“项目驱动”教学模式在《机器学习》课程教学中的应用研究
来源:用户上传
作者:
摘 要 机器学习是人工智能的一个重要分支。机器学习算法众多，涉及到较多的数学基础知识。同时它也是一门非常强调工程应用的课程，对学生动手能力要求很高。这些导致《机器学习》课程教学难度较大。本文分析了该课程在实际教学中存在的问题，提出在项目环境中进行《机器学习》的教学，激发学生的学习兴趣，以期得到良好的教学效果。
关键词 项目驱动 机器学习
0引言
随着智能信息时代的快速发展，人工智能逐渐成为国家发展战略。作为人工智能的重要研究分支，机器学习方法也在国民生产生活中产生举足轻重的作用。国内外各高校也越来越重视《机器学习》的课程教学。《机器学习》是研究生阶段人工智能领域的核心课程，它研究用计算机模拟人类大脑的方法。该课程的学习需要有良好的数学理论基础，包括微积分、统计学、线性代数、控制论、信息论。
由于《机器学习》课程具有知识点分布广泛、理论基础要求较高、课程学时较少等特点，传统的课程教学模式存在很多问题，容易导致该课程教学效果不佳。因此，《机器学习》课程的教学模式探索是一个重要的课题。
本文以华中师范大学计算机学院和其它兄弟院校開设的《机器学习》课程情况进行研究发现教学中存在着一些困难：（1）课堂教学课时少;（2）数学理论要求高，而学生基础又较薄弱;（3）实践性强，学生动手能力不足。这些都影响了教学效果，学生在学习相关内容时，容易产生畏难情绪。因此，对该课程教学模式进行探索是一个重要的课题。
1课程的特点
1.1涉及的数学理论较多
该课程的一个重要特点是涉及很多数学理论。这给教学带来了许多挑战，使得学生产生畏难情绪。 例如机器学习的经典方法支持向量机，涉及到微积分、矩阵计算、优化理论、矩阵论、概率论等基础数学知识，并且包含超平面分割、向量投影、二次规划、核函数映射等知识点。又比如主成分分析方法涉及到特征向量、协方差矩阵、矩阵特征值等知识。这些数学知识分跨不同数学子领域，并且分散于不同课程中。
1.2课程的学科交叉性
《机器学习》课程是一门应用学科，根据应用领域的不同，它涉及到语言学、电子信息、自动控制、心理学、材料、生物、天文的专业知识。例如，在无人驾驶系统中，需要通过机器学习方法了解外界环境，利用分析的结果指导计算机设计驾驶速度和路线，这涉及到自动控制、图像与视频分析等知识;另外人们能够利用机器学习方法分析学生的学习过程中产生的数据，来评估学生的学习状态和并进行有效地人工干预，这涉及到心理学和教育学方面的知识。初学者常常因为不理解其它专业的相关知识而难以利用机器学习算法处理实际应用问题。
1.3课程需要很强的动手能力
除了良好的数学基础和相关领域的知识储备，《机器学习》对于计算机编程能力要求很高。目前机器学习算法没有统一的开发环境，学习者需要对各种开发环境均非常熟悉。例如，基于Python语言库的Theano、Scikit-Learn，基于C#的Accord.net，同时支持Python和C++语言的深度学习库TensorFlow和CNTK，可支持Python、Matlab和C++等多种语言的Mxnet，和纯Python编写的高层神经网络API--keras。并且同一框架的不同版本彼此不能向上兼容。这些特点给教学带来很大难度。
2教学改革方案
（1）教师通过真实或者虚拟的“项目”，提出具有一定困难，但学生经过努力又是力所能及的问题创设问题情景，可以培养学生在实际生活和生产实践中应用人工智能知识分析和解决实际问题的能力的理念。创设项目情境，设计好实施“项目解决”教学法的载体。从生活情境入手，或者从机器学习或者一般人工智能的基础问题出发，把需要解决的问题有意识地、巧妙地寓于符合学生实际的基础知识之中，激发学生的探究兴趣和求知欲;
（2）人工智能教学要激发学生的积极性为主，努力培养学生的自主学习习惯， 切实贯彻“项目解决”教学法， 以此提高学习兴趣和学习能力。结合项目实例， 使学生深入理解机器学习中的理论与算法。一些学生的“项目完成”的意识比较薄弱，通过实际项目情景，培养他们的发现问题、解决问题的科学思维方法，以期提高学生应用人工智能知识的水平并培养学生创造性思维的能力;
（3）改革成绩考核办法， 传统考核方式大多为笔试。尝试强化“项目解决”能力的培养，让学生学会并形成问题解决的思维方法，需要让学生反复经历多次的“自主解决”过程，这就需要教师把人工智能思想方法的培养作为长期的任务，在课堂教学中加强这方面的培养意识。
3总结
本文研究将运用“项目驱动”教学模式，积极推进《机器学习》教学与实践活动。在一定的问题情境背景下，让学生可以利用必要的学习材料，借助教师和同伴的帮助，通过意义建构主动获得知识，从而学习发现问题的方法，开掘学生创造性思维潜力，形成自觉运用相关的《机器学习》基础知识、基本技能和机器学习思想方法分析问题、解决问题的能力和意识。
参考文献
[1] 陈颖博，张文兰.国外教育人工智能的研究热点、趋势和启示[J].开放教育研究，2019（04）：43-58.
[2] 石磊.开源人工智能系统TensorFlow的教育应用[J].现代教育技术，2018，28（01）：94-100.
转载注明来源:https://www.xzbu.com/1/view-15246038.htm
