亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        面向機(jī)器學(xué)習(xí)的課程設(shè)計研究

        2018-12-01 05:11:38尹劍飛何玉林
        計算機(jī)教育 2018年11期
        關(guān)鍵詞:機(jī)器模板案例

        尹劍飛,何玉林

        (深圳大學(xué) 計算機(jī)與軟件學(xué)院,廣東 深圳 518060)

        0 引 言

        隨著人工智能、機(jī)器學(xué)習(xí)等知識在各個行業(yè)的應(yīng)用,如何培養(yǎng)人工智能相關(guān)領(lǐng)域高素質(zhì)人才成為學(xué)術(shù)界和產(chǎn)業(yè)界共同關(guān)注的問題。正如《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》中指出,把高端人才隊伍建設(shè)作為人工智能發(fā)展的重中之重,堅持培養(yǎng)和引進(jìn)相結(jié)合,完善人工智能教育體系,加強(qiáng)人才儲備和梯隊建設(shè),但從目前機(jī)器學(xué)習(xí)相關(guān)領(lǐng)域的本科教學(xué)實踐來看,主要存在內(nèi)容較為單一、實操性不強(qiáng)等問題。

        1 機(jī)器學(xué)習(xí)的知識層次

        機(jī)器學(xué)習(xí)學(xué)科涉及多方面的知識,內(nèi)容廣、基礎(chǔ)寬,若按應(yīng)用方向劃分,可以得到表1中的機(jī)器學(xué)習(xí)知識層次。第1層給出了最大粒度的劃分,分為監(jiān)督、無監(jiān)督和強(qiáng)化學(xué)習(xí)3個主要的分類研究;第2層在第1層的基礎(chǔ)上做了較細(xì)粒度的劃分,如分類和回歸屬于監(jiān)督學(xué)習(xí)、聚類屬于無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)可分為有模型假設(shè)和無模型假設(shè)的學(xué)習(xí)等;第4層是具體的算法大類,如CNN是第3層深度神經(jīng)網(wǎng)絡(luò)的一種表現(xiàn)形式;第5層是更為通用的技術(shù)方法,在第4層算法大類中被廣泛采用。

        在機(jī)器學(xué)習(xí)相關(guān)的本科教學(xué)課程配置方面,一般為大學(xué)三年級的學(xué)生準(zhǔn)備了一個學(xué)期的1~2門選修課,如機(jī)器學(xué)習(xí)導(dǎo)論、數(shù)據(jù)挖掘?qū)д?,涉及的教學(xué)內(nèi)容主要有數(shù)據(jù)預(yù)處理技術(shù)、PCA、LDA、LLE、聚類分析、關(guān)聯(lián)規(guī)則、SVM、樸素貝葉斯分類器、AdaBoost等,考核方式為課程論文或與項目相結(jié)合??紤]到課程學(xué)習(xí)量的減負(fù)和學(xué)科建設(shè)的均衡性,這樣的課程安排有一定的合理性,但在參照表1中機(jī)器學(xué)習(xí)知識層次的情況下,課程安排在廣度和深度兩方面都有一定缺失[1],特別是深度方面缺少通用技術(shù)方法的介紹,掌握像Adam、隨機(jī)采樣、變分推斷等基礎(chǔ)性算法的原理對于提高解決問題的能力具有重要意義;缺少通用算法原則的訓(xùn)練,如基于梯度的數(shù)值優(yōu)化算法設(shè)計、基于貝葉斯原則的優(yōu)化目標(biāo)函數(shù)設(shè)計、基于分布的抽樣優(yōu)化算法等;缺少新知識點的引入和復(fù)雜工程訓(xùn)練,如深度學(xué)習(xí)方面,包括基于CNN、RNN、LSTM的算法設(shè)計,如強(qiáng)化學(xué)習(xí)方面,包括DQN、Actor-Critic等算法以及游戲?qū)?、智能體等應(yīng)用。

