人工智能時代下面向本科生的深度學習課程建設(shè)與探析

王浩，賀鈺昕，何志權(quán)，曹文明

(1.深圳大學廣東省多媒體信息服務(wù)工程技術(shù)中心，廣東深圳 518060；2.深圳技術(shù)大學城市交通與物流學院，廣東深圳 518000)

0 引言

人工智能技術(shù)已經(jīng)深入到人們的生產(chǎn)和生活的方方面面，為人們帶來了許多便利。在生產(chǎn)方面，人工智能已被廣泛應(yīng)用于制造業(yè)、金融、醫(yī)療等多個領(lǐng)域。例如，制造業(yè)中的智能制造系統(tǒng)可以實現(xiàn)生產(chǎn)流程的自動化，極大提高生產(chǎn)效率和產(chǎn)品質(zhì)量。在金融領(lǐng)域，人工智能可以被用于風險管理、投資決策等方面。在醫(yī)療領(lǐng)域，人工智能可以被用于醫(yī)學影像分析、疾病診斷和輔助治療等場景中。在生活方面，人工智能也已經(jīng)深入人們的家庭、娛樂和教育等各個領(lǐng)域。例如，智能家居系統(tǒng)可以實現(xiàn)家庭設(shè)備的自動化和智能化控制。在娛樂領(lǐng)域，人工智能可以用于游戲開發(fā)和虛擬現(xiàn)實技術(shù)等方面。在教育領(lǐng)域，人工智能也可以用于個性化教育和輔助教學[1-2]。

由于人工智能技術(shù)的高速發(fā)展和廣泛應(yīng)用，人工智能相關(guān)人才的需求也呈現(xiàn)出爆發(fā)式增長[3]。人工智能的人才培養(yǎng)涉及多個學科和專業(yè)，需要具備跨學科的綜合素養(yǎng)和專業(yè)知識。反之，加強人工智能相關(guān)人才的培養(yǎng)，提高其專業(yè)技能水平和綜合素質(zhì)，對于推動我國人工智能技術(shù)產(chǎn)業(yè)發(fā)展，促進經(jīng)濟社會的創(chuàng)新具有重要意義。

我國在人工智能人才教育培養(yǎng)方面也采取了多種措施，包括在高校中逐步開設(shè)人工智能專業(yè)，建設(shè)相關(guān)實驗室、設(shè)立開展人工智能相關(guān)課程，舉辦各種人工智能競賽和活動等[4]。目前，許多為研究生制定的人工智能課程，也已逐步面向低年級本科學生開放[5]。

深度學習是目前人工智能技術(shù)的研究核心之一，它利用多層神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)對大量數(shù)據(jù)的高效處理和分析，相關(guān)技術(shù)已在圖像識別、語音識別、自然語言處理等領(lǐng)域已經(jīng)取得了顯著成果。在企業(yè)中，深度學習領(lǐng)域的專業(yè)人才也備受追捧，能夠快速處理和分析大數(shù)據(jù)的深度學習工程師和研究人員已成為企業(yè)中的熱門崗位[6]。因此，在高校人才培養(yǎng)上深度學習也是人工智能方向的重點課程。現(xiàn)在越來越多的大學開設(shè)了深度學習相關(guān)的課程和專業(yè)，培養(yǎng)學生對于深度學習算法、模型的理解和應(yīng)用能力。總而言之，目前深度學習已成為人工智能技術(shù)的研究核心，也是人工智能方向人才培養(yǎng)的重點學科。

1 課程特點和問題分析

深度學習是一門涉及基礎(chǔ)數(shù)學、統(tǒng)計學、機器學習算法、優(yōu)化理論、高性能計算、數(shù)據(jù)處理等多個方向的交叉學科。深度學習課程的特點主要體現(xiàn)在以下幾個方面：

1)數(shù)學基礎(chǔ)要求高：深度學習需要使用大量的數(shù)學知識，如線性代數(shù)、概率論和微積分等，因此，學生需要具備較高的數(shù)學基礎(chǔ)。而較高的數(shù)學基礎(chǔ)也會導致直接推進該項課程在本科學生中的開展存在一定的困難。

2)理論與實踐相結(jié)合：深度學習課程通常會涉及大量的理論知識，如神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、訓練算法等，同時該課程的學習也需要大量的實踐操作，如基于計算圖結(jié)構(gòu)搭建深度學習平臺，使用TensorFlow、Pytorch 等框架搭建模型并進行訓練等。這些特點要求我們在教學過程中必須理論與實踐相結(jié)合。

