借助畢業論文培養本科生機器學習開發能力的實踐探究

早克熱·卡德爾 艾山·吾買爾

摘要：畢業論文是本科人才培養的重要環節，能夠培養和鍛煉學生使用專業知識解決工程問題的綜合能力。隨著人工智能技術深入融合各行各業，企業對具有一定人工智能技術基礎或經驗學生的需求日益增長。借助畢業論文培養本科生從事機器學習相關開發課題，對學生的專業發展、用人單位有很大的價值。文章以探索了如何指導學生學習機器學習原理和實踐的基礎上，給出了本科畢業論文任務書中可以安排的任務建議，同時分享了機器學習知識和實踐的學習路線和時間分配建議。

關鍵詞：本科畢業論文；電子信息；機器學習；深度學習；任務書

中圖分類號：G642? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）30-0164-04

開放科學（資源服務）標識碼（OSID）：

1 引言

本科畢業設計（論文）是重要的實踐教學環節，是培養大學生理論與實踐相結合能力的重要途徑，是評價高等學校本科教學質量的一項重要指標[1-2]。通過本科畢業論文可以鍛煉學生的自學能力和綜合運用所學專業知識分析問題、設計解決方案、實現方案的能力。本科畢業論文不僅是運用已學知識的過程，也是迭代式發現自己專業知識和實踐能力不足、補足薄弱點、鞏固基礎、強化實踐能力的綜合性過程。

眾所周知，國內信息技術類本科畢業設計論文內容主要以設計與實現各類管理系統、手機軟件、網絡系統開發、嵌入式系統為主。但近幾年，尤其是2016年以來，隨著人工智能技術的研究取得巨大進展，不斷滲入各行各業，機器學習、深度學習等技術被廣泛應用到很多自動化技術的研發，例如無人駕駛，人臉識別，機器翻譯，智能醫療等。目前很多企業不僅需要學生具備一般系統的開發能力，還要求他們具備一定機器學習算法的基礎能力。

為落實《國務院關于印發新一代人工智能發展規劃的通知》（國發〔2017〕35號）[3]，引導高等學校瞄準世界科技前沿，不斷提高人工智能領域科技創新、人才培養和國際合作交流等能力，為我國新一代人工智能發展提供戰略支撐，教育部制定印發了《高等學校人工智能創新行動計劃》（教技〔2018〕3號）[4]。根據國務院印發的《新一代人工智能發展規劃》，教育部、國家發展改革委、財政部制定了《關于“雙一流”建設高校促進學科融合 加快人工智能領域研究生培養的若干意見》（教研〔2020〕4號）[5]。根據教育部、國家發展改革委、財政部印發的《關于“雙一流”建設高校促進學科融合加快人工智能領域研究生培養的若干意見》，教育部成立人工智能高層次人才培養專家委員會。專委會在廣泛調研論證基礎上，研究制訂了《人工智能領域研究生指導性培養方案（試行）》（教研司〔2022〕6號）[6]。以上這些舉措表明，國家不斷加強人工智能領域的人才培養。目前，有210多所高等學校開設了人工智能本科專業。今年，南京大學等首批開設人工智能本科專業學校的首屆學生畢業，就業情況相當不錯，吸引了更多高考學子的報考，人工智能一躍成為了熱門專業。

電子信息專業本科學生一般也會學習與人工智能專業相關的基礎課程，但是缺乏針對人工智能某個研究方向的數學、算法、編程技術的學習與實踐。但不得不考慮的是，機器學習、深度學習技術相對來說門檻較高，它需要學生學習很多新的概念，還要學生具備一定的數學基礎，并且算法的原理推導也比較枯燥，需要一定的邏輯能力。而且機器學習框架的學習相比于一般的編程語言和開發工具更復雜更具有挑戰性。另一方面，現在國內很多大學電子信息專業并沒有開設機器學習、深度學習相關課程，學生對機器學習、深度學習相關的基本知識點都不太了解，對機器學習和深度學習的認知幾乎為零或者非常有限，使得學生入門的難度增大。