        若從技術(shù)視角入手,如機(jī)器學(xué)習(xí)著名學(xué)者M(jìn). I. Jordan所言,機(jī)器學(xué)習(xí)是概率和優(yōu)化兩方面相結(jié)合的一種綜合應(yīng)用,可以得到表2中的知識層次。對比表1和表2可知有一些知識點是重疊的,如表1第5層的極大似然、核方法、EM算法與表2的極大似然、MAP 、點積空間、MM算法有共同之處,但表1中還有不少知識點具有應(yīng)用的獨(dú)特性,如Batch規(guī)范化、Dropout、Adam這些源自深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的算法,與表2中一些概念有聯(lián)系但又有較多的改變,如Batch規(guī)范化與概率論的zscore數(shù)據(jù)預(yù)處理有相似性,但應(yīng)用場景從一維隨機(jī)變量的正規(guī)化變成應(yīng)用嵌套非線性函數(shù)的神經(jīng)網(wǎng)絡(luò)激活單元的輸出正規(guī)化;又如Adam算法可以看作對梯度下降算法進(jìn)行自適應(yīng)步長和梯度方向正規(guī)化的改進(jìn),以服務(wù)于深度神經(jīng)網(wǎng)絡(luò)大量參數(shù)值的搜索過程。

        表1 按應(yīng)用劃分的機(jī)器學(xué)習(xí)知識層級示例

        表2 按技術(shù)劃分的機(jī)器學(xué)習(xí)知識層級示例

        從大學(xué)教育的能力培養(yǎng)角度來講,應(yīng)該更多地加強(qiáng)以表1的第5層和表2的第3層為代表的基礎(chǔ)概念和算法方面的訓(xùn)練,因為它們具有更廣泛的應(yīng)用場景,通過組合這些基礎(chǔ)知識可以創(chuàng)造新的算法、解決更廣泛的機(jī)器學(xué)習(xí)和優(yōu)化問題。然而,在課程教學(xué)編排上如果直接講述表2第3層和表1第5層的內(nèi)容,就會產(chǎn)生以下幾個問題:①單個知識點涉及的數(shù)學(xué)背景知識較深,需要較多的基礎(chǔ)知識鋪墊,如無監(jiān)督學(xué)習(xí)的子空間聚類研究方向的譜聚類算法就應(yīng)用了譜分解這一知識點,位于表2的第3層,若要從矩陣論的角度講清楚它,則需要了解對稱矩陣、特征根、正交矩陣、譜線性空間、特征向量、超橢球的幾何關(guān)系等相關(guān)知識,這樣容易陷入更多的數(shù)學(xué)細(xì)節(jié)而偏離應(yīng)用上下文;②缺少應(yīng)用上下文的導(dǎo)引,降低課程的趣味性,也削弱多個知識點構(gòu)成的整體性;③不是每個知識點都需要覆蓋,對于相近的知識點,如Hellinger距離與搬土距離,只需選擇一個即可。因此,如何在有限的教學(xué)課時內(nèi),有選擇地覆蓋表1第5層和表2第3層的基礎(chǔ)概念和算法,如何設(shè)計一組機(jī)器學(xué)習(xí)主題將這些基礎(chǔ)知識點串聯(lián)起來,是很值得研究的課題。

        2 教學(xué)設(shè)計

        多數(shù)機(jī)器學(xué)習(xí)書籍[2-5]將知識點按照應(yīng)用方向,即監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)進(jìn)行歸類,在每個方向下羅列較多的具體算法,如屬于監(jiān)督學(xué)習(xí)方向的SVM、神經(jīng)網(wǎng)絡(luò)、RNN、LSTM、決策樹等。這種知識點編排對課程教學(xué)具體實施提出挑戰(zhàn),存在以下問題:①在某個應(yīng)用方向的算法教學(xué)上停留過多時間,影響機(jī)器學(xué)習(xí)的全局觀把握,容易陷入特定應(yīng)用的固定思維模式,如監(jiān)督學(xué)習(xí)作為應(yīng)用主流,一般給予較多的課時,監(jiān)督學(xué)習(xí)的基本過程有特征選擇、特征變換、標(biāo)簽設(shè)計、目標(biāo)函數(shù)設(shè)計與正則化、數(shù)據(jù)集的訓(xùn)練、驗證與測試劃分、交叉驗證、模型選擇、超參數(shù)搜索等,雖然這些基本過程中的其他部分可以用于無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等應(yīng)用方向,但是數(shù)據(jù)集的劃分、交叉驗證和模型選擇這3個部分就不適于無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí),歸根結(jié)底,這3個部分需要標(biāo)簽信息的參與,因而帶有鮮明的監(jiān)督學(xué)習(xí)特征。進(jìn)一步而言,絕大多數(shù)監(jiān)督學(xué)習(xí)方法使用批數(shù)據(jù),對于流數(shù)據(jù)缺乏相關(guān)介紹。②對每個細(xì)分的學(xué)習(xí)算法做了過于精致的敘述,缺少綜合應(yīng)用場景的案例講解,如文獻(xiàn)[2]關(guān)于神經(jīng)網(wǎng)絡(luò)的自動梯度推導(dǎo),對于本科生來說有較高難度,況且主流的機(jī)器學(xué)習(xí)工具如tensorf l ow、pytorch等都提供了自動梯度計算支持[6]。因此,對于某些較深的技術(shù)內(nèi)容可以作適當(dāng)裁剪,有助于保證全局知識體系的有效掌控而不是陷入某個技術(shù)細(xì)節(jié),同時有助于提高學(xué)習(xí)的產(chǎn)出性。

