论文部分内容阅读
摘 要：分析当前机器学习实践课程的教学情况，基于培养方式中的教学内容体系性差，教学方式传统单一等潜在问题，经过高校的教学实践，从应用导向的教学模式、实践导向的课程项目和校企合作的项目驱动融为一体的培养方式等多方面探讨课程教学改革的措施，提出机器学习实践课程教学改革要领。使学生不仅熟练掌握了基本的机器学习基础理论与方法，更要加强解决实际问题的能力。
关键词：机器学习 实践课程 教学改革 项目驱动
中图分类号：TP181-4;G642 文献标识码：A 文章编号：1674-098X（2021）01（b）-0200-03
Reform of Machine Learning Practice Course Teaching
LI Jinrong ZHANG Gaoyu
（Shanghai Lixin University of Accounting and Finance， Shanghai， 201209 China）
Abstract： This paper analyzes the current teaching situation of machine learning practice course. Based on the potential problems such as the poor system of teaching content and the single traditional teaching method in the training mode， through the teaching practice in Colleges and universities， this paper discusses the measures of course teaching reform from many aspects such as the application-oriented teaching mode， the practice oriented course project and the project driven training mode of school enterprise cooperation， and puts forward some suggestions The main points of teaching reform of machine learning practice course. So that students not only master the basic theory and method of machine learning， but also strengthen the ability to solve practical problems.
Key Words： Machine learning; Practice course; Project-driven; Teaching reform
1 背景
目前，信息時代在飞快发展，银行业、零售业、新兴电子互联网行业甚至传统制造业随之产生了大量数据。社会中各个行业都需要分析数据，应用机器学习算法是最有效的方法，从庞大的数据中发现规律，做出有效决策。因此这部分人才的需求持续增加，并且对实践能力有更高的要求。机器学习的研究范畴为如何使用计算机来模拟人类的学习活动。它可以应用于社会生活和工业的各个方面，也是各高校的关注的重点课程。各高校的基本职能就是培养人才，各高校也急需培养应用人才，以期更好地适应时代快速发展的工作内容和尖端前沿邻域，更好地适应当前的就业环境。
2 机器学习实践课程教学存在的问题
机器学习的实践课程适用于计算机及其他相关专业学生。大学生要掌握算法和数据结构，精通Java或C ++等机器语言，具备高等数学，概率论和高等代数等基础知识。但是，目前，各高校的机器学习基本为理论教学为主，只是注重算法本身，缺乏完善的实践教学体系和教学资源。现在学生的课堂学习面临着许多问题，例如只学习专业理论，缺乏实际项目的操作过程以及单一的传统教学方法。
2.1 实践教学偏理论化，缺乏完善的实践体系
机器学习涉猎到许多算法，精通这些算法要求高校生不仅要学习理论知识，还需要与社会实际项目相结合，理论联系实际。这就需要在校学生多去了解现实中存在的问题，通过在校的学习和训练，将理论知识输出应用于实际。虽然现在互联网上有很多优秀的课程，但其大多集中在知识系统的教学上，侧重于算法本身和机器学习中常用的理论的介绍，基本不会介绍实际应用等相关问题。目前社会新技术的迅速更新和企业的快速发展，使得技术更新的频率越来越快，但教材却更新不同步。导致机器学习人才的培养与社会及企业的用工需求存在差异。这种差异是需要高校学生通过解决实际问题来不断地探索和积累才能弥补的，仅仅依靠短期教学是远远不够的。所以，机器学习实践课程需要与应用实践相结合，培养复合型人才。
