面向高職教育的深度學(xué)習(xí)課程建設(shè)探索

劉光曹 朱喜娜 沈熠輝 馮 建 饒緒黎

(福州職業(yè)技術(shù)學(xué)院 福建 福州：350108)

1 研究背景

近年來，在我國數(shù)字經(jīng)濟高速發(fā)展的背景下，人工智能產(chǎn)業(yè)取得了快速增長。據(jù)艾瑞預(yù)測，2021年人工智能核心產(chǎn)業(yè)規(guī)模預(yù)計達到1998億元，2026年將超過6000億元，2021到2026年的年復(fù)合增長率為24.8%。從社會發(fā)展趨勢來看，人工智能將大量替代程序性、簡單重復(fù)、計算繁瑣或工作環(huán)境惡劣的勞動工作崗位。高等職業(yè)院校學(xué)生掌握一定的人工智能專業(yè)知識，有利于適應(yīng)人工智能對社會生活的深刻影響和企業(yè)生產(chǎn)模式的變革，為拓寬就業(yè)面和提升就業(yè)率起到積極有效的幫助[1]。

2019年10月，教育部批準高職院校新增人工智能技術(shù)服務(wù)專業(yè)[2]。2021年3月專業(yè)名稱更改為人工智能技術(shù)應(yīng)用。在教育部政策的支持下，人工智能成為高職院校新增最熱門的專業(yè)[3]。同期，高職院校的人工智能相關(guān)專業(yè)課程建設(shè)也在陸續(xù)開展。深度學(xué)習(xí)作為人工智能先進技術(shù)的代表，成為人工智能專業(yè)建設(shè)的核心課程之一。目前優(yōu)秀的深度學(xué)習(xí)課程主要面向本科生或研究生層次，如吳恩達在斯坦福的公開課、李宏毅的《機器學(xué)習(xí)》課程、李沐的《動手學(xué)深度學(xué)習(xí)》課程、吳明暉教授在慕課網(wǎng)開設(shè)的《深度學(xué)習(xí)應(yīng)用開發(fā)—Tensor Flow實踐》云課堂[4]等。高等職業(yè)教育的深度學(xué)習(xí)課程建設(shè)尚未見諸文獻。本文基于三年多的實踐經(jīng)驗，對如何更好地建設(shè)面向高職教育的深度學(xué)習(xí)課程進行了探討。

2 課程建設(shè)

2.1 課程建設(shè)目標

高等職業(yè)教育人工智能技術(shù)應(yīng)用專業(yè)的就業(yè)，主要面向人工智能的應(yīng)用開發(fā)、系統(tǒng)管理與維護、市場營銷與服務(wù)等工作[5-6]。從就業(yè)需求出發(fā)，高職學(xué)生需要學(xué)習(xí)人工智能的技術(shù)原理，注重掌握人工智能的技術(shù)應(yīng)用方法。相應(yīng)地，深度學(xué)習(xí)課程的建設(shè)目標是：通過課程學(xué)習(xí)，了解深度學(xué)習(xí)技術(shù)典型應(yīng)用場景，掌握深度學(xué)習(xí)的技術(shù)原理，具備數(shù)據(jù)準備、模型和參數(shù)訓(xùn)練優(yōu)化、應(yīng)用開發(fā)的能力，為從事人工智能技術(shù)的應(yīng)用開發(fā)、系統(tǒng)運維、產(chǎn)品營銷、技術(shù)支持等崗位工作打好基礎(chǔ)。

2.2 課程安排

人工智能技術(shù)應(yīng)用專業(yè)中深度學(xué)習(xí)課程的先導(dǎo)課程為高等數(shù)學(xué)(微積分)、線性代數(shù)、概率學(xué)、Python語言程序設(shè)計、Python數(shù)據(jù)分析、機器學(xué)習(xí)。由于高等職業(yè)教育工科一般只有3年，數(shù)學(xué)要求也相應(yīng)降低，一般不單獨安排線性代數(shù)、概率學(xué)兩門課程，改設(shè)人工智能數(shù)學(xué)課程，將線性代數(shù)、概率學(xué)以及人工智能所需的其他數(shù)學(xué)原理囊括在內(nèi)。

目前，深度學(xué)習(xí)課程與計算機視覺、自然語言處理兩門課程存在一定程度的內(nèi)容交叉，將深度學(xué)習(xí)、計算機視覺安排在同一學(xué)期，自然語言處理安排在后一學(xué)期。由深度學(xué)習(xí)課程主導(dǎo)專業(yè)核心課程的學(xué)習(xí)，有助于學(xué)生系統(tǒng)地掌握人工智能的專業(yè)技術(shù)。高等數(shù)學(xué)和機器學(xué)習(xí)等課程在它之前，有利于課程相關(guān)原理理解；中間與計算機視覺課程在圖像的數(shù)據(jù)增強等知識點上互相呼應(yīng)；后續(xù)接上自然語言處理課程，遞進地學(xué)習(xí)近年來發(fā)展的語言預(yù)訓(xùn)練模型。

