基于Gitee與學科競賽任務驅動的機器學習實踐課程教學設計與探索

夏吉安

（南京工業職業技術大學 計算機與軟件學院，江蘇南京 210023）

2021 年1 月，教育部辦公廳印發《本科層次職業教育專業設置管理辦法（試行）》，明確指出堅持高層次技術技能人才培養定位，適應學生全面可持續發展的需要[1]。隨著職教本科教育在我國的快速發展，如何建立適合職教本科院校的人工智能專業實踐教學體系與課程體系是值得研究與探索的課題[2]。

機器學習是人工智能技術服務專業的一門專業核心課，課程目標是理解機器學習算法基礎與學習其基本原理和思想，掌握機器學習中相關概念和基礎理論知識，增強使用主要機器學習算法的能力。在職教本科學院實踐課程的設置與設計中需要注重培養學生應用性與創新性技能，形成以課程實驗教學為基礎，以課程設計、綜合實驗、實驗項目開發和專業實習為補充，以競賽為引導的多層次實踐教學內容體系。此外，職業教育院校實踐教學還需要了解目前企業在人工智能領域實際的人才需求，將理論知識與實踐應用結合，有效提高學生的興趣和應用能力，培養學生的創新意識，使學生的專業知識、創新能力不斷提高[3-4]。

目前，隨著人工智能學科與相關產業的快速發展，與人工智能相關的學科競賽也在快速發展。如全球最大的機器學習競賽平臺“Kaggle”、阿里云天池大賽、愛奇藝AI 競賽、“泰迪杯”全國大學生數據挖掘競賽等，都將機器學習/深度學習算法建模、應用與實際生產場景緊密結合，通過競賽項目驅動的方式將機器學習的理論與實踐教學體系有機地融入學科競賽內容，有利于人工智能相關專業學生操作技能與創新能力的培養。針對職教本科院校教育教學的特點，需要將機器學習課程中的理論知識與實踐操作應用相結合，針對機器學習課程中的重點和難點部分，結合人工智能相關競賽的內容，設計開發相應的綜合性、案例性實驗內容，增強學生使用機器學習算法解決實際問題的能力，提高職教本科院校人工智能相關專業人才培養的質量與水平[5-6]。

1 機器學習實踐課程分析

目前，國內機器學習相關課程存在著重理論輕實踐的問題，內容偏重于機器學習算法的理論推導與證明，缺乏與實踐教學內容的系統性結合。機器學習實踐教學主要使用Python 結合Scikit-learn 機器學習庫編程實現經典機器學習算法，指導學生進行機器學習算法的編程實現與應用。實踐教學內容局限于算法理論相關知識實例化呈現，沒有形成系統化、案例化的實踐教學體系，缺乏機器學習算法在實際應用場景中應用技術的培養。

機器學習實踐課程需要強調對學生人工智能技術服務與技術支持的培養，需要教授學生使用人工智能技術解決今后工作中會遇到的實際問題，所以在實踐教學中需要對于目前的實踐教學方法進行研究。在教學改革中需要以課程實驗教學為基礎，設計案例化、活頁式、開放性的實驗內容，建立以競賽為引導的多層次實踐教學內容體系。同時，以Gitee為代表的虛擬化教學云平臺的出現，為教師設計、組織、加工多媒體在線教學平臺提供了便利與條件。通過以競賽為驅動、案例化的實踐教學內容設計與開發，輔助在線虛擬化教學云平臺的使用，可以為人工智能相關專業的實踐教學提供新的設計方法與思路[7-8]。

2 創新實踐課程設計

在機器學習課程實踐教學內容編寫與組織過程中，將虛擬云技術應用到機器學習與深度學習實驗課程的具體設計與實施中，使用Gitee（碼云）將實踐課程內容以虛擬化網站平臺的形式進行組織與展示。任課教師圍繞機器學習與深度學習實驗課程的教學大綱、教學計劃、授課計劃完成實踐教學內容信息的加工、組織與發布，提供基于Gitee 互動學習的虛擬化教學網站平臺，如圖1 所示。

圖1 創新實踐課程設計流程

在實踐教學內容設計與組織方面，任課教師在實踐教學過程中選取機器學習與深度學習學科競賽中的優秀案例，把學科競賽的內容有機地融入實踐教學中，培養學生的創新精神和實踐能力，促進教學過程整體優化。教師還應探索在信息化教學環境中人工智能學科實踐教學的教學形式、教學設計與教學內容。