3)數(shù)據(jù)驅(qū)動：深度學習是一種數(shù)據(jù)驅(qū)動的方法，因此深度學習課程會涉及大量的數(shù)據(jù)處理和分析技術(shù)，如數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理和數(shù)據(jù)可視化等。此外，深度學習算法的改進和部署也要求同學們要能夠更好地認識數(shù)據(jù)、理解數(shù)據(jù)。

4) 多學科交叉：深度學習涉及了多個學科的知識，如統(tǒng)計學、傳統(tǒng)機器學習算法、優(yōu)化理論、高性能計算、數(shù)據(jù)處理等，因此深度學習課程的教學過程也需要將多個學科的知識相互交叉融合，這樣才能夠讓學生更全面地理解深度學習的算法和理論。但以課程形式系統(tǒng)化地學習上述學科知識，就需要開設(shè)大量相關(guān)課程，對本科生教學而言存在一定的困難。若完全交由學生在課前查找自學相關(guān)知識，有可能導致由于學生對于相關(guān)知識的理解不夠，因此無法充分理解授課內(nèi)容。

5)知識更新迭代快：和其他傳統(tǒng)課程不同，深度學習的相關(guān)理論體系還不完善，且相關(guān)方法仍在快速的發(fā)展迭代中。因此，深度學習的教育大綱必須緊跟技術(shù)發(fā)展前沿，進行快速的更新和迭代。而且一些傳統(tǒng)的課堂教學方式并不適用于這種知識快速更新迭代的場景之中。

6)技術(shù)規(guī)范和思政內(nèi)容必不可少：深度學習相關(guān)技術(shù)的進步無疑會帶來巨大的生產(chǎn)力提升，但該項技術(shù)也是一把雙刃劍。以ChatGPT 為例，該項技術(shù)不僅會為人們帶來智能客服、智能搜索、編程輔助等便利，與此同時也使得虛假新聞、虛假課業(yè)的成本極大降低。謠言和虛假新聞創(chuàng)作成本的降低將會給人們的生產(chǎn)生活帶來巨大的沖擊，例如真實新聞極容易被虛假信息淹沒，資本將利用算法重新在信息高地上起到?jīng)Q定性作用。因此，在人工智能的人才培養(yǎng)階段，必須要對學生進行技術(shù)規(guī)范和引導，需要在課程中添加一定的思政內(nèi)容，借此減少未來人工智能產(chǎn)業(yè)人員利用技術(shù)手段實施違背倫理、道德、法律的行為。

深度學習課程的人才培養(yǎng)目標主要包括以下幾個方面：

1)理論基礎(chǔ)：深度學習課程旨在加強學生對深度學習的理論基礎(chǔ)的理解和掌握，培養(yǎng)學生對于知識理論框架的構(gòu)建能力，快速高效地進行知識查找和分析的能力、跨學科的知識融合能力。具體而言，相關(guān)理論知識主要包括神經(jīng)網(wǎng)絡(luò)構(gòu)建，神經(jīng)網(wǎng)絡(luò)訓練算法，模型調(diào)優(yōu)方法，卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、注意力機制、生成對抗模型構(gòu)建等。

2) 實踐能力：深度學習課程重視學生的實踐能力，希望能夠培養(yǎng)學生在實際生產(chǎn)生活中應(yīng)用深度學習算法解決問題的能力，具體來說包括基于深度學習的編程能力、數(shù)據(jù)預(yù)處理能力、模型構(gòu)建與訓練能力、模型優(yōu)化改進能力等。

3)創(chuàng)新思維：深度學習課程應(yīng)著力于培養(yǎng)學生的創(chuàng)新思維。深度學習相關(guān)技術(shù)的發(fā)展日新月異，在人才培養(yǎng)上不僅要求學生能夠充分掌握現(xiàn)有的深度學習算法，還應(yīng)在此基礎(chǔ)上進行創(chuàng)新和探索，在算法落地上不斷發(fā)現(xiàn)新的應(yīng)用場景和解決方案，并在算法和模型提升上進行改進和創(chuàng)新。

4)團隊協(xié)作：隨著深度學習在各種交叉學科和其他行業(yè)中的應(yīng)用，相關(guān)算法的開發(fā)和落地基本是一個團隊合作的過程。在這個過程中，必然會涉及多個方面的知識和技能。因此，深度學習課程的教學和實踐中應(yīng)注重培養(yǎng)學生的團隊協(xié)作和溝通能力，以便使得他們在未來的工作中能夠更好地與他人合作。

5)專業(yè)素養(yǎng)：深度學習課程還要求學生具備較高的專業(yè)素養(yǎng)，包括對相關(guān)法律、倫理和社會責任的認知和理解，以及良好的職業(yè)道德和責任感。因此，深度學習課程的開設(shè)須融入行業(yè)規(guī)范和思政內(nèi)容。

