技术的落地实现形式。其中，专用领域的应用涵盖了目前国内人工智能应用的大多数应用，包括各领域的人脸和语音识别以及服务型机器人等方面；而通用型则侧重于金融、医疗、智能家居等领域的通用解决方案，目前国内人工智能应用正处于由专业应用向通用应用过度的发展阶段。

（1）计算机视觉在国内计算机视觉领域，动静态图像识别和人脸识别是主要研究方向

图像识别：是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。识别过程包括图像预处理、图像分割、特征提取和判断匹配。

人脸识别：是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

目前，由于动态检测与识别的技术门槛限制，静态图像识别与人脸识别的研究暂时处于领先位置，其中既有腾讯、蚂蚁金服、百度和搜狗这样基于社交、搜索大数据整合的互联网公司，也有三星中国技术研究院、微软亚洲研究院、Intel中国研究院这类的传统硬件与技术服务商；同时，类似于 Face++ 和FaceID 这类的新兴技术公司也在各自专业技术和识别准确率上取得了不错的突破。

而在难度最大的动态视觉检测领域，格灵深瞳、东方网力和 Video++ 等企业的着力点主要在企业和家庭安防，在一些常见的应用场景也与人脸识别技术联动使用。

（2）语音/语义识别

语音识别的关键基于大量样本数据的识别处理，因此，国内大多数语音识别技术商都在平台化的方向上发力，希望通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。

在通用识别率上，各企业的成绩基本维持在 95% 左右，真正的差异化在于对垂直领域的定制化开发。类似百度、科大讯飞这样的上市公司凭借着深厚的技术、数据积累占据在市场前列的位置，并且通过软硬件服务的开发不断进化着自身的服务能力；此外，在科大讯飞之后国内第二家语音识别公有云的云知声在各项通用语音服务技术的提供上也占据着不小的市场空间。值得注意的是，不少机器人和通用硬件制造商在语音、语义的识别上也取得了不错的进展，例如智臻智能推出的小 i 机器人的语义识别、图灵机器人的个性化语音助手机器人和服务、被 Google 投资的出门问问的软硬件服务。

（3）智能机器人

由于工业发展和智能化生活的需要，目前国内智能机器人行业的研发主要集中于家庭机器人、工业企业服务和智能助手三个方面其中，工业及企业服务类的机器人研发企业依托政策背景和市场需要处于较为发达的发展阶段，代表性企业包括依托中科院沈阳自动化研究所的新松机器人、聚焦智能医疗领域的博实股份，以及大疆、优爱宝机器人、Slamtec 这类专注工业生产和企业服务的智能机器人公司。在以上三个分类中，从事家庭机器人和智能助手的企业占据着绝大多数比例，涉及到的国内企业近 300 家。

（4）智能家居

与家庭机器人不同，智能家居和物联企业的主要着力点在于智能设备和智能中控两个方面。在这其中，以海尔和美的为代表的传统家电企业依托自身渠道、技术和配套产品优势建立起了实体化智能家居产品生态. 而以阿里、腾讯、京东、小米和乐视等互联网企业为代表的公司则通过各自平台内的数据和终端资源提供不同的软硬件服务。

值得关注的是，科沃斯、broadlink、感居物联、风向标科技、欧瑞博、物联传感和华为等技术解决方案商在通用硬件和技术、系统级解决方案上已成为诸多智能家居和物联企业的合作伙伴。综合来看，智能家居和物联企业由于市场分类、技术种类和数据积累的不同各自提供着差异化的解决方案。在既定市场中，没有绝对意义上的排斥竞争，各企业之间的合作融合度较强。

（5）智能医疗

目前国内智能医疗领域的研究主要集中于医疗机器人、医疗解决方案和生命科学领域。由于起步较晚和技术门槛的限制，目前国内医用机器人的研发水平和普及率相较于国际一线水平仍存在一定的差距，从事企业主要集中与手术机器人和康复机器人两大领域，以新松机器人、博实股份、妙手机器人、和技创等企业为代表。

在医疗解决方案方面，以腾讯、阿里巴巴、百度和科大讯飞为代表的公司通过和政府、医疗机构的合作，为脑科学、疾病防治与医疗信息数据等领域提供智能解决方案。而在生命科学领域，研究的着眼点在以基因和细胞检测为代表的前沿研究领域。

