基于職業(yè)院校深度學(xué)習(xí)課程的教學(xué)探討

摘要：深度學(xué)習(xí)人才屬于人工智能產(chǎn)業(yè)中的核心人才，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，此類(lèi)人才的需求量日益增多。因此各大高校開(kāi)始開(kāi)設(shè)深度學(xué)習(xí)課程，其中不乏高職院校。但深度學(xué)習(xí)課程抽象難懂、涉及領(lǐng)域廣、技術(shù)更新快，對(duì)傳統(tǒng)教學(xué)是一種極大的挑戰(zhàn)。本校教學(xué)實(shí)踐證明，文中提出的幾點(diǎn)教學(xué)措施，能夠使學(xué)生較好的掌握深度學(xué)習(xí)中晦澀難懂的理論知識(shí)并培養(yǎng)較強(qiáng)的實(shí)踐動(dòng)手能力，從而為社會(huì)培養(yǎng)高層次的人工智能應(yīng)用型人才。

關(guān)鍵詞：深度學(xué)習(xí);教學(xué)方法;以研促教

1、前言

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)最重要的一個(gè)分支，近幾年發(fā)展迅猛，在國(guó)內(nèi)外都引起了廣泛的關(guān)注。作為機(jī)器學(xué)習(xí)領(lǐng)域最熱門(mén)的技術(shù)，在計(jì)算機(jī)視覺(jué)、生物特征識(shí)別、圖像檢索、自然語(yǔ)言處理、語(yǔ)音識(shí)別等眾多領(lǐng)域都發(fā)揮著重要作用。在應(yīng)用較多的計(jì)算機(jī)視覺(jué)領(lǐng)域，Le Cun等人設(shè)計(jì)了LeNet-5網(wǎng)絡(luò)，并將其應(yīng)用到手寫(xiě)數(shù)字的識(shí)別問(wèn)題中，隨后應(yīng)用到人臉識(shí)別和手勢(shì)識(shí)別等領(lǐng)域。Hinton和Alex設(shè)計(jì)的AlexNet網(wǎng)絡(luò)模型在ILSVRC競(jìng)賽中獲得冠軍，此后更多的復(fù)雜神經(jīng)網(wǎng)絡(luò)成為ImageNet大賽中的優(yōu)勝算法。

隨著深度神經(jīng)網(wǎng)絡(luò)等復(fù)雜又抽象的概念到來(lái)，以往老師講，學(xué)生學(xué)的教學(xué)方式已經(jīng)不能滿足師生需求，很多課堂教學(xué)目標(biāo)無(wú)法完成。

2、深度學(xué)習(xí)課堂教學(xué)存在的問(wèn)題

深度學(xué)習(xí)是理論與實(shí)踐相結(jié)合的課程，以優(yōu)化論、概率論、矩陣論、逼近論、統(tǒng)計(jì)學(xué)、拓?fù)鋵W(xué)為基礎(chǔ)，具有深厚的數(shù)學(xué)背景。因此，需要學(xué)生有扎實(shí)的數(shù)學(xué)基礎(chǔ)，但這往往是課堂教學(xué)中的一個(gè)較難解決的問(wèn)題。根據(jù)近年來(lái)各高校深度學(xué)習(xí)課程的教學(xué)反饋來(lái)看，主要存在以下問(wèn)題：

2.1 以數(shù)學(xué)為背景，理論抽象

深度學(xué)習(xí)課程涉及到的數(shù)學(xué)知識(shí)較多，目前大部分高校使用的教材涵蓋了大部分?jǐn)?shù)學(xué)推導(dǎo)及核心算法，對(duì)于職業(yè)院校的學(xué)生教學(xué)有一定難度。而一些輕理論重實(shí)戰(zhàn)的教材，往往會(huì)提供大量的代碼，但是很少有對(duì)代碼的詳細(xì)注釋?zhuān)@樣也不利于學(xué)生理解。

2.2 算法難懂，模型復(fù)雜

隨著深度學(xué)習(xí)模型在機(jī)器學(xué)習(xí)領(lǐng)域的大規(guī)模興起，各領(lǐng)域?qū)ι疃葘W(xué)習(xí)算法的研究更加深入，各種模型層出不窮，如卷積神經(jīng)網(wǎng)絡(luò)模型、循環(huán)神經(jīng)網(wǎng)絡(luò)模型、玻爾茲曼機(jī)、深度信念網(wǎng)絡(luò)、對(duì)抗生成網(wǎng)絡(luò)和殘差網(wǎng)絡(luò)都是時(shí)下大熱的深度學(xué)習(xí)模型。但由于模型結(jié)構(gòu)復(fù)雜、原理難懂的特點(diǎn)，課堂上傳統(tǒng)的講授方式很難讓學(xué)生理解清楚，這樣容易讓學(xué)生失去學(xué)習(xí)的動(dòng)力。

