人工智能時代下面向本科生的深度學習課程建設與探析

王浩，賀鈺昕，何志權，曹文明

(1.深圳大學廣東省多媒體信息服務工程技術中心，廣東深圳 518060；2.深圳技術大學城市交通與物流學院，廣東深圳 518000)

0 引言

人工智能技術已經深入到人們的生產和生活的方方面面，為人們帶來了許多便利。在生產方面，人工智能已被廣泛應用于制造業、金融、醫療等多個領域。例如，制造業中的智能制造系統可以實現生產流程的自動化，極大提高生產效率和產品質量。在金融領域，人工智能可以被用于風險管理、投資決策等方面。在醫療領域，人工智能可以被用于醫學影像分析、疾病診斷和輔助治療等場景中。在生活方面，人工智能也已經深入人們的家庭、娛樂和教育等各個領域。例如，智能家居系統可以實現家庭設備的自動化和智能化控制。在娛樂領域，人工智能可以用于游戲開發和虛擬現實技術等方面。在教育領域，人工智能也可以用于個性化教育和輔助教學[1-2]。

由于人工智能技術的高速發展和廣泛應用，人工智能相關人才的需求也呈現出爆發式增長[3]。人工智能的人才培養涉及多個學科和專業，需要具備跨學科的綜合素養和專業知識。反之，加強人工智能相關人才的培養，提高其專業技能水平和綜合素質，對于推動我國人工智能技術產業發展，促進經濟社會的創新具有重要意義。

我國在人工智能人才教育培養方面也采取了多種措施，包括在高校中逐步開設人工智能專業，建設相關實驗室、設立開展人工智能相關課程，舉辦各種人工智能競賽和活動等[4]。目前，許多為研究生制定的人工智能課程，也已逐步面向低年級本科學生開放[5]。

深度學習是目前人工智能技術的研究核心之一，它利用多層神經網絡模型實現對大量數據的高效處理和分析，相關技術已在圖像識別、語音識別、自然語言處理等領域已經取得了顯著成果。在企業中，深度學習領域的專業人才也備受追捧，能夠快速處理和分析大數據的深度學習工程師和研究人員已成為企業中的熱門崗位[6]。因此，在高校人才培養上深度學習也是人工智能方向的重點課程。現在越來越多的大學開設了深度學習相關的課程和專業，培養學生對于深度學習算法、模型的理解和應用能力。總而言之，目前深度學習已成為人工智能技術的研究核心，也是人工智能方向人才培養的重點學科。

1 課程特點和問題分析

深度學習是一門涉及基礎數學、統計學、機器學習算法、優化理論、高性能計算、數據處理等多個方向的交叉學科。深度學習課程的特點主要體現在以下幾個方面：

1)數學基礎要求高：深度學習需要使用大量的數學知識，如線性代數、概率論和微積分等，因此，學生需要具備較高的數學基礎。而較高的數學基礎也會導致直接推進該項課程在本科學生中的開展存在一定的困難。

2)理論與實踐相結合：深度學習課程通常會涉及大量的理論知識，如神經網絡結構、訓練算法等，同時該課程的學習也需要大量的實踐操作，如基于計算圖結構搭建深度學習平臺，使用TensorFlow、Pytorch 等框架搭建模型并進行訓練等。這些特點要求我們在教學過程中必須理論與實踐相結合。

3)數據驅動：深度學習是一種數據驅動的方法，因此深度學習課程會涉及大量的數據處理和分析技術，如數據清洗、數據預處理和數據可視化等。此外，深度學習算法的改進和部署也要求同學們要能夠更好地認識數據、理解數據。

4) 多學科交叉：深度學習涉及了多個學科的知識，如統計學、傳統機器學習算法、優化理論、高性能計算、數據處理等，因此深度學習課程的教學過程也需要將多個學科的知識相互交叉融合，這樣才能夠讓學生更全面地理解深度學習的算法和理論。但以課程形式系統化地學習上述學科知識，就需要開設大量相關課程，對本科生教學而言存在一定的困難。若完全交由學生在課前查找自學相關知識，有可能導致由于學生對于相關知識的理解不夠，因此無法充分理解授課內容。

5)知識更新迭代快：和其他傳統課程不同，深度學習的相關理論體系還不完善，且相關方法仍在快速的發展迭代中。因此，深度學習的教育大綱必須緊跟技術發展前沿，進行快速的更新和迭代。而且一些傳統的課堂教學方式并不適用于這種知識快速更新迭代的場景之中。