综合来看，国内人工智能产业链的基础技术链条已经构建成熟，人工智能技术和应用则集中在人脸和图像识别、语音助手、智能生活等专用领域的场景化解决方案上。就趋势来看，未来国内人工智能领域的差异化竞争和突破将主要集中在人工智能相关技术的突破和应用场景升级两个层面。

未来国内人工智能行业发展的五大趋势

（1）机器学习与场景应用将迎来下一轮爆发

根据 Venture Scanner 的统计，截至 2015 年 9 月，全球人工智能领域获得投资的公司中，按照平均融资额度排名的五大业务依次是：机器学习（应用类）、智能机器人、计算机视觉（研发类）、机器学习（研发类）和视频内容识别等。

自 2009 年以来，人工智能已经吸引了超过 170 亿美元的投资。过去四年间，人工智能领域的民间投资以平均每年 62% 的增长速率增加，这一速率预计还会持续下去。而在 2015 年，全球人工智能领域的投资占到了年度总投资的 5%，尽管高于 2013 年的2% ，但相比其他竞争领域仍处于落后位置。

目前中国地区人工智能领域获得投资最多的五大细分领域是计算机视觉（研发类）、自然语言处理、私人虚拟助理、智能机器人和语音识别。从投资领域和趋势来看，未来国内人工智能行业的资本将主要涌向机器学习与场景应用两大方向。

（2）专用领域的智能化仍是发展核心

基于 GPU（图形处理器）计算速度（每半年性能增加一倍）和基础技术平台的飞速发展，企业对于人工智能神经网络的构建取得了前所未有的突破。但是，由于人工智能各领域技术和算法的复杂性，未来 20 年内人工智能的应用仍将集中于人脸和图像识别、语音助手和智能家居等专用领域。

通过上述产业链环节构成和投资分类可以看出，优势企业的核心竞争力主要集中于特定领域的专用技术研发；其中，计算机视觉和语音识别领域的研发和应用已处于国际一流水平，专业应用机器人的研发也有望近 10 年内迎来突破性发展。可以预见的是，在由专业领域向通用领域过渡的过程中，自然语言处理与计算机视觉两个方向将会成为人工智能通用应用最大的两个突破口。

（3）产业分工日渐明晰，企业合作大于竞争

随着专用领域应用开发的成熟和差异化技术门槛的存在，国内人工智能产业将逐渐分化为底层基础构建、通用场景应用和专用应用研发三个方向。

在底层基础构建方面，腾讯、阿里巴巴、百度、华为等企业依托自身数据、算法、技术和服务器优势为行业链条的各公司提供基础资源支持的同时，也会将自身优势转化为通用和专业应用领域的研究，从而形成自身生态内的人工智能产业链闭环。

在通用场景应用方面，以科大讯飞、格灵深瞳和旷视科技为代表的企业将主要以计算机视觉和语音识别为方向，为安防、教育和金融等领域提供通用解决方案。而在专用应用研发方面则集中了大部分硬件和创业企业，这其中既包括以小米和 broadlink 为代表的智能家居解决方案商，也包含了出门问问、linkface 和优必选这类的差异化应用提供商。

总的来说，由通用领域向专业领域的进化离不开产业链条各核心环节企业的相互配合，专用领域的竞争尽管存在，但各分工层级间的协作互通已成为多数企业的共识。

（4）系统级开源将成为常态

任何一个人工智能研究分支都涉及到异常庞大的代码计算，加上漏洞排查与跨领域交叉，任何一家企业都无法做到在封闭环境内取得阶段性突破的可能。可以看到的趋势是，Google、微软、Facebook 和雅虎等视人工智能为未来核心竞争力的顶级企业都先后开放了自身的人工智能系统。

需要明确的一点是，开源并不代表核心技术和算法的完全出让，底层系统的开源将会让更多企业从不同维度参与到人工智能相关领域的研发，这为行业层面新产品的快速迭代和共同试错提供了一个良性且规范化的共生平台。于开放企业而言，这也确保了它们与行业最新前沿技术的同步。

（5）算法突破将拉开竞争差距

作为人工智能实现的核心，算法将成为未来国内人工智能行业最大的竞争门槛。以 Google 为例，Google 旗下的搜索算法实验室每天都要进行超过 200 次的改进，以完成由关键字匹配到知识图谱、语义搜索的算法创新。

