機器學習課程教學的實踐探索

蔣良孝

摘? 要：機器學習在眾多領域有著廣泛的應用，使得開展機器學習教學變得更加迫切，但目前國內對機器學習課程教學沒有太多的經驗。在考慮學生和科研工作實際需求的基礎上，文章摸索出一套合理的機器學習教學目標與內容、教學方法與特色、教學評價與考核方法。

關鍵詞：機器學習;教學實踐;教學特色

中圖分類號：G642.4? ? ? 文獻標識碼：A? ? ? 文章編號：1671-0568（2019）27-0013-03

2016年3月9日至15日，谷歌人工智能圍棋程序阿爾法狗AlphaGo以總比分4比1戰勝世界圍棋冠軍李世石。 2017年5月23日至27日，又在浙江烏鎮的圍棋峰會上，以總比分3比0完勝我國世界排名第一的棋手柯潔。2017年1月6日，《最強大腦》第四季引入人機大戰模式，百度人工智能機器人小度作為特別選手參賽，在比賽中戰勝了“最強大腦”隊長王峰。

隨著摩爾定律帶來的芯片計算能力和存儲能力大幅提升以及大數據時代的來臨，不僅讓谷歌人工智能圍棋程序阿爾法狗AlphaGo和百度人工智能機器人小度一炮走紅，也將人工智能研究推向了一個新的高潮。

2017年7月8日，國務院印發《新一代人工智能發展規劃》宣布：舉全國之力，在2030年一定要搶占人工智能全球制高點。同時，為了實現這個目標，黨中央、國務院正式下文：即日起，從小學教育，中學科目，到大學院校，通通逐步新增人工智能課程，建設全國人才梯隊。2018年4月2日，作為落實國務院《新一代人工智能發展規劃》的具體舉措，教育部印發《高等學校人工智能創新行動計劃》中明確指出：要加快機器學習等新一代人工智能核心關鍵技術研究。

機器學習的研究動機是為了讓計算機系統具有人的學習能力以便實現人工智能。目前，被廣泛采用的機器學習定義是“利用經驗來改善計算機系統自身的性能”。由于“經驗”在計算機系統中主要是以數據的形式存在，因而機器學習需要運用機器學習技術對數據進行分析，這就使得它逐漸成為智能數據分析技術的創新源之一，并且為此受到越來越多的關注。

筆者所在的中國地質大學（武漢）計算機學院目前共有計算機科學與技術、數據科學與大數據技術、智能科學與技術、空間信息與數字技術、信息安全及網絡工程六個本科專業。在最新修訂的2019年版本科人才培養方案中，六個專業都設置了相應的“機器學習”課程，主要面向全校對機器學習感興趣的本科生，既包括計算機、軟件工程、電子信息、自動化等信息相關專業的學生，還包括應用數學、經濟管理、地球物理、環境地質、化學工程等非信息專業的學生。因此，筆者作為這門課程的主講教師和課程負責人，在現有教學經驗的基礎上，如何講好這樣一門既有廣泛需求又有一定難度的課程，需要認真地思考、總結和實踐。

一、教學目標與內容

開設本課程的目的是使學生了解機器學習的基本方向;掌握機器學習的基本算法;掌握運用WEKA平臺實現機器學習算法的方法;了解機器學習的有關研究思想，從中學習開拓者們求解問題的部分方法;通過實驗進一步體會有關學習算法的用法和性能，切實提高機器學習算法的編程應用能力;能查閱適當的參考文獻，將所學的知識與自己未來研究課題相結合起來。

為了實現這些目標，在充分參考現有經典機器學習教材的基礎上，課程組設計了以下教學內容和課程大綱：本課程將以數據挖掘中的分類任務為例，首先講解分類模型的評估，然后講解一批經典而常用的機器學習技術。具體的章節安排如下：第1章：緒論。講解機器學習的定義、與數據挖掘的區別與聯系、本課程的授課思路與內容安排，以及本課程所使用的教材及參考書。第2章：講解模型評估的方法、指標，以及比較檢驗。第3-9章：講解機器學習的基礎技術：以線性回歸開始，講解線性學習;以K均值聚類收尾，講解無監督學習;中間包括支持向量機學習、神經網絡學習、決策樹學習、貝葉斯學習及最近鄰學習。第10-13章：講解機器學習的進階技術：具體包括集成學習、代價敏感學習、演化學習及強化學習。具體的課程大綱如表1所示。

