面向研究生的機器學習類課程實踐改革研究

摘 要 隨著日益增長的數據處理和分析需求，傳統的數據處理模式已不再適用，人工智能（AI）應運而生。文章闡述了高校機器學習課程的建設情況，首先，以機器學習類課程教學為例闡述了人工智能融入教學的重要性；其次，結合西部某高校研究生機器學習類課程，分別說明了該課程的實施方案及細節，指出了課程實施過程中遇到的問題；然后，針對教學實踐過程中遇到的問題，分別從形式、內容及實踐多角度給出了解決方案；最后，總結指出機器學習類課程對于培養新一代人工智能技術人才的重要性。

關鍵詞 機器學習；人工智能；研究生；課程及專業建設

中圖分類號：G643 " """""""""""""""""""""""""文獻標識碼：A """DOI：10.16400/j.cnki.kjdk.2024.15.020

Research on Practical Reform of Machine Learning Courses for Graduate Students

JING Chao1， ZHENG Ronghua2

（1. School of Computer Science and Engineering， Guilin University of Technology， Guilin， Guangxi 541004;

2. College of Foreign Studies， Guangxi Normal University， Guilin， Guangxi 541004）

Abstract With the increasing demand for data processing and analysis， traditional data processing models are no longer applicable， and artificial intelligence （AI） has emerged. The article elaborates on the construction of machine learning courses in universities. Firstly， taking machine learning courses as an example， the importance of integrating artificial intelligence into teaching is explained; Secondly， based on the machine learning courses for graduate students at a certain university in the western region， the implementation plan and details of the course were explained， and the problems encountered during the course implementation were pointed out; Then， in response to the problems encountered in the teaching practice process， solutions were provided from multiple perspectives including form， content， and practice; Finally， the summary points out the importance of machine learning courses in cultivating the new generation of artificial intelligence technology talents.

Keywords machine learning; artificial intelligence; postgraduates; construction of curriculum and specialty

1 "人工智能課程的重要性

近年來，新一代信息技術如云計算、物聯網技術、人機交互和移動互聯網等相繼涌現。大數據已深入人類生活的方方面面，因而產生了大量的數據信息，面對海量的數據信息，研究大數據最大的意義在于在對數據的分析和挖掘中，發現新的知識并創造新的價值，提升新能力，進而改善新的產品。數據的價值在于將信息轉化為知識。如果不能深度加工數據，即使數據量再龐大，其所能呈現的價值依然是小的。因此，如何有效處理數據，并利用數據推動決策，這個問題顯得尤為關鍵。

隨著日益增長的數據處理和分析需求，傳統的數據處理模式已不再適用。于是，人工智能（AI）應運而生[1]，成為計算機科學的一個重要分支。人工智能致力于研究和開發用于模擬、擴展和增強人類智能的思想、方法、技術和應用系統。其應用范圍廣泛，包括計算機視覺、自然語言處理、語言識別、醫學影像、機器人和信息檢索等領域[2]。人工智能已經在一些高科技產品中取得了重要突破，成為核心技術。

為積極支持高校優化人工智能領域的技術創新體系，加強人工智能人才培養體系建設[3]，需要大力推進與人工智能相關的研究生教學活動。其中，機器學習的核心技術源于數據處理統計，在整個人工智能課程體系建設中起著至關重要的作用。這類課程主要包括與機器學習相關的專業基礎課程，如高等數學、線性代數、數據結構、算法設計與分析、概率論與數理統計、機器學習、人工智能等。

與傳統的本科生機器學習課程不同，機器學習類課程在研究生教育中扮演著重要的角色。

①前沿技術應用。機器學習是當今科技領域的前沿技術之一。機器學習技術可以使研究生了解和掌握最新的技術發展，幫助他們在畢業后更容易適應行業的需求。 ②解決復雜問題。機器學習提供了處理大規模、高維度數據的工具和技術。在研究生層次，學生應學會如何應用這些工具來解決復雜的現實問題，從而提高解決問題的能力。③跨學科應用。機器學習不僅在計算機科學領域有廣泛應用，還在生物學、醫學、金融、社會科學等多個學科中發揮著重要作用。研究生通過學習機器學習，能夠拓展他們的知識領域，更好地與其他領域的專業人士合作。④數據驅動決策。在當今信息時代，產生和累積了大量的數據，機器學習提供了從這些數據中提取有價值信息的工具。研究生學習機器學習可以使他們成為數據驅動決策的專業人才，通過數據分析和模型構建做出明智的決策。⑤科研和創新。機器學習是科學研究和創新的關鍵驅動力之一。研究生通過深入學習機器學習理論和實踐，可更好地參與前沿科研和創新項目，推動科技進步。⑥就業競爭力。具備機器學習知識和技能的研究生在就業市場上更具競爭力。許多企業和研究機構都需要具備機器學習背景的專業人才來應對不斷變化的技術挑戰。

