基于項目驅動的“機器學習”課程創新實踐探索

張亞茹，郝定溢

（1.安徽理工大學人工智能學院 安徽 淮南 232001；2.安徽理工大學安全科學與工程學院 安徽 淮南 232001）

隨著人工智能時代的到來，教育部多次發文推進新工科建設，強調應注重人工智能與計算機、控制論、概率論、統計學等多門學科知識的交叉融合，對接產業需求建設新工科專業，緊跟科技前沿發展重構課程內容、改革教學模式，培養復合型、創新型人才[1-2]。新工科背景下，機器學習作為人工智能的一門核心專業課程，如何基于新工科理念改革課程教學是當前“機器學習”課程面臨的主要挑戰[3]。機器學習相比其他專業課程，屬于多領域交叉的學科，不僅涉及的知識面廣，還包括諸多繁雜的抽象模型，教授內容量大且理論復雜[4]。此外，隨著機器學習新技術的不斷更新，內容量還在呈指數級增加。最重要的是其技術實操性強，理論最終均需通過計算機編程實現，需培養學生較強的計算機編程能力[5]。目前，諸多高校在“機器學習”課程的教學中仍然采用固定的教材、側重于單一的教學方式，課程實驗簡單陳舊且應用實踐較少。

針對“機器學習”課程的上述特點和問題，本文提出以項目為驅動、以學生主動性為中心、以案例探索和拓展為方向、以全方位能力測評為目標的教學改革方案，包括教學內容的更新迭代、混合教學的模式創新、課程實驗的項目啟發以及多方位考核四個方面。

1 “機器學習”課程教學的痛點

1.1 涉及知識領域廣、理解難度較大

機器學習是一門涉及概率論、統計學、逼近論、凸分析、優化方法等多領域知識交叉的課程，目前已廣泛應用于數據挖掘、計算機視覺、自然語言處理、生物特征識別、搜索引擎、醫學診斷等交叉融合領域[6]。本科生“機器學習”課程的教學內容中，包含大量數學公式、復雜的模型原理介紹。學生對于這些與數學背景知識相關的公式和原理，或者交叉學科知識點的理解難度較大，不理解公式的含義，無法推理公式，難以將抽象公式和實際問題結合起來。

1.2 教學方式單一

本課程的教學沿用以教師為主體的灌輸式教育模式，教師在教學時多注重公式、模型本身，沒有生動有效地結合實際應用問題講解公式的來源、形式、推導過程，沒有透徹地詮釋公式、理論模型背后的原理方法。學生大都只能被動接受相關的理論基礎知識，課堂學習枯燥無味，難以激發學生的學習興趣、無法有效培養學生的自主學習能力。

1.3 課程案例陳舊、應用性偏弱

目前，大部分機器學習教材和課件已沿用多年，教學內容較為固化陳舊，技術方法相對落后，內容不能很好地與當前新興的人工智能技術相銜接，對機器學習新技術和新方法的闡述較少，算法實用性較差，不利于培養學生的創新能力。

1.4 課程實驗簡單，拓展性差

本課程的實驗教學多以小型驗證類實驗為主，已經相當成熟且過于簡單，未涉及當前較為前沿的技術與算法。而且只要求學生通過調試既有程序驗證結果，不利于學生后期的探索和拓展研究。實驗內容與實際應用脫節，學生只能掌握機器學習的基本原理和基本理論，實驗內容的延續性和拓展性較差，缺乏解決實際工程問題能力的培養，不利于提高學生的思考和動手能力。

2 “機器學習”課程改革的探索與實踐

針對“機器學習”課程的四個痛點問題，筆者提出課程改革的思路，如圖1 所示，包括四個方面，分別是啟發引導式教學、項目驅動式教學、多平臺混合式教學和多元化考核。

圖1 “機器學習”課程改革思路

2.1 啟發引導式教學

機器學習中的各種算法對社會生產生活均產生了很大的影響。結合人工智能時代背景，將人工智能技術與“機器學習”課程相結合，更新教學課件內容，提出啟發引導式教學，如圖2 所示。例如在引出支持向量機的原理與方法之前，教師可以先通過舉例的方式講授機器學習的應用現狀，列舉生活中的典型案例：鳶尾花分類、貸款預測、房價預測、MNIST 數字識別、股價預測、電影票房預測等。在引出樸素貝葉斯算法前，列舉通過分析郵件正文中的關鍵詞是否經常出現在垃圾郵件中，來判斷一封郵件是否屬于垃圾郵件的案例。在引出決策樹、隨機森林等技術前，列舉對金融數據的處理和分析從而預測風險和欺詐行為發生概率的案例。以及利用協同過濾、矩陣分解等技術，根據用戶的興趣和行為，推薦相關的內容或產品。

