新工科背景下机器学习技术与应用课程建设探索

摘"要：机器学习技术与应用是在新工科背景下，针对北京信息科技大学自动化专业学生，着眼于使其掌握机器学习技术且能进行感知、预测、规划以及决策等数据分析功能而开设的专业课。针对知识传授与滋养精神需兼顾、机器学习数理基础要求高和因材施教等课程建设问题，融课程思政元素于教学全过程，提炼基础、实用和前沿的理论教学内容以及基于百度平台设置经典、半设计和创新设计的实践教学内容，探索分层、分级、分组的尊重个性的教学方法。从而激发不同层次学生的学习热情，在夯实学生理论基础的同时，培养其实践能力、创新思维和合作意识。实践证明，课程建设取得良好的效果，能够实现用“人工智能+”理念和校企合作方式赋能自动化专业人才的培养目标。

关键词：新工科；机器学习技术与应用；课程建设；课程思政；校企合作

中图分类号：G640"""文献标志码：A"""""文章编号：2096-000X（2024）36-0094-04

Abstract：MachineLearningTechnologyandApplicationsisaspecializedcoursedesignedforautomationmajorsinBeijingInformationScienceandTechnologyUniversity，aimedatenablingthemtomastermachinelearningtechnologyandperformdataanalysisfunctionssuchasperception，prediction，planning，anddecision-makinginthecontextofnewengineeringdisciplines.Inresponsetotheissuesofbalancingknowledgetransmissionandnurturingspirit，highrequirementsformachinelearningmathematicalfoundations，andindividualizedteaching，weintegrateideologicalandpoliticalelementsintotheentireteachingprocess，extractbasic，practicalandcutting-edgetheoreticalteachingcontent，andsetupclassic，semidesignedandinnovativepracticalteachingcontentbasedontheBaiduplatform.Wealsoexploreteachingmethodsthatrespectindividualitythroughlayering，grading，andgrouping.Itstimulatesthelearningenthusiasmofstudentsatdifferentlevels，whileconsolidatingtheirtheoreticalfoundation，cultivatingtheirpracticalability，innovativethinkingandcooperativeconsciousness.Practicehasproventhatthecurriculumconstructionhasachievedgoodresultsandcanachievethegoalofempoweringautomationprofessionalswiththeconceptof\"artificialintelligence+\"andschoolenterprisecooperation.

Keywords：newengineeringdisciplines;MachineLearningTechnologyandApplications;curriculumconstruction;curriculumideologyandpolitics;schoolenterprisecooperation

为主动应对新一轮科技革命与产业变革，支撑服务创新驱动发展、“中国制造2025”等一系列国家战略，2017年2月以来，教育部积极推进新工科建设，助力高等教育强国建设。新工科与新科技紧密相连、对接新兴产业且体现多学科交叉[1-2]。在中国共产党第二十次全国代表大会上，习近平总书记提出推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备和绿色环保等一批新的增长引擎。随着ChatGPT大模型、人型机器人和光电芯片等方面的迅猛发展，大数据、云计算、光电计算和人工智能等领域人才需求日益加剧，因此许多高校纷纷开设机器学习类课程，并且开展相关教学改革研究，推动新工科建设的前进步伐。

课程建设是学校教学基本建设重要内容，是大学内涵发展的重要抓手[3]。而且也是教育教学改革研究的重点，重视课程建设能够提高教学水平，保证人才培养质量。目前，在机器学习类课程建设中，已涌现出很多优秀教学成果。王兴梅等[4]系统探索机器学习课程思政的设计和实施模式，为我国高校工科类课程开展课程思政提供借鉴和重要参考。刘袁缘等[5]分析了机器学习课程群建设对计算机大类学科人才培养及专业建设的重要作用。邓欣等[6]根据所在学校大数据专业特点和学生实际情况，建设机器学习“金课”，通过线上实践教学平台等资源的建设与实施，培养学生的动手操作和创新能力。以“金课”建设为目标，翟懿奎等[7]打造以专业能力为导向的机器学习知识结构，提出相关的建设路径和教学方法，用以探索课程的改进思路。以面向工程应用为目标，张旭东[8]实践宽口径、通用性和专业性兼顾的机器学习教程和教材的建设。针对新质生产力要求背景，焦文华等[9]提出机器学习创新培养教学方案和教学评价方案。基于百度平台，徐国艳等[10]和方艳梅等[11]分别开展机器学习课程实践教学和提出机器学习研究生高阶课程培养方案。以智能制造领域为例，李洁等[12]开展机器学习实践教学研究。张恒[13]、丛山等[14]、余波[15]和张嘉焱等[16]分别从产学融合、科教融合、成果导向和项目实战角度展开机器学习课程建设研究。