2.2 教学内容体系繁杂，教学方式传统单一
由于机器学习涉及人工智能、认知科学、信息论、统计学和控制论等多个科目，所以它理论性强，内容繁多，学科分类体系繁杂。现有的机器学习书籍和教科书大致如下：一是机器学习理论的讲解，专业性强，晦涩难懂;二是机器学习与某种应用相结合，知识侧重于相关主题描述;还有一本实用的机器学习教材，只是侧重于程序实现，却很少对算法原理进行推导演算和讲解。这些书籍和教科书很难适应机器学习的实际。因为现有学习理念、教学条件和教师能力等的种种限制，目前高校的课程仅仅是让大学生学习到知识，而分析并解决实际问题、进而在实践中创新的能力是与无法学到的，也没有健全的教育体系来弥补目前教学过程中存在的问题。现在，各高校机器学习课程的学习还是以任课老师授课为主要途径，计算机实验和作业为次要途径。学生在这样的情况下，只是被动地积累知识，不能激发出探究该课程和领域的兴趣。本学科理论专业性很强，实际操作难度很大，理论与实践相互脱离，另外很多大学生课后基本不复习，即使在实验过程中，大学生也会因没有精通相应的理论知识，导致无法使用相关计算机语言完成实验。从而导致学生对实践应用的恐惧心理和逃避课程，甚至出现课后完成作业时互相抄袭的情况。 3 机器学习实践课程教学改革探索
为了使学生具备相关的实践和创新能力，提高人才质量，需要加强课程的实践教学。针对机器学习这类实践性要求较高的课程，众多高校提出了一揽子措施来达到专业目标和培养模式的优化，例如教学内容多样化，师资队伍走进企业并了解先进技术，改善试验设备等。只有真正将理论融入实践教学，才能更好地实现教学目标。
3.1 采取应用导向的教学模式，完善人才培养体制
机器学习可以用于舆情分析、人脸识别、异常检测、自然语言处理等范围，各类范围对应的机器学习工程师的岗位技能不一。教师需要介绍该机器学习实践课程对应的典型工作与职责，让学生在课堂中了解和体验到所学知识的应用场景，使学生进一步清晰专业意识。学生在项目中遇到问题后，一起讨论解决方案，从而拓宽思路。因为灵活性是机器学习在实践中的重要特征，因此很有必要对具体的实践场景中所需要的算法进行优化，选择最优的经典算法。所以，实践对算法本身提出了更高的要求，需要理论与实践的相互结合，相辅相成，理论指引实践，实践中又不断深入对理论知识的理解。基于目前人才需求的培养，初始开始机器学习教学时，传统理论教育需要覆盖其学习的每个阶段，使大学生熟练地掌握数据获取、预处理、选择模型和优化结果分析的每个阶段，建立完善的体系。这其中最直接的途徑是大学老师作为学生的榜样，教师积极探索校企合作项目，主动申请相关科研项目，了解真实存在的问题场景，然后扩展到学生层面，布置合适的作业，推荐学生选择适当的开源工具处理数据，培养学生能够以较快的速度独立解决问题。
3.2 设置实践导向的课程项目，丰富教学内容和教学方式
目前，各个学校的机器学习课程一般都会设置实验，但主要实践的是如何实现教材中的算法。大学生能够通过实验课程，学会众多的经典算法，实践能力大幅提高。通过实践项目的设计和验证两个环节，培养学生创新性的解决问题，适应社会的就业需要。高校可以聘请社会或者企业中的专业人士来学校讲解前沿实践领域的项目，剖析解决问题的想法和过程，与高校老师及学生一起研究企业数据处理中的各类算法，从而达到理论与实践的相结合。同时使得大学老师更快地了解企业现实场景，了解现阶段的解决方案，从而更好的完善教学内容和形式，贴近真实的企业项目开发。也可以在教授理论基础的前提下，改变传统单一的教学方法，让学生进一步体验现实场景，实现理论与实践的结合，创造由企业项目推动教学发展的新思路。同时，教师可以利用高校优越的多媒体实验环境，邀请相关企业人士分析相关案例，讲解企业需要的知识点，结合教学进度提出实践导向的课程问题，让学生实现类似的验证性实验项目，这就是设计性实验项目的原型，学生可以访问和分析其功能、代码并测试其效果。然后，在延伸实践的基础上，学生可以模仿教师提供的案例，通过创新设计和实施一个相对完整的项目，巩固自己的知识，锻炼统筹兼顾的能力，提高灵活应用知识和创新的能力。
3.3 推动校企合作完成企业实践项目，坚持教学用于实践。
应用型人才不仅要有完善的理论知识、掌握科学的方法及具备宽阔的眼界和迅速解决问题的能力，还需要实践技能。因此学校可以和社会企业建立校企合作项目和科研团队，在深入了解企业需求的基础上，在高校中实施培训和教学，丰富教学内容，完善教学体系，培养学生解决实际问题的能力，为学生日后的实践过程培养并形成解决问题的思路。
