◆苏向东 刘娜
（1.内蒙古大学计算机学院 内蒙古 010021；
2.河套学院数学与计算机系 内蒙古 015000）
随着智能时代的到来，人工智能技术研究被确立为国家发展战略，人工智能技术人才的培养工作受到国内高等院校广泛关注。作为人工智能领域的研究热点，机器学习主要讲解设计和优化人工智能模型的原理和方法，使应用模型具备类似人类的智能，从而将该模型应用于计算机系统和平台，完成现实生活中的分类、回归、序列生成等预测和决策任务。由此可见，机器学习是人工智能所依赖的重要基础，是各类智能化应用的核心构成，是实现智能化应用的主要途径。随着机器学习理论的快速发展，其已经被大规模应用于工业生产和社会生活的多种智能化平台和信息系统，推动了相关行业和产品技术改造升级，带来了巨大的经济价值和社会价值。目前，《机器学习》课程受到高等院校重点关注，已经成为人工智能相关方向学生的主干课程，掌握相关理论和原理的人才备受企业和行业青睐。
《机器学习》课程中很多算法都融合了矩阵论、凸优化、微积分、信号处理、程序设计等学科基础知识，并在不断发展中汲取其他学科领域的发展成果，要求学生具有扎实的数学基础和良好的高级语言程序设计能力。《机器学习》原理和方法能够为实际问题提供解决方案，可以被直接被应用于信息系统中，提升相关系统的智能化水平。
由于《机器学习》课程具有理论基础要求较高、涉及专业知识面广、课程学时紧凑等特点，单纯课堂授课模式缺乏项目实践活动，学生仅仅记住了理论原理，未能参与具体项目实践活动，缺乏解决实际应用问题的能力，降低了课程教学效果。因此，本论文提出了解决《机器学习》教学中存在的项目实践不足的问题的方案，紧贴智能化时代应用需求，提出行之有效的项目实践和评估方案，创建学生项目实践的计算机硬件和编程环境，建立有效的项目实践评估方案，实现《机器学习》课程从单纯理论学习到全面项目实践的转换，提升计算机专业学生培养质量。
国外计算机专业学生的《机器学习》教育主要有四种形式：一是《机器学习》技术课程，其中课堂授课与项目实践占多数，学生要想获得学分，除了参加考试以外，还必须完成相关的实验与设计项目，根据教师要求搭建机器学习应用系统，对智能系统中涉及的算法在深刻进行改进和优化，提升其性能；
二是课外竞赛活动，类似我国的综合实践类课程，学生这类课程期间无需参加课堂学习，只需要在规定的时间内完成相关的比赛项目即可，理论学习可以自行灵活安排，并针对比赛要求进行有选择性的补充；
三是《机器学习》沙龙等活动；
四是《机器学习》辅助应用，将《机器学习》技术作为一种工具来提升其他课程教学实践活动，在这个过程中完成《机器学习》技术的学习，提升学生能力。很多国外高校逐步开设了《机器学习》相关课程，并将其作为学习平台应用于高校其他课程教学活动，与机器学习理论有关的课程包括《机器学习》原理、《机器学习》设计竞赛、《机器学习》编程竞赛，特别是利用互联网平台参加各类比赛成为《机器学习》理论实践的一种重要手段和学生能力考核的方法。
近年来，国内高校对《机器学习》课程越来越关注，部分院校组织学生出国参加国际机器学习技术大赛，提升学生实践应用能力。为了提高我国人工智能技术水平和应用能力，使人工智能技术更好地为经济建设服务，有必要进一步提升《机器学习》教学质量，培养熟练掌握相关原理和方法的后备力量。
本文将从《机器学习》课程当前存在的项目实践缺乏的现状，分别从项目实践的软硬件需求，项目实践方案和课题设计，项目实践效果的评估这三方面提出具体解决方案。在结合其他课程教学方法的基础上，对《机器学习》课程进行教学改革，在现有理论授课的基础上，重点拓展加强项目实践活动，提高该课程的教学质量，提升学生理论应用能力，具体方案如下。
3.1 《机器学习》项目实践配套的软硬件环境建设
《机器学习》项目实践需要依赖于高性能GPU服务器，学生设计的智能化模型需要在内存大于32G、显卡的显存大于8G的服务器经过几十到上百个小时的优化过程，普通的台式机和笔记本电脑无法提供足够的算力支撑，无法保障学生完成《机器学习》中智能算法和模型的设计和优化。因此，大学需要在现有实验室环境下，搭建满足项目实践要求的软硬件平台的合理方案。
通过调研国内其他高校《机器学习》课程的项目实践的软硬件环境，结合Tensorflow、Pytorch、Keras等开源深度学习框架的硬件需求，参考计算机专业学生数量，确定完成《机器学习》课程项目实践的基本GPU服务器硬件配置需求。
在硬件平台具备基础上，按照项目实践课题内容，在硬件平台上安装配置《机器学习》项目实践的软件环境，如GPU驱动，开源深度学习库，矩阵运算库等软件依赖包，提供项目实践的底层机器学习库支撑。利用Jupiter Notebook开源软件包，搭建《机器学习》项目实践的在线代码开发环境，使学生无需安装Python编程环境，即可利用服务器软件环境进行智能模型设计和编码，并实时进行调试工作。