圖2 啟發引導式教學

在實際教學中，教師在講授每個知識點之前通過這種基礎的實際案例作為啟發，讓學生展開思考討論，啟發學生的學習熱情。此外，在講授知識點之后，教師也可以考慮跨學科教學方式，在教學完相應的知識內容后，再向學生普及一些其他類型的知識，通過案例讓學生掌握所學知識的用途，以及解決的效果和性能差異，加深其理解和提升其探索欲，以此來拓寬學生的視野與知識面，也極大程度地提高了教師的教學質量。

在“機器學習”課程教學過程中也應當積極融入思想政治教育元素，豐富課程內容和提高課程教學的完整性，提升學生的思想覺悟和意識。比如，在教學過程中引入名人名言、諺語、詩詞等，增強學生的文化自信。此外，可以引入工匠精神、北斗精神等精益求精、鍥而不舍的中華民族精神，培養學生的主人翁精神，引導學生結合自己所學知識理解并轉化，與國家發展密切結合，為國家發展做貢獻，實現自己的人生價值。思想政治教育還可以通過感動中國人物等方面作為啟發，培養學生的家國情懷和優秀品質。

隨著時代的快速發展，機器學習技術的應用范圍越來越廣泛，教師對各行各業都具有深刻的影響。教師在課程教學中可以引導學生關注全球科技發展趨勢，培養他們的全球化視野和跨文化交流能力。機器學習技術在實踐應用過程中涉及數據隱私、算法公正、人工智能的道德和倫理問題，教師在教學中可以引導學生思考這些問題，培養他們的道德判斷力和倫理素養。這也要求教師具備較高的思政素養和教育教學能力，能夠將思政元素與專業知識有機融合，實現潤物細無聲的教育效果。

教師應讓啟發引導式的教學內容深入教學全過程，進而讓學生形成主動意識，提升思想覺悟。學生在這種啟發引導式教學中接受新的知識并完成具有挑戰性的作業，培養優秀品質，增強民族自豪感，堅定科技興國的信念。

2.2 項目驅動式教學

以往的機器學習教學往往只針對較為典型的算法進行講解，這種教學內容已經無法滿足當前學生的學習需求和企業發展的人才需求。教師在課程教學過程中需要始終堅持以前沿項目為驅動，教學內容需與市場需求和國家發展戰略緊密聯系，使學生明確要解決的實際問題目標，主動探索問題的本質與核心，提高知識轉化能力，并將理論知識靈活地運用于實踐中。

在本科教學過程中，一切學習安排需以項目實踐作為出發點，教師應該針對學生的興趣相應地拓展教學內容，提升學生的問題意識，在教學過程中適當進行延伸。引入實際工程問題的機器學習任務，教師按照項目需求組織知識點、整理知識點之間的相互聯系，并詳細講解每個知識點的作用。以“機器學習”課程中卷積神經網絡為例，實際項目需求可用于計算機圍棋、圖像分割、超分辨率重建、目標跟蹤、行為識別、人臉識別、美學質量評價、自動著色、語音識別、手寫體識別、遙感圖像處理等領域。引導學生投入項目研究的情境和氛圍中，以沉浸式的狀態完成知識轉化的全部過程。

在以項目為驅動的實踐過程中，教師可提供與項目主題和目標相匹配的實踐資源和條件，例如數據集、軟件工具、編程庫等。學生在項目推進前期，制訂項目計劃，將項目拆分為若干個階段或任務，例如構建數據、數據預處理、算法分析和設計、模型優化、參數調節、實際應用、結果測試等實踐環節。教師為項目執行的每個階段設定合理的時間節點，定期監督學生的項目進度，并提供必要的指導和支持。這可以幫助學生保持對項目的關注度和動力，并及時解決遇到的問題。

在實踐過程中，讓學生自己展開想象和思考，分析這些項目是否可以運用所學的其他知識來解決，允許并鼓勵學生對項目進行改進和提升，教師對項目完成情況加以點評和指導，營造以項目實踐為驅動的教學氛圍，為學生理解機器學習模型和研究算法提供沉浸式條件。在實踐中，學生能不斷糾正對知識點的錯誤理解，掌握基本的理論知識，將學到的理論知識靈活有效地應用到工程實踐中，鍛煉實踐應用能力，加強學習效果，更重要的是培養其團隊合作精神和溝通能力。

