致力于打造一流的 ICT 实验实训环境，聚焦在人工智能领域的深度学习、应用开发与实践操作。平台覆盖《人工智能基础》《人工智能应用》《移动机器人技术应用》《视觉开源机器人》《深度学习与神经网络》《自然语言处理与语音识别》等课程，支撑课程化教学、项目驱动实训与集中训练。除了服务信息工程系专业教学与实验实训外，也为全院的人工智能认知普及与科普体验提供支撑。

1.2 网络仿真实验实训平台

打造高水平的 ICT 实验实训体系，用于支持以大型语言模型为基础的网络技术教学、网络系统实践与指导。该平台可帮助学生在线自学、进行网络技能训练，并推动1+X 网络技术职业技能等级证书的获取，具备对社会开放的在线服务能力。总体规划含有12门课程、50个实训案例、总计250+课时的教学资源，目标打造一个集教学、实训、培训、科研、职业证书、竞赛与科普为一体的综合性平台。后续还将服务与支持“1+X”证书试点，覆盖《人工智能基础》《人工智能应用》《人工智能导论》《双足机器人技术应用》《自动驾驶技术实践》《ChatGPT/大语言模型训练》《计算机网络技术基础》《网络设备》《智能网关》《网络安全与防护》《无线网络技术》《云计算与虚拟化》等多门课程，并向社会提供在线学习与培训服务。

1.3 嵌入式技术开发中心

面向嵌入式系统软件开发的人才培养，围绕模型驱动的开发方法进行教学与实践，融入大量行业应用案例，重点在于对经典编程语言的基础知识结合建模技术进行综合训练。课程涵盖：使用 SysML 建模需求、用 SysML 描述现代网络物理系统架构、用 UML 构建面向对象的微控制器解决方案、以及基于 UML 的嵌入式软件开发项目实际操作。目标是为物联网应用技术专业提供完整的嵌入式软件开发人才培养体系，在数字化和智能时代实现跨学科、跨领域的协同发展。通过低代码平台与软件自动化实现跨学科交流与协同工作。

2.1 项目建设目标

- 建成“人工智能实验室”，全面满足人工智能基础课程教学与科研需求。

- 完善网络工程综合实训室，配置1+X 证书的训练与考试平台，保障证书实施的基本条件。

- 完善相关设备与平台，满足计算机网络应用、物联网、云计算、大数据等相关职业技能竞赛及应用的学科需求。

- 提供覆盖计算机科学、信息技术、通信工程等领域的多向实训项目，涵盖软件开发、网络管理、人工智能、物联网、大数据等方向。

- 模拟真实工作场景与企业需求，将实训内容与行业标准、最佳实践深度对接。

- 提供多种编程语言与开发工具环境，整合主流开发框架与工具，满足不同技术栈的学习与实践需求。

- 提升“双师双能”型实验实训师资水平，完善人才培养方案与管理制度建设。

2.2 项目建设实施方案

计划建设三大核心平台与一个嵌入式开发中心：

- 人工智能仿真实验实训平台：由混合云、终端应用与示范端（移动机器人、智能小车等）组成；涵盖课程资源与与课程匹配的任务驱动教学、以项目为载体的集中实训、以及实际应用开发，支持智能行走机器人、智慧小车等应用场景的开发与调试。

- 网络仿真实验实训平台：通过校企联合开发，提供线上仿真实验平台，覆盖从交换机基础配置到生成树、负载均衡、ACL、NAT、路由协议（RIP/OSPF 等）等多项技能点，支撑教学与1+X 证书培训，并可对社会开放在线服务。

- 嵌入式开发实验中心：包含嵌入式系统软件开发实训平台、SysML/ UML 实训模块、ML 软件工程实训平台、MCU 编程实训等，支撑物联网应用技术专业的嵌入式教育与实训；中心具备向产业应用扩展的潜力，例如授权的软件外包、授权培训、技术转移等，形成完整的教材资源、教学资源库和师资队伍建设体系。

- 嵌入式与人工智能综合实验室（配套资源）：集成多种机器人、传感网络、AI 运算单元、示教工具及开放式平台，满足多学科交叉的实验需求。

3. ICT 教学云平台及相关子系统

3.1 ICT教学云平台

以云端为核心，采用 B/S 架构、Spring Cloud 微服务、Kubernetes 部署，支持公有云、私有云与混合云等部署模式，具备跨数据源的数据一致性、稳定性、可扩展性和大规模并发教学能力。核心模块涵盖通用课程与考试模块，具体功能包括：