在未来竞争的重点机器学习领域，监督学习、非监督学习和增强学习三个方面算法的竞争将进入白热化阶段。而正是算法层面的突破造就了腾讯优图、科大讯飞和格灵深瞳等企业在图像识别和计算机视觉领域取得了突破性进展和国际一线的技术水平。

但就目前国内人工智能算法的总体发展而言，工程学算法虽已取得阶段性突破，但基于认知层面的算法水平还亟待提高，这也是未来竞争的核心领域。

总的来看，虽然基础技术的成熟带来了存储容量和机器学习等人工智能技术的提升，但由于现阶段运算能力以及大规模 CPU 和GPU 并行解决方案的局限，目前国内人工智能的发展主要集中于计算机视觉、语音识别、智能生活等方向上。

虽然专用化领域的场景应用仍是目前研发和投资的核心，但随着技术、数据的积累演化以及超算平台的应用，由专用化领域的场景应用向语音、视觉等领域的通用化解决方案应该在未来 20 年内成为发展的主流。

计算机视觉市场分析范文第2篇

关键词：高师院校；最小，最大策略；工程嵌入；项目驱动；团队精神

文章编号：1672-5913(2010)08-0004-07

中图分类号：G642

文献标识码：A

1　问题的提出

近年来，为了满足社会需求以及学校自身发展的需要，我国现有的一百多所师范院校普遍设立了非师范教育计算机专业。在特定的历史时期，这一做法推动了高等师范院校的进一步发展，实现了师范院校办学的多元化。但是从实际运行效果来看，相比于工科院校，师范院校培养的非师范计算机专业人才在规格方面有很大的不足。具体表现在毕业生的工程实践能力偏弱、行业应用背景知识匮乏、项目经验不足等问题。这些问题的存在严重地影响了高师院校计算机学科的进一步发展。

产生这些问题的原因是多方面的，我们认为主要包括以下几点：(1)高师院校长期受办学传统的制约。由于高师院校的定位决定了高师院校在师资培养方面的优势，这导致非师范计算机专业的课程设置、教学方法与手段等方面都深受师范教育人才培养模式的影响。(2)高师院校的非师范计算机专业学生的行业视野受限。随着计算学科自身的发展与在其他领域的渗透，今后计算机专业人才更多需要复合型的信息化人才，但是师范院校开展的活动大多与教育关联度较大，学校的工科氛围缺乏，行业背景知识受限。(3)课程设置与教学方法缺乏针对性。计算机学科具有很强的工程应用特征，但是高师院校的背景偏重于人文与理学学科，缺乏计算机工程应用人才培养的有效管理手段与经验。此外，在师资力量方面，高师院校的教师大多是出身师范教育的计算机专业教师，尽管教学对象转换为非师范计算机专业学生，但是师资本身还不具备与工程接轨的思维模式。(4)工程应用背景知识严重匮乏。由于高师院校的定位主要是教育领域，非师范专业的计算机专业学生耳濡目染的主要是教育行业知识；而综观当今的计算机学科的应用领域，可以发现军事、航空、电信、交通、金融、保险、影视、农业、娱乐等领域是计算机人才需求量极大的主要行业。但是置身师范院校的计算机学生对上述行业知识普遍匮乏，这导致学生在毕业后相对于其他工科学校，需要更长的社会适应期。(5)教学实践环节相对较弱。工程技术人才的培养除了必要的基础理论知识之外，更重要的是通过实践教学培养学生动手操作能力。而计算机实践教学需要具备二个条件：一是熟悉实践操作的教师：二是实验实训的设备、基地。目前真正具备这两个条件的师范院校较少，尤其是前者。这导致高质量的工程实践课程难以开展，以致教学质量偏低。上述5点主要原因导致高师院校非师范教育的计算机毕业生培养质量与工科院校相比，在人才规格上具有一定的差距，并进一步导致发展空间受到一定的限制。

为了解决目前高师院校非师范计算机专业人才在培养过程中存在的问题，我们必须在深入分析计算学科发展趋势的基础上，立足于高师院校的现实环境，采用行之有效的专业人才培养新途径。