机器学习类课程俨然已经成为新工科教育的建设热点和发展趋势。针对北京信息科技大学（简称“我校”）非人工智能专业的学生，及时扩充其知识面，用“人工智能+”理念赋能专业培养迫在眉睫。所以，在新工科背景下，立足我校应用型大学人才培养目标，进行机器学习技术与应用课程建设探索，着力培养具有积极向上的价值观和家国情怀，掌握学科交叉与深宽兼备的专业知识及技能，具备持续学习能力的复合创新型卓越工程人才势在必行。

一"课程建设设计

（一）"课程思政建设

教育的根本任务是在知识传授过程中需更加关注学生的精神世界，促进其精神力量的健康成长。在机器学习技术与应用课程的理论教学和实践教学中恰当地融入课程思政内容，形成知识与价值双驱动的思政教学特色。使得学生在夯实机器学习基础的同时，坚定信念且崇尚工匠精神，拥有民族自豪感，成为德才兼备且肯担民族复兴大任的时代新人。

（二）"教学内容建设

机器学习内容数理基础要求较高，且机器学习技术涉及的范围宽泛，迭代更新速度快。针对不同层次的学生，在机器学习技术与应用课程教学内容中，兼顾基础性、实用性和前沿性理论教学内容，设计不同的基础知识课前预习、课堂讲解、课下阅读资料；筛选逐层递进的机器学习导论、机器学习基础理论、机器学习经典算法、机器学习现代算法（深度神经网络、卷积神经网络和深度强化学习）和机器学习前沿；设置不同层次的实验，包括经典验证性实践案例、面向实际应用的半设计实践案例、面向实际应用的创新设计实践案例相结合的实践教学内容，使得学生在掌握主要机器学习算法及应用的同时，激发其学习热情且提升其创新思维和创新能力。

（三）"教学方法建设

面对不同层次的学生采用统一的教学方法不适合因材施教，所以采用分层次的教学方法，满足非人工智能专业不同层次学生的知识获取需求。并且采用案例教学引领的分级实践教学方法，使得学生能够学以致用，激发更大的学习热情。采用项目分组式管理教学方法，培养学生的系统思维以及互利互助的合作意识。

二"课程建设实践

面向新工科建设人才培养目标，针对自动化专业学生，采用教学思想统领教学内容和教学方法的研究思路，进行机器学习技术与应用课程建设探索性研究。首先，在教学过程中融入思政教育，开拓学生视野、增强民族意识、培养敢于担当的精神。其次，对理论教学内容和实践教学内容进行筛选精炼，提炼出基础、实用和前沿的理论教学内容和经典、半设计和创新设计的实践教学内容，夯实学生理论基础的同时，培养其实践能力、创新思维和合作意识。进而，探索分层、分级、分组的尊重个性的教学方法，激发不同层次学生的学习热情，收到良好的教学效果。课程建设探索研究方案如图1所示。

图1课程建设探索方案示意图

（一）"融入课程思政教育

习近平总书记在全国高校思想政治工作会议上强调“把思想政治工作贯穿教育教学全过程”。育人先育德，在机器学习技术与应用课程中有效融入正能量，弘扬社会主义核心价值观，润物细无声式对学生的思想意识、行为举止产生影响，升华其思想和境界，激发持续学习的动力，引领具有终身学习能力的复合型创新型人才，探索具有智能自动化特色的课程思政教育。采用理论教学课程思政和实践教学课程思政相融合的方式，从而培养家国情怀、培养学生全局视角和深度思考能力、培养协同创新的探索精神、培养知行合一且坚持不懈的钻研精神、培养工匠精神和科学思维，形成深度和广度兼备的具有智能自动化特色的思政教育。部分课程思政教育案例内容见表1。

（二）"精炼课程教学内容

对机器学习技术与应用课程理论教学内容和实践教学内容进行筛选精炼。提炼出基础、实用和前沿的理论教学内容和经典调参、半程序设计和创新设计的实践教学内容，为非人工智能专业机器学习课程教学内容提供借鉴。