2 課程設(shè)計與改革方案

2.1 課程設(shè)計要點

結(jié)合深度學習課程的特點和具體的人才培養(yǎng)目標，本課程的規(guī)劃與設(shè)計應(yīng)遵循如下幾個要點：

針對本科生教學需要確立清晰的學習目標和教學大綱：深度學習是一門涉及多個學科的綜合性課程，需要確立明確的學習目標和教學大綱，使學生能夠系統(tǒng)性地掌握深度學習的核心理論和技術(shù)。針對本科學生的自身特點，教學大綱應(yīng)清晰標注基礎(chǔ)知識和進階知識，在教學過程中注重基礎(chǔ)知識的學習。此外，深度學習理論的快速發(fā)展又要求課程大綱具有可擴展性，我們采用樹狀結(jié)構(gòu)來構(gòu)建動態(tài)的課程知識體系。具體而言，課程知識樹按照如下原則進行構(gòu)建：①知識樹應(yīng)覆蓋本課程的所有知識點以及其他學科的相關(guān)必要知識；②盡可能地將相關(guān)知識點進行細分，將無法再分的知識點作為樹的葉子節(jié)點，若葉子節(jié)點為授課所需的先驗知識應(yīng)做成線上短視頻，要求學生在課前進行觀看，并對相關(guān)知識的掌握情況進行考核；③知識樹整體結(jié)構(gòu)務(wù)必清晰，能夠引導學生按照從根到葉，由淺入深地展開學習。知識樹樣例如圖1 所示。這樣構(gòu)建的知識樹不僅能夠幫助學生建立整體的知識架構(gòu)，而且可以很好地適應(yīng)深度學習的跨學科知識體系。此外知識樹中的葉子節(jié)點以線上短視頻的形式輔助課堂教學，使學生可以利用碎片化的時間完成學習，并依據(jù)自身情況和利用知識樹結(jié)構(gòu)有側(cè)重地學習知識，提高學習效率。

圖1 深度學習課程的知識體系結(jié)構(gòu)樣例

提供多樣化的教學資源：深度學習的課程教授應(yīng)為學生提供多樣化的教學資源，如板書、講義、實驗指導、案例分析、編程實踐等，讓學生能夠通過不同的教學方式深入理解深度學習的理論知識和相關(guān)應(yīng)用。另外，應(yīng)當充分利用相關(guān)技術(shù)產(chǎn)品輔助教學工作：人工智能的發(fā)展和應(yīng)用衍生出了大量的相關(guān)技術(shù)產(chǎn)品可以用于輔助教學，特別是在深度學習相關(guān)知識的學習和培養(yǎng)過程中，針對本課程的特點適當使用這些輔助教學工具可以極大地提升教學效果。例如Google的TensorFlow、FaceBook 的Torch 等人工智能平臺，可以為學生提供強大的計算資源和機器學習工具，幫助學生快速構(gòu)建、訓練和部署深度學習模型，讓學生能夠輕松地開展深度學習實踐。再比如Coursera 和Udacity 等平臺的在線課程和視頻教程可以提供豐富的學習資源和教學內(nèi)容，幫助學生在課下進一步深入理解深度學習的理論知識。

提供實時的指導和反饋：深度學習的學習需要學生掌握復雜的數(shù)學理論并具有一定的算法編程能力，因此需要提供實時的指導和反饋，幫助學生解決學習過程中遇到的實際問題和困難。為達到這個目的，學生可以利用ChatGPT 等自助問答與代碼修正平臺實現(xiàn)高效的代碼自糾錯，而且可以對課業(yè)中遇到非系統(tǒng)性問題進行快速問答。

提供實踐機會和實戰(zhàn)項目：深度學習需要實踐和實戰(zhàn)的支持，因此需要提供實踐機會和實戰(zhàn)項目，讓學生能夠深入了解深度學習的應(yīng)用場景和實踐技巧。針對項目實踐，除了在線下提供包含深度學習平臺的實驗機房外，還可以充分利用Google的Colaboratory等虛擬實驗室平臺，讓學生可以通過在線編輯器和云端GPU 資源，進行深度學習實驗，并基于計算機來模擬實驗結(jié)果。本課程會依據(jù)學習進程開設(shè)相關(guān)實驗，這樣做的不僅能夠加深學生的動手實踐能力，而且可以幫助學生更好地理解課程知識。