        鑒于上述原因,一種適合于本科機(jī)器學(xué)習(xí)的課程設(shè)計方案應(yīng)該以具有貫穿性的應(yīng)用案例為主線,開發(fā)逐漸增強(qiáng)的案例版本,在有新知識加入的同時保證過程的完整性。應(yīng)用案例模板示例如圖1所示。

        圖1給出了3種應(yīng)用案例模板,A模板對應(yīng)于一般性的無監(jiān)督學(xué)習(xí)算法執(zhí)行過程;B模板對應(yīng)一般性的監(jiān)督學(xué)習(xí)算法流程。通過對比A和B,可知監(jiān)督學(xué)習(xí)在標(biāo)簽設(shè)計、模型參數(shù)調(diào)整方面顯著不同,這是從目標(biāo)函數(shù)設(shè)計和參數(shù)更新的角度刻畫無監(jiān)督學(xué)習(xí)與有監(jiān)督學(xué)習(xí)的細(xì)微差別。C模板對應(yīng)一般性的在線學(xué)習(xí)或強(qiáng)化學(xué)習(xí)執(zhí)行流程,通過對比C與AB發(fā)現(xiàn),在線學(xué)習(xí)或強(qiáng)化學(xué)習(xí)的參數(shù)調(diào)整是連續(xù)進(jìn)行的,而監(jiān)督學(xué)習(xí)或無監(jiān)督學(xué)習(xí)在參數(shù)調(diào)整方面都有一個明顯的分界點,該分界點劃分出模型運(yùn)行前與運(yùn)行后。在ABC應(yīng)用案例模板的基礎(chǔ)上,可以將表1和表2 的知識點有選擇地替換或插入相應(yīng)的環(huán)節(jié),形成多個具體應(yīng)用案例,如用維度化簡PCA替換特征變換,用極大似然、Batch規(guī)范化和DNN替換目標(biāo)函數(shù)設(shè)計,用Adam替換優(yōu)化算法,用貝葉斯優(yōu)化方法替換超參調(diào)整,可以設(shè)計出一個基于DNN的監(jiān)督學(xué)習(xí)案例。

        3 教學(xué)效果

        為驗證提出的課程設(shè)計方案,我們在圖1的基礎(chǔ)上設(shè)計了若干機(jī)器學(xué)習(xí)案例,包括基于流形學(xué)習(xí)和基于深度學(xué)習(xí)相結(jié)合的監(jiān)督學(xué)習(xí)案例、基于重要性采樣的變分推斷和強(qiáng)化學(xué)習(xí)相結(jié)合的在線學(xué)習(xí)案例等,并將這些案例融入我院大數(shù)據(jù)班的教學(xué)過程。通過概念(Concept)、問題解決(ProbSolv)、編程能力(Prog)、數(shù)據(jù)分析(DataAna)、流程創(chuàng)新(FlowInno)考查應(yīng)用案例的教學(xué)效果,對比普通班與大數(shù)據(jù)班在這5個方面的成績分布情況,如圖2所示。

