百度飛槳AIStudio平臺在機器學習課程教學中的應用

摘 "要：機器學習課程是面向高等學校人工智能、數據科學和大數據技術等計算機專業本科生開設的專業基礎課程。結合機器學習課程的特點和教學現狀，針對在教學過程中實踐環節較少、創新能力有待提高、學生學科競賽參與度不高等問題，課程團隊從教學體系、教材內容、教學平臺、教學方法和教學質量反饋等多個方面進行改革，提出基于百度飛槳AI Studio平臺的教學模式改革方案。該方案通過在機器學習課程教學中增加實踐性教學環節，以及開創新的教學實踐平臺——百度飛槳AI Studio平臺，開展“課賽融合”教學模式的人才培養方法。經過該教學改革的實踐，學生學習機器學習課程的興趣逐漸濃厚，參與人工智能相關比賽的隊伍數和質量得到一定的提高，學生的創新思維、實驗技能得到一定的鍛煉，同時課上所學的理論知識在課賽融合中也得到鞏固，該課程的教學改革提高學生們學以致用的能力。

關鍵詞：高校；課程教學改革；課賽融合；機器學習；百度飛槳AI Studio平臺

中圖分類號：G642 " " "文獻標志碼：A " " " " "文章編號：2096-000X（2025）08-0122-04

Abstract： Machine Learning is a fundamental professional course for undergraduates majoring in artificial intelligence， data science and big data technology. In consideration of the characteristics of the Machine Learning course and the current teaching-based limitations such as lacking practical links， innovativations， and performance in disciplinary competitions， etc.， the teaching group oversees the current teaching framework including the contents of the materials， platforms， methods， class feedback， and other aspects. Finally we put forward teaching mode reform based on the Baidu PaddlePaddle AI Studio platform. By adding practical teaching links in the Machine Learning course teaching and developing a new teaching practice platform-Baidu PaddlePaddle AI Studio platform， pushing the cultivation way of lecturing and competition meta teaching. After the trial of this teaching reform， students' enthusiasm in learning the course has gradually increased， together with the number and quality of teams participating in AI-related competitions increased， students' innovative thinking and experimental skills improved， and knowledge learned from lecture consolidated， which can be great of benefit for students taking the course. In conclusion， this teaching reform has greatly improved students' ability to apply those learned in class.

Keywords： higher education school; curriculum teaching reform; integration of lecturing and competition; Machine Learning; AI studio- Baidu PaddlePaddle platform

隨著全球化、數字化、信息化的發展，人工智能在當代社會中扮演著日益重要的角色。當前，人工智能相關領域的人才需求愈發旺盛，而人工智能、數據科學與大數據技術等專業則承擔著為國家輸送高質量人工智能人才的重要責任[1]。機器學習作為人工智能、數據科學與大數據技術等專業的核心課程之一，由于知識面廣、實踐性和創新性較強、涵蓋大數據和人工智能戰略且緊密契合教育部所提出的新工科建設理念，已經成為人工智能課程體系的重要組成部分，同時也是人工智能教育的基礎[2]。如何上“好”這門課，進而培養高質量人工智能人才，就成為教師面臨的一個重要問題。

人工智能、數據科學與大數據技術等專業作為目前的新興專業，各高校的機器學習課程尚未建立完整的體系，盡管不少高校已經開始探索不同的教學模式，但目前的教學還是以傳統方法為主導，重視理論教學而缺少實踐內容。在這個科學技術日新月異的時代，隨著機器學習技術的不斷發展和創新，機器學習課程也需要不斷地更新和完善，以適應時代的變化和需求，讓最前沿的技術和高素質人才更好地服務于社會。因此，在新形勢下，機器學習課程面臨著課本內容追不上時代、缺少實踐環節、缺少社會實例接壤內容等一系列難題。而百度飛槳AI Studio平臺集合了AI教程、深度學習樣例工程、各領域的經典數據集、云端的超強運算和存儲資源以及比賽平臺和社區，可以為學生和教師提供在線編程環境、免費GPU算力、海量開源算法和開放數據等重要資源，從而提高學生學習的效率，有效彌補傳統課程模式的缺陷，輔助機器學習課程的教學。且其中云集眾多開發者與AI課程，對補充教學大有裨益。與此同時，傳統教學方法未能有效地培養具備創新性和實踐能力的人才，而競賽是培養學生實踐能力和團隊合作能力的有效途徑。利用百度飛槳AI Studio創辦和承辦的比賽來充實學生的課余，能夠達成所提出的“課賽融合”創新方案，引導學生將理論知識應用到實際問題中去。本文第一部分提出機器學習課程教學現狀；在第二部分，介紹了百度飛槳AI Studio平臺在機器學習課程教學中應用的優勢；在第三部分，從理論教學和實踐教學兩個層面詳細介紹了具體的教學方案；在第四部分，給出了百度飛槳AI Studio平臺在機器學習課程教學中應用的成效；在第五部分進行總結。

