面向产学融合的机器学习新型课程建设探索

张恒

摘 要：人工智能已成为新时代国民经济和社会发展的关键核心技术，机器学习课程是高校人工智能及其相关专业的重要核心课程。如何构建面向产业和社会需求的新型机器学习课程已经成为高校人工智能专业教学的重要课题。本文阐述了新型机器学习课程建设重要性，分析了面向产学融合的课程建设关键点，并从理论教学、实践教学、创新创业、课程考核与质量评价方面提出了课程建设的闭环途径。

关键词：产学融合;机器学习;课程建设

一、背景

人工智能已经成为支撑国民经济和工业发展的重要技术，并且正在深刻改变着人类的生产生活方式。国务院高度重视人工智能的发展，2017年制定的《新一代人工智能发展规划》，明确指出“人工智能是引领未来的战略性技术”[1]。2018年4月教育部颁布《高等学校人工智能创新行动计划》，明确要求重视人工智能与传统学科的交叉融合，探索新型的人才培养模式[2]。

在国务院和教育部相关文件精神指导下，高等学校对信息类专业学科群包括人工智能、大数据、计算机科学与技术、电子信息工程、通信工程、自动化、信息与计算科学等进行深入改革。本科教学已经实施大类教育、完全学分制的培养模式，按照“三级平台（通识教育平台+大类教育平台+专业教育平台）、六大模块（公共基础必修课程、素质与能力拓展课程、学科基础必修课程、专业主干课程、专业选修课程、实践教学环节）”的体系框架制定人才培养方案。

根据教育部相关文件要求建设和强化相关信息类课程，其中机器学习是重要的课程之一。机器学习课程建设必须紧紧围绕新工科教育内涵，以立德树人为引领，以应对变化、塑造未来为建设理念，以继承与创新、交叉与融合、协调与共享为主要途径，培养未来多元化、创新型卓越工程人才[3]。课程建设中注重学科交叉融合，紧跟技术发展，更新工程人才知识体系，以学生为中心设计教学方法与手段[4]。

目前高校机器学习相关课程建设中存在着一些不足：（1）强调经典算法理论，忽视最新成果。现有大部分教材都是讲授经典理论，如线性回归、逻辑回归、神经网络、支持向量机等。在大数据时代，经典算法都或多或少存在一些不足，面对海量的数据如何使得算法能够高效运行，是一个基础性问题。新的研究成果已经在这方面展开深入探讨，但是相关教科书涉及的较少。（2）提倡学生将所学机器学习理论用于实践，但是在实践中存在生搬硬套，缺少因地制宜的能力培养。如何灵活运用所学理论和编程工具解决工程问题，依然是较大的难点。（3）现有课程内容设计不能够满足产学融合的新需求。如何将产学深度融合，学以致用，充分挖掘课程创新实践能力培养的内容，引导和鼓励学生结合产学需求发掘创新创业项目。（4）现有课程考核与质量评价体系中未考虑产学融合需求。在课程考核方式、考核内容设计、课程质量评价与反馈体系中引入产学融合因素，将促进机器学习课程质量的显著提升。

二、机器学习课程建设关键点

传统的高校课程教学主要关注学生理论知识学习，虽然学生理论基础较为扎实，但是实践能力比较薄弱，不适应新的新形势下的产业对人才需求。新的形势下高校需要更加深入了解产业需求，突出教书育人与实践更加紧密结合，需要更加注重创新创业人才培养，为学生提供多样化成长路径。尤其是应用型本科和行业特色类高校建设，需要紧密围绕产业需求，强化理论和实践教学。面向产学融合的机器学习课程改革需要重视以下三点：

（一）课程理论教学部分既强调理解经典算法，又注重引入最新理论成果

机器学习本质是一门多领域的交叉学科，涉及到概率统计、矩阵论、凸优化、算法理论等数学基础知识。在课程建设中，需要特别重视培养学生的理论基础，只有深入理解相关的数学理论，才能将机器学习算法恰如其分的应用到工业实践中。

课程改革需要注重引入最新的机器学习研究理论成果，拓宽学生的视野。近年来机器学习发展飞速，国内外相关教材和在线学习资源也大量涌现，每年大量的相关学术会议和爆炸式的论文发表。机器学习相关课程学习呈现出蓬勃发展的态势。不同于传统经典理论学习，机器学习课程需要不断加强最新知识的引入，前沿的理论加入，可以更加丰富课程知识体系，也有利于培养学生创新学习的精神和创业能力。

（二）课程实践教学部分既强调解决问题能力，又注重方法优化

在现有课程教学中，多数教学强调使用现有的程序解决面临的实际问题，往往忽视学生编程能力提升和方法的优化。而当面临新的问题，无法直接利用现有方法直接解决，或者利用现有方法解决问题时得不到理想结果时，常常无计可施。课程建设和改革需要积极探索提升学生编程能力和优化水平。

网上多如牛毛的机器学习相关开源程序代码，为学生解决实际问题提供了大量的资源，但是这些资源能否合理用于新的问题并且实现最优性能，依然是一个难题。在机器学习课程教学中，需要积极培养学生理解程序代碼，在借鉴吸收基础上设计符合问题需求的算法和代码，进而创造性地开发具有可移植特性的新算法。

