基于職業院校深度學習課程的教學探討

摘要：深度學習人才屬于人工智能產業中的核心人才，隨著社會經濟的發展，此類人才的需求量日益增多。因此各大高校開始開設深度學習課程，其中不乏高職院校。但深度學習課程抽象難懂、涉及領域廣、技術更新快，對傳統教學是一種極大的挑戰。本校教學實踐證明，文中提出的幾點教學措施，能夠使學生較好的掌握深度學習中晦澀難懂的理論知識并培養較強的實踐動手能力，從而為社會培養高層次的人工智能應用型人才。

關鍵詞：深度學習;教學方法;以研促教

1、前言

深度學習是機器學習最重要的一個分支，近幾年發展迅猛，在國內外都引起了廣泛的關注。作為機器學習領域最熱門的技術，在計算機視覺、生物特征識別、圖像檢索、自然語言處理、語音識別等眾多領域都發揮著重要作用。在應用較多的計算機視覺領域，Le Cun等人設計了LeNet-5網絡，并將其應用到手寫數字的識別問題中，隨后應用到人臉識別和手勢識別等領域。Hinton和Alex設計的AlexNet網絡模型在ILSVRC競賽中獲得冠軍，此后更多的復雜神經網絡成為ImageNet大賽中的優勝算法。

隨著深度神經網絡等復雜又抽象的概念到來，以往老師講，學生學的教學方式已經不能滿足師生需求，很多課堂教學目標無法完成。

2、深度學習課堂教學存在的問題

深度學習是理論與實踐相結合的課程，以優化論、概率論、矩陣論、逼近論、統計學、拓撲學為基礎，具有深厚的數學背景。因此，需要學生有扎實的數學基礎，但這往往是課堂教學中的一個較難解決的問題。根據近年來各高校深度學習課程的教學反饋來看，主要存在以下問題：

2.1 以數學為背景，理論抽象

深度學習課程涉及到的數學知識較多，目前大部分高校使用的教材涵蓋了大部分數學推導及核心算法，對于職業院校的學生教學有一定難度。而一些輕理論重實戰的教材，往往會提供大量的代碼，但是很少有對代碼的詳細注釋，這樣也不利于學生理解。

2.2 算法難懂，模型復雜

隨著深度學習模型在機器學習領域的大規模興起，各領域對深度學習算法的研究更加深入，各種模型層出不窮，如卷積神經網絡模型、循環神經網絡模型、玻爾茲曼機、深度信念網絡、對抗生成網絡和殘差網絡都是時下大熱的深度學習模型。但由于模型結構復雜、原理難懂的特點，課堂上傳統的講授方式很難讓學生理解清楚，這樣容易讓學生失去學習的動力。

3 教學措施

針對目前大多數教材內容與社會需求、職業技能存在一定的偏差、學生缺乏實戰能力、學生畏難情緒嚴重等問題，我們采取了如下的教學措施：

3.1教學模式設計

利用線上課程資源庫平臺打造線上線下混合教學環境。通過資源平臺發布微課視頻，引導學生自主探究學習;教師通過頭腦風暴、自畫像等教學活動，輔助課堂教學;通過平臺發布課堂練習和課后作業，并進行評分。實現每節課課前、課中、課后信息全采集，以便后期作教學分析。

3.2教學方法設計

在教學實施過程中，為了讓學生充分發揮主觀能動性，釋放自己的潛能，突出他們的主體地位，設計多種教學形式。通過分組討論、小組PK梳理任務思路;利用角色扮演讓學生換位思考，激發學生思維;通過小組拼圖完成實戰任務，攻克教學重難點。采用這些不同的教學方法，合理組織教學形式，并在教學中潤物無聲的融入思政元素。

3.3 教學內容設計

根據教學大綱，結合人工智能競賽內容，以及本門課程的課程標準，調整教學內容，進行項目式重構，此類項目吸取了競賽中應用實戰內容，對提高學生的實踐動手能力有很好的幫助。另一類課程項目以企業需求和地方經濟社會發展需求為導向來設計，并通過企業專家的指導，突出項目的實戰性，使學生能夠快速上手完成任務。

3.4以研促教，以教促學

通過作業情況，研判學情，結合學生知識基礎、技能基礎，確定教學重難點;結合學生學習反饋，及時調整教學策略，引導學生自主思考;將教師科研融入教學，“以研促教，以教促學”，通過開展教學和科研活動來優化教學方法，拓寬教學思路，提升教學能力，實現教師與學生的共同成長。

參考文獻

[1]??????? LeCun Y，Bottou L，Bengio Y.Gradient-based learning applied to document recognition[J].IEEE，1998，86（11）：2278-2324.

[2]??????? Garcia，C and Delakis，M.Convolutional face finder：A neural architecture for fast and robust face detection[J].IEEE Transactions on pattern analysis and machine intelligence，2004，26（11）：1408-1423.

[3]??????? Nowlan S.A convolutional neural network hand tracker[C].Advances in neural information processing systems，1995：901-908.

[4]??????? Krizhevsky A，Sutskever I，Hinton G E.Imagenet classification with deep convolutional neural networks[C].IEEE International Conference on Advances in Neural Information Processing Systems，2012：1097-1105.

[5]??????? Russakovsky O.Imagenet large scale visual recognition challenge[J].International Journal of Computer Vision，2015，115（3）：211-252.

[6]李勇.本科機器學習課程教改實踐與探索[J].計算機教育，2015（13）：63-66.

作者簡介：吳慧婷（1980-），女，副教授，主要研究方向：機器學習、深度學習。