新工科背景下的《深度學習》課程教學改革研究
——以重慶工商大學為例

郭智威 李 余

（重慶工商大學人工智能學院 重慶 400067）

0 引言

為主動應對新一輪的科技革命和產業變革，我國在新經濟、新起點這樣的大背景下提出了“新工科”的概念。新工科對應新產業，是對新興產業的加持。對高校來說，新工科既是指針對新興產業的專業，如人工智能、智能制造、機器人、大數據等原來沒有的專業，也是對傳統工科專業，如機械材料、自動化、電子信息科學技術等的升級改造。我國于2017年開始，提出開展新工科建設，先后形成了“復旦共識”[1]“天大行動”[2]和“北京指南”[3]，并發布了一系列的文件，大力推動新工科建設。

當前，世界高等工程教育正面臨著新的機遇、新的挑戰，而我國的高等工程教育改革發展也正處于一個新的歷史起點[4]。為此，高校要加快建設和發展新工科，在政府部門的大力支持下，工科優勢高校要發揮好對工程科技創新和產業創新的主體作用，綜合性高校要充分發揮好對新技術和新產業的引領作用，地方高校要起到對區域經濟發展和產業轉型升級的支撐作用[5]。伴隨著科學技術的不斷發展，很多技術的更新迭代非常迅速，但在高校的教學中卻很少深入涉及到這部分內容。為此本文研究在新工科背景下的課程教學改革，在現有課程教學的基礎上，增加對前沿技術的分享講解，深入剖析技術創新發展的角度，增強學生對創新的理解，激發學生的創新興趣，推動技術與理論創新的進一步發展。

1 《深度學習》課程的知識體系

目前《深度學習》課程教授的知識體系大部分都比較基礎，這是由于技術進步迅速，教學內容更新速度難以跟上導致的。當前的知識體系大致分為以下幾個部分：傳統神經網絡基礎、卷積神經網絡、循環神經網絡和其他知識補充。對《深度學習》課程來說，最先介紹的往往是神經網絡基礎，如感知機、反向傳播算法、激活函數。在有了一定的神經網絡基礎知識后，接著是卷積神經網絡，先介紹卷積神經網絡的基礎知識，再對一些經典的卷積神經網絡進行分析講解。卷積神經網絡在圖像分類與識別領域有著舉足輕重的地位，而對于循環神經網絡來說則更多地應用于自然語言處理中，特別是文本序列，在對循環神經網絡進行擴展時一般會對其變體如長短期記憶神經網絡等進行分析。除去這些知識外，在教學過程中一般還會適當地補充一些生成對抗網絡、深度強化學習之類的知識。

2 《深度學習》課程教學的現狀

2.1 存在的問題

《深度學習》是人工智能、大數據等相關專業學生必不可少的一門課程。深度學習旨在通過學習、挖掘樣本數據潛在信息，幫助機器學習使其能夠像人類一樣擁有分析、識別等的能力，一些新近的科學技術如機器翻譯、推薦和個性化技術等都離不開深度學習。而當前《深度學習》課程教學也面臨著一些問題，其中最為突出的就是教學內容總體上相對陳舊，大部分的教學內容是20世紀80-90年代就已經提出掌握的理論方法，只是在2012年以后才被廣泛應用，這與新工科的培養教育理念存在著一些差距。以卷積神經網絡為例，其提出可以追溯到1987年，而在深度學習理論于2006年被提出后，一系列以卷積神經網絡為基礎的新型復雜卷積神經網絡又一度成為研究熱點。由于新技術的發展日新月異，教學課本的更新速度難以跟上技術的迭代，同時該部分新發展新技術鮮少出現在高校的課程教學當中，即使出現了也少有對這些新興技術進行深入講解、創新點剖析的教學。

