“項目驅動”教學模式在《機器學習》課程教學中的應用研究

張猛 姚華雄

摘 要 機器學習是人工智能的一個重要分支。機器學習算法眾多，涉及到較多的數學基礎知識。同時它也是一門非常強調工程應用的課程，對學生動手能力要求很高。這些導致《機器學習》課程教學難度較大。本文分析了該課程在實際教學中存在的問題，提出在項目環境中進行《機器學習》的教學，激發學生的學習興趣，以期得到良好的教學效果。

關鍵詞 項目驅動 機器學習

0引言

隨著智能信息時代的快速發展，人工智能逐漸成為國家發展戰略。作為人工智能的重要研究分支，機器學習方法也在國民生產生活中產生舉足輕重的作用。國內外各高校也越來越重視《機器學習》的課程教學。《機器學習》是研究生階段人工智能領域的核心課程，它研究用計算機模擬人類大腦的方法。該課程的學習需要有良好的數學理論基礎，包括微積分、統計學、線性代數、控制論、信息論。

由于《機器學習》課程具有知識點分布廣泛、理論基礎要求較高、課程學時較少等特點，傳統的課程教學模式存在很多問題，容易導致該課程教學效果不佳。因此，《機器學習》課程的教學模式探索是一個重要的課題。

本文以華中師范大學計算機學院和其它兄弟院校開設的《機器學習》課程情況進行研究發現教學中存在著一些困難：（1）課堂教學課時少;（2）數學理論要求高，而學生基礎又較薄弱;（3）實踐性強，學生動手能力不足。這些都影響了教學效果，學生在學習相關內容時，容易產生畏難情緒。因此，對該課程教學模式進行探索是一個重要的課題。

1課程的特點

1.1涉及的數學理論較多

該課程的一個重要特點是涉及很多數學理論。這給教學帶來了許多挑戰，使得學生產生畏難情緒。 例如機器學習的經典方法支持向量機，涉及到微積分、矩陣計算、優化理論、矩陣論、概率論等基礎數學知識，并且包含超平面分割、向量投影、二次規劃、核函數映射等知識點。又比如主成分分析方法涉及到特征向量、協方差矩陣、矩陣特征值等知識。這些數學知識分跨不同數學子領域，并且分散于不同課程中。

1.2課程的學科交叉性

《機器學習》課程是一門應用學科，根據應用領域的不同，它涉及到語言學、電子信息、自動控制、心理學、材料、生物、天文的專業知識。例如，在無人駕駛系統中，需要通過機器學習方法了解外界環境，利用分析的結果指導計算機設計駕駛速度和路線，這涉及到自動控制、圖像與視頻分析等知識;另外人們能夠利用機器學習方法分析學生的學習過程中產生的數據，來評估學生的學習狀態和并進行有效地人工干預，這涉及到心理學和教育學方面的知識。初學者常常因為不理解其它專業的相關知識而難以利用機器學習算法處理實際應用問題。

1.3課程需要很強的動手能力

除了良好的數學基礎和相關領域的知識儲備，《機器學習》對于計算機編程能力要求很高。目前機器學習算法沒有統一的開發環境，學習者需要對各種開發環境均非常熟悉。例如，基于Python語言庫的Theano、Scikit-Learn，基于C#的Accord.net，同時支持Python和C++語言的深度學習庫TensorFlow和CNTK，可支持Python、Matlab和C++等多種語言的Mxnet，和純Python編寫的高層神經網絡API--keras。并且同一框架的不同版本彼此不能向上兼容。這些特點給教學帶來很大難度。

2教學改革方案

（1）教師通過真實或者虛擬的“項目”，提出具有一定困難，但學生經過努力又是力所能及的問題創設問題情景，可以培養學生在實際生活和生產實踐中應用人工智能知識分析和解決實際問題的能力的理念。創設項目情境，設計好實施“項目解決”教學法的載體。從生活情境入手，或者從機器學習或者一般人工智能的基礎問題出發，把需要解決的問題有意識地、巧妙地寓于符合學生實際的基礎知識之中，激發學生的探究興趣和求知欲;

（2）人工智能教學要激發學生的積極性為主，努力培養學生的自主學習習慣， 切實貫徹“項目解決”教學法， 以此提高學習興趣和學習能力。結合項目實例， 使學生深入理解機器學習中的理論與算法。一些學生的“項目完成”的意識比較薄弱，通過實際項目情景，培養他們的發現問題、解決問題的科學思維方法，以期提高學生應用人工智能知識的水平并培養學生創造性思維的能力;

（3）改革成績考核辦法， 傳統考核方式大多為筆試。嘗試強化“項目解決”能力的培養，讓學生學會并形成問題解決的思維方法，需要讓學生反復經歷多次的“自主解決”過程，這就需要教師把人工智能思想方法的培養作為長期的任務，在課堂教學中加強這方面的培養意識。

3總結

本文研究將運用“項目驅動”教學模式，積極推進《機器學習》教學與實踐活動。在一定的問題情境背景下，讓學生可以利用必要的學習材料，借助教師和同伴的幫助，通過意義建構主動獲得知識，從而學習發現問題的方法，開掘學生創造性思維潛力，形成自覺運用相關的《機器學習》基礎知識、基本技能和機器學習思想方法分析問題、解決問題的能力和意識。

參考文獻

[1] 陳穎博，張文蘭.國外教育人工智能的研究熱點、趨勢和啟示[J].開放教育研究，2019（04）：43-58.

[2] 石磊.開源人工智能系統TensorFlow的教育應用[J].現代教育技術，2018，28（01）：94-100.