6)技術規范和思政內容必不可少：深度學習相關技術的進步無疑會帶來巨大的生產力提升，但該項技術也是一把雙刃劍。以ChatGPT 為例，該項技術不僅會為人們帶來智能客服、智能搜索、編程輔助等便利，與此同時也使得虛假新聞、虛假課業的成本極大降低。謠言和虛假新聞創作成本的降低將會給人們的生產生活帶來巨大的沖擊，例如真實新聞極容易被虛假信息淹沒，資本將利用算法重新在信息高地上起到決定性作用。因此，在人工智能的人才培養階段，必須要對學生進行技術規范和引導，需要在課程中添加一定的思政內容，借此減少未來人工智能產業人員利用技術手段實施違背倫理、道德、法律的行為。

深度學習課程的人才培養目標主要包括以下幾個方面：

1)理論基礎：深度學習課程旨在加強學生對深度學習的理論基礎的理解和掌握，培養學生對于知識理論框架的構建能力，快速高效地進行知識查找和分析的能力、跨學科的知識融合能力。具體而言，相關理論知識主要包括神經網絡構建，神經網絡訓練算法，模型調優方法，卷積神經網絡、循環神經網絡、注意力機制、生成對抗模型構建等。

2) 實踐能力：深度學習課程重視學生的實踐能力，希望能夠培養學生在實際生產生活中應用深度學習算法解決問題的能力，具體來說包括基于深度學習的編程能力、數據預處理能力、模型構建與訓練能力、模型優化改進能力等。

3)創新思維：深度學習課程應著力于培養學生的創新思維。深度學習相關技術的發展日新月異，在人才培養上不僅要求學生能夠充分掌握現有的深度學習算法，還應在此基礎上進行創新和探索，在算法落地上不斷發現新的應用場景和解決方案，并在算法和模型提升上進行改進和創新。

4)團隊協作：隨著深度學習在各種交叉學科和其他行業中的應用，相關算法的開發和落地基本是一個團隊合作的過程。在這個過程中，必然會涉及多個方面的知識和技能。因此，深度學習課程的教學和實踐中應注重培養學生的團隊協作和溝通能力，以便使得他們在未來的工作中能夠更好地與他人合作。

5)專業素養：深度學習課程還要求學生具備較高的專業素養，包括對相關法律、倫理和社會責任的認知和理解，以及良好的職業道德和責任感。因此，深度學習課程的開設須融入行業規范和思政內容。

2 課程設計與改革方案

2.1 課程設計要點

結合深度學習課程的特點和具體的人才培養目標，本課程的規劃與設計應遵循如下幾個要點：

針對本科生教學需要確立清晰的學習目標和教學大綱：深度學習是一門涉及多個學科的綜合性課程，需要確立明確的學習目標和教學大綱，使學生能夠系統性地掌握深度學習的核心理論和技術。針對本科學生的自身特點，教學大綱應清晰標注基礎知識和進階知識，在教學過程中注重基礎知識的學習。此外，深度學習理論的快速發展又要求課程大綱具有可擴展性，我們采用樹狀結構來構建動態的課程知識體系。具體而言，課程知識樹按照如下原則進行構建：①知識樹應覆蓋本課程的所有知識點以及其他學科的相關必要知識；②盡可能地將相關知識點進行細分，將無法再分的知識點作為樹的葉子節點，若葉子節點為授課所需的先驗知識應做成線上短視頻，要求學生在課前進行觀看，并對相關知識的掌握情況進行考核；③知識樹整體結構務必清晰，能夠引導學生按照從根到葉，由淺入深地展開學習。知識樹樣例如圖1 所示。這樣構建的知識樹不僅能夠幫助學生建立整體的知識架構，而且可以很好地適應深度學習的跨學科知識體系。此外知識樹中的葉子節點以線上短視頻的形式輔助課堂教學，使學生可以利用碎片化的時間完成學習，并依據自身情況和利用知識樹結構有側重地學習知識，提高學習效率。

圖1 深度學習課程的知識體系結構樣例

提供多樣化的教學資源：深度學習的課程教授應為學生提供多樣化的教學資源，如板書、講義、實驗指導、案例分析、編程實踐等，讓學生能夠通過不同的教學方式深入理解深度學習的理論知識和相關應用。另外，應當充分利用相關技術產品輔助教學工作：人工智能的發展和應用衍生出了大量的相關技術產品可以用于輔助教學，特別是在深度學習相關知識的學習和培養過程中，針對本課程的特點適當使用這些輔助教學工具可以極大地提升教學效果。例如Google的TensorFlow、FaceBook 的Torch 等人工智能平臺，可以為學生提供強大的計算資源和機器學習工具，幫助學生快速構建、訓練和部署深度學習模型，讓學生能夠輕松地開展深度學習實踐。再比如Coursera 和Udacity 等平臺的在線課程和視頻教程可以提供豐富的學習資源和教學內容，幫助學生在課下進一步深入理解深度學習的理論知識。