一 "機器學習課程教學現狀

機器學習課程已經成為人工智能教育的基礎。隨著人工智能技術的不斷發展，機器學習課程也需要不斷地更新和完善，以適應時代的變化和需求。目前，高校機器學習課程教學現狀如圖1所示。

（一） "教學模式亟待轉變

隨著機器學習在實際中的應用愈加廣泛，機器學習課程也應緊跟時代需求，探索出一種新的教學模式，在保證學生理論學習質量的前提下，適當增加實踐教學內容，為時代培養出既具備理論知識又具備實際操作能力的應用型人才，將前沿的科學技術落實到實際場景中，最大限度地發揮出科學理論的作用[3]。然而，當下的機器學習課程教學多以理論為主，實踐較少，導致學生只會紙上談兵，缺乏實操能力。

（二） "課堂教學缺少對創新能力的訓練

近年來，由于人工智能的火熱，機器學習的發展也十分迅速，以致于機器學習課程對學生的創新能力有一定要求。然而，在實際教學過程中，針對學生創新能力的訓練比重偏低，易使學生感到枯燥乏味，從而削弱了學生對機器學習課程的學習和探索的積極性，進而導致學生對創新理論知識和創新實踐技能的學習驅動力不足，難以發掘出學生的創新潛力。

（三） "教師未重視知識的融會貫通

作為人工智能的核心，機器學習課程應滿足時代發展需要，培養學生靈活應變的能力。然而，在機器學習課程的傳統教學方法中，理論考核以試卷為主，實踐考核以課程報告為主，這種單一的考核方式難以提高學生對知識的靈活運用能力；此外，由于使用的課程教材較為陳舊，導致與新技術、新模型、新方法之間存在較大差距。

（四） "課程設置缺乏對競賽意識的培養

機器學習是科學研究中的常用理論方法，機器學習課程應發揮其作用，為國家培養科研人才。對于當代大學生，參與科研的渠道主要為各類學科競賽。隨著高校對于學科競賽的重視，越來越多學生參與到學科競賽中[4]。然而，還有相當一部分學生桎梏于理論學習，畏難于學科競技，最終導致個人的紙上談兵。而若能在課堂上引入競賽以達成“課賽融合”，可使更多的學生投身于學科實踐，并提前明確未來職業傾向。

面向新工科建設背景下高質量人工智能人才培養需要，筆者擬借助百度飛槳AI Studio平臺自身的優勢展開研究與探索，以實現課程創新，為解決上述問題提供參考。

二 "百度飛槳AI Studio平臺在機器學習課程教學中應用的優勢

百度飛槳AI Studio平臺在機器學習課程教學中大有裨益，其上手簡單、資源配備齊全、算力強勁等優勢為課堂實踐和學科競賽提供良好的保障，如圖2所示。

（一） "免費的GPU算力

百度飛槳AI Studio平臺可提供免費的GPU算力，使老師和學生在深度學習課堂中獲得海量資源，例如各類復雜模型和大規模數據集。通過免費的GPU算力，學生可以在云端進行高性能的模型訓練，而無需購買昂貴的硬件設備，即在云端進行高性能的機器學習實驗。

（二） "簡單易用的開發環境

相較于其他機器學習平臺（PyTorch和TensorFlow）[5]，百度飛槳AI Studio平臺學習門檻低，具有豐富的中文資料和本土化支持，有效地降低學習門檻，方便學生使用和掌握深度學習技術，減少學生安裝開發環境過程中的困擾。

（三） "豐富的資源案例

百度飛槳AI Studio平臺自帶豐富的課外學習資源，可以向學生展示機器學習在實踐中的應用，幫助學生選擇合適的機器學習方法來解決問題。另外，百度飛槳AI Studio平臺涵蓋了不同領域、類型的案例問題，激發學生創新思維能力。

（四） "高性能的訓練環境

借助百度飛槳AI Studio平臺的GPU算力、簡易的開發環境和大量的案例資源，課堂能實現訓練環境高性能化。此外，百度飛槳AI Studio平臺還支持分布式訓練，可以將多個GPU節點組合起來，實現大規模模型訓練，以提高學生學習效率。

三 "百度飛槳AI Studio平臺在機器學習課程教學中應用的方案

（一） "理論教學層面

在傳統課堂教學模式中，學生很少在課上主動提問，而選擇課后提問，這樣并不能起到良好的教學效果。基于此，我們利用課堂時間剖析百度飛槳AI Studio平臺上的實例，并為學生投屏展示如何利用機器學習的方法解決案例。課后，結合機器學習課程在百度飛槳AI Studio平臺給學生布置課后作業，學生以小組形式討論并完成作業。當遇到困難時，同學們可以通過研究該項目附件中的代碼來解決問題。檢查作業時，教師可以查看同學們遞交的代碼，并邀請GPU算力運用較少的同學在課上與其他學生分享其思路，以此來加深學生對理論知識的理解。

由于課上實例講評環節的存在，老師不再是針對PPT所給的結論給同學們念讀。經過課堂反饋，學生也會跟著樣例進行代碼輸入，遇到不會的問題可以當場討論解決，提高了學生對知識的掌握程度。此外，優秀作業分享也讓學生受益良多，掌握了更多算法優化的設計。

