電子信息專業碩士研究生機器學習課程交叉應用案例庫建設研究

摘" 要：在電子信息專業學位“機器學習”授課中，建立交叉應用教學案例庫有利于促進分科知識融通發展為交叉學科知識體系。在探討該應用案例庫的建設思路和內容過程中，結合機器學習課程徑向基網絡、支持向量機等知識點構建部分案例，最終構建一個“電子信息-肝癌智能診斷”醫工交叉應用案例庫。構建交叉應用案例庫有助于引導學生從實際案例出發，更具體掌握對于機器學習的應用操作。對于推動綜合學習、跨學科合作、創新和問題解決具有重要的意義，不僅對學生有益，還對各個領域的實際應用和社會發展產生重要影響。

關鍵詞：交叉應用案例庫；機器學習；支持向量機；MindSpore框架；模糊分類

中圖分類號：TP311" 文獻標識碼：A" 文章編號：2096-4706（2024）12-0193-06

Research on the Construction of Cross-application Case Library for Machine Learning in Master's Program of Electronic Information

WANG Xiaoli， FENG Ying， WU Runjie

（School of Electronics and Information， Guangdong Polytechnic Normal University， Guangzhou" 510665， China）

Abstract： In the“Machine Learning”teaching of the Master's program in electronic information major， the establishment of a cross-application teaching case library is conducive to promoting the development of cross-disciplinary knowledge system by facilitating the integration of specialized knowledge. In exploring the construction ideas and content process of this application case library， specific cases are built by incorporating knowledge points from the Machine Learning course such as Radial Basis Function networks and Support Vector Machines. Ultimately， a cross-application case library is established， focusing on “Electronic Information-Liver Cancer Intelligent Diagnosis” within the medical engineering domain. The construction of a cross-application case library helps guide students to grasp the practical application of machine learning from real-world cases. It holds significant importance in promoting comprehensive learning， interdisciplinary collaboration， innovation， and problem-solving. This is beneficial not only for students but also has a crucial impact on practical applications and societal development across various fields.

Keywords： cross-application case library; Machine Learning; Support Vector Machine; MindSpore framework; fuzzy classification

0" 引" 言

為結合國家發展戰略目標，實現科技興國、人才強國、創新驅動人才發展戰略。根據國務院印發的《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》通知[1]，早日落實新一代人工智能發展規劃戰略目標[2]，教育部學校規劃建設發展中心主任提出“加快構建高質量應用型人才培養新格局”的號召[3]。專業學位應用型人才對于國家的發展扮演著重要的角色，能夠推動科技創新與產業升級，填補人才短板，滿足服務社會的需要，推動產業和經濟的發展。然而交叉應用案例庫的建設對于培養專業學位應用型人才方面具有關鍵作用[4]。建設交叉應用案例庫能夠促進跨學科知識融合，提供更多的經驗分享，有助于創新思維的培養以及職業素質的提升，使學生具備實際操作能力、綜合素質和創新能力，為國家發展和產業升級提供有力支持。

1" 機器學習課程建設近況

機器學習領域目前教育局反映了一種重要的趨勢，即理論課程相對較多，而實際交叉應用案例課程相對不足。雖然機器學習的理論課程對于建立堅實的基礎知識至關重要，但實際應用案例學習和跨學科融合同樣至關重要。

1.1" 機器學習課程建設的不足

機器學習課程在電子與信息專業研究生課程安排上占有重要地位，但根據調查研究[5]發現目前現有的課程設計仍存在以下方面不足：

1）理論與實踐的不平衡。目前的機器學習教育往往側重于理論和算法的教學，學生被教授如何設計、理解和實現各種機器學習算法。然而這種課程學習過于理論化，未能足夠關注實際應用和跨學科合作的技能。

2）應對現實世界的挑戰。機器學習的應用涉及多個領域，包括醫療保健、金融、農業、能源，等等。學生需要學會如何將他們在理論課程中學到的知識應用于解決實際問題，這需要跨學科的知識融合和實際操作技能。

3）跨學科融合的重要性。機器學習往往需要與其他領域的專業知識相結合，以解決復雜問題。例如，醫療領域的機器學習應用需要醫學專業知識的融合。當前的課程往往忽略了這種跨學科合作的培訓。

