張猛 姚華雄

摘 要 機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要分支。機(jī)器學(xué)習(xí)算法眾多，涉及到較多的數(shù)學(xué)基礎(chǔ)知識(shí)。同時(shí)它也是一門非常強(qiáng)調(diào)工程應(yīng)用的課程，對(duì)學(xué)生動(dòng)手能力要求很高。這些導(dǎo)致《機(jī)器學(xué)習(xí)》課程教學(xué)難度較大。本文分析了該課程在實(shí)際教學(xué)中存在的問(wèn)題，提出在項(xiàng)目環(huán)境中進(jìn)行《機(jī)器學(xué)習(xí)》的教學(xué)，激發(fā)學(xué)生的學(xué)習(xí)興趣，以期得到良好的教學(xué)效果。

關(guān)鍵詞 項(xiàng)目驅(qū)動(dòng) 機(jī)器學(xué)習(xí)

0引言

隨著智能信息時(shí)代的快速發(fā)展，人工智能逐漸成為國(guó)家發(fā)展戰(zhàn)略。作為人工智能的重要研究分支，機(jī)器學(xué)習(xí)方法也在國(guó)民生產(chǎn)生活中產(chǎn)生舉足輕重的作用。國(guó)內(nèi)外各高校也越來(lái)越重視《機(jī)器學(xué)習(xí)》的課程教學(xué)?！稒C(jī)器學(xué)習(xí)》是研究生階段人工智能領(lǐng)域的核心課程，它研究用計(jì)算機(jī)模擬人類大腦的方法。該課程的學(xué)習(xí)需要有良好的數(shù)學(xué)理論基礎(chǔ)，包括微積分、統(tǒng)計(jì)學(xué)、線性代數(shù)、控制論、信息論。

由于《機(jī)器學(xué)習(xí)》課程具有知識(shí)點(diǎn)分布廣泛、理論基礎(chǔ)要求較高、課程學(xué)時(shí)較少等特點(diǎn)，傳統(tǒng)的課程教學(xué)模式存在很多問(wèn)題，容易導(dǎo)致該課程教學(xué)效果不佳。因此，《機(jī)器學(xué)習(xí)》課程的教學(xué)模式探索是一個(gè)重要的課題。

本文以華中師范大學(xué)計(jì)算機(jī)學(xué)院和其它兄弟院校開設(shè)的《機(jī)器學(xué)習(xí)》課程情況進(jìn)行研究發(fā)現(xiàn)教學(xué)中存在著一些困難：（1）課堂教學(xué)課時(shí)少;（2）數(shù)學(xué)理論要求高，而學(xué)生基礎(chǔ)又較薄弱;（3）實(shí)踐性強(qiáng)，學(xué)生動(dòng)手能力不足。這些都影響了教學(xué)效果，學(xué)生在學(xué)習(xí)相關(guān)內(nèi)容時(shí)，容易產(chǎn)生畏難情緒。因此，對(duì)該課程教學(xué)模式進(jìn)行探索是一個(gè)重要的課題。

1課程的特點(diǎn)

1.1涉及的數(shù)學(xué)理論較多

該課程的一個(gè)重要特點(diǎn)是涉及很多數(shù)學(xué)理論。這給教學(xué)帶來(lái)了許多挑戰(zhàn)，使得學(xué)生產(chǎn)生畏難情緒。 例如機(jī)器學(xué)習(xí)的經(jīng)典方法支持向量機(jī)，涉及到微積分、矩陣計(jì)算、優(yōu)化理論、矩陣論、概率論等基礎(chǔ)數(shù)學(xué)知識(shí)，并且包含超平面分割、向量投影、二次規(guī)劃、核函數(shù)映射等知識(shí)點(diǎn)。又比如主成分分析方法涉及到特征向量、協(xié)方差矩陣、矩陣特征值等知識(shí)。這些數(shù)學(xué)知識(shí)分跨不同數(shù)學(xué)子領(lǐng)域，并且分散于不同課程中。

1.2課程的學(xué)科交叉性

《機(jī)器學(xué)習(xí)》課程是一門應(yīng)用學(xué)科，根據(jù)應(yīng)用領(lǐng)域的不同，它涉及到語(yǔ)言學(xué)、電子信息、自動(dòng)控制、心理學(xué)、材料、生物、天文的專業(yè)知識(shí)。例如，在無(wú)人駕駛系統(tǒng)中，需要通過(guò)機(jī)器學(xué)習(xí)方法了解外界環(huán)境，利用分析的結(jié)果指導(dǎo)計(jì)算機(jī)設(shè)計(jì)駕駛速度和路線，這涉及到自動(dòng)控制、圖像與視頻分析等知識(shí);另外人們能夠利用機(jī)器學(xué)習(xí)方法分析學(xué)生的學(xué)習(xí)過(guò)程中產(chǎn)生的數(shù)據(jù)，來(lái)評(píng)估學(xué)生的學(xué)習(xí)狀態(tài)和并進(jìn)行有效地人工干預(yù)，這涉及到心理學(xué)和教育學(xué)方面的知識(shí)。初學(xué)者常常因?yàn)椴焕斫馄渌鼘I(yè)的相關(guān)知識(shí)而難以利用機(jī)器學(xué)習(xí)算法處理實(shí)際應(yīng)用問(wèn)題。