在数据采集方面，通过校企合作的关系，在课程中增加企业实践学时。教师依据班级人数将学生分成几个研究小组，让研究小组的同学们直接与企业交流，拿到企业真实数据。鉴于企业数据量巨大，而且数据稳定性待检验，存在大量的噪声等诸多问题，学生需要从中提取有效数据，消除噪声，将其转化为可用数据。由于企业的众多问题不是机器能够直接处理的，数据筛选、特征提取、算法集成和选择可能需要实验层面的技能;并且，企业实际的项目具备真实、灵活的特点，而且与当前热点息息相关。在讨论解决方法时，学生会碰到众多的难点，如数据的不均衡、算法缺陷等。这些困难不可能直接从课堂得到有效的解决发放，学生需要不断梳理现有的知识体系，不断优化现有思路，总结前人的经验教训，尽可能地攻破现有的算法缺陷，由实践转变为理论知识。企业面临着要求非常严格的客户，机器学习工程师要学会沟通客户的技巧，并且熟悉业务。校企合作下的企业实践项目能够使学生更容易理解数据分析算法，更好地解决问题，从而培养学生的实践能力与创新意识。高校可以和企业探索合作，建立实训基地或者实验室，实现开展项目合作以及联合研发，企业也可以参加课程的规划、开发、实施，赞助课外科技创新活动，建立课外活动的对接。企业实践项目既可以激发学生的研究兴趣，又可以加深学生对原有知识理论的理解。
4 结语
机器学习的高校实践教育，要让学生可以根据现有的机器学习原理和手段来解决现实问题，养成大学生自主探索、学习新技术的能力。经过高校的教学实践，采取了一系列课程教学改革的措施，这些具体的改革措施不仅使得在校大学生掌握了基本的机器学习基础理论与方法，还塑造了学生解决实际问题的能力，受到了学生的认可和喜爱。
参考文献
[1] 赵卫东，赵洪博.基于项目沉浸式的数据分析类课程教学研究[J].计算机教育，2017（6）： 58-61.
[2] 李晨光，廖明，张永亮，等.开展跨学科通识技能训练提升本科生创新创业能力[J].实验技术与管理，2018（11）：13-16.
[3] 邓志鸿，谢昆青.机器学习课程的教学实践： 以北京大学“智能科学与技术”本科专业为例[J].计算机教育，2016（10）： 18-19.
[4] 姚兴华，吴恒洋，方志军，等.新工科背景下机器学习课程建设研究[J].软件导刊，2018（1）：221-223.
[5] 陈琳.高校机器学习课程教学改革探索[J].教育现代化，2018（6）：99-100.
[6] 李莎莎，刘丹，唐晋韬，等.面向任职教育的“数据挖掘与机器学习”课程教学研究[J].高等教育研究学报，2019（1）：108-113.
[7] 黄智云.基于课程信息化的学习分析与评价系统设计[D].泉州：华侨大学，2019.
[8] 王爽.基于机器学习的自动文本分类方法研究[D].成都：电子科技大学，2020.
关键词：机器学习 实践课程 教学改革 项目驱动
中图分类号：TP181-4;G642 文献标识码：A 文章编号：1674-098X（2021）01（b）-0200-03
Reform of Machine Learning Practice Course Teaching
LI Jinrong ZHANG Gaoyu
（Shanghai Lixin University of Accounting and Finance， Shanghai， 201209 China）
Abstract： This paper analyzes the current teaching situation of machine learning practice course. Based on the potential problems such as the poor system of teaching content and the single traditional teaching method in the training mode， through the teaching practice in Colleges and universities， this paper discusses the measures of course teaching reform from many aspects such as the application-oriented teaching mode， the practice oriented course project and the project driven training mode of school enterprise cooperation， and puts forward some suggestions The main points of teaching reform of machine learning practice course. So that students not only master the basic theory and method of machine learning， but also strengthen the ability to solve practical problems.