二、教學方法與特色

明確教學目標與內容、教學團隊與分工后，就需要精心設計教學方法，把課程講好、講精彩、講出自己的特色。

1.高度重視學生動手能力的培養。任課教師手把手教會學生運用國際開源機器學習實驗平臺WEKA進行機器學習算法實現的方法;通過實驗進一步體會機器學習算法的用途和性能，切實提高學生的機器學習編程實踐能力。

2.以解決實際問題為導向。讓學生了解機器學習的有關研究思想，并從中學習開拓者們求解機器學習問題的部分方法;掌握課程教學內容的應用價值和前景，激發學生的學習興趣，實現從“要我學”到“我要學”學習方式的轉變。

3.根據學生的特點和興趣組建不同的課程學習團隊。培養學生的人際溝通、團隊協作能力，增強學生的綜合素質，讓學生在實際應用中領悟機器學習理論知識的精髓，為科研和學科競賽儲備人才和隊伍。

4.科教結合。鼓勵教學團隊的任課教師從自身的科研領域提煉出與課程教學相關的研究問題，組建學習團隊，促進科研為教學服務，切實提升教學質量和學生科研成果產出的質量和數量。

三、教學評價與考核

對于機器學習這樣一門高度重視動手能力培養的計算機專業選修課程而言，課堂理論知識教學固然重要，但更重要的是課外實踐，使學生的實踐動手能力得到提高，能夠解決實際應用的問題，編寫出真正有用的機器學習算法。為實現這個目標，課程組設計了八道課后實踐訓練與考核實戰題，主要用來鞏固復習課堂上所講授的機器學習算法理論，同時掌握運用國際機器學習開源實驗平臺WEKA實現機器學習算法的基本方法和步驟;通過實驗進一步體會有關機器學習算法的用法和性能，切實提高機器學習算法的編程應用能力：①Linear Regression回歸算法的實現及實驗測試（10分）;②Logistic Regression分類算法的實現及實驗測試（10分）;③SMO分類算法的實現及實驗測試（15分）;④BP分類算法的實現及實驗測試（15分）;⑤ID3分類算法的實現及實驗測試（15分）;⑥NB分類算法的實現及實驗測試（15分）;⑦KNN分類算法的實現及實驗測試（10分）;⑧K-Means聚類算法的實現及實驗測試（10分）。

最后，要求選課學生提交基于WEKA平臺實現的java代碼文件和用Explorer在任何一個數據集上測試結果的截圖，一起作為考核評分的依據。

機器學習是一門新興且非常重要的計算機及相關專業的選修課，在圖像識別、智能醫療、市場分析、金融投資、欺詐甄別、環境保護、科學研究等許多領域獲得了廣泛的應用，取得了十分可觀的社會效益，顯示出了良好的應用前景。如何在大學中講好這門課程，切實提高學生運用機器學習技術解決實際問題的實踐能力，是每一名任課教師需要認真思考的問題。本文從教學目標與內容、教學方法與特色，到教學評價與考核，完整地描述了這門課程的所有環節。經過筆者多年的努力，這門課程目前已在愛課程中國大學MOOC平臺進行了2次開課，選課人數分別達到12913和12671，第3次擬于2019年8月1日開課，目前已有2702人預選參加，得到了其他高校學生和社會學習者的廣泛好評，并且成功入選首批湖北省本科精品在線開放課程。未來的工作主要包括進一步補充和完善課程教學內容，提出新的教學方法，并根據學生的反饋改進教學評價與考核的內容及評分標準。

參考文獻：

[1] 蔣良孝，李超群.基于團隊學習的研究生創新能力培養[J].計算機教育，2017，（11）： 55-57.

[2]（新西蘭）伊恩·H.威騰.數據挖掘 實用機器學習工具與技術（原書第4版）[M].李川，等譯.北京：機械工業出版社，2018.

[3] 周志華.機器學習[M].北京：清華大學出版社，2016.

[4] 于劍.機器學習 從公理到算法[M].北京：清華大學出版社，2017.

[5]（美）Tom M.Mitchell機器學習[M].曾華軍，等譯.北京：機械工業出版社，2003.

責任編輯? 易繼斌