连接人工智能与软件工程：一种新颖的AI密集型系统教学方法

AI密集型系统在当今快节奏的世界中变得越来越普遍，像Uber和Netflix这样的例子引领了潮流。这些系统需要高并发的数据访问、快速变化的数据流和快速分析。然而，为了确保可靠性、可维护性和合规性，这些系统必须遵循软件工程（SE）原则进行开发和管理。数据分析与SE的结合为创新、问题解决和决策过程提供了独特的机会。本节探讨了AI与SE工程师之间跨学科合作的必要性，以创建强大的AI密集型系统。

'AI密集型系统工程'课程在约翰·凯普勒大学推出，旨在促进AI与SE学生之间的合作。该课程旨在为下一代软件工程师有效构建AI密集型系统做好准备。关键学习成果包括熟悉系统和SE的生命周期阶段，理解统计建模和数据管理，掌握相关编程语言和框架，以及能够将AI和SE概念应用于解决现实问题。

该课程采用讲座与实践项目相结合的方式。讲座涵盖系统工程（使用SysML）、AI系统工程生命周期、AI密集型系统的需求工程和设计考虑等主题。课程强调以人为本的AI方面和系统设计中的伦理考虑的重要性。学生们接触到与AI和SE领域相关的各种工具、平台和标准。

课程的核心组成部分是协作小组项目。学生们组成跨学科团队，包括AI和SE成员，共同开展现实的AI密集型系统项目。在课程中开发的四个显著项目包括为患有腱鞘炎的人设计的手势控制设备、一个AI驱动的食谱查找应用程序、一个用于自然相关描述的图像生成器，以及一个AI驱动的销售支持聊天机器人。这些项目展示了课程概念的实际应用以及AI与SE原则的成功整合。

评估过程旨在评估学生对AI和SE概念的理解。它包括迭代项目开发、定期检查、需求和设计决策的文档记录，以及最终项目展示。学生需要通过书面考试展示他们对跨学科概念的掌握。评估方法确保所有学习成果得以成功实现，学生在将SE原则应用于AI应用及反之亦然方面表现出熟练程度。

该课程面临多个挑战，包括整合不同的技能组合、管理不同的工具和基础设施偏好，以及平衡理论与实践。团队的跨学科性质被证明是有益的，使学生能够相互学习并接触到不同的工具和平台。基于项目的学习方法，加上同伴学习和持续反馈，帮助解决了平衡理论知识与实际应用的挑战。

'AI密集型系统工程'课程成功地弥合了AI与SE教育之间的差距，为学生应对现代AI密集型系统开发的挑战做好了准备。通过促进跨学科合作并关注现实应用，该课程为学生提供了在当今技术驱动市场中所需的技能。未来的课程版本可能会考虑纳入更高级的AI伦理主题，扩展协作项目的范围，并进一步整合行业合作伙伴关系，以增强学习体验。