4）培養綜合技能。學生需要掌握數據清理、特征工程、模型評估、解釋模型輸出等實際應用技能，而這些技能在理論課程中可能沒有得到充分的培養。

5）解決現實問題的機會。實際交叉操作融合課程可以提供學生更多解決真實問題的機會，例如合作項目、實習和實際案例分析。這有助于學生更好地理解機器學習在實際應用中的價值。

1.2" 構建交叉應用案例庫重要性

案例庫的構建具有極大重要性和許多優勢，對專業學位研究生的教育和學習環境產生積極影響[6]。以下是關于構建交叉應用教學案例庫的重要性和優勢點：

1）促進實際應用。教學案例庫強調實際應用，為學生提供了實際問題和場景的案例，幫助學生將理論知識應用到實際情境中。這有助于培養學生的實際應用能力。

2）提高問題解決能力。案例庫的建設通常以問題解決為導向，通過分析和解決真實案例，學生能夠培養問題解決能力、判斷力和決策能力。這對于學生在職業工作和日常生活中都具有重要價值。

3）跨學科教育。教學案例庫可以涵蓋多個學科領域，促進跨學科教育。學生可以了解到不同領域的知識如何相互關聯，促進綜合思維。

4）靈活性和個性化學習。學生可以根據自己的興趣和需求選擇不同類型的案例，實現個性化學習。這有助于滿足不同學生的學習需求。

5）豐富學習資源。教學案例庫為學生和老師提供了豐富的學習資源，包括文本、多媒體、問題和解答。學生可以通過多種方式獲取知識，提高學習效率，同時幫助學生自我評估和獲得反饋，教師也可以使用案例庫來評估學生的學習與理解能力。一旦構建教學案例庫可以供學生與教師長期使用，并不斷地增加新的教學案例有助于提供可持續的學習資源。

總的來說，建設機器學習教學案例庫對于促進實際應用、培養綜合能力和促進跨學科教育具有重要意義，提供了多種優勢，有助于提高學生的學習體驗和教育質量。

2" 案例庫建設方案

結合機器學習領域研究前沿和團隊科研成果，與行業專家共同設計教學案例，將理論知識與實際工程實踐有機融合。這深度結合不僅加深學生對機器學習經典算法的理解，還激發學習興趣[7]。案例設計充分考慮研究熱點，保持與行業前沿的緊密聯系，確保案例具有實際應用性。通過與專家合作，案例使學生能夠在解決真實工程項目中應用所學知識。這一教學方法旨在培養學生創新和實踐能力，通過參與案例分析和解決實際問題，提高對理論知識的運用能力，鍛煉解決復雜問題的能力。這有助于提高專業學位研究生的培養質量[8]，為他們未來實際工作提供堅實基礎。通過這緊密結合理論和實踐的教學設計，我們旨在激發學生學術興趣，提高創新和實際應用水平，以更好地滿足機器學習領域專業學位研究生的培養需求[9]。

2.1" 案例庫建設目標

教案庫建設應當關注學生的學習成果和發展，著重于對于學生知識體系、技能和素質目標的培養，提供豐富的教學資源和更優的教學質量。有助于學生自主學習能力的培養，確保學生掌握課程基本理論、概念和方法，提升學生的組織能力和協作應變能力，培養學生的職業道德能力、倫理意識和社會責任感[10]。

對于教師教案庫的建設應當更加關注于教師的專業發展、教學質量提升以及教學研究與創新。建設教案庫為教師提供了豐富的教學資源，通過借鑒優秀教案提升教師的教學方法提升教學成果，幫助教師更好的組織教學內容、設計教學活動、選擇教學方法，激發教師研究興趣促使教師進行教學實踐的反思與探索。

建立教案庫要做到產教融合即結合信創，緊密關聯與促進產業與教育的有機結合，以滿足產業發展和人才培養的需求，提高行業企業參與辦學程度，優化多元辦學體制，推動需求導向的人才培養模式。通過教案庫建設促進企業學校的深度合作，共同參與課程設計、教學資源開發實現校企協同育人，同時應當支持不同類型的教育機構包括職業學校、高等學校等以滿足不同層次、不同需求的學生，課程建設主要以跟隨研究生培養計劃。