培養(yǎng)學生的創(chuàng)新和團隊合作能力：深度學習是一門涉及多個學科的綜合性課程，課程教育應(yīng)該注重培養(yǎng)學生的創(chuàng)新思維和團隊合作精神，讓學生在實踐中不斷提升自己的能力。因此，本課程的期末課程設(shè)計項目和部分實驗項目以團隊形式展開，充分激發(fā)學生進行團隊協(xié)作。

2.2 具體授課流程

具體來說，針對深度學習課程本文提出的授課流程如下：

1)課程準備期

教師依據(jù)課程內(nèi)容構(gòu)建知識樹，并基于最新發(fā)展前沿修改、完善知識樹。對當前課程所需的相關(guān)基礎(chǔ)知識進行準備，并基于各個細分知識點進行網(wǎng)課短視頻錄制。

設(shè)計線上考核試題對所需先驗知識的掌握情況進行檢測，檢測不合格學生可再次學習網(wǎng)課重新進行檢測，檢測結(jié)果以一定比例記入期末總成績。

2)授課初期

首次課程，教師從項目實踐和行業(yè)應(yīng)用前沿出發(fā)引入深度學習課程，發(fā)布課程知識樹帶領(lǐng)同學了解課程知識全景，也可邀請業(yè)內(nèi)專家舉行講座，激發(fā)學生對課程的學習熱情。隨后，利用一到兩節(jié)課時間對深度學習所需的數(shù)學基礎(chǔ)進行快速回顧。確保學生掌握必要的知識基礎(chǔ)，若學生在學習過程中若遇到基礎(chǔ)不牢的問題，可基于知識回顧相關(guān)內(nèi)容進行快速地查找和學習。

授課教師針對特征分類、圖像處理、時序預(yù)測、自然語言處理、注意力機制應(yīng)用、生成對抗網(wǎng)絡(luò)應(yīng)用這六大任務(wù)設(shè)計構(gòu)建項目庫，并依據(jù)學生專業(yè)特點選擇課程實踐項目。

3)每節(jié)課上課前

上節(jié)課結(jié)束后發(fā)布下次課程對應(yīng)的線上課堂，要求同學們需要依據(jù)課程內(nèi)容進行基礎(chǔ)知識的網(wǎng)課學習，并完成線上測試。這可以幫助授課教師確定學生的數(shù)學基礎(chǔ)和對上節(jié)課程知識的掌握情況，在課前依據(jù)學生的具體情況調(diào)整課程重點和課程難度。

4)每節(jié)課上課時

授課教師依據(jù)課程知識樹，將本節(jié)課所涉及的主要知識點依據(jù)課程自身層次結(jié)構(gòu)進行講解。在知識講解過程中依據(jù)相關(guān)技術(shù)的實際落地情況分析利弊，引導學生遵守行業(yè)規(guī)范，正確使用相關(guān)技術(shù)。

主要知識講解后，將學生結(jié)成小組，對學習過程中遇到的問題進行小組討論。各小組需要將討論后仍無法解答的問題進行總結(jié)提煉。

教師對各小組的問題進行作答。課堂教學結(jié)束前，授課教師需要總結(jié)課程知識點，并依據(jù)學習進度發(fā)布實踐項目，闡述這些知識點如何在具體項目中落地使用。

5)每節(jié)課課后

學生將本節(jié)課所學內(nèi)容融入項目實踐中，實操檢測不同算法模型的具體效果。

6)學期末

要求同學在學期末完成課程設(shè)計項目，將解決方案上傳至kaggle上進行排名，并撰寫項目報告。

7)考核

依據(jù)學生課前內(nèi)容學習成績、日常項目的完成情況、課程設(shè)計得分綜合評定學生成績。

3 結(jié)束語

人工智能技術(shù)的發(fā)展和普及使得相關(guān)人才的培養(yǎng)成為當代高校新工科人才培養(yǎng)的重要方向。而深度學習課程是人工智能技術(shù)的關(guān)鍵核心之一。為應(yīng)當人才培養(yǎng)需求，越來越多的高校開始在本科學生中開始深度學習課程。本文針對深度學習的課程特點和本科學生的知識基礎(chǔ)，對本科生的深度學習課程建設(shè)展開討論。具體而言，我們利用線上網(wǎng)課的教學方式來解決課程內(nèi)容廣、知識點多、基礎(chǔ)要求高的問題，以翻轉(zhuǎn)課堂混合教學來提升學生學習興趣，以項目實戰(zhàn)來提升學生的實踐動手能力，以課前測試、項目實踐的形式綜合評定學生成績。課堂實踐表明，本方案可以很好地激發(fā)同學們的學習興趣、加強學生對知識的理解，并提升學生的實踐動手能力。本項目對其他交叉融合學科的教學改革具有重要的參考意義。