鑒于上述情況，如何引導學生利用完成本科畢業論文（設計）這一任務，讓學生大約在4～6個月的時間內基本掌握機器學習及深度學習算法原理、編程語言、機器及深度學習框架，比較熟練地掌握環境搭建、數據準備、模型訓練、模型應用等技能，為從事機器學習、深度學習相關的開發工作奠定基礎，是一個值得探索的課題。本文為探究利用本科畢業論文培養學生機器學習技術應用的能力，從2020年開始開展了關于自然語言處理方面的畢業論文的指導，在指導過程中不斷總結學生的學習和任務完成情況，初步探索出了比較可行的設計題目和引導培養模式。

2 電子信息專業本科畢業論文現狀

電子信息專業為培養從事各類電子設備和信息系統的科學研究、產品設計、工藝制造、應用開發和技術管理等工作的高素質復合型人才為目標，培養學生研究、設計、開發和集成電子信息系統、通信與計算機網絡、計算機應用軟件、硬件系統等方面的基本能力。電子信息科學與技術專業的專業特征不明顯，課程設置過于偏重基礎，與國家戰略性新興電子信息產業和市場需求結合不緊密，理論課程所占比例過多，實踐類課程比例低[7]。

畢業論文設計題目多為電子信號處理、仿真系統設計與開發、嵌入式系統、計算機軟件開發、網絡信息系統、視覺信息處理、語音信號處理、自然語言處理等多個方面。計算機軟件開發類題目主要以設計與開發基于數據庫的管理系統、Web信息系統、手機客戶端、微信小程序為主，這些題目與往屆學生題目重復率和相似度較高，而且網上有大量的開源代碼和相關文檔，還有不少案例教程與教材，學生可以比較容易得到與題目相關的原始系統、文檔，容易形成抄襲已有資源的情況[8]，可能導致學生自己的實踐能力得不到預期的訓練和提升。

隨著近年來機器學習應用的普及，有些學校電子信息專業老師也在指導學生開展基于機器學習的畢業論文工作，但是網上關于機器學習的源代碼、數據、訓練好的模型等資源十分豐富，難免存在學生使用網上已有的數據和模型來完成任務，難以確保學生自己動手完成具體的工作，也不能確保畢業論文對學生的能力提升有幫助。

3 本科畢業論文與機器學習融合模式

3.1 本科畢業論文

本科畢業論文（設計）是本科教學中的重要綜合實踐能力培養環節，以畢業設計的設計開發或研究任務為目標，以項目驅動方式進一步引導學生鞏固和學習相關理論知識及技術，提升學生綜合運用知識完成既定設計開發或研究任務能力的培養過程。本文以新疆大學信息科學與工程學院本科畢業論文設計全過程為例進行介紹與分析。一般第七學期組織教師根據學校、學院相關要求進行論文出題工作，填寫題目、主要研究內容和預期目標等內容，經過相關評審之后，論文題目公布給畢業學生進行選題，學生與教師雙向選擇確定題目，并在學校本科畢業論文管理系統進行選題和下達任務書等工作。學生完成選題之后，在教師的指導下學習相關專業知識、閱讀文獻、開展研究或開發工作。一般本科生的第七學期末到第八學期的6月份為本科畢業完成時間，時間大約為4個月（不包含寒假），學生一般還是會擁有一定的學習新知識、新技術的時間。本科畢業論文過程包括開題、中期檢查、論文查重、論文評閱、本科畢業論文答辯等環節。

3.2 機器學習

3.2.1 機器學習

機器學習（ML，Machine Learning）是使得計算機等計算設備具有模擬人類某種或多種智能的學科，是人工智能的核心，是使得計算機智能化的主要途徑。機器學習是一門多領域、多學科交叉的學科，涉及數學、概率論、線性代數、最優化、操作系統、編程語言、算法復雜度理論等多門學科[9]。機器學習需要兼顧問題的數學定義、計算機編程語言算法設計和算力等因素，所以，成為機器學習開發工程師，不僅需要學會數學相關知識點，而且還要掌握相關編程語言、數據處理與分析工具、機器學習算法的實現及框架和機器學習環境搭建等。

機器學習算法可有多種分類，主要根據機器學習模型訓練過程中的學習與反饋方式，主要可以分為有監督學習、半監督學習、無監督學習。監督學習在學習過程中使用輸入數據和輸出結果的標注數據進行訓練，在訓練過程中通過模型預測與真實標注誤差進行反饋和參數調整，直到達到模型收斂條件，決策樹、樸素貝葉斯、隱馬爾科夫模型、最大熵、支持向量機、條件隨機場等都屬于有監督模型。無監督學習是利用數據本身存在某種信息，然后以預測或者恢復這種信息為目標進行學習，包括聚類算法、稀疏自編碼、主成分分析等。半監督學習是監督學習與無監督學習融合的一種機器學習方法。一般在很多工業領域，使用有監督模型的場景或任務較多，有監督模型需要有一定規模的人工標注的數據集。