2.3 多平臺混合式教學

利用人工智能、大數據、互聯網技術將線下課程轉移到線上，搭建便捷豐富的在線課程平臺是時代發展的大勢所趨，如中國大學MOOC 等教學平臺中包含的各種多媒體教學資源，以及在線測驗、互動討論等教學活動。除了課程平臺之外，更具實時性和便利性的還有移動應用程序等社交媒體和在線會議軟件，教師可以隨時發布學習任務和資源，并保持與學生的暢通交流與互動，也可以邀請專業人士、其他教師和學生加入，共同討論和分享機器學習方面的研究進展和工程應用，更方便地獲取知識和經驗。同時，教師也可以引導學生參與在線論壇，與其他學習者互動交流，通過知識的碰撞產生新的火花與靈感。

在建設網絡課程的過程中，把“機器學習”課程中易于記憶與理解的原理、概念、算法思想及算法應用等內容按章節整理并上傳到線上教學平臺，也可以提供與機器學習內容相關的電子書籍、研究論文和技術博客等，方便學生課前預習、線上學習和課后復習。線上線下混合教學有助于融合傳統面對面教學的優勢和在線教學的便捷性，更重要的是，線上教學讓教師和學生之間的互動變得更加方便，教學效率更高，效果更好。

除了線上的授課更加方便，學生獲取資源更加便利之外，“機器學習”課程中會涉及編程類的實踐操作環節，線上教學平臺還可以提供在線編程平臺，如Jupyter Notebook、Google Colab 等，為學生提供實時的編程環境，方便學生進行機器學習的實踐操作。此外，MATLAB、OpenCV、TensorFlow、PyTorch 等教學軟件可以方便教師利用線上平臺進行代碼編輯和程序運行等直觀操作，便于學生學習編碼軟件，并熟練掌握這些重要的編碼軟件。線下教學則可以方便學生對問題的討論、團隊合作與問題的解決，實現了“機器學習”課程與現代人工智能方法及工具的有效結合。

多平臺混合式教學使得教師在教學計劃安排、教學資源搭建和編程實操演練等方面均可以做出相應的調整和準備，教師還可以通過平臺后臺進行數據分析和監測，及時了解學生的學習進度和學習表現，為教師提供更加客觀的教學反饋，做出準確的教學調整。

2.4 多元化考核方式

為了保證“機器學習”課程的延續性，培養基礎扎實、興趣高、主動性強、創新能力強的學生，筆者提出了“機器學習”課程的多元化考核方式，如表1 所示，包括理論考核、實踐考核、創新考核。其中，理論考核即通過考試、作業等常規方式評價學生對課程理論知識的掌握情況。

表1 考核比例分配

通過適度增加綜合項目的難度進行實踐考核，以實驗、項目實施、小組討論等方式評價學生的實踐能力、解決問題能力和團隊協作能力。例如，對CIFAR―10 圖像添加噪聲等干擾，要求學生分別通過最近鄰分類器和支持向量機等算法實現圖像分類，并保證訓練集和測試集的準確率，最后將實驗結果進行對比并解釋二者的性能差異。

同時，考慮到當下的人工智能技術熱潮，以及深度學習、機器學習在圖像處理和計算機視覺領域取得的重大突破，將在后續的教學中引入更多的綜合項目，如基于生成對抗網絡的圖像超分辨率重建、基于注意力機制的圖像復原、基于卷積神經網絡的圖像去噪等。最后，針對實踐操作，鼓勵學生創新，針對已有的方法改進，并分析實驗結果，總結梳理創新成果，撰寫學術論文，進而可以通過設計、創意、報告等方式評價學生的創新能力、獨立思考能力和解決問題的能力。最后學生可進行自我評估與互評，然后教師評價并給出反饋意見。

3 結論

本文針對以往“機器學習”課程教學中存在的突出問題，結合人工智能背景，從理論教學、實驗教學、綜合項目擴展和考核方式四個角度進行該課程的教學改革，提出以項目為驅動、以學生主動性為中心、以探索和拓展為方向、以全方位能力測評為目標的改革方案并給出詳細的改革措施。實踐表明，通過教學改革充分調動了學生的學習積極性和探索求知欲，提高了學生的課程參與度，鍛煉了學生的綜合能力，教學效果得以改善，學生對機器學習這門課程有了全面的了解和掌握，項目實踐和科研探索能力得以訓練和提升，可為其他高校的課程教學提供參考借鑒。