基于Gitee与学科竞赛任务驱动的机器学习实践课程教学设计与探索

夏吉安

（南京工业职业技术大学 计算机与软件学院，江苏南京 210023）

2021 年1 月，教育部办公厅印发《本科层次职业教育专业设置管理办法（试行）》，明确指出坚持高层次技术技能人才培养定位，适应学生全面可持续发展的需要[1]。随着职教本科教育在我国的快速发展，如何建立适合职教本科院校的人工智能专业实践教学体系与课程体系是值得研究与探索的课题[2]。

机器学习是人工智能技术服务专业的一门专业核心课，课程目标是理解机器学习算法基础与学习其基本原理和思想，掌握机器学习中相关概念和基础理论知识，增强使用主要机器学习算法的能力。在职教本科学院实践课程的设置与设计中需要注重培养学生应用性与创新性技能，形成以课程实验教学为基础，以课程设计、综合实验、实验项目开发和专业实习为补充，以竞赛为引导的多层次实践教学内容体系。此外，职业教育院校实践教学还需要了解目前企业在人工智能领域实际的人才需求，将理论知识与实践应用结合，有效提高学生的兴趣和应用能力，培养学生的创新意识，使学生的专业知识、创新能力不断提高[3-4]。

目前，随着人工智能学科与相关产业的快速发展，与人工智能相关的学科竞赛也在快速发展。如全球最大的机器学习竞赛平台“Kaggle”、阿里云天池大赛、爱奇艺AI 竞赛、“泰迪杯”全国大学生数据挖掘竞赛等，都将机器学习/深度学习算法建模、应用与实际生产场景紧密结合，通过竞赛项目驱动的方式将机器学习的理论与实践教学体系有机地融入学科竞赛内容，有利于人工智能相关专业学生操作技能与创新能力的培养。针对职教本科院校教育教学的特点，需要将机器学习课程中的理论知识与实践操作应用相结合，针对机器学习课程中的重点和难点部分，结合人工智能相关竞赛的内容，设计开发相应的综合性、案例性实验内容，增强学生使用机器学习算法解决实际问题的能力，提高职教本科院校人工智能相关专业人才培养的质量与水平[5-6]。

1 机器学习实践课程分析

目前，国内机器学习相关课程存在着重理论轻实践的问题，内容偏重于机器学习算法的理论推导与证明，缺乏与实践教学内容的系统性结合。机器学习实践教学主要使用Python 结合Scikit-learn 机器学习库编程实现经典机器学习算法，指导学生进行机器学习算法的编程实现与应用。实践教学内容局限于算法理论相关知识实例化呈现，没有形成系统化、案例化的实践教学体系，缺乏机器学习算法在实际应用场景中应用技术的培养。

机器学习实践课程需要强调对学生人工智能技术服务与技术支持的培养，需要教授学生使用人工智能技术解决今后工作中会遇到的实际问题，所以在实践教学中需要对于目前的实践教学方法进行研究。在教学改革中需要以课程实验教学为基础，设计案例化、活页式、开放性的实验内容，建立以竞赛为引导的多层次实践教学内容体系。同时，以Gitee为代表的虚拟化教学云平台的出现，为教师设计、组织、加工多媒体在线教学平台提供了便利与条件。通过以竞赛为驱动、案例化的实践教学内容设计与开发，辅助在线虚拟化教学云平台的使用，可以为人工智能相关专业的实践教学提供新的设计方法与思路[7-8]。

2 创新实践课程设计

在机器学习课程实践教学内容编写与组织过程中，将虚拟云技术应用到机器学习与深度学习实验课程的具体设计与实施中，使用Gitee（码云）将实践课程内容以虚拟化网站平台的形式进行组织与展示。任课教师围绕机器学习与深度学习实验课程的教学大纲、教学计划、授课计划完成实践教学内容信息的加工、组织与发布，提供基于Gitee 互动学习的虚拟化教学网站平台，如图1 所示。

图1 创新实践课程设计流程

在实践教学内容设计与组织方面，任课教师在实践教学过程中选取机器学习与深度学习学科竞赛中的优秀案例，把学科竞赛的内容有机地融入实践教学中，培养学生的创新精神和实践能力，促进教学过程整体优化。教师还应探索在信息化教学环境中人工智能学科实践教学的教学形式、教学设计与教学内容。