提供實時的指導和反饋：深度學習的學習需要學生掌握復雜的數學理論并具有一定的算法編程能力，因此需要提供實時的指導和反饋，幫助學生解決學習過程中遇到的實際問題和困難。為達到這個目的，學生可以利用ChatGPT 等自助問答與代碼修正平臺實現高效的代碼自糾錯，而且可以對課業中遇到非系統性問題進行快速問答。

提供實踐機會和實戰項目：深度學習需要實踐和實戰的支持，因此需要提供實踐機會和實戰項目，讓學生能夠深入了解深度學習的應用場景和實踐技巧。針對項目實踐，除了在線下提供包含深度學習平臺的實驗機房外，還可以充分利用Google的Colaboratory等虛擬實驗室平臺，讓學生可以通過在線編輯器和云端GPU 資源，進行深度學習實驗，并基于計算機來模擬實驗結果。本課程會依據學習進程開設相關實驗，這樣做的不僅能夠加深學生的動手實踐能力，而且可以幫助學生更好地理解課程知識。

培養學生的創新和團隊合作能力：深度學習是一門涉及多個學科的綜合性課程，課程教育應該注重培養學生的創新思維和團隊合作精神，讓學生在實踐中不斷提升自己的能力。因此，本課程的期末課程設計項目和部分實驗項目以團隊形式展開，充分激發學生進行團隊協作。

2.2 具體授課流程

具體來說，針對深度學習課程本文提出的授課流程如下：

1)課程準備期

教師依據課程內容構建知識樹，并基于最新發展前沿修改、完善知識樹。對當前課程所需的相關基礎知識進行準備，并基于各個細分知識點進行網課短視頻錄制。

設計線上考核試題對所需先驗知識的掌握情況進行檢測，檢測不合格學生可再次學習網課重新進行檢測，檢測結果以一定比例記入期末總成績。

2)授課初期

首次課程，教師從項目實踐和行業應用前沿出發引入深度學習課程，發布課程知識樹帶領同學了解課程知識全景，也可邀請業內專家舉行講座，激發學生對課程的學習熱情。隨后，利用一到兩節課時間對深度學習所需的數學基礎進行快速回顧。確保學生掌握必要的知識基礎，若學生在學習過程中若遇到基礎不牢的問題，可基于知識回顧相關內容進行快速地查找和學習。

授課教師針對特征分類、圖像處理、時序預測、自然語言處理、注意力機制應用、生成對抗網絡應用這六大任務設計構建項目庫，并依據學生專業特點選擇課程實踐項目。

3)每節課上課前

上節課結束后發布下次課程對應的線上課堂，要求同學們需要依據課程內容進行基礎知識的網課學習，并完成線上測試。這可以幫助授課教師確定學生的數學基礎和對上節課程知識的掌握情況，在課前依據學生的具體情況調整課程重點和課程難度。

4)每節課上課時

授課教師依據課程知識樹，將本節課所涉及的主要知識點依據課程自身層次結構進行講解。在知識講解過程中依據相關技術的實際落地情況分析利弊，引導學生遵守行業規范，正確使用相關技術。

主要知識講解后，將學生結成小組，對學習過程中遇到的問題進行小組討論。各小組需要將討論后仍無法解答的問題進行總結提煉。

教師對各小組的問題進行作答。課堂教學結束前，授課教師需要總結課程知識點，并依據學習進度發布實踐項目，闡述這些知識點如何在具體項目中落地使用。

5)每節課課后

學生將本節課所學內容融入項目實踐中，實操檢測不同算法模型的具體效果。

6)學期末

要求同學在學期末完成課程設計項目，將解決方案上傳至kaggle上進行排名，并撰寫項目報告。

7)考核

依據學生課前內容學習成績、日常項目的完成情況、課程設計得分綜合評定學生成績。

3 結束語

人工智能技術的發展和普及使得相關人才的培養成為當代高校新工科人才培養的重要方向。而深度學習課程是人工智能技術的關鍵核心之一。為應當人才培養需求，越來越多的高校開始在本科學生中開始深度學習課程。本文針對深度學習的課程特點和本科學生的知識基礎，對本科生的深度學習課程建設展開討論。具體而言，我們利用線上網課的教學方式來解決課程內容廣、知識點多、基礎要求高的問題，以翻轉課堂混合教學來提升學生學習興趣，以項目實戰來提升學生的實踐動手能力，以課前測試、項目實踐的形式綜合評定學生成績。課堂實踐表明，本方案可以很好地激發同學們的學習興趣、加強學生對知識的理解，并提升學生的實踐動手能力。本項目對其他交叉融合學科的教學改革具有重要的參考意義。