國產化的教案庫應當實現在國內教育領域推動獨立自主發展，滿足國內教育需求，促進教育創新和改革，提高教育平等和可及性，培養創新人才，弘揚本土傳統文化，并推動科技與教育的融合，這有助于實現國內教育體系的可持續發展和提高國際競爭力。

2.2" 案例庫內容

教學案例面向電子信息專業學位碩士研究生，以國家人工智能和廣州市“工業數字化、網絡化、智能化”的產業需求為導向[11]，融合機器學習、模式識別等的經典內容，以傳統機器學習和產教融合經典案例為主線，分別介紹感知器、線性回歸模型、最小均方算法、核方法和徑向基網絡、支持向量機、基于MindSpore的神經網絡、深度學習等知識點模[7，12]。以科研訓練驅動，建立多個實用案例，增強學生對機器學習理論的掌握和學習興趣，提高工程實踐能力[11]。教學案例庫建設方案如圖1所示。

2.2.1" 案例庫1：支持向量機手寫數字識別

支持向量機（Support Vector Machine， SVM）是一種監督學習算法[13]，旨在找到數據中最優的超平面，以將不同類別的樣本分開。它通過最大化支持向量間的間隔來確保泛化性能，并能處理線性和非線性問題。SVM通過將數據映射到高維特征空間，并在該空間中找到最佳分離超平面，以在低維空間中實現非線性分隔。它在分類和回歸問題上都表現出色，因其優秀的泛化能力和有效的特征選擇。將其應用與手寫字體識別主要包括了以下幾個方面：

1）數據準備。準備一個包含手寫數字圖像數據的樣本集，這些圖像需要有對應的標簽，表示它們所代表的數字（0到9）。確保這些圖像具有相同的色彩和大小。

2）特征提取。將手寫數字圖像轉換成分類器可以使用的特征向量格式。通常，這涉及將圖像像素轉換成特征向量，可能包括像素值或其他特征。對于SVM，特征向量的設計需要考慮線性可分性，或者可以使用特征工程方法來改善特征的可分性。

3）數據預處理。對特征向量進行標準化或歸一化，以確保它們在相同的尺度上。

4）訓練SVM模型。使用訓練數據集來訓練一個SVM分類器。SVM的目標是找到一個最優的超平面，以將不同類別的數據分開。

5）驗證和調優。使用驗證數據集來評估SVM模型的性能，并進行必要的參數調優，以提高分類器的準確性。可以調整SVM的參數，如核函數和懲罰參數。

6）測試和部署。使用測試數據集來評估最終訓練好的SVM模型的性能。一旦滿意，可以將模型部署到實際應用中，用于手寫數字識別任務。具體實現過程如圖2所示。

2.2.2" 案例庫2：基于MindSpore的鳶尾花分類識別

MindSpore是由華為推出的開源深度學習框架，旨在提供高性能、易用且可擴展的工具，支持構建各種類型的神經網絡。使用MindSpore可以簡要概述為以下幾個步驟：

1）安裝MindSpore。在使用MindSpore之前，需要安裝框架并配置相應的環境，確保滿足系統和硬件的要求。

2）導入MindSpore庫。在Python腳本中導入MindSpore庫，以便使用其中的功能和類。

3）定義神經網絡模型。利用nn模塊，通過繼承nn.Cell類來創建自己的神經網絡模型。可以按需添加各種層和激活函數。

4）定義損失函數和優化器。MindSpore提供了多種損失函數和優化器，根據任務選擇合適的組合，例如交叉熵損失和Adam優化器。

5）準備數據和訓練。使用MindSpore的Dataset模塊準備訓練數據，然后使用定義的損失函數和優化器進行神經網絡的訓練。

6）模型評估和推理。在訓練完成后，通過測試數據集對模型進行評估，并在實際應用中進行推理，驗證模型的性能。

7）保存和加載模型。MindSpore支持模型的保存和加載，方便在需要時重新使用已經訓練好的模型，或在其他場景中進行模型遷移。

使用鶯尾花數據集作為原始數據進行分類識別。鶯尾花數據集是由生物學家Ronald引入的經典機器學習數據集之一，包含150個樣本，涵蓋了3個不同種類的鶯尾花（山鳶尾、變色鳶尾和維吉尼亞鳶尾）的四個特征：花萼長度、花萼寬度、花瓣長度和花瓣寬度。這個數據集被廣泛應用于模式識別和機器學習算法的測試與驗證，成為學習分類算法的理想起點。下面是使用MindSpore進行鶯尾花識別的一個簡要實驗，試驗過程如圖3所示。