Key Words： Machine learning; Practice course; Project-driven; Teaching reform
1 背景
目前，信息時代在飞快发展，银行业、零售业、新兴电子互联网行业甚至传统制造业随之产生了大量数据。社会中各个行业都需要分析数据，应用机器学习算法是最有效的方法，从庞大的数据中发现规律，做出有效决策。因此这部分人才的需求持续增加，并且对实践能力有更高的要求。机器学习的研究范畴为如何使用计算机来模拟人类的学习活动。它可以应用于社会生活和工业的各个方面，也是各高校的关注的重点课程。各高校的基本职能就是培养人才，各高校也急需培养应用人才，以期更好地适应时代快速发展的工作内容和尖端前沿邻域，更好地适应当前的就业环境。
2 机器学习实践课程教学存在的问题
机器学习的实践课程适用于计算机及其他相关专业学生。大学生要掌握算法和数据结构，精通Java或C ++等机器语言，具备高等数学，概率论和高等代数等基础知识。但是，目前，各高校的机器学习基本为理论教学为主，只是注重算法本身，缺乏完善的实践教学体系和教学资源。现在学生的课堂学习面临着许多问题，例如只学习专业理论，缺乏实际项目的操作过程以及单一的传统教学方法。
2.1 实践教学偏理论化，缺乏完善的实践体系
机器学习涉猎到许多算法，精通这些算法要求高校生不仅要学习理论知识，还需要与社会实际项目相结合，理论联系实际。这就需要在校学生多去了解现实中存在的问题，通过在校的学习和训练，将理论知识输出应用于实际。虽然现在互联网上有很多优秀的课程，但其大多集中在知识系统的教学上，侧重于算法本身和机器学习中常用的理论的介绍，基本不会介绍实际应用等相关问题。目前社会新技术的迅速更新和企业的快速发展，使得技术更新的频率越来越快，但教材却更新不同步。导致机器学习人才的培养与社会及企业的用工需求存在差异。这种差异是需要高校学生通过解决实际问题来不断地探索和积累才能弥补的，仅仅依靠短期教学是远远不够的。所以，机器学习实践课程需要与应用实践相结合，培养复合型人才。
2.2 教学内容体系繁杂，教学方式传统单一
由于机器学习涉及人工智能、认知科学、信息论、统计学和控制论等多个科目，所以它理论性强，内容繁多，学科分类体系繁杂。现有的机器学习书籍和教科书大致如下：一是机器学习理论的讲解，专业性强，晦涩难懂;二是机器学习与某种应用相结合，知识侧重于相关主题描述;还有一本实用的机器学习教材，只是侧重于程序实现，却很少对算法原理进行推导演算和讲解。这些书籍和教科书很难适应机器学习的实际。因为现有学习理念、教学条件和教师能力等的种种限制，目前高校的课程仅仅是让大学生学习到知识，而分析并解决实际问题、进而在实践中创新的能力是与无法学到的，也没有健全的教育体系来弥补目前教学过程中存在的问题。现在，各高校机器学习课程的学习还是以任课老师授课为主要途径，计算机实验和作业为次要途径。学生在这样的情况下，只是被动地积累知识，不能激发出探究该课程和领域的兴趣。本学科理论专业性很强，实际操作难度很大，理论与实践相互脱离，另外很多大学生课后基本不复习，即使在实验过程中，大学生也会因没有精通相应的理论知识，导致无法使用相关计算机语言完成实验。从而导致学生对实践应用的恐惧心理和逃避课程，甚至出现课后完成作业时互相抄袭的情况。 3 机器学习实践课程教学改革探索
为了使学生具备相关的实践和创新能力，提高人才质量，需要加强课程的实践教学。针对机器学习这类实践性要求较高的课程，众多高校提出了一揽子措施来达到专业目标和培养模式的优化，例如教学内容多样化，师资队伍走进企业并了解先进技术，改善试验设备等。只有真正将理论融入实践教学，才能更好地实现教学目标。
3.1 采取应用导向的教学模式，完善人才培养体制
机器学习可以用于舆情分析、人脸识别、异常检测、自然语言处理等范围，各类范围对应的机器学习工程师的岗位技能不一。教师需要介绍该机器学习实践课程对应的典型工作与职责，让学生在课堂中了解和体验到所学知识的应用场景，使学生进一步清晰专业意识。学生在项目中遇到问题后，一起讨论解决方案，从而拓宽思路。因为灵活性是机器学习在实践中的重要特征，因此很有必要对具体的实践场景中所需要的算法进行优化，选择最优的经典算法。所以，实践对算法本身提出了更高的要求，需要理论与实践的相互结合，相辅相成，理论指引实践，实践中又不断深入对理论知识的理解。基于目前人才需求的培养，初始开始机器学习教学时，传统理论教育需要覆盖其学习的每个阶段，使大学生熟练地掌握数据获取、预处理、选择模型和优化结果分析的每个阶段，建立完善的体系。这其中最直接的途徑是大学老师作为学生的榜样，教师积极探索校企合作项目，主动申请相关科研项目，了解真实存在的问题场景，然后扩展到学生层面，布置合适的作业，推荐学生选择适当的开源工具处理数据，培养学生能够以较快的速度独立解决问题。
