基于漸進式的留學生機器學習課程實踐研究

李延超

關鍵詞：機器學習課程；留學生教育；漸進式教學；實踐教學；混合式教學

0 引言

教育國際化發展至今，國內高校有很多中外合作辦學項目，如“一帶一路”沿線國家留學生項目[1]。高校運行模式需要國際化，培養滿足國際化發展需求的人才。

從近幾年的留學生授課情況看，來華留學生普遍存在基礎教育知識薄弱，對機器學習課程體系所需要的數學、統計、概率及編程知識有一定程度的缺失現象，特別是缺乏必要的邏輯思維和分析問題能力，導致他們很難達到學校的畢業要求[2]。

針對這種普遍現象，我們對機器學習課程采用漸進性、實踐性和混合式教學的創新方法，通過課程教學、實踐教學和匯報演示，培養留學生知識、能力和素質全面發展，使其具備一定的機器學習理論基礎，能夠較好的應用機器學習模型和算法解決問題。同時，能夠了解學科研究方向的國內外現狀和發展動態，具備獨立從事科學研究和工程技術的能力。

1 教學目標及其實踐教學方法

在機器學習課程建設中，課程教學大綱的設計是最重要的。其主要內容應包括課程內容、課程目標、教學方法、實踐教學方法、教學反饋等方面[3]。機器學習課程為48 課時，其中課堂授課34 課時，課程實踐14 課時，外加課后習題及討論。

1.1 課程目標

機器學習課程的目標是運用機器學習算法/模型解決實際應用問題。該課程講述機器學習的發展簡史、任務、模型和應用。其中包括傳統的機器學習方法，人工神經網絡，深度學習及其應用。海外留學生通過該課程的學習能夠了解基本的機器學習模型和方法，完成機器學習算法應用實驗、計算機視覺、自然語言處理應用實驗和自主型實驗項目。學生通過實踐，能夠發揮主動性，理解機器學習算法運行和實現過程。課程通過教學與編程實踐相結合，逐步培養他們發現問題、提出問題、分析問題和解決問題的能力[4]。

1.2 漸進性教學方法

漸進性教學方法對于邏輯思維培養訓練是非常有用的，通過循序漸進的方式，一步一步地建立定制化的教學體系，同時通過迭代反饋來不斷改進，形成階段式和反饋式教學方法[5]。在機器學習課程漸進式體系實施過程中，首先采用任務驅動的方式，介紹機器學習的應用問題（圖1），接著從任務（問題）-方法（模型）-算法（圖2）角度介紹機器學習解決問題的邏輯思路。最后逐個介紹機器學習模型、算法以及實現。在具體內容的講解過程中，根據每個知識點逐步突破和拓展，課堂上測驗留學生學習的成效和反饋，此外，通過編碼實踐習題加深學生對課程內容的理解。

1.3 實踐性教學方法

針對一些留學生基礎知識相對比較薄弱的情況，缺乏相應的數理背景知識，機器學習課程采用理論和實踐教學同時進行，具體采用漸進式、過程改進式的實踐教學方法，可以增強課程的接受度[6]。例如在講授回歸任務/問題的過程中，首先介紹回歸任務中比較簡單的線性回歸問題，了解一般回歸模型訓練與預測的流程，接著講解基于最小二乘法的線性回歸模型，最后介紹采用解析解和梯度下降的優化算法進行求解的方法。在介紹解析解的過程中，要把數學理論與代碼實踐相結合，讓學生理解求解步驟，然后用代碼實現，這樣可以提升留學生的學習興趣[7]。

基于最小二乘法進行線性回歸任務分析過程中，通過解析解求解時，采用數學公式與代碼結合的方式講解，程序代碼如下：

此外，在簡單線性回歸模型介紹的基礎上，可以進一步拓展。例如讓學生課后繼續學習其他模型解決線性回歸問題，或者采用其他優化算法進行求解，具體的課后編程習題如表1 所示。總之，機器學習實踐教學的建設方法在授課的過程中得到了充分體現，這種方法在介紹神經網絡與深度學習內容中也得到了充分的應用。