2.2.3" 案例庫3：基于模糊模型的肝癌分層量化

以培養交叉應用型人才的需求為導向，創建Takagi-Sugeno-Kang（TSK）模糊系統的肝癌分層量化教學案例庫，課程實驗數據來源于中山大學附屬第一醫院，結合機器學習中TSK模糊模型[14]，構建智能化的輔助手段，緩解醫生的壓力，該方法的流程框圖如圖4所示。其中A表示模糊語義集，R表示規則。首先使用華為MindSpore框架和自然語言處理技術患者電子診斷報告中的自然語言信息進行預處理，接著采用主成分分析方法提取診斷報告中的關鍵特征信息，如肝癌大小、個數等，其提取效果如圖5（a）所示，接著進行特征語義劃分，確定肝癌特征語義的界定和在模糊語義集下的表達方式。采用模糊C回歸聚類方法求解每條規則隸屬度，采用改進的嶺回歸方法實現后件參數辨識，采用模糊C聚類方法初始化后件參數得到最優化結果，實現前件參數隸屬函數的參數辨識和模型的輸出。將中國CNLC標準[15]中的肝癌類別進行數字標簽化處理，劃分訓練集和測試集，并驗證智能分層模型的分期性能，分期誤差結果如圖5（b）所示。

2.3" 教學實踐效果

在本校電子信息專業學位碩士的培養過程中，根據教學目標明確學生通過案例庫學習的知識與技能，選擇與具體任務相關的教學案例庫主題，涵蓋實際問題、行業案例、科學實驗等多個方面，根據詳細的案例包括情境、問題陳述、相關知識背景、可能解決的方案信息等，盡量做到更加全面的多學科整合[16]。

追求案例適配學生能力，這樣的劃分旨在通過深化學習過程，提高學生的理論應用能力和創新思維。首先，在課前預習階段，學生會提前接觸到相關案例，以激發他們對即將學習內容的興趣。這為學生建立學科聯系提供了機會，使他們能夠在課堂上更積極地參與討論。其次，在課堂討論階段，學生將根據事先分配的組別，深入研究和討論案例。這一階段采用了翻轉課堂的教學模式，通過學生之間的合作，加深對案例的理解。老師在此過程中負責引導和監督，及時解答學生可能出現的疑難問題，確保學生在合作中取得更深層次的理解。同時，對于集中出現的疑難問題，老師將進行集中解答，確保整個學習過程的連貫性和深度。對于一些未能在課堂上得到解決的問題，我們將設立案例庫中的討論區，鼓勵學生在這里共同探討，形成集思廣益的學習氛圍。最后，在課后提升階段，學生將通過代碼實現、報告撰寫等形式完成案例項目。這不僅對學生進行了知識的綜合應用，還促使他們培養了分析思維、發散思維和創造性思維，從而提高了他們理解、分析和解決問題的能力[6，16]。

通過這樣的教學設計，我們的目標是培養學生在面對實際問題時具備自主思考、合作解決問題的能力，強調知識的實際應用，使學生在課程學習中不僅掌握理論知識，更能夠將知識轉化為實際的解決方案。最終，課程考核將綜合考察學生的知識應用能力和創新能力，為他們的綜合素質提供有力支持。

根據學生對案例庫的使用與效果情況，評估學生的學習成果和能力發展。由于機器學習的相關課程發展迅速，更新速度快，做到定期更新案例庫確保案例庫的實用性和時效性，能夠反映機器學習領域的最新發展，優化案例庫的設計和功能，提高教學成果。

通過在電子信息專業碩士學位研究生中開展該案例教學，達到了以下效果：

1）巧妙地將理論知識與實際工程實踐融為一體，顯著提升課程的教學質量。通過教學案例項目的巧妙設計，學生得以將抽象的理論知識有機地運用于實際工程項目解決方案中，深度理解課程內容，激發學習興趣，從而提高整體課程的教學效果。