2.3 教材的選用

教材選用方面，針對高職學(xué)生學(xué)習(xí)的側(cè)重點在“應(yīng)用”的需求，避免選用理論占比較大的教材，推薦使用近年來編寫的一些深入淺出、原理和實例相結(jié)合的教材。深度學(xué)習(xí)框架可以在Tensorflow、PyTorch、百度飛槳等框架中任選一種。PyTorch框架可以使用呂云翔等編著的《Python 深度學(xué)習(xí)實戰(zhàn)——基于PyTorch》；Tensorflow框架可以使用用張玉宏編著的《深度學(xué)習(xí)與Tensorflow實踐》。整個課程的教學(xué)始終保持使用同一種框架，通過不斷練習(xí)強化，讓學(xué)生在有限時間內(nèi)對一種框架進行充分學(xué)習(xí)和掌握。

2.4 課程內(nèi)容

深度學(xué)習(xí)課程由知識模塊和課堂實踐組成。

2.4.1 知識模塊

根據(jù)課程建設(shè)目標，在總共64個學(xué)時內(nèi)，組織授課內(nèi)容如表1，分為序章、主體和選講3個部分。

表1 課程內(nèi)容

第一章初識深度學(xué)習(xí)作為序章導(dǎo)入課程，通過列舉深度學(xué)習(xí)在圖像、文本、語音等領(lǐng)域的應(yīng)用，激發(fā)學(xué)生對這門課程的興趣；然后對主流深度學(xué)習(xí)框架進行對比，并介紹學(xué)習(xí)框架的使用。

第二章到第六章是課程知識模塊的主體部分，包括網(wǎng)絡(luò)模型的搭建訓(xùn)練和優(yōu)化、卷積神經(jīng)網(wǎng)絡(luò)的使用；廣泛應(yīng)用于自動化控制、時序數(shù)據(jù)分析預(yù)測的序列網(wǎng)絡(luò)等。這些是當(dāng)今計算機視覺、自然語言處理都廣泛應(yīng)用的深度學(xué)習(xí)方法。

主體部分之后的兩章，對于高職學(xué)生來說適合作為選講內(nèi)容，二選一講授。2020年以前，許多深度學(xué)習(xí)的課程會講授生成對抗網(wǎng)絡(luò)，為學(xué)生從事計算機視覺中涉及圖像生成的工作提供知識儲備。近年來，隨著自注意力機制Transformer等網(wǎng)絡(luò)在語言翻譯、智能對話等方面的應(yīng)用成熟和性能提升，相關(guān)內(nèi)容被納入深度學(xué)習(xí)課程，對學(xué)生從事文本、語音方面人工智能技術(shù)應(yīng)用工作有更多幫助。

在課程內(nèi)容的組織方法上，知識原理和對應(yīng)的代碼實例相互配合。學(xué)生只有掌握了代碼實現(xiàn)，才真正掌握了這門課的知識。在企業(yè)研發(fā)中，許多項目的難點都在于缺乏足夠的數(shù)據(jù)來訓(xùn)練模型。因此，在提升課程的實用性方面，講授一些常規(guī)的應(yīng)對數(shù)據(jù)不足問題的思路和方法，包括減少模型參數(shù)、數(shù)據(jù)增強、遷移學(xué)習(xí)等。這些方法對學(xué)生以后從事工人智能開發(fā)與測試、數(shù)據(jù)處理等崗位的工作，會有較大的幫助。

2.4.2 課堂實踐

面向高職的深度學(xué)習(xí)課程將許多代碼編程練習(xí)置于課堂中進行。一方面有利于老師現(xiàn)場對學(xué)生進行指導(dǎo)答疑；另一方面減少了學(xué)生課后由于自覺性不足沒有完成代碼練習(xí)的可能性。課堂實踐有：MNIST手寫數(shù)字識別；用簡單卷積神經(jīng)網(wǎng)絡(luò)對人臉表情圖片分類；用殘差網(wǎng)絡(luò)對CIFAR10圖片物體分類；LSTM用于商品銷售情況預(yù)測等。對高職學(xué)生而言，應(yīng)重點完成神經(jīng)網(wǎng)絡(luò)基礎(chǔ)部分和卷積神經(jīng)網(wǎng)絡(luò)的實驗。網(wǎng)絡(luò)模型的搭建、訓(xùn)練、測試，是對深度學(xué)習(xí)框架(Tensorflow或PyTorch等)逐步熟悉的過程，也是課程培養(yǎng)的基本要求。對于復(fù)雜的模型，課堂實踐提供從GitHub/Gitee獲取的現(xiàn)成模型，學(xué)生直接進行訓(xùn)練和測試。在使用模型的過程中，學(xué)生需要處理模型環(huán)境搭建過程中遇到的各種問題，這在很大程度上強化了學(xué)生的動手實踐能力。