3.2 《机器学习》项目实践方案和课题设计
现在《机器学习》技术在各类智能应用系统得到广泛应用，如推荐系统、智能客服、智能助手等。目前，相关技术和应用的人才还存在很大缺口。为提升计算机研究生《机器学习》理论的应用能力，加强具体项目实践能力，我们将制定紧贴实际应用的项目实践方案和实践课题。项目实践方案将紧密贴合《机器学习》在实际生活的应用现状，根据任务中数据形态（语音、图像、文本），结合任务数据规模大小（低数据资源任务、数据资源充足任务），设计多种项目实践课题（语音识别、文字识别、智能问答、机器翻译等），采用多种项目实践形式（独立实践、分组实践、互联网比赛），完成项目实践活动，并评估项目实践效果。
首先，我们按照目前《机器学习》在人工智能方面的热点应用，选取出5种热门的应用，分析背后所依赖的技术方案，制定项目实践课题。每个课题包括任务、目标、服务对象、数据种类、数据规模、数据格式、源数据、基线模型方案、成果形式、评价指标、依赖软硬件环境等完整的内容。学生依据课题详细描述，结合所学《机器学习》理论和方法，制定项目实践技术路线，设计和优化核心智能模型，并开发相应的应用系统，书写项目实践报告，完成项目实践。
其次，我们将根据项目实践类型，确定项目实践类型，如独立项目，分组项目，互联网比赛项目等，根据不同项目类型，进行实践效果考核，给出项目实践评估结果，并结合项目实践评估结果反向指导《机器学习》内容授课和实践内容调整补充。例如，结合国际法律文书翻译需求，设计法律文书翻译项目实践课题。课题数据来源为由学生从互联网采集并人工校对后的汉英平行句对，数据规模不低于20万句对，翻译模型采用基于元学习的序列化机器翻译模型，翻译效果评估指标为BLEU，项目实践方案为分组项目实践。
图1 机器学习结构
3.3 多维度项目实践效果评估
为结合《机器学习》理论考核，合理评估学生项目实践效果，需要研究制定项目实践效果评估方案，给出项目实践效果评估等级，并反馈优化学生项目实践环节。项目实践的目的是提升计算机专业学生的实践动手能力，加深对《机器学习》理论的理解和掌握，使其能够在工作岗位上胜任人工智能研究和开发工作需要。因此，项目实践效果评估要处理好与学业成绩、能力发展、兴趣培养、工业应用之间的关系，结合课程授课内容和项目类型，分类型分层次进行项目实践效果考核评估。
项目实践效果评估遵循导向性原则。评价项目实践效果不是为了给出简单的结论，而是通过设定项目实践的目标，对照一定的标准，给出定性与定量的评估结论，并根据这一结论发现《机器学习》学习过程中存在的知识缺口，进一步提升学生分析问题和解决问题能力，实现高层次人工智能人才的培养。
具体考核过程要按照项目实践课题难度（容易、中等、困难）、理论创新性（理论应用、微创新、中等创新、较大创新）、应用价值、人员任务分工等方面进行综合评分。课程最终成绩由理论考试和项目实践成绩共同构成，侧重于对学生基本原理的理解、算法模型掌握程度，以及应用能力、创新能力等综合素质的考核，建立知识考察与能力考核并重的考核标准，客观全面体现学生在《机器学习》课程掌握的知识、能力和水平情况。除对利用理论进行课题实践结果和结论分析能力考核外，增加《机器学习》文献阅读、机器学习方法调研、开放性问题分析能力的综合评定。
本文从《机器学习》课程当前存在的项目实践缺乏的现状，分别从项目实践的软硬件需求，项目实践方案和课题设计，项目实践效果的评估这三方面对该课程的教学改革提出解决方案。在《机器学习》理论授课基础上，拓展加入项目实践内容，制定紧贴智能化应用的项目实践方案和课题，确定合理可行的项目实践效果评估方法，激发学生课程学习兴趣，提升学生《机器学习》理论掌握水平和实践应用能力，提升教学效果和学生综合能力水平。
猜你喜欢 机器学习机器课题 机器狗环球时报(2022-07-13)2022-07-13机器狗环球时报(2022-03-14)2022-03-14党的建设的永恒课题当代陕西(2019年24期)2020-01-18不忘的初心 永恒的课题人大建设(2019年8期)2019-12-27未来机器城电影(2018年8期)2018-09-21第十单元 课题1常见的酸和碱（第二课时）学校教育研究(2017年29期)2017-10-21基于网络搜索数据的平遥旅游客流量预测分析时代金融(2016年27期)2016-11-25前缀字母为特征在维吾尔语文本情感分类中的研究科教导刊(2016年26期)2016-11-15基于支持向量机的金融数据分析研究科学与财富(2016年28期)2016-10-14“研”少先队活动(2014年11期)2015-03-11