2.2 改革對策

新工科既是對過往工科的繼承也是進一步的創新，在教學內容相對老舊問題上，可以采取相同的方法進行處理。首先，在教學課本的選擇上，不僅要考慮到基礎內容是否扎實的同時也要有對新興技術介紹，確保學生在學好基礎知識之外能夠對較新技術的了解與掌握。其次，要加強教師對專業新技術的掌控，加強教師之間對新技術的交流。在將專業新知識新技術教授學生以前，要先確保教師對這些技術知識的深入理解掌握。最后，在課程教學時，除去課程基礎知識的講解，要增加對專業新知識、新技術的部分。剖析新技術是如何在原先的基礎上發展起來的，創新點在哪，哪些部分進行了調整。加強教師與學生之間的交流，和學生一起探討技術理論還能從哪些方面進行創新，多鼓勵學生進行創新。

3 《深度學習》課程教學改革研究——以重慶工商大學為例

3.1 突出聚焦前沿，優化教學知識體系

對深度學習課程的教學來說，除了講授基礎知識以外，更為重要的是要增加對前沿技術知識的講解。在技術更新速度不斷加快的時代，基礎知識已經不能滿足學生們未來所需要滿足的需求，為此需要對教學的知識體系進行進一步的優化，突出并聚焦深度學習的前沿技術。筆者在2021年春季學期的課堂教學中，首次對深度學習的教學知識體系進行了變革和更新，直接面向實際的應用和行業需求，對知識體系進行分類整合，將整個體系分成四個部分：深度學習基礎、計算機視覺、自然語言處理、深度學習進階。除去深度學習的基礎知識以外，對計算機視覺和自然語言處理兩大深度學習領域的熱門場景進行詳細講解。其中計算機視覺部分包括圖像識別、目標檢測、圖像分割、圖像遷移等內容，自然語言處理包括文本生成、機器閱讀、機器翻譯和語義判別等內容，深度學習進階則包括強化學習、生成對抗網絡、自主學習等最前沿的技術。

3.2 深化校企合作，建立企業級案例庫

技術的發展不能只停留在理論上，要經過實踐的檢驗才能更好地被人們所接受。深度學習作為一門技術性極強的課程，更加需要通過大量的實際動手練習來強化對知識的掌握，通過實際的操作可以幫助深入理解新技術，也能夠在一定程度上促進創新。為此，可以加強學校和企業之間的合作，建立企業級的開源案例庫。目前，以百度、阿里為代表的互聯網公司與不少的企業之間開展了一些以解決實際問題為目的的項目，這些項目大都使用了最近流行的新興技術。筆者在2021年春季學期的課堂教學中，從百度飛槳平臺的項目庫中引入了大量的企業級深度學習項目，項目大多來源于百度的工程師以及興趣開發者自己編寫的深度學習案例代碼，并根據項目的內容分配到四個部分中，在每一節理論課的學習完成之后，學生都可以從企業級案例中獲得針對性的強化練習。通過引入大量的企業級深度學習案例，可以更好地幫助學生應用所學的知識解決實際問題，學生的學習興趣和知識水平都得到了有效的提升。

3.3 融入科研思維，鼓勵理論知識創新

在教學的過程中，注重培養學生的創新思維和能力。引導學生觀察發現身邊一些新興技術的應用，如人臉識別、語音識別等，分析這些應用所涉及到的技術并進一步探討能否再有改進的地方。在講解一些技術的發展歷程中，從基礎出發，對各個發展階段的變化創新點進行分析講解。因為深度學習不僅是一門較強的技術性課程，同時又是一門理論深度較深的課程，并且發展速度很快，每一年都能夠取得諸多的技術進展和技術突破。近年來深度學習的技術進步離不開一大批技術研究者自基礎理論到技術應用的不斷創新，這也是該門課程教學過程中應當注意的環節。筆者在2021年春季學期的課程教學中，除了基礎知識的講解之外，每兩周都要和學生分享一些前沿技術的論文，對前沿技術進行分析，將科研思維融入到教學和生活當中，激發學生對科研的熱情，培養學生的科研能力。