摘 要：分析當前機器學習實踐課程的教學情況，基于培養(yǎng)方式中的教學內(nèi)容體系性差，教學方式傳統(tǒng)單一等潛在問題，經(jīng)過高校的教學實踐，從應(yīng)用導向的教學模式、實踐導向的課程項目和校企項目驅(qū)動融為一體的培養(yǎng)方式等多方面探討課程教學改革的措施，提出機器學習實踐課程教學改革要領(lǐng)。使學生不僅熟練掌握了基本的機器學習基礎(chǔ)理論與方法，更要加強解決實際問題的能力。

　　關(guān)鍵詞：機器學習 實踐課程 教學改革 項目驅(qū)動

　　1 背景

　　目前，信息時代在飛快發(fā)展，銀行業(yè)、零售業(yè)、新興電子互聯(lián)網(wǎng)行業(yè)甚至傳統(tǒng)制造業(yè)隨之產(chǎn)生了大量數(shù)據(jù)。社會中各個行業(yè)都需要分析數(shù)據(jù)，應(yīng)用機器學習算法是最有效的方法，從龐大的數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，做出有效決策。因此這部分人才的需求持續(xù)增加，并且對實踐能力有更高的要求。機器學習的研究范疇為如何使用計算機來模擬人類的學習活動。它可以應(yīng)用于社會生活和工業(yè)的各個方面，也是各高校的關(guān)注的重點課程。各高校的基本職能就是培養(yǎng)人才，各高校也急需培養(yǎng)應(yīng)用人才，以期更好地適應(yīng)時代快速發(fā)展的工作內(nèi)容和尖端前沿鄰域，更好地適應(yīng)當前的就業(yè)環(huán)境。

　　2 機器學習實踐課程教學存在的問題

　　機器學習的實踐課程適用于計算機及其他相關(guān)專業(yè)學生。大學生要掌握算法和數(shù)據(jù)結(jié)構(gòu)，精通Java或C ++等機器語言，具備高等數(shù)學，概率論和高等代數(shù)等基礎(chǔ)知識。但是，目前，各高校的機器學習基本為理論教學為主，只是注重算法本身，缺乏完善的實踐教學體系和教學資源。現(xiàn)在學生的課堂學習面臨著許多問題，例如只學習專業(yè)理論，缺乏實際項目的操作過程以及單一的傳統(tǒng)教學方法。

　　2.1 實踐教學偏理論化，缺乏完善的實踐體系

　　機器學習涉獵到許多算法，精通這些算法要求高校生不僅要學習理論知識，還需要與社會實際項目相結(jié)合，理論聯(lián)系實際。這就需要在校學生多去了解現(xiàn)實中存在的問題，通過在校的學習和訓練，將理論知識輸出應(yīng)用于實際。雖然現(xiàn)在互聯(lián)網(wǎng)上有很多優(yōu)秀的課程，但其大多集中在知識系統(tǒng)的教學上，側(cè)重于算法本身和機器學習中常用的理論的介紹，基本不會介紹實際應(yīng)用等相關(guān)問題。目前社會新技術(shù)的迅速更新和企業(yè)的快速發(fā)展，使得技術(shù)更新的頻率越來越快，但教材卻更新不同步。導致機器學習人才的培養(yǎng)與社會及企業(yè)的用工需求存在差異。這種差異是需要高校學生通過解決實際問題來不斷地探索和積累才能彌補的，僅僅依靠短期教學是遠遠不夠的。所以，機器學習實踐課程需要與應(yīng)用實踐相結(jié)合，培養(yǎng)復合型人才。

　　2.2 教學內(nèi)容體系繁雜，教學方式傳統(tǒng)單一

　　由于機器學習涉及人工智能、認知科學、信息論、統(tǒng)計學和控制論等多個科目，所以它理論性強，內(nèi)容繁多，學科分類體系繁雜。現(xiàn)有的機器學習書籍和教科書大致如下：一是機器學習理論的講解，專業(yè)性強，晦澀難懂;二是機器學習與某種應(yīng)用相結(jié)合，知識側(cè)重于相關(guān)主題描述;還有一本實用的機器學習教材，只是側(cè)重于程序?qū)崿F(xiàn)，卻很少對算法原理進行推導演算和講解。這些書籍和教科書很難適應(yīng)機器學習的實際。因為現(xiàn)有學習理念、教學條件和教師能力等的種種限制，目前高校的課程僅僅是讓大學生學習到知識，而分析并解決實際問題、進而在實踐中創(chuàng)新的能力是與無法學到的，也沒有健全的教育體系來彌補目前教學過程中存在的問題。現(xiàn)在，各高校機器學習課程的學習還是以任課老師授課為主要途徑，計算機實驗和作業(yè)為次要途徑。學生在這樣的情況下，只是被動地積累知識，不能激發(fā)出探究該課程和領(lǐng)域的興趣。本學科理論專業(yè)性很強，實際操作難度很大，理論與實踐相互脫離，另外很多大學生課后基本不復習，即使在實驗過程中，大學生也會因沒有精通相應(yīng)的理論知識，導致無法使用相關(guān)計算機語言完成實驗。從而導致學生對實踐應(yīng)用的恐懼心理和逃避課程，甚至出現(xiàn)課后完成作業(yè)時互相抄襲的情況。