        其中,Concept以表1和表2的知識點為主要考查內(nèi)容,以客觀題的形式檢查學(xué)生對各類知識點的理解程度和關(guān)聯(lián)情況。ProbSolv則以實際項目開發(fā)過程中遇到的各種數(shù)據(jù)處理子任務(wù)為原型,開發(fā)了一組算法和編程問題,涉及模式識別與預(yù)測、金融時序數(shù)據(jù)預(yù)測與分析、工業(yè)數(shù)據(jù)預(yù)測與分析、智能體運(yùn)動設(shè)計等方面的背景案例。ProbSolv以項目形式開展,要求學(xué)生以小型開發(fā)團(tuán)隊方式完成,同一名學(xué)生在不同項目中承擔(dān)不同的角色,如程序員、數(shù)據(jù)分析員、數(shù)據(jù)建模者等,這種多項目、多分工的安排有助于考查學(xué)生不同方面的綜合能力,同時兼顧團(tuán)隊協(xié)作能力的培養(yǎng)。Prog涉及程序設(shè)計、工具掌握情況、軟件可維性等方面的軟件工程技術(shù)能力考查。DataAna涉及實驗性數(shù)據(jù)分析、聚類、趨勢分析、數(shù)據(jù)可視化等方面的內(nèi)容。FlowInno主要考查學(xué)生在ProbSolv項目中的數(shù)據(jù)處理環(huán)節(jié)是否有創(chuàng)新性以及對于問題的簡化處理能力。

        由圖2可知,在問題解決、數(shù)據(jù)分析、流程創(chuàng)新3方面,大數(shù)據(jù)班學(xué)生獲得了較好的能力提升,這主要?dú)w功于教學(xué)模型的柔性設(shè)計和案例創(chuàng)新。

        圖2 能力對比

        4 結(jié) 語

        在當(dāng)前機(jī)器學(xué)習(xí)和人工智能人才需求與供應(yīng)不匹配的情況下,對于如何改進(jìn)機(jī)器學(xué)習(xí)課程的本科教學(xué)工作,提出了一種可變流程的課程設(shè)計方案,通過可定制的應(yīng)用案例模板將各類知識點進(jìn)行柔性編排,從實際項目抽取問題開展教學(xué)實踐,并在大數(shù)據(jù)班的本科生中進(jìn)行試點。實際教學(xué)效果顯示,該方案能有效提高學(xué)生在機(jī)器學(xué)習(xí)領(lǐng)域的問題解決、數(shù)據(jù)分析、流程創(chuàng)新等方面的能力,為實現(xiàn)機(jī)器學(xué)習(xí)人才培養(yǎng)提供一條具有較高可操作性的思路。

        猜你喜歡
        機(jī)器模板案例
        鋁模板在高層建筑施工中的應(yīng)用
        鋁模板在高層建筑施工中的應(yīng)用
        機(jī)器狗
        機(jī)器狗
        案例4 奔跑吧,少年!
        少先隊活動(2021年2期)2021-03-29 05:40:48
        隨機(jī)變量分布及統(tǒng)計案例拔高卷
        未來機(jī)器城
        電影(2018年8期)2018-09-21 08:00:06
        發(fā)生在你我身邊的那些治超案例
        中國公路(2017年7期)2017-07-24 13:56:38
        鋁模板在高層建筑施工中的應(yīng)用
        城市綜改 可推廣的模板較少
        国产欧美一区二区精品仙草咪| 国产精品亚洲一区二区三区在线 | 亚洲禁区一区二区三区天美| 久久久久亚洲av成人片| 精品亚洲成a人在线观看青青| 国产精品18久久久久久不卡中国| 国产肥熟女视频一区二区三区| 国产精品国产av一区二区三区| 中文字幕久久熟女蜜桃| 成年视频国产免费观看| 国产优质女主播在线观看| 亚洲成人精品久久久国产精品| 中文天堂国产最新| 亚洲另类国产综合第一| 中文字幕五月久久婷热| 国产实拍日韩精品av在线| 亚洲国产精品久久人人爱| 亚洲人成7777影视在线观看| 久久久亚洲日本精品一区| 人妻少妇满足中文字幕| 天天鲁在视频在线观看| 国产91在线免费| 国产一区二区三区不卡在线播放| 女人18片毛片60分钟| 人妻少妇精品视频一区二区三区| 免费一级a毛片在线播出| 国产一区二区三区免费av| 国产强被迫伦姧在线观看无码| 亚洲妓女综合网99| 青青草久热手机在线视频观看| 国产在线视频91九色| 国产成人aaaaa级毛片| 无码国产精品第100页| 国产亚洲一区二区精品| 私人vps一夜爽毛片免费| 国产一区二区三区美女| 亚洲成人激情在线影院| 色大全全免费网站久久| 中文字幕无码不卡一区二区三区| 欧美zozo另类人禽交| 日韩av一区二区不卡|