“深度學習”研究生課程雙語教學的思考與實踐

[摘 要] 國家人工智能發展戰略的實施及深度學習技術的火熱，引發了研究生對“深度學習”課程的學習熱潮。深度學習技術日新月異的變化和大量前沿英文資料的涌現，使得“深度學習”課程的雙語教學勢在必行。系統闡述了“深度學習”研究生課程雙語教學的課程內容設計、講授方式、考核方式、教學效果的反饋和評價等。授課過程采用教師講授和學生互動相結合的方式進行，設計了算法應用示例演示與復現、文獻翻譯與交流、課堂提問與分組討論、項目類作業與討論、開放暢想等環節，以提高學生的參與度和教學效果。

[關鍵詞] 深度學習;雙語教學;文獻閱讀能力;知識更新

[基金項目] 2019年度上海市經信委人工智能發展專項“面向宇航員行為意圖理解的多模態人機交互技術研究”（2019-RGZN-01077）;2018.01—2020.12上海理工大學研究生實踐基地建設項目“上海理工大學‘光學工程全日制專業學位研究生聯合培養基地”（10-18-115-003）

[作者簡介] 秦曉飛（1982—），男，河北石家莊人，博士，上海理工大學高級工程師，主要從事智能控制和人工智能算法研究。

[中圖分類號] G642.0? ? [文獻標識碼] A? ? [文章編號] 1674-9324（2021）27-0013-04? ? [收稿日期] 2021-03-03

一、引言

隨著人工智能技術的廣泛應用和快速發展，社會各個行業對人工智能人才的需求越來越迫切。據不完全統計，2019年我國人工智能相關人才缺口超過500萬[1]。資本的涌入和人才的短缺使得社會上人工智能人才的薪資水平急劇提升，同時人工智能技術為我們的工作和生活帶來了翻天覆地的變化，這激發了高校學生學習人工智能技術的極大熱情。人工智能技術主要分為三個學派，即以“專家系統”為代表的符號主義;以“自適應控制”為代表的行為主義;以“神經網絡和深度學習”為代表的連接主義[2]。自1956年達特茅斯會議正式提出人工智能框架以來，人工智能技術經歷了3次浪潮，現在正處在第3次浪潮，掀起這次浪潮的主要技術就是深度神經網絡，即人們常說的深度學習技術。

深度學習技術目前處于快速發展的階段，相關技術日新月異。根據谷歌學術的統計，全球深度學習相關論文近幾年的年增長率約50%，2020年約有3萬篇關于深度學習的論文發布。這些最新的文獻資料大部分是以英文呈現的，因此開展“深度學習”研究生課程的雙語教學，提高學生對英文文獻的閱讀能力，保持學生對相關技術的知識更新速度顯得尤為重要。

二、“深度學習”研究生課程雙語教學背景

雖然自2018年以來，國內已經有幾十所高校開設了人工智能本科專業[3]，但目前在校的很多研究生由于本科階段沒有學過相關課程，對深度學習基本概念了解較少。深度學習技術的熱潮和社會對相關人才的迫切需求造成現階段研究生對“深度學習”課程高漲的選課熱情。以筆者作為主講教師在上海理工大學開設的“深度學習”研究生課程為例，近兩年每年選課人數都超過了100人，以至于不得不分成兩個班教學。同時，本課程面向全校研究生開放，因此選課學生來自多個不同的專業。比如2019年選課學生中有30%來自控制專業，24%來自計算機專業，20%來自生物醫學專業，13%來自儀器儀表專業，13%來自機械、電氣、管理等專業。2020年選課學生中有40%來自計算機專業，24%來自生物醫學專業，21%來自控制專業，15%來自儀器儀表、電氣、管理等專業。選課學生不同的專業知識背景，以及較短的學時限制，使得“深度學習”研究生課程雙語教學方案需要進行精心的設計與思考。

三、“深度學習”研究生課程雙語教學內容設置

本課程以斯坦福大學吳恩達（Andrew Ng）教師在網易公開課開設的“深度學習工程師”課程內容為基礎，介紹了深度學習的基礎知識和工程經驗。分五部分講授：（1）神經網絡和深度學習，此部分學習神經網絡和深度學習的基礎與案例;（2）改善深層神經網絡，此部分學習前沿的深度學習方法，學會搭建自己的神經網絡，并學習網絡上經常出現的各種問題的解決方法;（3）結構化機器學習，此部分學習診斷機器學習系統中的錯誤，介紹部分工程經驗，訓練屬于自己的AI系統;（4）卷積神經網絡，此部分學習搭建卷積神經網絡并將其應用于計算機視覺識別;（5）序列模型，此部分學習搭建循環神經網絡并應用于自然語言處理和音頻識別等序列數據場合。這五部分內容由淺入深，循序漸進，但各章節之間的內容又有一定的獨立性。各部分內容之間的關系如圖1所示。

“深度學習”課程的教學目的是通過教學與課后作業，使學生掌握以下知識：神經網絡、深層神經網絡的基本概念;神經網絡中的計算過程和推導;工程實踐中的常見問題和對策;卷積神經網絡基本概念和應用示例;循環神經網絡的基本概念和應用示例。通過學習此課程，學生在后續的科研工作中能夠對更高級的深層神經網絡觸類旁通，快速應用。

“深度學習”課程是一門27學時的研究生課程，具體教學內容與安排如下：（1）深度學習概論1學時;（2）神經網絡基礎2學時;（3）淺層神經網絡2學時;（4）深層神經網絡2學時;（5）深度學習實用技巧2學時;（6）優化算法、超參調試與深度學習框架3學時;（7）機器學習策略3學時;（8）卷積神經網絡3學時;（9）卷積神經網絡在計算機視覺中的應用3學時;（10）序列模型3學時;（11）課程總結與討論3學時。

由于“深度學習”課程廣泛的教學內容和快速的知識更新速度，因此不能采用單一的固定教材，同時為了兼顧中英文雙語教學的需求，給出如下書目作為教學參考書和教學過程的閱讀材料。

（1）Ian Goodfellow & Yoshua Bengio，Deep learning;（2）Michael Nielsen，Neural Networks and Deep Learning;（3）Francois Chollet，Deep Learning with Python;（4）周志華，《機器學習》;（5）李航，《統計學習方法》;（6）邱錫鵬，《神經網絡與深度學習》。以上書目都是行業內廣泛認可的經典教材，有的內容細致深刻，有的內容深入淺出，為本課程的雙語教學實踐提供了充分的參考內容。另外，目前上海理工大學已經得到了華為公司“沃土計劃”的支持，以后課程內容還將加入華為昇騰AI處理器、昇騰全棧應用、MindSpore框架、ModelArt開發工具等內容，因此梁曉峣著的《昇騰AI處理器架構與編程》、陳雷著的《深度學習與MindSpore實踐》等華為智能計算技術叢書也會成為課程的參考書目。