2）積極推進專業學位研究生課程改革與實踐。案例項目的引入促使團隊教師將企業工程項目和科研成果與機器學習相關的理論知識緊密結合。這不僅在實現了實際與理論的完美結合的同時，也推動了教學方法和手段的創新，推進了專業學位研究生課程的深化改革和實際應用[17]。

3）全方位提升專業學位研究生的工程實踐能力。深度合作電子行業企業，以共建案例庫的形式，將真實項目和流程納入課程。這一深度融合有力地提高了學生在工程實踐方面的水平，使他們更好地適應實際職場要求，為未來職業生涯打下堅實的實踐基礎。

3" 結" 論

本文對于電子與信息專業研究生教學案例庫建設進行相關研究，針對目前存在的理論教學主導、應用性不足的現象做出改進與提升，成功構建了機器學習課程交叉應用教學案例庫，為學生提供了深入實踐的學習資源。通過實踐強調應用與問題解決的重要性，培養學生的能力，為機器學習領域的教育貢獻了有價值的經驗和資源，為未來不斷優化機器學習教育提供了有益的參考。未來將在不同的學習領域和應用場景下拓展教學案例庫，深化個性學習和實踐導向設計，以滿足不斷變化的教育需求。

參考文獻：

[1] 科技部等六部門關于印發《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》的通知 [J].科學中國人，2022（17）：64-66.

[2] 國務院關于印發新一代人工智能發展規劃的通知 [J].中華人民共和國國務院公報，2017（22）：7-21.

[3] 張涵.加快構建高質量應用型人才培養新格局 [J].中國國情國力，2023（1）：79.

[4] 雷長海，李天，胡適. 案例教學法在新興交叉學科課程教學中的探索與實踐--以合成生物學課程為 [J].創新教育研究，2023（11）：2079-2087.

[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.

[6] 胡良梅，張寶，高雋，等.以能力為導向的基于模塊化案例分析的發現式教學模式探索 [J].教育教學論壇，2017（10）：122-123.

[7] AMEET A M M. Foundations of Machine Learning [M].The MIT Press，2012.

[8] 武衛莉，李響，佟有才，等.高分子專業學位研究生課程教學案例建設 [J].高分子通報，2019（12）：66-70.

[9] 國務院學位委員會，教育部.專業學位研究生教育發展方案（2020-2025） [R/OL].[2023-11-12].http：//www.moe.gov.cn/srcsite/A22/moe_826/202009/t20200930_492590.html.

[10] 孫建淵，涂坤凱.專業學位研究生案例庫全過程建設研究 [J].教育探索，2016（12）：76-79.

[11] 趙珊，賀軍義，于金霞.電子信息專業學位研究生機器學習教學案例庫建設研究 [J].現代信息科技，2022，6（22）：176-179.

[12] BISHOP C M，NASRABADI N M. Pattern Recognition and Machine Learning [M].New York：Springer，2006.

[13] 陳虹州.基于SVM的手寫數字識別 [J].電子制作，2019（18）：49-51+53.

[14] CUI Y Q，WU D R，HUANG J. Optimize TSK Fuzzy Systems for Classification Problems： Mini-batch Gradient Descent with Uniform Regularization and Batch Normalization [J].IEEE Transactions on Fuzzy Systems，2020，28（12）：3065-3075.

[15] 中華人民共和國國家衛生健康委員會醫政醫管局.原發性肝癌診療指南：2022年版 [J].中華肝臟病雜志，2022（4）：367-388.

[16] 黃鶴，趙祥模，黃鶯，等.多學科交叉融合構建新工科創新實踐教學體系 [J].實驗科學與技術，2022，20（2）：43-46.

[17] 黃鶴，趙祥模，黃鶯，等.多學科交叉融合構建新工科創新實踐教學體系 [J].實驗科學與技術，2022，20（2）：43-46.

作者簡介：王小梨（1992—），女，漢族，廣東湛江人，講師，博士研究生，研究方向：智能信息處理、機器學習、模糊邏輯；馮影（2002—），女，漢族，湖北黃岡人，碩士研究生在讀，研究方向：深度學習、目標跟蹤檢測、模糊邏輯；吳潤杰（1999—），男，漢族，廣東潮州人，碩士研究生在讀，研究方向：人工智能、智能信息處理、模糊邏輯。