　　3 機器學習實踐課程教學改革探索

　　為了使學生具備相關(guān)的實踐和創(chuàng)新能力，提高人才質(zhì)量，需要加強課程的實踐教學。針對機器學習這類實踐性要求較高的課程，眾多高校提出了一攬子措施來達到專業(yè)目標和培養(yǎng)模式的優(yōu)化，例如教學內(nèi)容多樣化，師資隊伍走進企業(yè)并了解先進技術(shù)，改善試驗設(shè)備等。只有真正將理論融入實踐教學，才能更好地實現(xiàn)教學目標。

　　3.1 采取應(yīng)用導向的教學模式，完善人才培養(yǎng)體制

　　機器學習可以用于輿情分析、人臉識別、異常檢測、自然語言處理等范圍，各類范圍對應(yīng)的機器學習工程師的崗位技能不一。教師需要介紹該機器學習實踐課程對應(yīng)的典型工作與職責，讓學生在課堂中了解和體驗到所學知識的應(yīng)用場景，使學生進一步清晰專業(yè)意識。學生在項目中遇到問題后，一起討論解決方案，從而拓寬思路。因為靈活性是機器學習在實踐中的重要特征，因此很有必要對具體的實踐場景中所需要的算法進行優(yōu)化，選擇最優(yōu)的經(jīng)典算法。所以，實踐對算法本身提出了更高的要求，需要理論與實踐的相互結(jié)合，相輔相成，理論指引實踐，實踐中又不斷深入對理論知識的理解。基于目前人才需求的培養(yǎng)，初始開始機器學習教學時，傳統(tǒng)理論教育需要覆蓋其學習的每個階段，使大學生熟練地掌握數(shù)據(jù)獲取、預處理、選擇模型和優(yōu)化結(jié)果分析的每個階段，建立完善的體系。這其中最直接的途徑是大學老師作為學生的榜樣，教師積極探索校企合作項目，主動申請相關(guān)科研項目，了解真實存在的問題場景，然后擴展到學生層面，布置合適的作業(yè)，推薦學生選擇適當?shù)拈_源工具處理數(shù)據(jù)，培養(yǎng)學生能夠以較快的速度獨立解決問題。

　　3.2 設(shè)置實踐導向的課程項目，豐富教學內(nèi)容和教學方式

　　目前，各個學校的機器學習課程一般都會設(shè)置實驗，但主要實踐的是如何實現(xiàn)教材中的算法。大學生能夠通過實驗課程，學會眾多的經(jīng)典算法，實踐能力大幅提高。通過實踐項目的設(shè)計和驗證兩個環(huán)節(jié)，培養(yǎng)學生創(chuàng)新性的解決問題，適應(yīng)社會的就業(yè)需要。高校可以聘請社會或者企業(yè)中的專業(yè)人士來學校講解前沿實踐領(lǐng)域的項目，剖析解決問題的想法和過程，與高校老師及學生一起研究企業(yè)數(shù)據(jù)處理中的各類算法，從而達到理論與實踐的相結(jié)合。同時使得大學老師更快地了解企業(yè)現(xiàn)實場景，了解現(xiàn)階段的解決方案，從而更好的完善教學內(nèi)容和形式，貼近真實的企業(yè)項目開發(fā)。也可以在教授理論基礎(chǔ)的前提下，改變傳統(tǒng)單一的教學方法，讓學生進一步體驗現(xiàn)實場景，實現(xiàn)理論與實踐的結(jié)合，創(chuàng)造由企業(yè)項目推動教學發(fā)展的新思路。同時，教師可以利用高校優(yōu)越的多媒體實驗環(huán)境，邀請相關(guān)企業(yè)人士分析相關(guān)案例，講解企業(yè)需要的知識點，結(jié)合教學進度提出實踐導向的課程問題，讓學生實現(xiàn)類似的驗證性實驗項目，這就是設(shè)計性實驗項目的原型，學生可以訪問和分析其功能、代碼并測試其效果。然后，在延伸實踐的基礎(chǔ)上，學生可以模仿教師提供的案例，通過創(chuàng)新設(shè)計和實施一個相對完整的項目，鞏固自己的知識，鍛煉統(tǒng)籌兼顧的能力，提高靈活應(yīng)用知識和創(chuàng)新的能力。