3.2.2 深度學習

深度學習（DL，Deep Learning）是用于建立、模擬人腦進行分析學習的神經網絡，并模仿人腦的機制來解釋數據的一種機器學習技術[10]。它的基本特點是試圖模仿大腦的神經元之間傳遞和處理信息的模式。深度學習模型通過稠密向量表示輸入數據，利用多層非線性隱藏層學習數據的抽象內在語義表示，無須進行傳統機器學習的特征工程。因為神經網絡輸入都是向量，而且在隱藏層包括很多節點的權重、隱狀態向量等，相比于傳統機器學習模型需要非常大的計算量，同時也需要更多的人工標注數據集。目前，神經網絡主要有卷積神經網絡（Convolutional Neural Networks， CNN）、循環神經網絡（Recurrent Neural Network， RNN）、注意力（Attention）機制、圖卷積神經網絡（Graph Convolutional Network， GCN）等特征提取網絡，有編碼器-解碼器模型框架（Sequence to Sequence， Seq2Seq）等，百度、臉譜、谷歌、微軟等開發了PaddlePaddle、PyTorch、TensorFlow、CNTK等框架。

3.3 畢業論文題目設計

電子信息專業學生主修課程包括高等數學、概率統計、線性代數、信息論基礎、程序設計基礎、數據結構與算法、面向對象程序設計、數據庫系統原理、單片機與接口技術、計算機網絡、嵌入式系統、數字圖像處理、數字信號處理、信號與系統等課程，這些課程為學習傳統機器學習、深度學習、視覺處理和自然語言處理等奠定基礎。

本科畢業論文主要以培養學生綜合實踐能力、系統解決某個問題的能力為主，鍛煉學生分析問題、制定計劃、設計方案、設計開發等能力，主要引導學生掌握相關理論和技術，提升應用這些理論和技術的能力。本科畢業論文的時間為4個月左右（不包含寒假），如何分配四個月時間，如何具體設計四個月的時間等，需要結合學生專業知識基礎和自學能力來進行合理的設計。

傳統機器學習或深度學習包括搭建環境、數據準備、數據預處理、模型選擇與應用、訓練模型、測試模型、發布或部署模型等步驟。目前，機器學習領域主流使用的編程語言為Python，但是大多數電子信息專業學生一般有C語言、Java編程基礎，但是沒有學過Python語言，所以還需要考慮培養學生的編程基礎。

傳統機器學習或深度學習模型的訓練都需要訓練數據集、驗證集、測試集等，目前網上也有很多公開的數據集。但是，針對工程類項目大多數情況通常存在數據量少不能滿足項目需求或者需要自己結合具體任務與項目目標設計構建相關數據的問題。其實，很多企業研發的項目都需要針對具體任務來設計和構建數據集，然后使用已有的開源系統訓練模型，使用訓練好的模型開發應用系統。目前，機器翻譯、語音識別、語音合成、人臉識別、文字識別、聲紋識別、情感分類、機器聊天、醫學圖像自動診斷等人工智能應用技術主要還是使用公開成熟的模型進行系統開發，所以學生只要具備針對任務數據設計和公開主流模型應用的能力，也被認為是基本達到企業的要求。

傳統機器學習在深度學習流行之前也為很多領域、行業解決了不少問題，也被成功應用于智能化工程項目中，而且計算復雜度遠低于深度學習，運行和部署成本遠低于深度學習。目前，仍有不少企業使用傳統機器學習算法開發系統，所以學生需要了解或掌握一個傳統機器學習算法，將會在企業繼續從事基于傳統機器學習的項目研發奠定基礎。深度學習是目前主流的人工技術研發方法，若在本科畢業過程中能熟練掌握一個模型，學生將會具備繼續自學的能力。因此，本文建議本科畢業論文中，分別使用一個傳統機器學習算法和一個深度學習的模型，以此達到培養學生同時掌握傳統機器學習和深度學習基礎知識能力的目的。