2　国内外高校计算机专业人才培养现状分析

根据著名的IEEE-CS／ACM Computing Curricula的研究成果，我们可以发现计算学科已经步入到一个具有融合多学科领域知识的宽广领域，具有其他学科所不具备的旺盛生命力和鲜明特色。学科围绕着一个基本问题“什么能(有效地)自动进行?”将数学、物理、认知、生物、化学等人文学科与自然学科融入一体。总的来说，当今计算机科学与技术的内涵和外延都在迅速扩大，已经形成了多元化的知识体系，单一的人才培养模式很难满足社会对多种规格人才的需求。

2，1国外高等院校计算机人才培养现状

美国是计算机科学理论与技术发展最快的国家之一。计算机科学和信息技术领域中的绝大多数的理论、算法、协议均起源于美国；国际知名的IT企业也以美国居多，如Microsoft、IBM、Intel、HP、Dell、Oracle等。因此，以美国为代表的计算机教育起到引导潮流的作用。由于美国在计算机领域中的发展历史悠久，不同学校的专业设置通常是特色鲜明，在教育理念上更注重与社会接轨，努力使学生具备最快融入社会的能力。如美国斯坦福大学开设的计算机科学主修课程非常注重计算机学科与其他学科之间相互融合，其他学科的学生可以追踪到很多不同的领域，如程序设计语言、图形学、数据库、计算理论、人机交互等；加利佛尼亚大学伯克利分校特别注意培养学生团队精神。在软件工程课程的教学方面，主要采用项目团队的组织和管理方式。工程实践方面的内容具有很强的工程实用性；卡内基梅隆大学十分关注计算机专业人才面向社会的应用程度。软件工程课程的学习主要通过实验室工作来检验课程中所学的概念，该课程培养学生如何领导一支团队、理解软件开发中的各种关系所必需的知识技能。香港科技大学的计算机人才培养则坚持开放性与多元化的教育策略；研究领域少而精：在队伍建设方面坚持一流师资、一流学生的策略；在面向社会方面，与外企合作，注重实用型专业软件人才培养。在学生高年级时，将企业已完成的一个真实项目分解成需求分析工程、设计工程和制造工程三个部分进行实战训练，企业工程师、学校教师共同参与指导。这种深入而全面的校企合作具有强大的生命力，推动人才培养进入良性循环的发展轨道。荷兰蒂尔堡大学是一所非综合性院校，计算机人才培养主要以信息管理专业为重点，围绕这一中心开设相关课程。美国哈佛大学Leitner等人提倡将计算机专业人才的培养分为计算机理论与应用两个方面。强调计算机应用程序的使用而不是单调的程序设计练习。在计算机应用方面的教学目标是让学生学会用软件系统描述和解决实际问题，以加强对相应计算机概念的理解与认识。课程设计应围绕计算机科学中最让人感兴趣的应用领域(如人工智能、计算机图形学、计算机视觉、信息检索、人机交互等)来组织。在授课的过程中，每一种应用，他们认为可从两方面讲授：一是从全局角度给出计算机学科中的概念；二是从特定细节入手，使每一个实例都和一个特定的软件系统相联。

2，2国内外高等院校计算机人才培养现状比较

在计算机人才培养方面国内外有很大的不同，具体包括以下三点：

(1)国内计算机专业设置的课程深受国际IEEE／ACM提出的CC2001及CC2004的影响，具有很大 的相似性。国内计算机的教学内容多而深，比较偏重于理论方面的教学，而国外的教学内容则比较注意与社会需求相结合；而且学科分工明确，教学内容要么侧重于广度，要么侧重于深度，比较重视学生实验动手能力的培养。

(2)辅助教学方法和工具差别很大，美国教学教辅工具完善并且功能全面，中国教学缺乏教辅工具；美国高校计算机科学导论课程的辅助教学工具大部分非教师制作，而是采用比较专业、成熟的软件产品。美国的教材出版商一般除提供书本教材外，通常还有几张辅助教学光盘，其中有完整的课后练习和辅导资料，内容由浅入深，非常丰富，其中部分内容需要提交给教师，另一部分有参考答案，供学生自己检查。书本与辅助教学光盘紧密结合、相辅相成，学生通过练习巩固加深课堂上学到的理论知识，通过模拟实验，体会实际操作的技术方法：而且，学生可以根据自己的水平选择适合自己的内容。

(3)学生成绩考核的方式不同。从当前的社会需求来看，计算机学科更多地偏重于工程应用，因此，实践考核方面应该占据很大的比重，国外的教学模式中也充分体现这一点，而国内师范类计算机专业的考试大多以理论考试为主，尤其是数据结构、操作系统、离散数学等核心课程的考核。

