面向本科生的機器學習課程教學改革探討

黃瑞章

(貴州大學，貴陽 550025)

1 機器學習課程

人工智能技術不僅是當今社會的高精尖發展核心，同時也是國家在未來戰略發展中的重要方向。基于智能化時代的深化發展，各大高校也將培養高尖端人工智能人才作為主要教學目標，而機器學習則始終是人工智能領域中的研究熱點。要通過計算機對人類的學習行為進行模擬，不斷完善其性能，而機器學習則是智能化計算機使用過程中的支撐環節。

對于人工智能方向的本科生而言，機器學習課程是其整個專業學習的核心基礎。機器學習在工業、生產、生活、服務等方面都具有了廣泛的應用范圍，人工智能方向本科生的核心課程之一便包含了機器學習。機器學習課程中包含了微積分、統計學、代數、控制學、信息學、電子程序設計等多學科的領域知識，要求學生具有良好的數學理論基礎與計算機程序實踐能力。

機器學習課程涉及的知識點分布廣泛，對理論基礎要求較高，在教學過程中也存在著諸多問題，會影響教學效果，對機器學習課程的教育模式進行改革很有必要。

2 機器學習課程教學存在的問題

2.1 課程內容定位不明確

面向本科生的機器學習課程涉及的學科知識較多，信息化、自動化、應用數學、計算機等多個專業的學生也都匯集于此，為實際教學帶來了一定難度，一方面，機器學習課程的絕大多數內容都需要學生具備一定的數學理論基礎，數學理論基礎較好的學生則能夠更快適應，但其他專業的學生就會覺得理論難度較大。計算機專業的學生會更關注實用性的算法，若跳過算法背后的數學理論，就會影響課程深度；另一方面，機器學習與人工智能、識別模式、數據挖掘等課程具有一定的相互關聯性，在課程內容上會存在不同難度的水平交叉，需通過科學合理的教學體系來進行定位，以提升教學效果。

2.2 教學手段不豐富

教師仍以傳統的板書或多媒體為具體的教學載體，講授方式也是以講與聽為主，這樣的被動式學習不利于學生發揮思考能力，時間一長，學生便會失去學習興趣，無法集中注意力，會導致課堂氣氛過于單調、枯燥、沉悶。

2.3 理論與實踐相脫節

受傳統人才培養模式及教學模式的影響，教師將更多的教學精力都放在了理論、算法及公式推導上，在一定程度上忽視了學生的動手能力，導致學生只是在理論層面上對具體知識點有所了解。缺乏相應的實踐教學會導致學生在算法編程及應用能力上無法達到預期效果。

3 面向本科生的機器學習課程教學改革方向

3.1 構建科學合理的教學內容

在面向本科生的機器學習課程中，應與智能信息處理課程的知識點進行合理分配，在有限課時內選擇更適合本專業或研究方向的教學內容，避免知識點交叉重復。

要在典型的知識點上進行算法與知識體系的代表性選擇，符合學生的自身特性及學習基礎。應通過最尖端、最前沿的專業知識點激發學生的學習興趣與求知欲，在難度適中的學習體系下促進學生進行深度學習，并選擇相應的神經網絡知識導向，讓學生能夠在自行研究的過程中對相關的重點章節原理進行學習，使學生逐漸形成深層次課程認知體系。

3.2 構建豐富的教學手段

教學過程中，教師應以多種手段來進行教學。要將課前預習作為重點環節，并通過適當的授課方式、授課節奏、授課時間來設置相應的難點、重點知識互動環節，提高學生的自我思考能力，活躍課堂氛圍。課后，教師可通過多種方式與學生進行知識交流，了解學生對課程的想法及建議，然后對教學方式、教學手段進行優化，提高學生對教師的專業認可性。教師要鼓勵學生利用互聯網資源自行查找相關知識點的資料，提升學生的學習主動性，積極吸取外部知識。

3.3 注重理論與實踐的結合

培養本科生的綜合實踐能力是進行科研應用的必要前提，教師應在更多方面鼓勵學生對算法理論進行實踐檢驗，從實踐中找尋理論的可依據性。在將理論和實踐相結合的過程中，要考慮到學生的學習需求、機器學習課程的教學屬性及專業教學目標。

可通過更多的實踐機會讓學生能夠在另一個角度上對自身的專業領域知識進行驗證，找出自身存在的問題并解決。在此過程中，可將項目實踐作為實際案例來學習，并通過具有區別性和層次性的課程設計讓學生感受到機器學習課程的綜合性，以達到學以致用的效果。