- 课程制作工具：支持多格式文本、图片、音频、视频及超链接的混排，自动生成课程目录，支持多源文件同步显示。

- 作业与评测：涵盖客观题与主观题，支持自动组卷、自动判分、作弊监控与自定义题库导入。

- 共享课程与个人课程：内置公开课程资源，支持按教学需要开展章节测验；个人课程可自动归档、跨平台共享与转化。

- 课堂活动与云优选课：提供签到、讨论、提问、分组、投票、问卷、计时等功能，云优选课整合智能备课与一键上课，内含丰富在线课程资源（机器学习、深度学习、NLP、OpenCV、目标检测、语义分割等视频资源，总时长不少于约90小时）。

- 云视频库与三维模型库：数字化教学内容的集中存储，提供在线加载三维模型的能力，提升直观教学体验。

- 个人云盘：对用户文件按类型分类管理，支持一键上传、删除、创建、重命名和移动等操作。

- 考试模块：包含题库、组卷与排版、答题与评分、成绩统计以及防作弊等功能，支持跨班级发布、时间管理与自动批阅。

- 办公软件考评训练：提供 Office 套件的练习、阅卷、题库管理与错题统计等，覆盖 Word、Excel、PowerPoint 的综合考核与训练需求，自动化出题与材料素材管理，大幅减轻教师工作量。

3.2 人工智能机器学习平台

平台提供基于浏览器的虚拟桌面环境，支持与主流高阶组件的对接；动态分配 CPU/GPU 资源、多人共用单块 GPU 或单人多块 GPU，提升资源利用率。具备虚拟机创建、快照、克隆、迁移等管理能力，以及高可用切换mile米乐。平台支持多种主流框架如 TensorFlow、PyTorch、Caffe、MxNet、Darknet、Onnx 等，并集成 Jupyter 交互式开发环境，提供云盘、在线答疑、实验笔记、进度监控与自动化实验报告生成功能，方便教师与学生共同推进实验与课程学习。

3.3 网络仿真实验平台

通过图形化仿真实现完整的网络建设流程，包含交换机、路由器、安全设备等设备的虚拟化配置，支持大规模网络仿真。主要模块包括课程制作、作业、活动、云盘与仿真实训等，便于教师设计实验、学生完成练习，并可对接行业课程模块与证书培训。

3.4 人工智能视觉实验平台

结合主流 AI 组件，支持视觉感知、多传感器融合和运动控制。软硬件一体化，便于快速创新应用，提供 PC 建模与训练、传感器扩展、与移动端嵌入式开发的无缝衔接。现有约25项实验，覆盖人脸识别、车牌识别、对象检测、图像分割等场景，配套设备清单与实验手册、代码与数据等资源。

3.5 人工智能综合实验台

硬件方面含高性能工作站和嵌入式计算单元，满足 AI、物联网、机器人与云端应用的综合实验需求。核心部件涵盖高性能处理器、大容量内存、显卡、数据存储以及多种网络接口。提供稳定的操作系统环境、嵌入式开发板、传感网络与协议支持，确保多种开发语言与工具链的无缝使用。

3.6 嵌入式开发实验套件

以嵌入式 AI、工业机械臂、AR、物联网等技术为载体，采用结构化的实验箱设计，包含 RK3399 AI 运算单元、嵌入式主板、AI 控制单元、机械臂、传感网络节点、RFID、温湿度等多种传感器与接口。支持 TCP/IP、WiFi、MQTT 等通信协议，以及 64 位 Linux、Qt、Python 等软件环境。实验资源覆盖从基础算法到控制系统的综合实践，提供大量可直接使用的案例与源码。

3.7–3.19 人工智能与数据科学实验资源包

覆盖广泛的实验主题与框架，包括 TensorFlow、PyTorch、OpenCV、YOLO、NLP、机器学习、数据分析、数据可视化等，配套完整的实验案例、代码、PPT 与实验指导书，支持从入门到高级的系统性学习与训练。

3.20–3.25 其他系统与实训建设要素

- 3.20–3.21 计算与控制节点、服务器、GPU 等高性能硬件的配置与扩展，确保多资源并发任务的稳定执行与扩展性。

- 3.22 系统集成与文化建设，涵盖设备安装调试、环境建设与文化墙、教学一体机、讲台与实训空间等配套设施。

- 3.23 教室讲台与3.24 教学一体机：按场地需求定制，涵盖尺寸、材料、外观、触控与交互功能，以及多媒体与协同教学能力。

- 3.25 实训工作站：高标准商用台式机，确保稳定性、节能与环境认证，配置符合教学与考核需求。

注：以上内容以 paraphrase 方式重新组织与表述，删减了非核心信息，确保表达清晰、逻辑连贯、符合常用的搜索优化逻辑。未包含具体时间、日期、来源与链接等信息。若需要突出某些子系统的重点功能，可进一步按课程与学科领域定制化描述。