總體而言，機器學習課程在研究生教育中的重要性不僅在于培養學生具備處理現實問題的能力，還在于使他們能夠緊跟科技發展的步伐，為社會和產業的進步作出貢獻。

2 "人工智能核心課程之機器學習課程

2.1 "課程實施及內容

機器學習課程內容具體包括三大部分：第一，教師講解機器學習領域的基本概念和算法，包括監督學習、無監督學習和強化學習等。主要內容包括：機器學習的基本原理和流程，常見的機器學習算法，如決策樹、支持向量機、樸素貝葉斯、K均值聚類等；深度學習算法和神經網絡模型，如卷積神經網絡、循環神經網絡等，特征工程和模型評估方法。第二，根據機器學習領域的最新進展和研究成果，更新課程內容，確保教學內容與時俱進，分別講授算法理論和基礎知識等相關內容，具體包括算法復雜度分析的基本方法、機器學習算法的優化和調參技巧、深入研究機器學習算法的原理和推導過程。第三，本課程的教學內容絕不能僅僅停留在概念和原理，學生還需要掌握能夠實際解決問題的能力[4]。課程應增加實踐環節，讓學生通過實際操作和項目實踐來鞏固所學的知識。學生將參與編程實踐、數據集分析和模型實現等活動，將理論知識應用到實際問題的解決中。

在編程實踐中，學生將動手實踐所學算法的編寫和實現過程，他們將利用主流的編程語言和開發工具，如Python和常用的機器學習庫（如Scikit-learn、TensorFlow等），完成實際的編碼任務。通過這種實踐，學生將學會如何將理論知識轉化為可操作的程序代碼，從而加深對算法原理和實現的理解。

在數據集分析中，學生將學會如何處理和分析真實世界的數據集。他們將學習數據預處理的各種技術，如數據清洗、特征選擇、特征工程等。同時，他們還將學會如何使用統計方法和可視化技巧來探索和理解數據的特征和分布。通過對真實數據集的分析，學生將能夠更好地理解機器學習算法與實際數據之間的聯系。

在模型實現中，學生將學習如何將所學的機器學習算法應用到實際問題的解決中。他們將研究和實現不同的機器學習模型，并將其用于解決具體的問題，如文本分類、圖像識別、推薦系統等。通過這些實際任務，學生將掌握如何選擇合適的模型，并調整模型參數以獲得更好的性能。

2.2 "課程反思及不足

機器學習課程的理論內容不但能讓初入門的研究生對諸多算法的原理和應用有基本的了解，而且能加深他們對基本經典算法的理解。但由于課時有限，在課堂上傳授理論知識的時間占比大，研究生對算法理論理解較深，而對實驗和相關代碼復現掌握不夠，以及將算法理論與相關實現代碼相結合的能力不足，更深層次地理解算法的含義以及算法與代碼之間的聯系還有待加強。因此，將理論與實踐相結合，是這門課程下一步需要強化之處，以便讓學生更好地理解與吸收本門課程的知識。

機器學習課程是為了讓學生更好地了解計算領域的各種經典算法和先進的前沿技術，這些知識可在學生今后所要研究的問題上提供幫助和啟發。課程教學中設置了小組匯報這一環節，小組匯報可以提升學生之間的合作意識，鍛煉學生的團隊協作能力，在合作的同時可以鍛煉學生的自主學習能力。但是，由于學生對該課程的了解程度不盡相同，在這門課程的導學環節需要增加機器學習的基礎教學，還需舉例更多國內外機器學習領域的案例，使學生了解該領域的動態前沿。