目前機器學習算法模型多種多樣，在實際教學中不能完全涉及。面向學有余力的學生，教師設計開發自主學習與探索性的實驗案例，引導學生對數據轉換、特征提取、數據降維、模型轉換等方面的機器學習算法進行學習。

2.1 基于Gitee 的虛擬云教學平臺

使用Gitee 搭建虛擬化實踐教學云平臺，教師通過對課程實踐教學資料、教學文檔、教學案例的整合，構建課程實踐教學的虛擬化網站平臺[9-10]。同時，在虛擬化網站平臺構建中，注意理論課程與實踐課程的內容銜接，通過知識點回顧整理、內容提綱、實踐內容分解、實踐內容思考等方面構建虛擬化平臺。Gitee 虛擬云教學網站首頁如圖2 所示。

圖2 基于Gitee 虛擬云實踐教學網站

2.2 學科競賽任務驅動教學設計

任課教師基于對全球主要機器學習競賽網站中競賽內容的學習與理解，將適合實踐課程教學的競賽案例篩選出來，進行教學案例的分解、組織、加工和重新組合，設計與開發課程實踐教學的教學案例，并在Gitee 虛擬化實踐教學云平臺中進行整理與發布，方便學生學習與研究。

例如：任課教師通過對目前全球最大的機器學習競賽網站“Kaggle”競賽內容進行學習與篩選，選擇經典的“泰坦尼克號”幸存者預測競賽內容作為教學設計素材與內容，通過重新進行實踐內容組織、編排、加工，設計了基于隨機森林算法的“泰坦尼克號”幸存者預測實踐教學案例，如圖3、圖4 所示。

圖3 Kaggle “泰坦尼克號”幸存者預測競賽原題

圖4 整理、加工后的實踐教學案例

2.3 自主學習與探索性實驗

目前較為常用的機器學習算法有上百種，面對不同的應用場景可使用不同的算法解決對應的問題[11-12]。針對學有余力的學生，教師可以對于經典的機器學習算法相關知識進行擴展，進一步進行數據挖掘與算法模型的教學與教案設計，如設計特征轉換、特征提取、數據降維、回歸與分類、模型轉換等相關算法，建立相關數據挖掘模型，針對不同算法在具體應用場景的運行效率進行探索性分析，分析不同算法的適用性和效率，進一步加強學生對于機器學習與數據挖掘相關技術的應用與探索分析能力[13-14]，如圖5 所示。

圖5 自主學習與探索性實驗

2.4 實踐課程考核

除了對實踐課程的教學內容與教學形式進行探索與研究，在實踐課程考核方式上也需要進行總結與思考。機器學習實踐課程考核方式除了要反映出學生對機器學習算法理論知識與技能的熟悉度，還需要注意培養學生的書面表達能力與交流能力。在具體的教學中，教師可將學生分為若干項目團隊，由團隊共同完成實驗項目，在考核方式上采用答辯與實踐報告相結合的方式。項目組成員參加答辯，由組長負責組答辯，對于項目的設計、規劃、成員職責進行敘述，再由各個成員講述各自完成的部分，同時重點考查各個成員對于該題目中存在問題的分析以及解決方案等方面，最后團隊小組完成機器學習實踐實驗項目后提交實驗報告。通過這樣的方式可以更加有效地反映出學生在機器學習實踐課程中對于知識技能的掌握情況，也能更好地培養學生交流與表達的能力。

此外，在實踐課程授課中，教師對于有一定人工智能相關知識與技術基礎并且對相關技術感興趣的學生，可以給予課外的輔導。教師還可鼓勵與指導學生參加人工智能相關的技術競賽，通過參加人工智能學科競賽進一步鍛煉學生的實際動手能力，激發學生自主學習與探索性學習的能力。

最后，鼓勵學生在課內學習之余參加機器學習/深度學習相關的課外培訓，制定相應的規則制度，對于已經參加課外培訓獲得了人工智能相關認證證書的學生，可以免修部分機器學習課程學分。

3 結束語

機器學習是人工智能相關專業的核心課，由于理論課程中涉及較多的數理和統計學知識，需要設計與開發合理的實踐課程教學體系。通過使用虛擬云技術（Gitee），以工程化的方式設計與組織課程實踐教學內容。任課教師結合自身對于本課程教學內容的理解，將最新的機器學習和深度學習學科競賽內容融入實踐課程的教學實施過程中，幫助學生理解與掌握本課程的理論知識，有助于提高學生利用機器學習與深度學習解決實際問題的能力，提高課程的教學質量。基于虛擬化實踐教學與學科競賽為驅動的教學設計方式，可為將來計算機相關專業課程的改革與職教本科課程設計與實施提供參考。