3 教學(xué)措施

針對(duì)目前大多數(shù)教材內(nèi)容與社會(huì)需求、職業(yè)技能存在一定的偏差、學(xué)生缺乏實(shí)戰(zhàn)能力、學(xué)生畏難情緒嚴(yán)重等問(wèn)題，我們采取了如下的教學(xué)措施：

3.1教學(xué)模式設(shè)計(jì)

利用線上課程資源庫(kù)平臺(tái)打造線上線下混合教學(xué)環(huán)境。通過(guò)資源平臺(tái)發(fā)布微課視頻，引導(dǎo)學(xué)生自主探究學(xué)習(xí);教師通過(guò)頭腦風(fēng)暴、自畫(huà)像等教學(xué)活動(dòng)，輔助課堂教學(xué);通過(guò)平臺(tái)發(fā)布課堂練習(xí)和課后作業(yè)，并進(jìn)行評(píng)分。實(shí)現(xiàn)每節(jié)課課前、課中、課后信息全采集，以便后期作教學(xué)分析。

3.2教學(xué)方法設(shè)計(jì)

在教學(xué)實(shí)施過(guò)程中，為了讓學(xué)生充分發(fā)揮主觀能動(dòng)性，釋放自己的潛能，突出他們的主體地位，設(shè)計(jì)多種教學(xué)形式。通過(guò)分組討論、小組PK梳理任務(wù)思路;利用角色扮演讓學(xué)生換位思考，激發(fā)學(xué)生思維;通過(guò)小組拼圖完成實(shí)戰(zhàn)任務(wù)，攻克教學(xué)重難點(diǎn)。采用這些不同的教學(xué)方法，合理組織教學(xué)形式，并在教學(xué)中潤(rùn)物無(wú)聲的融入思政元素。

3.3 教學(xué)內(nèi)容設(shè)計(jì)

根據(jù)教學(xué)大綱，結(jié)合人工智能競(jìng)賽內(nèi)容，以及本門(mén)課程的課程標(biāo)準(zhǔn)，調(diào)整教學(xué)內(nèi)容，進(jìn)行項(xiàng)目式重構(gòu)，此類(lèi)項(xiàng)目吸取了競(jìng)賽中應(yīng)用實(shí)戰(zhàn)內(nèi)容，對(duì)提高學(xué)生的實(shí)踐動(dòng)手能力有很好的幫助。另一類(lèi)課程項(xiàng)目以企業(yè)需求和地方經(jīng)濟(jì)社會(huì)發(fā)展需求為導(dǎo)向來(lái)設(shè)計(jì)，并通過(guò)企業(yè)專(zhuān)家的指導(dǎo)，突出項(xiàng)目的實(shí)戰(zhàn)性，使學(xué)生能夠快速上手完成任務(wù)。

3.4以研促教，以教促學(xué)

通過(guò)作業(yè)情況，研判學(xué)情，結(jié)合學(xué)生知識(shí)基礎(chǔ)、技能基礎(chǔ)，確定教學(xué)重難點(diǎn);結(jié)合學(xué)生學(xué)習(xí)反饋，及時(shí)調(diào)整教學(xué)策略，引導(dǎo)學(xué)生自主思考;將教師科研融入教學(xué)，“以研促教，以教促學(xué)”，通過(guò)開(kāi)展教學(xué)和科研活動(dòng)來(lái)優(yōu)化教學(xué)方法，拓寬教學(xué)思路，提升教學(xué)能力，實(shí)現(xiàn)教師與學(xué)生的共同成長(zhǎng)。

參考文獻(xiàn)

[1]??????? LeCun Y，Bottou L，Bengio Y.Gradient-based learning applied to document recognition[J].IEEE，1998，86（11）：2278-2324.

[2]??????? Garcia，C and Delakis，M.Convolutional face finder：A neural architecture for fast and robust face detection[J].IEEE Transactions on pattern analysis and machine intelligence，2004，26（11）：1408-1423.

[3]??????? Nowlan S.A convolutional neural network hand tracker[C].Advances in neural information processing systems，1995：901-908.

[4]??????? Krizhevsky A，Sutskever I，Hinton G E.Imagenet classification with deep convolutional neural networks[C].IEEE International Conference on Advances in Neural Information Processing Systems，2012：1097-1105.

[5]??????? Russakovsky O.Imagenet large scale visual recognition challenge[J].International Journal of Computer Vision，2015，115（3）：211-252.

[6]李勇.本科機(jī)器學(xué)習(xí)課程教改實(shí)踐與探索[J].計(jì)算機(jī)教育，2015（13）：63-66.

作者簡(jiǎn)介：吳慧婷（1980-），女，副教授，主要研究方向：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)。