研究生“机器学习”课程教学改革研究
来源:用户上传
作者:
摘要：“机器学习”是人工智能方向研究生课程体系中的最重要基础课程之一。本文以研究生“机器学习”课程的特点为基础，结合课程教学组的实际教学实践经验，分析了该课程在实际教学中存在的问题，并从教学内容的安排、教学手段的改进、实践能力的培养等几方面对该课程的教学改革进行了探讨，倡导主动学习，线上线下互动学习的教学模式，提升该课程的教学质量和学习效果。
关键词：机器学习;研究生教学;教学改革
中图分类号：G643 文献标志码：A 文章编号：1674-9324（2019）10-0099-02
一、引言
随着智能时代的到来，人工智能技术已经成为国家重要发展战略，人工智能高级人才的培养也得到了高等院校的广泛关注[1]。机器学习作为人工智能的研究热点，主要研究如何使用计算机来模拟人类学习活动，并不断改善自身的性能，由此可见，机器学习是使计算机具有智能的根本途径。随着机器学习理论的快速发展，其广泛应用于工业生产和生活服务的各个方面，其课程也受到高等院校和科研机构的重点研究。目前，“机器学习”课程已是人工智能相關方向研究生的核心课程之一[2]。
“机器学习”课程中很多算法都综合了统计学、微积分、线性代数、信息论、控制论、计算机程序设计等多学科知识，并且其发展仍在不断地吸纳其他学科的知识，因而需要学生具有良好的数学理论基础和计算机程序实践能力。本文以江苏科技大学及相关合作院校为例，对该课程的教学模式及存在的问题进行调查后发现，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。
本文将从“机器学习”课程当前存在的问题出发，分别从教学内容的安排、教学手段的改进、实践能力的培养等几方面对该课程的教学模式改革进行探讨。在结合其他课程先进的教学方式和方法的基础上，对“机器学习”课程进行教学改革，以期提高该课程的教学质量。
二、课程特点及存在的问题
1.课程内容定位不清。由于机器学习是一门交叉学科，因此该课程的一个重要特点是学生来源广泛，其专业可能分布在计算机、自动化、应用数学等多个专业，由此会带来一些教学难度。一方面，“机器学习”课程的大多数内容都需要一定的数学基础，数学基础较好的数学专业学生适应该课程比较快，但对于很多计算机专业的学生来讲理论推导有一定的难度，他们更加关注算法的实用性，但是如若课程讲授跳过算法背后的数学理论又会使得课程的讲授达不到应有的深度，这是一个两难的问题。另一方面，机器学习技术发展迅速，又与“人工智能”、“模式识别”、“数据挖掘”等课程相辅相成，他们在课程内容上也会有不同程度的交叉，对于教师而言如何建立一个科学合理的教学内容体系对于提升教学效果至关重要。
2.教学手段单一化。同其他研究生课程一样，当前“机器学习”课程的课堂教学是以板书或者多媒体为媒介的教师讲授学生听讲为主要形式，但是机器学习理论较多，这种教学模式下学生被动地听讲，不利于让学生发挥自己的主动性和思考能力。随着时间的推移，学生会觉得课程内容过于复杂难以理解，甚至枯燥无趣，无法保持课堂注意力，课堂气氛比较沉闷单调，进而影响教学效率和效果。
3.实践教学不重视。实践教学的重要性已经成为许多课程的共识[3]。然而当前“机器学习”课程的教师往往更加偏向把大量的教学精力放在算法理论讲授和公式推导上，忽视了研究生动手能力的培养，结果可能是学生不仅仍然对所讲授的知识点一知半解，而且算法编程及应用能力也无法得到提高，实际教学效果反而不甚理想。
三、教学改革的方案
1.科学合理地安排教学内容。第一，“机器学习”与智能信息处理课程群存在知识点交叉，在有限的课时内所选择的教学内容应该合理适量，避免重复;第二，经典知识点应该在调研学生基础和特点的基础上，有重点地选择代表性算法呈现机器学习的知识体系;第三，前沿知识点的讲授重在激发研究生的学习兴趣，激发学生的求知欲，所以难度应当适中，如近年来发展火热的深度学习技术，需要适当介绍神经网络知识作为先导。基于教学内容适量适中的原则，我们在教材选择上选用了南京大学周志华所著的《机器学习》[4]，该教材通俗易懂，教师可选用若干章节重点讲授其基本原理，并让学有余力的学生自行研究其他深层次课程内容，让每个学生形成自己的知识体系。
