機器學習課程的教學實踐探析
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了機器學習課程的教學實踐探析范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：闡述機器學習課程的特點、教學現(xiàn)狀，課程教學中存在的問題，從課程教育、課堂教學、實踐教學，課程考核面對機器學習課程的模式設(shè)計與教學實踐。
關(guān)鍵詞：機器學習，課程教學，模式設(shè)計。
0引言
2018年國內(nèi)35所高校取得首批人工智能新專業(yè)建設(shè)資格，至此人工智能相關(guān)專業(yè)課程在本科教學中全面展開。2020年7月，為加強人工智能領(lǐng)域標準化頂層設(shè)計，推動人工智能產(chǎn)業(yè)技術(shù)研發(fā)和標準制定，國務(wù)院主導了《國家新一代人工智能標準體系建設(shè)指南》[1]，指南在關(guān)鍵通用技術(shù)標準中對機器學習規(guī)范進行了論述。教育部相關(guān)文件也提出要加快推動人工智能重要方向的課程建設(shè)，機器學習作為人工智能人才培養(yǎng)體系建設(shè)的主干課程，課程建設(shè)與改革應(yīng)注重學科交叉融合，聚焦前沿技術(shù)發(fā)展[2]。
1機器學習課程的特點
機器學習是一門涉及概率統(tǒng)計分析、矩陣論、凸分析和計算機程序設(shè)計的多領(lǐng)域交叉學科，專注于使用數(shù)據(jù)和算法來模擬或?qū)崿F(xiàn)人類學習的過程，并在此過程中不斷地完善本身的性能[3]。課程具有如下特點。（1）前瞻性：國內(nèi)外對于機器學習理論與技術(shù)的創(chuàng)新經(jīng)久不衰，從統(tǒng)計機器學習到深度神經(jīng)網(wǎng)絡(luò)，各類會議、期刊、論壇都在對AI的前沿進展進行追蹤[4]。近年來，機器學習領(lǐng)域的國際會議論文投稿數(shù)量不斷攀升。在課程建設(shè)方面，斯坦福大學近十年熱門人工智能課程注冊學習人數(shù)迅速上漲，以CS229機器學習課程為例，它是過去10年選讀人數(shù)最多的一門課程。（2）復雜性：機器學習作為交叉學科，在模型構(gòu)建過程中涉及復雜的數(shù)理知識，包括微積分、矩陣論、數(shù)值分析和凸優(yōu)化等[5]。在實現(xiàn)過程中，要求學生熟練掌握并應(yīng)用計算機領(lǐng)域的程序設(shè)計、網(wǎng)絡(luò)安全、通信原理，自動化領(lǐng)域的嵌入式、機器人技術(shù)等知識。（3）實踐性：機器學習是理論與實踐并重的學科，在機器翻譯，生物醫(yī)療，無人駕駛汽車等方面都得到廣泛的驗證，部分領(lǐng)域成熟的產(chǎn)品已經(jīng)突破人類水平。以應(yīng)用為導向，在機器學習課程教學中，既要注重模型理論學習，更在實際項目中動手實踐，提高應(yīng)用能力。
2機器學習課程的教學現(xiàn)狀
區(qū)別于研究生教育中的機器學習課程，本科教育對機器學習知識的考查主要側(cè)重在利用模型解決實際問題，對理論創(chuàng)新性要求不高，重點考查學生的實踐能力。但由于機器學習的前瞻性、復雜性和對實踐應(yīng)用的高要求，在開展教學過程中，相應(yīng)的問題也隨之浮現(xiàn)。主要體現(xiàn)在以下四點：（1）在現(xiàn)行的機器學習課堂教學中，主要是以各種經(jīng)典的統(tǒng)計機器學習算法教學為主，對前沿的深度學習，神經(jīng)網(wǎng)絡(luò)方法介紹不足。教學形式通常是課堂教學+課內(nèi)實驗的形式。（2）實踐教學中存在難度把握不足，實驗內(nèi)容涉及不夠豐富，導致學生參與度不高。（3）成績考核方式多以閉卷考試為主，考核形式單一，無法就學生對算法原理，編程實踐的掌握程度，專業(yè)素養(yǎng)做出合理性評價。（4）在專業(yè)課的課程教學與實驗環(huán)節(jié)中，教師更多關(guān)注于學生對專業(yè)技能的掌握，較少直接對學生灌輸思想政治觀點、理想價值信念等。
3機器學習課程的教學實踐