（三）课程建设突出产学融合新特征，体现创新型人才培养新目标

课程的教学大纲、教学资源、教学过程和教学质量反馈构成了一套动态闭环更新的教学过程，产学融合则能够在此过程中帮助有效提升课程整体质量。其中教学资源建设与完善需要与企业密切合作，通过委托研究、合作开发等形式与校外企业合作，共同构建和更新机器学习课程资源，使得资源内容更丰富、更贴近企业实际需求，有利于实现创新型人才培养目标。在课程教学质量反馈环节引入产学融合因素，将促进教学大纲更新、教学资源完善、教学过程提升。面对快速发展的人工智能相关科技，产业需求也在不断提升，需要与企业互动交流，依据最新技术需求与技术革新，对课程的教学目标、教学大纲等进行修订，并通过完善教学资源和教学过程，实现产学融合的新型课程构建。

三、机器学习新型课程建设的闭环路径

课程改革必须立足于新工科背景，着重研究如何重构产学融合的机器学习课程，为培养具有较强创新创业能力的高素质人才提供支撑。

（一）重构产学融合联动的机器学习课程理论教学内容

传统的高校课程理论为主并适当辅以实验，这种模式已经不能适应新的时代对人才需求。在新的时代背景下，课程内容设置中我们既牢固树立“以学生为中心、成果导向、持续改进”的理念，又要重视新时代社会经济各个领域对人才的知识、能力和素质的新要求，必须对课程知识体系进行重构。产学融合是突破目前教育瓶颈的重要方式，深度挖掘产业和企业发展壮大对人才技能的需求，在课程大纲制定、课程内容优化及教学方法改革上进行全面研究，把企业的优质资源与高校的课程建设深度融合，通过对现有课程的重构优化，将机器学习课程打造成具有产学融合特色的代表性课程，为探索产学融合的新工科课程体系建设提供宝贵经验。

（二）构建产学融合联动的新型机器学习课程实践教学方法

构建“互惠互利”的产学联动模式。在企业实践锻炼基础上拓展联动模式，依托相关院系共建机器学习实验室、合作共建课程教学团队、学生参与企业合作项目等多个方面。具体来说包括：①挖掘企业丰富的工程实践经验和大数据资源，结合高校教育优势，共同建设机器学习实验室，为开展产学融合人才培养搭建高水平平台。②邀请企业经验丰富的工程师直接参与实践教学授课，例如专题讲座、方案指导、案例点评、实验指导等。③积极主动参与企业正在研究的项目，作为学生实践课题让其直接参与项目研发工作，给学生提供真正实践的机会，强化学生的实践创新能力。

（三）建立产学融合联动的创新创业教学范例

将产学融合理念渗透到以学生为中心和产出为导向的人才培养全过程，探讨校企合作新思路，充分用好企业平台资源，将企业的价值理念、工程技术和资源与机器学习课程教学深度整合，促进高校学生創新创业能力培养和教师科研成果转化，同时提升企业的科技创新水平。

在机器学习课程教学内容设置和相关实验方案设计中，需要强调激发学生参与创新创业热情，鼓励学生主动大胆尝试提出创新创业项目。充分挖掘校内资源，通过校级创新学院和院级创客空间等重要平台，课程教学与科技创新活动相结合，并将课程实验内容与高水平创新创业竞赛、学科竞赛等挂钩，营造优良的创新创业教育和科研教育氛围。充分发挥企业资源优势，鼓励学生结合课程知识、企业需求和自身创业发展，拓宽创新创业道路。

（四）建立具有产学融合特征的机器学习课程考核与质量评价体系

传统的课程考核包括试卷考核、实验操作考核、课程报告等形式，这些形式需要融入产学特征和创新创业精髓。由于课程资源、课程教学过程中都已经融入了产学交互特征，因而必须将产学融合的教学内容加入到课程考核中，也需要突出学生在学习本课程中通过创新创业取得的优异成绩纳入课程考核体系，构建多元化考核方式。

课程质量指标体系中包括了主讲教师情况、教学研究情况、学术水平、课程大纲、课程教材、教学内容、教学方法与设备、课程教学效果、学术实验设计等。这些指标都需要与产学融合新需求深度结合，构建新的遵循课程规律和突出产学融合特征的质量评价体系。新的质量评价体系将有利于课程建设与更新完善。

四、结语

高校机器学习课程建设与改革是新时期产学融合背景下人工智能课程改革的重要内容。机器学习课程建设中必须深入理解产学融合的内涵，与企业深入交流后完善课程内容架构、提升课程目标与标准、更新课程理论知识，并通过课程考核与教学质量反馈，构建一套动态更新的课程建设闭环路径。

参考文献：

[1]国务院.新一代人工智能发展规划.2017-7-8.

[2]教育部.高等学校人工智能创新行动计划.2018-4-2.

[3]钟登华.新工科建设的内涵与行动.高等工程教育研究，2017（3）：1-6.

[4]蒋良孝.机器学习课程教学的实践探索.新课程研究，2019（23）.