机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征、最前沿的研究领域之一。除了传统的机器学习方法之外，大数据环境下机器学习在计算机视觉、自然语言处理、生物特征识别、搜索引擎和自动驾驶等领域大展身手，其中深度学习和强化学习算法备受关注。针对自动化专业的学生，充分参考现有的国内外教学资源和教材，课题组在理论教学环节筛选精炼传统机器学习算法、深度学习算法和强化学习算法以及应用实例，增强课程内容的系统性、实用性和新颖性；在实践教学环节，设置经典、半设计和创新设计的实践教学内容，增强课程内容的实用性和创新性。教学内容框架示意图如图2所示。

图2教学内容框架示意图

1"选取代表性基础机器学习算法

在授课过程中，及时补充相关的统计学、信息论、神经网络和随机过程等基础知识。并且由于课时有限，针对传统的机器学习方法——决策树、支持向量机、人工神经网络和贝叶斯学习等算法进行分类和回归两类筛选，选取代表性机器学习算法，夯实学生机器学习技术方面的基础。其中代表非监督学习的聚类算法作为自主选学内容，以便满足不同层次学生的知识获取需求。

2"优选实用性强的机器学习算法

在众多机器学习方法中，针对当今大数据环境，优选实用性强且应用广泛的机器学习算法，譬如深度神经网络、卷积神经网络、循环神经网络、深度强化学习和迁移学习等技术和方法。这些算法充分体现了当代机器学习技术发展的迅速，进而培养学生知识快速迭代的意识和快速掌握新技术的能力，使授课内容保持先进性。

3"充实前沿机器学习技术成果

及时融入最新的机器学习领域和智能自动化领域的前沿技术成果，进而充实深化机器学习技术内容，立足科学前沿，使课程内容源于教材但高于教材，激发学生的学习热情，并且培养学以致用和知行合一的理念。

4"设置不同难度的实践教学内容

为了实现教学目标，达到良好的教学效果，机器学习技术与应用课程将理论教学与实践教学紧密结合。实践教学部分不仅依赖强大的实验平台和充沛的算力资源，而且设置合理先进的实验内容。基于百度平台，并考虑到学生的基础和自学能力不同，设置经典调参、半程序设计和完全创新设计的实践教学内容。实现目标检测和自动驾驶感知或规划控制等实践，为后续学生进行智能自动化领域的感知、规划、决策和控制方面的设计奠定基础。邀请百度工程师定期开展相关技术培训和线上答疑，从而使得学生深入理解理论教学内容的同时及时掌握行业应用现状且锻炼动手实践能力，为后续创新实践和工作奠定坚实基础。

（三）"改进课程教学方法

机器学习技术与应用是涉及统计学、随机过程、神经科学、控制理论和计算机编程等多门学科的交叉性课程，如何针对非人工智能专业的学生，在有限的课时内，兼顾到不同水平的学生，满足不同层次学生的学习需求，是授课过程中的主要问题。面向新工科建设，探索分层、分级、分组的尊重个性的教学方法。不但满足不同程度学生的学习需求，而且激发不同层次学生对机器学习技术与应用课程的学习热情，形成个性鲜明的教学理念。采用分层次的教学方法，满足非人工智能专业不同层次学生的知识获取需求。并且采用案例教学引领的分级实践教学方法，使得学生能够学以致用，激发更大的学习热情。并且采用项目分组式管理教学方法，培养学生的系统思维以及互利互助的合作意识。

1"分层次教学方法

采取合适先进的分层次教学方法，因材施教，从而激发学生的学习兴趣。在确保大部分学生掌握全部知识的基础上，前瞻引领优秀的学生，激励落后的学生。对于数理基础薄弱、学习能力差的学生，提前发讲义预习且线上答疑，帮他们夯实相应的基础。对于基础好的同学，老师推荐各种机器学习领域及智能自动化领域的优秀期刊、会议、线上课程和百度AIStudio线上项目，引导学生自主学习拓宽知识面。

2"分级实践教学方法

基于百度实践平台，针对目标检测和自动驾驶感知实践，设置不同层级的实践教学内容。要求全部完成经典调参实践，鼓励大部分同学实现部分功能缺失半编程设计实践，启发少部分优秀学生利用课余时间实现完全创新设计实践，激发学生的好奇心，并且培养综合实践创新能力。

3"分组式管理教学方法

在理论教学案例讨论和实践教学项目实战中，将班级学生进行分组管理，组长和组员分工协同配合。不但提高教学效率，而且激发同组学生共同面对问题互利互助的精神，培养学生的系统思维和管理能力。