2，3国内高师院校非师范计算机人才培养现状分析

目前高师院校的非师范计算机专业主体布局如图1所示。

通过图1，我们可以看到，当前高师院校的基本定位主要是师范教育。学校的行业背景奠定了学校人才培养的主阵地。从毕业生的规格来看，师范性特色鲜明，而工程实践环境明显较弱。在学校的总体管理体系方面，从管理人员学习背景、管理规则以及管理内容等方面来看，管理者大多数的思维局限在师范院校的管理模式上，对学生的基本管理目标是“服从管理、中规中矩”，缺乏一定的宽容度。这种管理模式通常与计算机专业本身要求的高度创新、与时俱进是不相符的。

事实上，高师院校的“师范”性质充分反映了学校的主要任务是为国家培养优秀的师资队伍。这一传统定位使高师院校的特色专业通常以人文学科为主，理工学科为辅，校园氛围更多地充满了人文气息。如何寻找突破口，使得师范院校的非师范计算机专业适应社会需求一直是一个迫切需要解决的难题之一。

问题解决的关键在于管理者首先需要具有创新性的思想。“师范”的概念从一定意义来说，是计划经济时代的行业严格划分的产物。随着社会的发展以及教育体制的改革，传统的高师院校主要面向教育行业培养人才的局面已经被打破。如自2003年起，北京师范大学取消了师范生与非师范生的区别，实施通才教育的培养模式。其次，应给予工程应用学科以足够的扶持。对现有的学科进行动态重组，为高师院校中的非师范计算机专业人才的培养提供有效的服务平台。第三，应拓宽人才培养途径。社会需求表明，计算机领域的人才需求已经呈现出百花齐放的局面。下面以安徽师范大学的非师范计算机专业的人才培养为例。安徽师范大学是一所历史悠久的省属重点综合性大学，设有文学、教育科学、经济管理、政法、社会、外国语、音乐、美术、数学计算机、物理与电子信息、化学与材料、国土资源与旅游、体育、生命科学、环境科学、国际教育等16个学院，学科种类齐全，师范与非师范并举，在安徽及至全国均有一定的影响力。目前学校拥有一大批从事基础理论研究的工作者，基础研究相对较强，但诸如计算机等发展迅速的工程学科在人才培养方面不容乐观，主要原因在于：(1)应用型师资力量薄弱。受学校的办学性质和教师重基础轻应用的价值取向影响，非师范计算机专业的人才培养模式基本上是沿袭着师范专业计算机专业本科生的培养路径，在师资力量方面也大多来源于师范院校自己培养的教师。(2)非师范计算机专业人才培养的环境缺失。师范院校大多以人文社会科学和传统的理学为主，工科及应用学科较少，难以形成优势局面。受传统观念的影响，许多教师放不开职业习惯进入经济社会主战场。此外，工程开发的风险较大，需要具有敢于承担风险的意识。因此，与其他具有优势的工科院校相比，高师院校的非师范计算机专业在课程体系、教材选择、实验室建设、师资配备等方面基本上处于与师范类计算机专业人才培养模式相似，缺乏针对性。

3　高师院校中非师范计算机专业人才培养的新途径

经过调研，我们发现目前高师院校计算机专业毕业生出路主要有3条，一是进一步深造，如考研、出国留学等；二是进入IT专业公司；三是进入其他行业成为信息化应用人才。如图2所示。

图2表明，在高师院校的育人环境中，计算机专业本科生经过公共课与专业基础课学习之后，分流为三个方向，具体包括科学研究、工程应用、专业复合型。由于师范院校大多属于综合类院校，因此在科学研究类和专业复合型的人才培养方面，师范院校具有一定的优势。由于计算机处理的问题主要是数值和符号类，在数值处理方面更多依赖于数学理论；而在符号处理方面主要涉及语音、图像、自然语言处理，这些内容在师范院校均有很好的学科支撑。最为薄弱的环节是工程应用人才的培养。我们的基本思路是一方面充分利用师范院校的传统优势；另一方面在人才培养实践中，引入新的教学元素。笔者将以安徽师范大学的非师范计算机专业学生的培养实践为例，阐述我们在课程设置体系、教学理念、教学实践、综合素质培养四个方面的经验。

