面向机器学习的课程设计研究

程步云，梁嫄惠

（黄河科技学院，河南 郑州 450063）

0 引言

近年来，各个行业中机器学习知识与人工智能知识的广泛应用，使社会各界愈发重视人工智能领域的人才培养工作，而如何为国家发展与社会建设培养更多的高素质人工智专业人才，成了我国各高校共同关注的热点话题。在党和国家颁布的《关于印发新一代人工智能发展规划的通知》中，明确指出了我国人工智能领域发展的核心关键为对于高端人才的培养与高端人才队伍的建设，并明确要求各高校应加强人工智能教育体系的完善，通过大力培养与积极引进等方式，加强我国人工智能人才队伍的建设进程。虽然各高校已经提高了对于人工智能领域人才培养工作的重视，但就目前一些本科院校的教学实际情况来看，其在机器学习相关领域的实践教学中，仍旧存在着一些问题与不足之处。

1 机器学习的现状

作为当前最为热门的研究领域之一，机器学习在世界各国都引起了广泛的关注。如全世界最为权威的两大学术期刊《自然》与《科学》就相继推出了多篇关于机器学习的专刊，并就机器学习会对世界科研领域所带来的发展与改变进行了全面、细致的讨论。在工业领域，McKinsey Global Institute（麦肯锡全球研究院）则提出，在未来，机器学习是提高一个地区、一个国家创新力、竞争力与生产力的关键因素[1]。在教育领域，已经有多所知名大学新增设了人工智能新工科专业，其他一些没有增设人工智能专业的高校，也相继开设了以人工智能专业为核心的《机器学习》课程。以中国矿业大学为例，虽然其暂未开设人工智能新工科专业，但其已将《机器学习》课程作为本校信息工程专业的一门重要课程，以期提高学生对于机器学习理论知识的掌握能力，以及利用机器学习理论知识解决实际问题的应用能力。目前来看，虽然中国矿业大学已经开设了《机器学习》课程，但更多的是注重理论的教学，主要是以KNN、决策树、支持向量机等经典的理论算法教学为主，缺乏与不同类型深度神经网络等当今机器学习领域热门研究方向相符合的实践教学[2]。纵观其他高校，也同样存在着与中国矿业大学类似的问题，即《机器学习》的理论教学部门较为充足，但实践教学部分较为薄弱，一些教师仅仅是利用各种机器学习算法在matlab上的方针应用作为《机器学习》课程的实践部分，导致学生无法对机器学习中的算法进行全面的掌握，其利用机器学习知识解决实际问题的能力也迟迟得不到提升。

2 机器学习实践课程设计

2.1 课程设计思路

2.1.1 教学大纲修订

大多数高校的信息工程专业在开展《机器学习》教学时，其教学大纲更多地集中在KNN、决策树、支持向量机等知识点上，但上述知识点已经无法满足当前人工智能领域的发展需求，无法满足当前国家对于人工智能领域人才培养的需求，因此，在进行面向机器学习的课程设计时，首先应对教学大纲进行重新修订[3]。在进行教学大纲的修订时，不仅要包括神经网络学习与深度学习的基础理论知识，同时还应包括机器学习所必须的概率论、线性代数等基础理论知识，并适当增加一些当前人工智能领域的最新知识，并在教学大纲中增加实践环节的占比，从而增加学生利用机器学习知识解决实际问题的能力。

2.1.2 实验设施的改造

通过对我国大部分高校《机器学习》课程实践平台的调研可以发现，目前许多高校的《机器学习》课程实验设施存在单一、落后等问题，无法满足学生的学习需求。为了满足《机器学习》课程的实践需求，应加大人工智能实验室的建设力度，从而配合《机器学习》实践环节的开展。如增加基于Nvidia GPU加速平台的通用计算机人工智能实验平台或基于FPGA的侵入式人工智能实验平台等，从而帮助学生更好、更充分地掌握利用机器学习知识进行实践的技能[4]。

2.1.3 实践教育方法的改革

目前许多高校的实验课程教学基本步骤为学生根据已有的实验结论与实验指导就行实验验证，学生的自主实践能力无法得到真正的锻炼，因此应对实践教育方法进行改革。如降低实验指导书的指导性，增加实验环节中学生的自主性，从而充分发挥出学生的主体作用，提高学生的自主实践能力。

