华为智能基座融于深度学习课程教学的探索与实践

摘要：人工智能产业的发展与国内相关教育领域的演进已经成为产教共同关注的问题。目前，深度学习专业课程的教学改革是研究热点，但由于教学形式、教学资源等方面的局限性，其改革过程面临着人才培养与学科发展不协调、理论知识到实践应用转化困难等挑战。本文探讨了華为智能基座融于深度学习课程的教学改革策略，并结合科教融合和产教合作培养模式，给出了大学生应用所学知识解决实际问题的建议。

关键词：深度学习;华为智能基座;科教融合;产教合作

“人工智能+”等新一代信息技术的快速发展，对新工科人才培养提出了全新要求。数字时代的人才培养，既需要基础理论灌溉，又需要对接产业界科技发展趋势与市场需求，多方协同、优势互补、从而构建良性的人才生态与培养体系。深度学习是人工智能专业的重要基础课程，其概念虽火热、应用虽广，但在教育领域开展相关教育却并非是一蹴而就的。虽然目前已有很多高校实施教学改革措施，但这些措施大多只关注于理论教学效果或难以应用到实际设计中。因此，深度学习课程教学迫切需要能够以产学协同合作为基础的产教融合育人机制，进而填补产业人才空缺。

一、深度学习课程的教学理念及教学过程中存在的问题

深度学习课程是一门以生物学、数学、计算机科学等为基础的新兴交叉学科，旨在通过学习和实际应用培养本科生对人工智能领域知识的兴趣，掌握该学科的基础理论、经典算法、前沿技术，拓宽学生的知识面，对提高学生科学逻辑思维以及用数学建模思想解决实际问题的能力具有重要作用。然而，深度学习课程知识点多、内容抽象，应用性强，传统的教学形式和过程很难满足其教学理念及要求。根据近年来高等学校的教学情况反映，深度学习课程教学主要存在如下问题。

1.课程理论抽象，教学形式单一

深度学习课程的专业理论包括前馈神经网络、卷积神经网络、循环和递归神经网络、生成对抗网络及自编码器等内容，具有很强的理论性、实践性和综合性，涉及应用数学基础和多种机器学习优化训练策略。一方面，传统的课程教学主要以理论为主，大量的数学符号、算法伪代码及网络架构图难以调动学生的学习积极性，使其容易忽略课程中的重点和难点;另一方面，目前众多高校均使用Ian Goodfellow等人所编著的英文教材，其内容深奥且信息量较大，因此，适用教材的稀缺加剧了深度学习课程学习的难度。

传统的深度学习课程教学考查形式单一，学生仅仅通过有限的作业量和考试范围，难以熟悉和掌握深度学习所涉及的问题、解决方案以及建模机理。教学内容的千篇一律，且使用相同教材以及教学模式应对不同的学生也降低了其吸纳知识的效率。

2.理论知识到实践应用转化困难，人才培养与学科发展不协调

深度学习现阶段作为一门经验科学，从课程设置的角度来看，面临着一个尴尬的局面。目前高校教育投资基本上还是倾向于理论教学，实践性教学得到的资金扶持明显不足，加之高性能计算实验室建设投资昂贵，人均使用实验设备量严重不足，在深度学习实验中，常常不得不采用演示实验。由于实践性教学经费紧张、实践性教学时数减少等问题，实践性教学环节不得不采取合并、裁减、模拟，甚至“以讲代练”等方式。学生由于在教学中得不到足够的实践能力训练，使得实际操作技能和动手能力不能达到应有的水平。

课程教学应紧跟领域变化而做出相应调整。深度学习技术更新换代的速度快，这对深度学习课程的设置及人才的培养提出了挑战。由于受硬件的限制，一些高校在课程开设上还以理论为主，实践性活动严重不足。同时一些实践教材内容滞后现象严重，案例代码注释较少，使得教学内容严重落后于整个行业的实际需要，导致培养出来的人工智能专业学生普遍存在动手能力、实践能力差，不能适应企业的需要。

二、华为智能基座融于深度学习课程教学改革内容

1.改变传统教学模式，体现学生的主动性

首先，将枯燥抽象的知识点转化为趣味性强的案例，有利于集中学生注意力，提高学习效率。通过与华为昇腾生态项目开展合作，教师能够积累并从中获取大量案例，突出深度学习专业课程的重点和难点，进而将理论知识得到全面的应用。教师通过选择“案例–理论”和“理论–案例”的方式将深度学习抽象理论讲授给学生，引导学生自主学习与案例相关内容，给出解决方案，并进行评价，例如在卷积神经网络部分引入“AlphaGo下围棋”案例，在生成对抗网络部分引入“捕食者与猎物博弈”案例。其次，全面推进与华为合作共建以昇腾及华为云项目为链的课程体系建设。通过持续课程内容改革，开展灵活多样的项目式学习，鼓励开展以问题为导向的教学模式，激励学生尝试体验式学习、自主式项目实践学习和浸润式学习等方式。第三，进一步深化智能基座项目，将产业根技术和高校课程融合，从教材教辅方面进行更深的优化。通过融汇当前主流软硬件体系，帮助学生培养系统思维，使其能够结合案例快速解决行业问题。通过配套代码注释，帮助学生将教材教辅上的知识内化为自己的能力，指导学生实践，通过实践练习和企业项目来推进理论与实践的结合。

2.优化教学实践，推动科教融合和产教合作

首先，在高校建设实验室和实践教学资源等，组织学生参加创新创业实践、大赛、技术沙龙、学生开发者训练等相关活动，以产业和技术发展的最新需求推动高校人才培养改革、教学资源建设、师资培训，强化学生创新创业和实践能力培养。其次，建立合理科学的评价机制，确保实践性教学质量的稳步提高。改变以考试分数作为衡量教学成果的唯一评价标准的做法，建立多重标准的评价体系，注重学生综合应用知识的能力、解决问题的能力和实践创新能力的评价。对学生成绩评定办法上应根据深度学习课程的特点将终结性评价改为过程评价，可以把过程考核、阶段考核、技能考核和期中、期末考核结合起来，按照一定的比例加以评定，以进一步促进学生加强平时的技能训练和实践经验的积累。在考核办法上，对实践性较强的深度学习专业课程，可到专业实训现场进行实际操作考试，变“笔试”为实际操作。将课程考核与行业认证等相结合，这样既可以测试学生的实际技能水平，又可以让学生获得专业技能认证，为学生顺利就业提供帮助。最终推动深度学习课程的科教融合和产教合作，实现理论与实践的有机结合。

三、结语

深度学习专业课程的教学改革过程面临着人才培养与学科发展不协调、理论知识到实践应用转化困难等挑战。本文针对如何开展华为智能基座融于深度学习课程教学展开了讨论，对存在的一些问题，进行了分析。通过改变传统教学模式，优化教学实践，推动科教融合和产教合作，使学生在教学过程中掌握课程要点，提高实践能力，做到对接产业界科技发展趋势和满足市场需求。

参考文献：

[1]王颖.探讨交叉学科背景下人工智能课程教学与实践[J].新教育，2021（18）：9.

[2]张瑾，顾军.“计算思维与人工智能基础”课程教学改革研究[J].科教文汇.2021（08）：91-93.

[3]陈川，陈柘，丁双惠.深度学习发展形势下计算机视觉教学内容革新[J].计算机与现代化，2020（06）：107-113.

作者简介：宋杰，1986.8，男，汉族，江苏连云港人，南京邮电大学，工学博士，讲师，从事深度学习、模式识别与机器学习研究。