2.丰富多样的教学手段。不同于本科生被动学习方式，教师应该对研究生教学倡导主动学习。第一，教师应当要求学生强化课前预习，课堂上则把握好教学节奏，适当时间内讲解完重点难点后，设置恰当的提问解答互动环节，让学生加强思考增强乐趣，同时在此过程中也活跃了课堂气氛。第二，课堂后教师可以跟学生进行私人交流，这样不仅可以了解学生对课程的想法和建议，作为教学改进的依据，还可以增进师生感情，提升学生对教师的认可度，从而提升学生学习兴趣。第三，教师可以鼓励学生利用丰富的网络资源自行查找相关文献学习相关知识点，参考公开数据和程序，推荐国际会议论文集等，指导学生参与各种线上线下的研讨交流活动，比如参与valse论坛，浏览小木虫讨论等，提升学生学习的主动性和积极性。
3.理论与实践相结合。无论是创新科研还是应用实践，培养研究生的综合科研能力都是必须的。应当鼓励学生对机器学习中诸如算法的优劣比较问题从实践中寻找答案。本课程的实践可分为上机实验和项目实践两种。上机实验可由教师根据课程内容选择代表性的算法，布置实验要求，让学生编程实现并进行应用验证;项目实践可由教师根据课程内容和学生科研方向精心引入应用案例，设计层次化区别化的课题，让学生在项目中综合理解机器学习理论。如此，学生不仅能够加深对理论知识的理解，还能熟练运用恰当的机器学习方法解决具体的实际科学研究问题，达到学以致用的目的。 四、結语
“机器学习”课程是人工智能方向研究生的核心基础课程，其教学效果直接影响研究生后续学习的质量。本文通过调查分析“机器学习”课程当前教学中存在的问题，提出从教学内容的合理安排、教学手段的改进及实践能力的培养等几个方面对该课程的教学模式进行改革，希望能够有效地提高该课程的教学质量。
参考文献：
[1]于化龙，左欣，高尚，秦斌.“智能信息处理”课程群教学改革模式研究[J].教育教学论坛，2016，（15）：82-83.
[2]曲衍鹏，邓安生，王春立，陈飞，宁博.面向机器学习课程的教学改革实践[J].计算机教育，2014，223（19）：88-92.
[3]郑冬梅，王悦.构建研究生实验教学体系，培养研究生创新能力[J].实验技术与管理，2010，27（5）：146-147.
[4]周志华.机器学习[M].北京：清华大学出版社，2016.
Research of Teaching Reform of “Machine Learning” Course for Postgraduate
HU Chun-long，WU Chen，ZUO Xin，CHEN Jian-jun，WANG Chang-bao
（School of Computer Science，Jiangsu University of Science and Technology，Zhenjiang，Jiangsu 212003，China）
Abstract："Machine Learning" is one of the most important basic courses in the postgraduate course system of artificial intelligence.Based on the characteristic of the "Machine Learning" course for postgraduate and the practical teaching experience of our teaching group，we summarize the problems existing in current teaching model of "Machine Learning"，and discuss teaching reform issues about the arrangement of teaching content，the improvement of teaching methods，the training of practical ability.In this article，we propose the teaching model of active learning，online and offline interactive learning to improve the teaching quality and learning effect.
Key words：Machine Learning;postgraduate teaching;teaching reform
转载注明来源:https://www.xzbu.com/9/view-14745319.htm