　　3.3 推動校企合作完成企業(yè)實踐項目，堅持教學用于實踐。

　　應(yīng)用型人才不僅要有完善的理論知識、掌握科學的方法及具備寬闊的眼界和迅速解決問題的能力，還需要實踐技能。因此學校可以和社會企業(yè)建立校企合作項目和科研團隊，在深入了解企業(yè)需求的基礎(chǔ)上，在高校中實施培訓和教學，豐富教學內(nèi)容，完善教學體系，培養(yǎng)學生解決實際問題的能力，為學生日后的實踐過程培養(yǎng)并形成解決問題的思路。

　　在數(shù)據(jù)采集方面，通過校企關(guān)系，在課程中增加企業(yè)實踐學時。教師依據(jù)班級人數(shù)將學生分成幾個研究小組，讓研究小組的同學們直接與企業(yè)交流，拿到企業(yè)真實數(shù)據(jù)。鑒于企業(yè)數(shù)據(jù)量巨大，而且數(shù)據(jù)穩(wěn)定性待檢驗，存在大量的噪聲等諸多問題，學生需要從中提取有效數(shù)據(jù)，消除噪聲，將其轉(zhuǎn)化為可用數(shù)據(jù)。由于企業(yè)的眾多問題不是機器能夠直接處理的，數(shù)據(jù)篩選、特征提取、算法集成和選擇可能需要實驗層面的技能;并且，企業(yè)實際的項目具備真實、靈活的特點，而且與當前熱點息息相關(guān)。在討論解決方法時，學生會碰到眾多的難點，如數(shù)據(jù)的不均衡、算法缺陷等。這些困難不可能直接從課堂得到有效的解決發(fā)放，學生需要不斷梳理現(xiàn)有的知識體系，不斷優(yōu)化現(xiàn)有思路，總結(jié)前人的經(jīng)驗教訓，盡可能地攻破現(xiàn)有的算法缺陷，由實踐轉(zhuǎn)變?yōu)槔碚撝R。企業(yè)面臨著要求非常嚴格的客戶，機器學習工程師要學會溝通客戶的技巧，并且熟悉業(yè)務(wù)。校企合作下的企業(yè)實踐項目能夠使學生更容易理解數(shù)據(jù)分析算法，更好地解決問題，從而培養(yǎng)學生的實踐能力與創(chuàng)新意識。高校可以和企業(yè)探索合作，建立實訓基地或者實驗室，實現(xiàn)開展項目合作以及聯(lián)合研發(fā)，企業(yè)也可以參加課程的規(guī)劃、開發(fā)、實施，贊助課外科技創(chuàng)新活動，建立課外活動的對接。企業(yè)實踐項目既可以激發(fā)學生的研究興趣，又可以加深學生對原有知識理論的理解。

　　4 結(jié)語

　　機器學習的高校實踐教育，要讓學生可以根據(jù)現(xiàn)有的機器學習原理和手段來解決現(xiàn)實問題，養(yǎng)成大學生自主探索、學習新技術(shù)的能力。經(jīng)過高校的教學實踐，采取了一系列課程教學改革的措施，這些具體的改革措施不僅使得在校大學生掌握了基本的機器學習基礎(chǔ)理論與方法，還塑造了學生解決實際問題的能力，受到了學生的認可和喜愛。

　　參考文獻

　　[1] 趙衛(wèi)東，趙洪博.基于項目沉浸式的數(shù)據(jù)分析類課程教學研究[J].計算機教育，2017(6)： 58-61.

　　[2] 李晨光，廖明，張永亮，等.開展跨學科通識技能訓練提升本科生創(chuàng)新創(chuàng)業(yè)能力[J].實驗技術(shù)與管理，2018(11)：13-16.

　　[3] 鄧志鴻，謝昆青.機器學習課程的教學實踐： 以北京大學“智能科學與技術(shù)”本科專業(yè)為例[J].計算機教育，2016(10)： 18-19.

　　[4] 姚興華，吳恒洋，方志軍，等.新工科背景下機器學習課程建設(shè)研究[J].軟件導刊，2018(1)：221-223.

　　[5] 陳琳.高校機器學習課程教學改革探索[J].教育現(xiàn)代化，2018(6)：99-100.

　　[6] 李莎莎，劉丹，唐晉韜，等.面向任職教育的“數(shù)據(jù)挖掘與機器學習”課程教學研究[J].高等教育研究學報，2019(1)：108-113.

　　[7] 黃智云.基于課程信息化的學習分析與評價系統(tǒng)設(shè)計[D].泉州：華僑大學，2019.

　　[8] 王爽.基于機器學習的自動文本分類方法研究[D].成都：電子科技大學，2020.

　　推薦閱讀：機器人應(yīng)用論文免費文獻