面向本科“机器学习”课程教学改革探索

杨 泽

(广东理工学院，广东 肇庆 526100)

1 国内关于“机器学习”课程教学的现状

机器学习技术使得计算机赋予了人类的智慧，其应用已经涉及人们日常生活的各个方面。近些年来，随着人工智能技术的发展，许多高校已经开设了人工智能专业课程，机器学习是人工智能的核心研究领域之一。现如今，在智能教学、智能交通、智能建筑等领域更是离不开人工智能。国内缺乏人工智能方面的人才，所以，对高校“机器学习”课程的改革很有必要。

如何顺应当前绝大多数高校培养计算机人才的发展目标，培养人工智能领域的人才成为当前高校的发展方向之一。“机器学习”作为人工智能领域中比较重要的核心课程，本身偏向于理论与实践相结合，在传统的理论教学中去辅助实践，从而提高高校学生的主观能动性。所以，培养大学生的动手实践能力也就成为最主要的问题，这也是当前对于“机器学习”课程进行教学改革亟须解决的问题之一。

2 修订教学大纲，深化教学内容

目前，许多高校的本科“机器学习”课程没有清晰的教学目标，因此，课程改革的第一步就是对教学目标进行细化，分等级掌握该门课程的核心内容。

(1)学生要了解当前机器学习最前沿的技术以及分别可以处理的任务。(2)要掌握机器学习中的两大分类，以及常见基本术语的含义，在监督学习与无监督学习中他们各自的一些经典算法，比如K近邻、朴素贝叶斯、决策树与随机森林等，为进一步学习研究建立有关概念和方法打下理论基础以及做好前期的铺垫。(3)在掌握了常见的几种算法后要能够运用机器学习方法来分析实际问题(如手写数字识别、推荐系统的设计、目标识别、红绿灯检测、房价预测等)。通过这种分级别去掌握的方式，使学生逐步掌握核心内容。要从具体的实例着手，使学生先去理解课本上最基本的理论知识和原理，然后用机器学习的基本框架去实现任务，突出理论与实践相结合。

3 改变教学方法，培养创新能力

(1)“机器学习”是一门不仅停留在理论知识的课程，更偏向利用理论知识去解决实际问题的方式。所以，目前绝大多数高校课堂的教学方式需要调整，不能只由教师一味地教。基于对“机器学习”中基本知识概念的理解，以实践和应用为手段，以提高能力为目标，适当改变老师的教学方法，在教学中采用老师与学生互动的方式，让学生积极参与到学习过程中去。

(2)可以通过翻转课堂来选择基础较好的、理解和掌握能力较高的学生。一方面，教师能够掌握学生的学习状况，并通过互动来提高其学习兴趣。另一方面，可以使学生摆脱从被动接受知识到主动学习，彻底摆脱传统无聊的填鸭式教学，改变学习角色。

4 以实际项目驱动为指导的教学方法

课程内容的教学(例如机器学习中的十大经典算法)均从案例中得出，从特定的例子中去引出相关概念，介绍相关技术，通过该技术具体对案例进行实现并评价验证。采用这样一个主线的方式，课堂讲解以提出具体需求案例，以算法框架形式给出本次课的主要内容，先让学生有一个整体的学习框架，明确在学习中需要具体学习的知识。如在决策树算法教学中，应给出该算法的应用场景案例，如图1所示，假定推销员从他多年的销售经验中知道消费者是否会购买汽车与年龄、性别和收入有着直接关系。

图1 决策树

通过分析示例，首先要弄清的是：(1)计算机要训练模型的原始数据，也就是训练样本集，目标任务就是构造一个能够准确估计出消费者是否会买车的决策树。(2)原始的数据是否需要预先进行处理。一般要对训练样本集要进行预处理，比如本例将年龄分为两个阶段：小于30和30岁以上；收入分为3个档次：3 000 以下(低)、3 000～6 000(中)、6 000以上(高)。(3)计算机具体如何进行学习。选择合适的算法来对预处理后的数据进行训练模型，对于本例，经典ID3算法可用于首先计算当前节点中包含的所有样本的熵不纯度，确定样本中的多个候选特征，并计算与每个特征相对应的每个样本的熵不纯度，其次分别计算并比较与每个特征相对应的熵不纯度的减少量，即信息增益，并且选择减少量最大的特征作为决策树的根节点的特征，以构建第一级。分析其余的特征，用来构建决策树的下一级。如果后继节点仅包含单一类样本，则分支的增长将停止，并且定义该节点是叶节点。如果后继节点仍包含不同类别的样本，则再次执行上述步骤，直到每一个枝都到达叶节点。(4)计算机最终的学习效果。可以用不同的评价指标来衡量训练出来的模型的效果，比如通过准确率、精确率、召回率、关系等评价指标来衡量。

5 教学全过程考核

本科生对于接受知识的能力有很大的不同，所以，传统的考核方式如闭卷或开卷并不能真实地反映学生对于知识的接受程度。在实际的教学实践过程中，最终理论的期末考试成绩不应该直接作为考核学生对于这门课程的掌握情况的评判，老师应该在最终的考核方式中加入各种除了成绩之外的其他评判标准，这样有利于激发学生学习的积极性，也能帮助学生克服惰性。

除此之外，还可以鼓励学生参与到老师的项目中去，更进一步锻炼学生动手写代码的能力以及对论文的撰写能力，对今后进行研究生阶段的学习也有很大的帮助。对于本课程的期末综合评定如表1所示，从各个方面、多个角度更加科学地评判每个学生的掌握情况。

表1 “机器学习”期末考核方式

6 结语

人工智能时代机器学习是一个比较热门的领域，该领域的人才也比较紧缺，要求不仅要掌握课本上的理论知识，更要注重实践去解决实际问题，越来越多的学习者开始致力于该领域的研究。但由于其是一门对学科交叉涉及太多数学方面的知识，导致很多本科生很难进一步进行研究。高校对机器学习领域人才的培养不能与实践脱离，应该积极与企业建立项目合作，让学生投入真正的实践中去，知道企业公司真正的需求，高校还可以引进一些有实际项目经验的工程师来指导学生，从而在很大程度上帮学生更好地掌握和理解该领域前沿的知识。