3.2 设置实践导向的课程项目，丰富教学内容和教学方式
目前，各个学校的机器学习课程一般都会设置实验，但主要实践的是如何实现教材中的算法。大学生能够通过实验课程，学会众多的经典算法，实践能力大幅提高。通过实践项目的设计和验证两个环节，培养学生创新性的解决问题，适应社会的就业需要。高校可以聘请社会或者企业中的专业人士来学校讲解前沿实践领域的项目，剖析解决问题的想法和过程，与高校老师及学生一起研究企业数据处理中的各类算法，从而达到理论与实践的相结合。同时使得大学老师更快地了解企业现实场景，了解现阶段的解决方案，从而更好的完善教学内容和形式，贴近真实的企业项目开发。也可以在教授理论基础的前提下，改变传统单一的教学方法，让学生进一步体验现实场景，实现理论与实践的结合，创造由企业项目推动教学发展的新思路。同时，教师可以利用高校优越的多媒体实验环境，邀请相关企业人士分析相关案例，讲解企业需要的知识点，结合教学进度提出实践导向的课程问题，让学生实现类似的验证性实验项目，这就是设计性实验项目的原型，学生可以访问和分析其功能、代码并测试其效果。然后，在延伸实践的基础上，学生可以模仿教师提供的案例，通过创新设计和实施一个相对完整的项目，巩固自己的知识，锻炼统筹兼顾的能力，提高灵活应用知识和创新的能力。
3.3 推动校企合作完成企业实践项目，坚持教学用于实践。
应用型人才不仅要有完善的理论知识、掌握科学的方法及具备宽阔的眼界和迅速解决问题的能力，还需要实践技能。因此学校可以和社会企业建立校企合作项目和科研团队，在深入了解企业需求的基础上，在高校中实施培训和教学，丰富教学内容，完善教学体系，培养学生解决实际问题的能力，为学生日后的实践过程培养并形成解决问题的思路。
在数据采集方面，通过校企合作的关系，在课程中增加企业实践学时。教师依据班级人数将学生分成几个研究小组，让研究小组的同学们直接与企业交流，拿到企业真实数据。鉴于企业数据量巨大，而且数据稳定性待检验，存在大量的噪声等诸多问题，学生需要从中提取有效数据，消除噪声，将其转化为可用数据。由于企业的众多问题不是机器能够直接处理的，数据筛选、特征提取、算法集成和选择可能需要实验层面的技能;并且，企业实际的项目具备真实、灵活的特点，而且与当前热点息息相关。在讨论解决方法时，学生会碰到众多的难点，如数据的不均衡、算法缺陷等。这些困难不可能直接从课堂得到有效的解决发放，学生需要不断梳理现有的知识体系，不断优化现有思路，总结前人的经验教训，尽可能地攻破现有的算法缺陷，由实践转变为理论知识。企业面临着要求非常严格的客户，机器学习工程师要学会沟通客户的技巧，并且熟悉业务。校企合作下的企业实践项目能够使学生更容易理解数据分析算法，更好地解决问题，从而培养学生的实践能力与创新意识。高校可以和企业探索合作，建立实训基地或者实验室，实现开展项目合作以及联合研发，企业也可以参加课程的规划、开发、实施，赞助课外科技创新活动，建立课外活动的对接。企业实践项目既可以激发学生的研究兴趣，又可以加深学生对原有知识理论的理解。
4 结语
机器学习的高校实践教育，要让学生可以根据现有的机器学习原理和手段来解决现实问题，养成大学生自主探索、学习新技术的能力。经过高校的教学实践，采取了一系列课程教学改革的措施，这些具体的改革措施不仅使得在校大学生掌握了基本的机器学习基础理论与方法，还塑造了学生解决实际问题的能力，受到了学生的认可和喜爱。
参考文献
[1] 赵卫东，赵洪博.基于项目沉浸式的数据分析类课程教学研究[J].计算机教育，2017（6）： 58-61.
[2] 李晨光，廖明，张永亮，等.开展跨学科通识技能训练提升本科生创新创业能力[J].实验技术与管理，2018（11）：13-16.
[3] 邓志鸿，谢昆青.机器学习课程的教学实践： 以北京大学“智能科学与技术”本科专业为例[J].计算机教育，2016（10）： 18-19.
[4] 姚兴华，吴恒洋，方志军，等.新工科背景下机器学习课程建设研究[J].软件导刊，2018（1）：221-223.
[5] 陈琳.高校机器学习课程教学改革探索[J].教育现代化，2018（6）：99-100.
[6] 李莎莎，刘丹，唐晋韬，等.面向任职教育的“数据挖掘与机器学习”课程教学研究[J].高等教育研究学报，2019（1）：108-113.
[7] 黄智云.基于课程信息化的学习分析与评价系统设计[D].泉州：华侨大学，2019.
[8] 王爽.基于机器学习的自动文本分类方法研究[D].成都：电子科技大学，2020.