三"课程建设成效

基于理论教学中认知提升和创新思维的培养以及实践教学中合作意识和勇于创新精神的培养，在后续项目实战创新实践、毕业设计实践环节和学科竞赛等方面均取得良好的成效。针对智慧工厂中的罐装质检、智能家居中的安全监控以及自动驾驶小车的目标识别等创新实践，学生采用先进的机器视觉方法取得了精准效果。并且基于国家重点研发计划课题和企业委托课题开设了机器人路径规划、三维图像重建、物体识别以及时序预测等毕业设计课题，不仅激发了学生科学研究的热情、锻炼了知行合一的创新实践能力，而且也培养了学生精益求精的钻研精神。同时，在2023年中国机器人及人工智能大赛的“智慧药房”机器人任务挑战赛和“城市道路识别”机器人应用赛中分别获得国家级一等奖和二等奖的优异成绩。上述成果俨然表明机器学习技术与应用课程建设卓有成效。

四"结束语

本文面向新工科建设人才培养目标，针对自动化专业学生，采用思政教育建设统领教学内容和教学方法建设、教学内容建设和教学方法建设相互促进的研究思路。课程思政建设贯穿机器学习技术与应用课程理论教学和实践教学全过程，教学内容建设和教学方法建设融合统一，系统性、实用性、新颖性的教学内容彰显先进的教学方法理念，同时，个性鲜明的教学理念增强了教学内容建设的深度和广度，并且取得了良好的课程建设效果，从而为新工科背景下自动化专业进行机器学习技术与应用课程建设探索研究提供了新思路。

参考文献：

[1]米洁，吴迎年，甄真，等.新工科专业“大实践平台”的建设及思考——以机器人工程教育改革为例[J].中国高校科技，2021（9）：67-71.

[2]姚利花，张占东.创新型新工科人才培养体系的构建及实践[J].大学教育，2020（5）：37-39.

[3]秦磊.课程建设是内涵发展的重要抓手[N].中国教育报，2015-06-02（10）.

[4]王兴梅，赵一旭，战歌.新工科背景下机器学习课程思政建设的研究与实践[J].高教学刊，2022，8（5）：193-196.

[5]刘袁缘，方芳，王瑜，等.浅谈机器学习课程群建设作用[J].科技视界，2021（29）：88-89.

[6]邓欣，孙开伟，王进，等.“线上-线下”教学模式下大数据专业机器学习金课建设研究[J].软件导刊，2021，20（12）：202-206.

[7]翟懿奎，曾军英，王天雷.“金课”视角下机器学习课程建设路径与教学研究[J].高教学刊，2022，8（19）：21-24.

[8]张旭东.面向宽口径的机器学习课程和教材建设探索和实践[C]//第十五届全国信号和智能信息处理与应用学术会议论文集，2022：400-402.

[9]焦文华，李丽娟，张印强，等.新质生产力时代要求背景下的大学机器学习课程探索与研究[J].创新创业理论研究与实践，2024（17）：51-53.

[10]徐国艳，周彬，刘磊，等.基于百度AIStudio的机器学习课程教学设计与实践[J].计算机教育，2021（6）：100-104，109.

[11]方艳梅，李冠彬，卢伟.机器学习高阶课程建设的探索与实践[J].计算机教育，2023（3）：119-123.

[12]李洁，魏宇轩，武妍，等.机器学习课程中递进式实验案例设计[J].计算机教育，2022（1）：134-138.

[13]张恒.面向产学融合的机器学习新型课程建设探索[J].科技风，2020（33）：38-39.

[14]丛山，鲍佩华，苑硕，等.科教融合协同创新育人模式探索与实践——以“机器学习”课程为例[J].创新创业理论研究与实践，2022，5（11）：7-10.

[15]余波.基于成果导向的“机器学习”课程教学改革[J].工业和信息化教育，2022（8）：24-28.

[16]张嘉焱，刘琦.应用型大学机器学习课程建设的探索[J].现代职业教育，2020（40）：190-191.

基金项目：北京信息科技大学2022年度高教研究课题资助“新工科背景下《机器学习技术与应用》课程建设探索”（2022GJYB18）；教育部产学合作协同育人项目“面向创新创业教育的控制工程综合实践平台建设”（231100682102610）；北京市高等教育学会项目“面向成果导向的创新创业教育评价机制探索与研究”（YB202190）

第一作者简介：于镝（1977-），女，汉族，黑龙江安达人，博士，副教授，硕士研究生导师。研究方向为智能决策。

DOI：10.19980/j.CN23-1593/G4.2024.36.022