3，1动态分层的Min―Max课程设置体系

依据ACM／IEEE／CS的CC2005／SE2004，我们提出了一种面向高师院校非师范计算机专业人才培养的、强调系统认识的、动态模块化的课程体系(如图3所示)。从纵向来看，主要分为三个层次，最低层是软件基础模块，采用最小课程设置策略，涵盖工程管理、程序设计、专业理论三个方面；中间层是面向不同需求的多模块课程设置情况；最高层是面向实践的课程设置内容，试图最大化地满足人才发展的需要。其着眼点在于培养学生从系统观点重新审视计算机系统和计算机工程化软件开发方法，采用的Min-Max策略，即最小核心课程最大发展空间，既有利于增强学生学习的有效性，又有利于学生对知识的掌握程度。动态分层的核心课程体系设置主要有三个层次：一是软件工程层次；二是计算机基础及模块课程层次；三是程序与算法设计课程。每一层次均具有采用Min-Max策略，从总体上来说，我们提出的课程设置体系具有以下特点：

(1)采用国际化的计算机工程人才培养思路。从软件工程导论入手，重新构建完整的计算概念以及软件工程的基本概念。计算机的系统结构是一门新开发的新课程，从系统级分别认识计算机的软件与硬件系统，它以计算机的硬件为主，操作系统为辅，关注系统软件的构造技术。

(2)具有继承与发展的基本课程改革思路。从计算机科学专业继承过来的重要核心课程主要有3门：面向对象的程序设计、数据结构与算法分析与设计。 改建三门新的计算机科学与技术专业的原有课程：操作系统、计算机通信、数据库系统。操作系统课程以小型的嵌入式的操作系统为核心，以培养学生嵌入式系统及应用的开发能力。计算机通信课程强调网络软硬件系统的系统级认识，培养学生组网能力与网络环境下的软件开发能力。数据库系统课程则强调利用网络环境下的关系数据库设计和开发数据库应用系统，以培养学生数据库管理与信息系统的应用开发能力。

(3)实施最大化适应社会需求的选修课程设置方案。在最小化的课程设置基础上，我们还有效地实施了最大化的适应社会需求的多模块选修课程设置方案。根据目前的计算机应用日益体现出全方位的行业应用特点以及高师院校的学生特点，该课程体系对原有计算机学科基础进行了改革，舍弃了原有的电子电路、数字电路、普通物理等课程，同时采用了学科交叉的思想，最大化地扩大学生的社会适应能力。增加双语课程，在核心课程中将软件工程导论、软件工程、统一建模语言和网络应用开发设置为双语授课。在综合实践性选修课程中训练学生实践能力，引入SE2004推荐的工程经济学、团队动力与沟通、软件工程职业实践等教学内容。全面提升学生的系统工程思想和系统软件开发能力。

在教学实践中，参照国际惯例，我们以软件工程导论引导学生进入计算机学科的专业领域。针对国内学生在编程能力方面的不足以及城乡学生的差别，在完成软件基础模块的学习之后，根据学生编程能力的不同，进行适当分流，区别对待。专业核心课程模块也具有很大的灵活性和可扩展性。此外，根据学生的兴趣爱好，引入其他专业知识，以扩大学生的知识面。在进一步的学习过程中，我们依据本校学科状况形成不同的知识研究领域，具体包括人文知识、工程知识、编程知识、项目管理、知识创新、学科整合等。我们提出的课程设置体系一方面考虑了师范院校的学科背景；另一方面着眼于培养多元化的计算机专业人才，以增强我校毕业生的市场竞争力。在上述课程设置体系基础上，我们进一步引入工程嵌入的教学理念。