2.2 课程设计内容

面向机器学习的实践课程设计改革，可以采用开放命题与传统命题相结合的方式设置实验，见表1。

表1 机器学习课程设计实验

其中实验1是利用Tensorflow平台和FPGA来教授学生如何实现机器学习算法中的深度学习，该实验的重点在于首先应向学生全面、深入地介绍如何利用Tensorflow搭建神经网络，并使学生掌握FPGA中的并行计算与深度流水线技术。学生通过实验1，可以掌握在对FPGA资源与精度有综合了解后，如何使用函数逼近法。所谓函数逼近法，就是指对激励函数通过一系列的线性函数进行拟合，并利用查表的方式将所得系数表示出来。学生还可以通过实验1学习到如何将双曲正切函数利用多个线性函数表示出来，由于以原点为中心，双曲正切函数的正负区间是呈对称排布的，因此为了节省资源，可以通过取绝对值代入正值区间，再乘以-1的方式得到负值。

实验2进行手写字符识别时采取Tensorflow平台搭建BP神经网络的方式，对于机器学习来说，TensorFlow的价值在于其可以在5～10行代码中进行模型的构建，并且可以利用此模型进行产品的制作。通过实验2，学生可以掌握如何利用Tensorflow平台构建深度神经网络识别手写字符[5]。学生在进行实验2时，最终得到的结果为具有百万级神经元的模型，但模型的表现形式并未代码，而是图片，这样学生不必进行额外代码的编写，可以有效节约时间，更加专注于网络的结构。另外，操作图作为模型的表现形式的另一个好处在于，学生可以将“一部分图片在这里运行、另一部分图片在其他机器群上运行”仅用一行代码就可以表达出来，或者将“数学部分的图在GPU上运行、数据输入部分的代码在CPU上运行”等用一行代码表达出来。学生可以通过进行实验2，掌握利用Tensorflow平台进行各类神经网络的快速搭建的能力。学生在进行完实验1与实验2的实践操作后，可以对机器学习算法有一个初步、直观的了解，从而为后续实验3与实验4的开展奠定扎实的基础。

作为开放式实践课程，教师在进行实验3与实验4的教学时，可以引导学生以小组的方式进行实践，并结合之前学到的机器学习理论知识与各类平台的使用方法，自行命题，并通过小组成员间的写作，共同解决问题，教师要求学生在进行实验时，将实验过程详细地记录下来。并在实验完毕后，每个小组指派一名成员向全班同学讲解自身所在小组是设置了什么样的问题、如何解决这个问题的。

3 面向机器学习的课程设计成效与总结

作为一门实践性、理论性、应用性极强的课程，机器学习课程的课程设计是否具有合理性、灵活性与针对性，是提升机器学习课程教学效果的关键因素，同时，为了全面激发学生对于机器学习的学习兴趣，在进行机器学习课程设计时教学内容应以引导性为主，在向学生讲授课程基础理论知识后，引导学生自行进行实验，并选择自身该兴趣的方向作为实验内容。以中国矿业大学为例，该校于2019年便购进了各类专用计算机开发平台对自身的机器学习课程进行了创新与改革。为了验证本次面向机器学习的课程设计的效果，选取本校信息工程专业的学生作为实验对象，通过实践可以发现，大多数学生对于本次机器学习课程设计的实施效果非常感兴趣，同学们可以根据自身的喜好进行题目的选择与方法的选择，有效激发了学生在不同领域的探索与思考能力。通过进行实验1、实验2、实验3与实验4，学生们表示自身的实际操作能力得到了大幅的提升，并且在进行实验的过程中，对于基础理论知识的理解与掌握程度也有所提高。这种开放性实验教学内容的设计不仅可以有效调动学生的学习积极性，提高学生对于机器学习基础理论知识的理解与掌握；同时也可以有效提升学生的自主实践能力，加深对于机器学习基础理论知识的学习与思考。

4 结语

综上所述，在当前我国人工智能领域对于人才的需求不断增加的前提下，如何对机器学习课程的教学进行改革，从而提高机器学习课程的人才培养能力，为国家发展与社会建设培养更多人工智能领域的高质量人才，成为了各高校迫切解决的实际问题。本文从提高机器学习课程实践性的角度，提出面向机器学习的课程设计的若干思路，希望可以为相关院校提供借鉴参考价值。