1.3課程需要很強(qiáng)的動(dòng)手能力

除了良好的數(shù)學(xué)基礎(chǔ)和相關(guān)領(lǐng)域的知識(shí)儲(chǔ)備，《機(jī)器學(xué)習(xí)》對(duì)于計(jì)算機(jī)編程能力要求很高。目前機(jī)器學(xué)習(xí)算法沒(méi)有統(tǒng)一的開發(fā)環(huán)境，學(xué)習(xí)者需要對(duì)各種開發(fā)環(huán)境均非常熟悉。例如，基于Python語(yǔ)言庫(kù)的Theano、Scikit-Learn，基于C#的Accord.net，同時(shí)支持Python和C++語(yǔ)言的深度學(xué)習(xí)庫(kù)TensorFlow和CNTK，可支持Python、Matlab和C++等多種語(yǔ)言的Mxnet，和純Python編寫的高層神經(jīng)網(wǎng)絡(luò)API--keras。并且同一框架的不同版本彼此不能向上兼容。這些特點(diǎn)給教學(xué)帶來(lái)很大難度。

2教學(xué)改革方案

（1）教師通過(guò)真實(shí)或者虛擬的“項(xiàng)目”，提出具有一定困難，但學(xué)生經(jīng)過(guò)努力又是力所能及的問(wèn)題創(chuàng)設(shè)問(wèn)題情景，可以培養(yǎng)學(xué)生在實(shí)際生活和生產(chǎn)實(shí)踐中應(yīng)用人工智能知識(shí)分析和解決實(shí)際問(wèn)題的能力的理念。創(chuàng)設(shè)項(xiàng)目情境，設(shè)計(jì)好實(shí)施“項(xiàng)目解決”教學(xué)法的載體。從生活情境入手，或者從機(jī)器學(xué)習(xí)或者一般人工智能的基礎(chǔ)問(wèn)題出發(fā)，把需要解決的問(wèn)題有意識(shí)地、巧妙地寓于符合學(xué)生實(shí)際的基礎(chǔ)知識(shí)之中，激發(fā)學(xué)生的探究興趣和求知欲;

（2）人工智能教學(xué)要激發(fā)學(xué)生的積極性為主，努力培養(yǎng)學(xué)生的自主學(xué)習(xí)習(xí)慣， 切實(shí)貫徹“項(xiàng)目解決”教學(xué)法， 以此提高學(xué)習(xí)興趣和學(xué)習(xí)能力。結(jié)合項(xiàng)目實(shí)例， 使學(xué)生深入理解機(jī)器學(xué)習(xí)中的理論與算法。一些學(xué)生的“項(xiàng)目完成”的意識(shí)比較薄弱，通過(guò)實(shí)際項(xiàng)目情景，培養(yǎng)他們的發(fā)現(xiàn)問(wèn)題、解決問(wèn)題的科學(xué)思維方法，以期提高學(xué)生應(yīng)用人工智能知識(shí)的水平并培養(yǎng)學(xué)生創(chuàng)造性思維的能力;

（3）改革成績(jī)考核辦法， 傳統(tǒng)考核方式大多為筆試。嘗試強(qiáng)化“項(xiàng)目解決”能力的培養(yǎng)，讓學(xué)生學(xué)會(huì)并形成問(wèn)題解決的思維方法，需要讓學(xué)生反復(fù)經(jīng)歷多次的“自主解決”過(guò)程，這就需要教師把人工智能思想方法的培養(yǎng)作為長(zhǎng)期的任務(wù)，在課堂教學(xué)中加強(qiáng)這方面的培養(yǎng)意識(shí)。

3總結(jié)

本文研究將運(yùn)用“項(xiàng)目驅(qū)動(dòng)”教學(xué)模式，積極推進(jìn)《機(jī)器學(xué)習(xí)》教學(xué)與實(shí)踐活動(dòng)。在一定的問(wèn)題情境背景下，讓學(xué)生可以利用必要的學(xué)習(xí)材料，借助教師和同伴的幫助，通過(guò)意義建構(gòu)主動(dòng)獲得知識(shí)，從而學(xué)習(xí)發(fā)現(xiàn)問(wèn)題的方法，開掘?qū)W生創(chuàng)造性思維潛力，形成自覺(jué)運(yùn)用相關(guān)的《機(jī)器學(xué)習(xí)》基礎(chǔ)知識(shí)、基本技能和機(jī)器學(xué)習(xí)思想方法分析問(wèn)題、解決問(wèn)題的能力和意識(shí)。

參考文獻(xiàn)

[1] 陳穎博，張文蘭.國(guó)外教育人工智能的研究熱點(diǎn)、趨勢(shì)和啟示[J].開放教育研究，2019（04）：43-58.

[2] 石磊.開源人工智能系統(tǒng)TensorFlow的教育應(yīng)用[J].現(xiàn)代教育技術(shù)，2018，28（01）：94-100.