3，2工程嵌入的教学理念

从目前的高师院校的计算机教育的现状来看，大多数高校的计算机专业主要采用知识传授的方式，把学生作为知识灌输的容器。学生在毕业时仅仅学习了理论知识、掌握了基本的方法，但是工程实践的知识创新能力普遍不足。针对这一现状，我们提出工程嵌入式的教学理念。这一教学理念主要是从培养高师院校的非师范计算机学生学以致用的工程应用思想，将理论与实践有机结合。从计算机专业人才的培养目标来看，培养高质量的计算机软件人才是其主要目标。根据现有国内外软件人才需求来看，传统的“单兵作战”人才培养模式根本无法适应将来大型软件开发。参照印度NIIT公司的做法，我们在实际教学中采用工程嵌入式的教学模式，即将计算机软件工程的知识有机融入到具体的课程教学实践中，使学生早日接受工程化的软件开发思想。我们首先是构建一支具有工科背景的计算机教师队伍。每一名教师在教学实践中以科学的教育理论为基础，努力追求教学创新和效率，不断引入认知科学、管理学领域最前沿的知识，保证教学及管理活动的时代先进性。其次，我们参照IEEE-CS／ACM CC2004课程体系和国内外一流大学的课程体系，结合自身特色，采用动态Min-Max的课程设置策略。课程体系的设置坚持基础理论与计算机专业理论相结合、学生综合素质与工程实践能力相结合的原则。此外，我们与工程背景较好的一些院校合作(如南京邮电大学、东南大学等)，努力设计先进的、标准化的自主教材，同时密切关注国际IT知名企业的研发态势，如Microsoft、IBM、SUN、Oracle、华为等。经常对这些变化进行细致的分析和研究，根据市场分析提供课程建议，及时更新教学内容和教学方法。我们提出了工程嵌入式的本科四年学制培养模式(如图4所示)，具体包括课程实验、课外科技活动、实验课程、工程训练、企业实践以及毕业设计等部分。

3，3项目驱动的教学设计方式

传统的计算机教育通常是理论传授与行业需求脱节，培养出来的学生虽然理论基础很好，架构能力强，但是几乎没有什么实际工作能力，为了克服应试教育带来的学院派风格，我们一方面采用了项目驱动的教学设计方式：另一方面建立计算机软件研究与工程开发中心，实施校企合作策略。此外，我们还鼓励学生积极参加导师的科研项目以提高学生工程实践能力。在具体的人才培养流程上，我们主要采用图5的形式。

高校的任务是培养人才，企业以人才储备为发展动力。只有高校和企业有效结合才能提高人才的培养质量。我们的具体做法主要包括：(1)校企共建技术共享平台：学校成立软件研究与开发中心，企业提供实习基地；(2)企业的技术人员作为实训教师，承担部分实践教学任务，并将企业的实际案例作为实训的教学内容，定期与学校和教师交流；(3)学校与企业共同选定实训项目，并对实践教学进行考核，周期长短可根据具体情况来确定：(4)高校在创新型教师的带领下，为企业(特别是中小企业)提供技术支持，共同研发新产品、新技术，以达到双赢目的：(5)校企双方共同对青年教师和技术人员进行技术培训，建立真正以人才培养为目的校企合作关系。通过调整原有的计算机专业的培养方案与课程体系，我们逐步引入零距离就业的实训环节，更新教学内容，重组并优化高等教育的计算机专业的课程结构，提出适合大学计算机人才培养发展的、能与企业就业岗位直接接轨的实用型计算机人才培养新模式。上述做法将有力地促进多层次、多领域的产学研紧密合作，有助于培养出大批的复合型与工程实践型人才。因此，项目驱动的教学设计方式能够在一定程度上有效解决“产学脱节、学用脱节”这一问题。

3，4本硕博一体化的团队素质培养风范

根据彼得・圣吉的观点，一个卓有成效的学习型组织成员可以通过组建团队方式来实现团队目标。从历史上看，早期的大学助教制度(教授上课，助教讲习题课、带实验、改作业)的本质是一种团队协作教学模式。我们的做法是组织博士、硕士、本科生一体化的教学科研团队。具体实施过程是包括以下几点：(1)组建课程学习小组。课程学习偏重于理论方面，借助博士生、硕士生的科研经历使计算机专业的本科生具有正确的科学思考问题的方式以及解决理论学习存在的问题。(2)组建软件项目开发小组。模拟软件企业的管理与开发过程，组建项目开发小组去完成一个教学实践课题。在角色划分方面主要是教师扮演客户，小组长扮演项目经理色，小组的其他成员则模拟系统分析员、程序员、测试员等角色。(3)结合课程内容，师生共建课题。教师结合实际的教学科研实践课题，由学生结合实际教学内容完成教学实践任务，并与课程考核相结合。(4)团队教学效果评价。课程结束时，不同的项目小组按照一定原则重组成一个临时评估小组，对于不同小组的工作进行全面评估。小组中的每个成员针对自己所做的工作和任务进行答辩。

4　结论与展望