此外，在機器學習課程設計中應當更加注重算法實踐，在學習基礎算法的前提下，將算法擴展化、組合化，讓學生發現算法之間的關聯性，激發學生的創造力。

3 "課程改進與總結

3.1 "課程改進

針對課程目前的情況，改進的措施主要有以下幾種[5]：

①加強算法理論教學。目前許多機器學習課程過于偏重應用，忽略了機器學習算法背后的理論基礎。教師應加強對關鍵算法的理論分析，如SVM、隨機森林等的數學原理、泛化誤差界等，幫助學生更深入地理解算法的工作機制，從而在應用算法中融會貫通，體會算法原理背后的精妙，在研究學習中更為熟稔于心的應用算法知識。

②增加最新算法內容。機器學習是一個快速發展的領域，許多新的算法和技術層出不窮。課程內容應與時俱進，如增加深度學習、強化學習等前沿算法的內容，幫助學生掌握行業最新進展。深度學習是近年來在圖像識別、自然語言處理等領域取得顯著成果的技術，強化學習則是在智能系統和自動決策方面備受關注的領域。通過學習這些最新算法，學生可以更好地掌握行業最新進展，課程的更新和擴展對于培養學生的創新能力和競爭力至關重要。

③加強編程實踐教學。機器學習最終要服務于實際問題，因此編程能力和實踐經驗同樣重要。課程應加強案例教學，使用實際數據集，讓學生在編程環境下親自動手實現算法。

④采用小組項目制。讓學生自主分組，將課程作業或課程設計設置為小組項目，讓學生在教師的指導下解決實際的機器學習問題。這有助于幫助學生加深理解所學的知識，也有利于培養其團隊合作能力。

⑤加強算法原理和應用場景的結合。在講授算法原理的基礎上，結合機器學習的應用場景可以幫助學生更好地理解算法技術的實際運用價值。例如，講解決策樹算法時引入市場營銷領域的用戶分類問題，講解支持向量機算法時引入金融領域的信用評分場景等。類似的案例分析能夠幫助學生將抽象的算法原理與實際場景相結合，加深學生對算法技術在解決實際問題上的理解和認知，激發學生的學習興趣和創新思維。

⑥鼓勵參與國內外競賽。可以鼓勵學生積極參加一些國內外的機器學習競賽，如Kaggle等，使其在實戰中學習新算法。許多競賽通常會涉及各種真實世界的數據集和問題，參與者需要運用所學的算法知識解決實際挑戰。這種實踐中的學習，不僅能夠加深他們對算法原理的理解，還能培養其解決問題的能力和創新思維。

3.2 "課程總結

本文主要闡述人工智能課程及專業及機器學習課程的建設情況。首先介紹機器學習研究生課程的主講知識、前沿進展和研究成果，同時結合課程實踐鞏固所學知識并解決現實問題，同時結合課程中遇到的問題，對教學內容進行深刻反思，并發現其中的不足之處，最后指出應對現有課程中不足的解決方法。相信通過不斷的摸索，未來能形成一條培養創新類人才的道路，引導學生形成正確的算法思維，理論與實踐相結合，課程理論與競賽實踐相輔相成，強化學生的交流協作能力，培養適應新一代人工智能技術的人才。

*通訊作者：鄭榮華

基金項目：2021年廣西學位與研究生教育改革課題（JGY2021096）；2020年度廣西高等教育本科教學改革工程項目（一般項目B類）（2020JGB211）。

參考文獻

[1] Jiang Y，Li B.Exploration on the Teaching Reform Measure for Machine Learning Course System of Artificial Intelligence Specialty[J].Scientific Programming，2021：1-9.

[2] Aglan H A，Ali S F.Hands-On Experiences：An Integral Part of Engineering Curriculum Reform[J].Journal of Engineering Education，1996，85（4）：327-330.

[3] Rao S S，Nahm A，Shi Z，et al.Artificial intelligence and expert systems applications in new product development——a survey[J].Journal of Intelligent Manufacturing，1999，10（3）：231-244.

[4] 張樂飛，羅勇，杜博.機器學習教學改革與人工智能人才培養[J].中國大學教學，2023（5）：18-21.

[5] 趙衛東，袁雪茹.基于項目實踐的機器學習課程改革[J].計算機教育，2019（9）：151-154.