課程教育建設(shè)。不同學科、不同專業(yè)、不同課程都有獨特的育人內(nèi)容和方式。在機器學習課程思政建設(shè)中應(yīng)深入挖掘課程思政元素，有機融入課程教學。通過課堂的隱性滲透與教師言行的潛移默化等方式對學生的思想政治素質(zhì)產(chǎn)生一定的影響。例如：從人工智能發(fā)展歷程，機器學習算法設(shè)計思想，學術(shù)論文報告寫作規(guī)范，實驗過程的工程倫理道德等方面入手，達到春風化雨、潤物無聲的教學效果，將立德樹人落實到專業(yè)課程學習每一階段。課堂教學改革。教學大綱修訂：鑒于當前教學大綱中對前沿跟蹤不足，導致課堂教學中存在過于側(cè)重傳統(tǒng)統(tǒng)計機器學習和算法原理等問題，新的教學大綱需增加神經(jīng)網(wǎng)絡(luò)和深度學習的基本知識和基本理論。為增強課程的可接受性，課程導論部分需要對機器學習涉及線性代數(shù)、概率論的理論基礎(chǔ)增加授課學時進行強化學習。改進教學模式：考慮傳授式教學方法效果欠佳，課堂氛圍活躍度不高。采用翻轉(zhuǎn)式教學，以機器學習應(yīng)用案例或項目為專題，通過小組討論，集中匯報的方式對專題學習過程進行展示，此過程有利于學生克服自身惰性，鞏固所學知識。實踐教學改革。實踐教學是人工智能機器學習技術(shù)落地的最終環(huán)節(jié)，著重考察學生的程序設(shè)計能力和工程應(yīng)用能力。（1）提高實踐靈活性：建立更具開放性和自由度的實驗指導過程。在機器學習實踐過程中，鼓勵學生采用不同的編程語言（如Python、Matlab），不同的實驗框架（如Pytorch、Tensorflow、Keras），不同的實驗平臺（例如，百度百度AI開放平臺、阿里云人工智能平臺）等完成實踐任務(wù)。（2）改進實踐內(nèi)容和方式：現(xiàn)行的實踐教學中課內(nèi)實驗為主，實驗課時較少，實驗過程以算法驗證為主，無法充分考查學生對算法原理的掌握和程序設(shè)計能力。鼓勵學生以2～4人為一組，實踐內(nèi)容上，采用傳統(tǒng)的命題方式與開放命題方式相結(jié)合的方法，增加學生自主性，提高課程實踐的豐富度和趣味性。實踐教學以專題展示，個體匯報進行，要求每位學生匯報自己在實踐中承擔的主要角色，發(fā)現(xiàn)問題、解決問題的過程。該過程強調(diào)團隊協(xié)作，能夠充分調(diào)動學生參與度和積極性。課程考核改革。機器學習作為一門理論與實踐并重的專業(yè)課，傳統(tǒng)的試卷+實驗+報告課程考核方式面臨諸多問題：（1）過程考核中存在的突擊復習的情況，無法真實的反映學生學習狀態(tài)。（2）實驗形式單一，實驗過程無法調(diào)動學生積極性，協(xié)作性實驗參與度不高。為形成對機器學習概念、算法原理等理論部分與實踐應(yīng)用的綜合性考核，本文對照工程認證畢業(yè)指標點達成要求，建立過程性多因素綜合考核機制。全過程性考核主要從課堂表現(xiàn)，實踐達成度與期末綜合三大方面進行衡量，同時從多因素出發(fā)，細化考核項，改進考核方式。課程考核方式如表1所示。
4結(jié)語
隨著人工智能領(lǐng)域的進一步發(fā)展，機器學習將具有更加廣闊的應(yīng)用前景，作為領(lǐng)域內(nèi)的主干學科，其教學效果直接影響著學生今后的發(fā)展。本文通過分析機器學習課程特點及目前教學過程中出現(xiàn)的三大問題，探討了該課程教學實施方案。從課程思政、課堂教學、實踐教學、考核方式等進行分析探索，最大程度地發(fā)揮教師的引導性與學生的主觀能動性，最終能夠使學生具備應(yīng)用課程知識解決實際需求的能力，同時養(yǎng)成良好的創(chuàng)新意識，嚴謹?shù)膶W術(shù)素養(yǎng)。
參考文獻
[1]趙波.加快標準體系建設(shè)推動人工智能產(chǎn)業(yè)化進程——《國家新一代人工智能標準體系建設(shè)指南》解讀[J].信息技術(shù)與標準化,2020(08):4-6.
[2]蔣良孝.機器學習課程教學的實踐探索[J].新課程研究,2019(23):13-15.
[3]曾道建,向凌云,周書仁.面向本科生的機器學習課程教學改革探討[J].科技經(jīng)濟導刊,2019,27(30):110-111.
[4]周夏冰,陳飛.機器學習課程教學探索[J].電腦知識與技術(shù),2020,16(30):129-131+150.
[5]劉叢,彭敦陸,鄔春學.基于案例的《機器學習》課程教學方法研討[J].軟件導刊,2018,17(05):223-226.
作者:葉景貞 康盛 方梓荷 單位:江西理工大學電氣工程與自動化學院