目前机器学习算法模型多种多样，在实际教学中不能完全涉及。面向学有余力的学生，教师设计开发自主学习与探索性的实验案例，引导学生对数据转换、特征提取、数据降维、模型转换等方面的机器学习算法进行学习。

2.1 基于Gitee 的虚拟云教学平台

使用Gitee 搭建虚拟化实践教学云平台，教师通过对课程实践教学资料、教学文档、教学案例的整合，构建课程实践教学的虚拟化网站平台[9-10]。同时，在虚拟化网站平台构建中，注意理论课程与实践课程的内容衔接，通过知识点回顾整理、内容提纲、实践内容分解、实践内容思考等方面构建虚拟化平台。Gitee 虚拟云教学网站首页如图2 所示。

图2 基于Gitee 虚拟云实践教学网站

2.2 学科竞赛任务驱动教学设计

任课教师基于对全球主要机器学习竞赛网站中竞赛内容的学习与理解，将适合实践课程教学的竞赛案例筛选出来，进行教学案例的分解、组织、加工和重新组合，设计与开发课程实践教学的教学案例，并在Gitee 虚拟化实践教学云平台中进行整理与发布，方便学生学习与研究。

例如：任课教师通过对目前全球最大的机器学习竞赛网站“Kaggle”竞赛内容进行学习与筛选，选择经典的“泰坦尼克号”幸存者预测竞赛内容作为教学设计素材与内容，通过重新进行实践内容组织、编排、加工，设计了基于随机森林算法的“泰坦尼克号”幸存者预测实践教学案例，如图3、图4 所示。

图3 Kaggle “泰坦尼克号”幸存者预测竞赛原题

图4 整理、加工后的实践教学案例

2.3 自主学习与探索性实验

目前较为常用的机器学习算法有上百种，面对不同的应用场景可使用不同的算法解决对应的问题[11-12]。针对学有余力的学生，教师可以对于经典的机器学习算法相关知识进行扩展，进一步进行数据挖掘与算法模型的教学与教案设计，如设计特征转换、特征提取、数据降维、回归与分类、模型转换等相关算法，建立相关数据挖掘模型，针对不同算法在具体应用场景的运行效率进行探索性分析，分析不同算法的适用性和效率，进一步加强学生对于机器学习与数据挖掘相关技术的应用与探索分析能力[13-14]，如图5 所示。

图5 自主学习与探索性实验

2.4 实践课程考核

除了对实践课程的教学内容与教学形式进行探索与研究，在实践课程考核方式上也需要进行总结与思考。机器学习实践课程考核方式除了要反映出学生对机器学习算法理论知识与技能的熟悉度，还需要注意培养学生的书面表达能力与交流能力。在具体的教学中，教师可将学生分为若干项目团队，由团队共同完成实验项目，在考核方式上采用答辩与实践报告相结合的方式。项目组成员参加答辩，由组长负责组答辩，对于项目的设计、规划、成员职责进行叙述，再由各个成员讲述各自完成的部分，同时重点考查各个成员对于该题目中存在问题的分析以及解决方案等方面，最后团队小组完成机器学习实践实验项目后提交实验报告。通过这样的方式可以更加有效地反映出学生在机器学习实践课程中对于知识技能的掌握情况，也能更好地培养学生交流与表达的能力。

此外，在实践课程授课中，教师对于有一定人工智能相关知识与技术基础并且对相关技术感兴趣的学生，可以给予课外的辅导。教师还可鼓励与指导学生参加人工智能相关的技术竞赛，通过参加人工智能学科竞赛进一步锻炼学生的实际动手能力，激发学生自主学习与探索性学习的能力。

最后，鼓励学生在课内学习之余参加机器学习/深度学习相关的课外培训，制定相应的规则制度，对于已经参加课外培训获得了人工智能相关认证证书的学生，可以免修部分机器学习课程学分。

3 结束语

机器学习是人工智能相关专业的核心课，由于理论课程中涉及较多的数理和统计学知识，需要设计与开发合理的实践课程教学体系。通过使用虚拟云技术（Gitee），以工程化的方式设计与组织课程实践教学内容。任课教师结合自身对于本课程教学内容的理解，将最新的机器学习和深度学习学科竞赛内容融入实践课程的教学实施过程中，帮助学生理解与掌握本课程的理论知识，有助于提高学生利用机器学习与深度学习解决实际问题的能力，提高课程的教学质量。基于虚拟化实践教学与学科竞赛为驱动的教学设计方式，可为将来计算机相关专业课程的改革与职教本科课程设计与实施提供参考。