（二） "實踐教學層面

對于機器學習這一門較為重視動手實踐能力的學科，如何將所學知識應用于實踐是關鍵[6]。教師應引入應用案例，設計層次化、區別化的實驗題目，以幫助學生深入理解機器學習理論，熟練運用機器學習方法解決實際問題，達到學以致用的目的[7]。百度飛槳AI Studio平臺能夠智能篩選出符合課程需求的項目實例，并采用線上自主學習和線下課堂教學相結合的三階段遞進式教學方式[8]，構建從知識和技能的傳授消化再到創新實踐的培養模式[9]。

實踐完成后，我們將講解實踐內容，并將學生成果納入期末測評，以激發他們對實踐的重視，豐富課程考核形式[10]。此外，采用“課賽融合”的方式[11]，百度飛槳AI Studio平臺的“比賽”專欄可以作為實踐考核項目，以培養學生處理復雜問題的能力。

四 "百度飛槳AI Studio平臺在機器學習課程教學中應用的成效

經過實踐，我們所探索的教學模式對該門課程起到了良好的效果，學生的實踐、創新、靈活應變和科研等能力得到提升，為機器學習課程的教學提供了思路。我們所取得的應用成效如圖3所示。

（一） "解決了學生的環境配置問題

百度飛槳AI Studio平臺為學生提供了免費GPU算力、簡單易用的開發環境、豐富的資源案例和高性能的訓練環境，為多種形式的實踐教學和學科競賽提供了強大的資源支撐和保障，在很大程度上解決了學生需要配置環境的問題，有助于提高學生學習的效率，培養其解決復雜工程問題的能力。

（二） "提高了學生對經典模型的掌握度和熟練度

對于機器學習中的經典模型，學生借助平臺上豐富的項目資源和比賽資源得到了充分的訓練，同時，我們采用百度飛槳AI Studio平臺免費的算力作為創新性檢測，請作業完成優秀的同學分享其方法和運算邏輯，不僅可以幫助其他同學掌握更優的算法，而且幫助學生提高知識的掌握和熟練度。

（三） "提高了學生的競賽參與度

該課程采用了“課賽融合”的培養方式，通過在課程中加入了一些競賽模擬，增強學生之間的學術交流和思維碰撞，進一步鍛煉學生的實踐和創新能力。如涉及人工智能相關賽事，教師可直接將競賽題目提交至“課賽融合”項目，讓學生在“賽中學、學中賽”。如學生作品優秀，可直接報名參賽，以提高學生的參賽積極性。

五 "結束語

身處科學技術日新月異的變革時代，培養具備創新和實踐能力的人才至關重要。基于百度飛槳AI Studio平臺的教學改革，豐富了課堂教學和線上教學的內容，增強了理論和實際的聯系，實現了由學習、到實踐、再到創新的提高，推動了機器學習課程教學質量和教學水平的提高。該種教學方法可能更加適應當下面向新工科的大學公共基礎課程體系的創新研究，有利于培養人工智能專業人才。在下一步工作中，我們將會完善教學模式，并積極地交流分享成果，注重培養學生的創新思維、動手能力、解決實際問題的能力及創新設計能力。

參考文獻：

[1] 岳仁田，王紅勇，李善梅.機器學習基礎課程思政教學改革與實踐[J].高教學刊，2023，9（23）：193-196.

[2] 周惠巍，林曉惠，王健，等.新工科建設中人工智能課程教學模式探究[J].計算機教育，2019（11）：45-48.

[3] 杜航原，王文劍，張虎，等.面向新工科的高校人工智能創新實驗室建設[J].西部素質教育，2023，9（16）：9-12.

[4] 胡貝貝，李中秋，閆海鵬.以學科競賽推動大學生人才培養的教學模式改革[J].衛生職業教育，2023，41（14）：36-38.

[5] 陳偉，趙雷.Python程序設計課程教學探索[J].電腦知識與技術：學術版，2021，17（21）：187-188，217.

[6] 蔣良孝.機器學習課程教學的實踐探索[J].新課程研究，2019（23）：13-15.

[7] 陳玫玫，玄玉波，李兆璽，等.基于百度飛槳AI Studio的機器學習教學新模式實踐與探索[J].計算機教育，2021（9）：46-50.

[8] 胡臻龍.基于飛槳AI Studio平臺的人工智能類課程線上線下融合式教學模式[J].計算機教育，2023（5）：130-134.

[9] 薛偉，陳國歡，吳宣夠，等.新工科背景下研究生機器學習課程建設研究[J].安徽工業大學學報（社會科學版），2022，39（3）：62-64.

[10] 王書芹，郭小薈.基于百度AI Studio平臺+騰訊課堂的

“Python程序設計”課程線上教學[J].江蘇師范大學學報（自然科學版），2023，41（1）：73-75.

[11] 張詩婷.傳播實踐教學與“挑戰杯”競賽融合進路中的思考[J].東南傳播，2019（7）：149-151.