2 混合式教學創新方法

對留學生的機器學習課程采用混合式教學方法，線上授課，線上批改作業。選擇合適的線上教學工具和方法是一件非常重要的事情。結合課程的特點以及海外留學生的實際情況，最終選定結合騰訊會議線上授課和線上批改作業的形式。在整個的教學過程中，為了更好地了解留學生在各個階段的學習效果，用隨機練習題作為輔助測驗。課堂隨機練習題樣題如下：

1. You have an input volume that is 63×63×16， andconvolve it with 32 filters that are each 7×7， using a strideof 2 and no padding. What is the output volume？A. 29×29×16 B. 29×29×32 C. 16×16×16 D. 16×16×32

2. You have an input volume that is 15x15x8， and pad itusing "pad=2. " What is the dimension of the resultingvolume （after padding）？

A. 17×17×10 B. 19×19×12 C. 19×19×8 D. 17×17×8

線上批改作業和解答形式結合可以快速并及時的反饋教學效果。在實際的教學經驗中發現，這種方法可以跟進留學生在聽課過程中有哪些知識點存在疑惑，可以針對性多講解幾遍，加強知識的理解，也方便留學生課后進一步編碼實現。通過實際調研發現，采用這種混合式教學方法可以增強留學生對機器學習模型/方法的學習興趣[8-9]。

3 實施案例和教學效果分析

從實施的案例來分析，在介紹神經網絡基礎過程中，首先從網絡結構（多少層、每一層寬度、激活函數），損失函數（交叉墑、Sigmoid），神經網絡怎么計算梯度（前向傳播和反向傳播），Batch 大小，以及選擇優化算法（SGD、AdaGrad、RMSprop）和一些其他參數的調節，包含學習率、迭代次數等。留學生可以比較清晰地明白神經網絡是怎么訓練的，同時也了解怎么去構建一個神經網絡，這為后面介紹其他類型的神經網絡奠定了很好的基礎。

在講解卷積神經網絡模型的過程中（圖3），通過基本神經網絡講解的鋪墊，開始講解卷積操作（Operator），每講解一個操作，給出練習測試留學生接受的程度。在講解完卷積層的各個操作，總結卷積層關鍵部分，比如卷積核（Filter）數目、卷積核大小，步長（Stride），Padding 選擇，激活函數、以及池化層配置等。總之，這樣的實踐教學使留學生的學習興趣越來越大，并且也感受到自己可以上手編碼實現模型的訓練和預測。程序代碼如下：

課程考核方式是學生運用所學的機器學習算法解決實際的應用問題，課程助教提供了諸如Kaggle、UCI 等公開數據集平臺供大家下載數據集，課程通過提交大作業報告的形式和現場演示匯報結合。在近幾年的教學過程中，發現很多留學生做了非常充分的工作，比如有結合醫學、交通的數據應用進行匯報。表2 展示了通過漸進性、實踐性和混合教學模式后學生平均成績呈現逐年提高趨勢，尤其在實踐能力的提高更為明顯。

留學生通過理論和實踐的學習，能力有特別明顯的提升。課程結束后，為了進一步調研留學生學習效果，我們對留學生進行1 對1 的訪談，發現學生掌握機器學習算法/模型實踐的認識之后，再進一步學習機器學習理論內容，可以更好的吸收和理解。從調查問卷結果反饋來看，相比于傳統教學，大部分學生更喜歡這種混合式教學方式。學生的表達能力、團隊合作能力、自學能力等得到了全面提升。

4 總結

采用漸進性、邏輯性和實踐性教學，取得了很好的教學效果并得到了留學生的一致好評。《高質量線上教學講座》為教師提供了很多啟發性的教學方法和教學資源共享平臺的使用機會，這極大地方便了移動化和高效率的線上授課。現如今，對于機器學習課程，網絡上有很多國內外名校開設的優秀專項課程，可以進一步嵌入互聯網資源的優勢。我們能夠通過對教學內容、混合式教學方法的不斷改進和創新，來促進對留學生高階學習能力的培養。