2.5 自主學(xué)習(xí)與課程推薦

在人工智能時代，高技能人才的培養(yǎng)需要更加注重學(xué)習(xí)能力、創(chuàng)新能力和對新技術(shù)環(huán)境的適應(yīng)能力[7]。今天深度學(xué)習(xí)課堂上講授的內(nèi)容是十年前的課堂所未有的；深度學(xué)習(xí)技術(shù)發(fā)展迅速，今天的許多內(nèi)容也許十年后也會被認為是過時的技術(shù)；同時，課堂講授的內(nèi)容相對有限，更多知識需要學(xué)生通過自學(xué)去獲取。現(xiàn)在深度學(xué)習(xí)的發(fā)展中每一類算法模型都在不斷更新，鼓勵學(xué)生課后根據(jù)興趣愛好自學(xué)相關(guān)知識；鼓勵學(xué)生對深度學(xué)習(xí)技術(shù)應(yīng)用提出創(chuàng)新性想法。筆者在此推薦嗶哩嗶哩APP上UID 273674001的UP主提供的李宏毅老師的課程。李宏毅老師的課程逐年更新，包含了近年來的技術(shù)研究和發(fā)展趨勢，并且課堂生動活潑、原理淺顯易懂，對于學(xué)生開拓視野、學(xué)習(xí)先進技術(shù)具有積極意義。

2.6 課程建設(shè)效果與改進方向

深度學(xué)習(xí)課程建設(shè)經(jīng)過了3年多的探索，通過不斷改進課程教學(xué)內(nèi)容和優(yōu)化課堂實驗，學(xué)生的學(xué)習(xí)效果逐步提升。大多數(shù)學(xué)生能夠掌握深度學(xué)習(xí)基礎(chǔ)理論知識，開展模型的數(shù)據(jù)準備、訓(xùn)練、測試，具備應(yīng)用開發(fā)能力，達到了課程建設(shè)的目標。在2020“一帶一路暨金磚國家技能發(fā)展與技術(shù)創(chuàng)新大賽——首屆人工智能訓(xùn)練與應(yīng)用(人工智能訓(xùn)練師)大賽國內(nèi)賽(高校組)”的比賽中，本校兩位同學(xué)獲得了一等獎的佳績。

從高等職業(yè)教育的視角來看，課程建設(shè)可進一步改進。

第一，增加學(xué)習(xí)使用公有云的現(xiàn)有模型服務(wù)進行開發(fā)。這適合作為高職學(xué)生深度學(xué)習(xí)專業(yè)課的特色學(xué)習(xí)內(nèi)容。通常課程講授的網(wǎng)絡(luò)模型涉及的應(yīng)用場景和功能有限，限制了學(xué)生對深度學(xué)習(xí)應(yīng)用的想象空間。相比之下，百度、阿里等云計算服務(wù)商為常用的深度學(xué)習(xí)功能提供了精良的網(wǎng)絡(luò)模型，這些公有云上相關(guān)功能豐富多樣，并根據(jù)應(yīng)用場景進行了歸類。通過公有云，學(xué)生可以從更高的視角去全面系統(tǒng)地了解深度學(xué)習(xí)各種模型功能。老師可以在課程中增加百度EasyDL的圖像分類、檢測及分割等內(nèi)容。學(xué)生能快速上手使用EasyDL，高效地利用現(xiàn)有模型服務(wù)搭建出實際應(yīng)用，如快速實現(xiàn)對手機上的照片進行分類或人臉檢測等。公有云的這些服務(wù)真正降低了深度學(xué)習(xí)的使用門檻，讓學(xué)生獲得了非常豐富實用的人工智能工具箱，并啟發(fā)學(xué)生去開發(fā)各種各樣的市場應(yīng)用。

第二，課堂實驗中學(xué)生練習(xí)所接觸的場景，相比研發(fā)生產(chǎn)中的場景還有較大的差距。課堂所用的數(shù)據(jù)集一致性比較好，而生產(chǎn)研發(fā)中所采集到的數(shù)據(jù)質(zhì)量往往參差不齊、噪音較多，需要投入很大的工作量做好數(shù)據(jù)預(yù)處理。課堂實驗改進方向是做成工單任務(wù)的模式，讓數(shù)據(jù)集盡可能更貼近實際生產(chǎn)，從而使得學(xué)生的技能培養(yǎng)具備更強的實用性。

3 結(jié)語

現(xiàn)在，智能化已成為時代發(fā)展的潮流和趨勢。深度學(xué)習(xí)作為人工智能的核心技術(shù)，在信息化時代起到了重要的技術(shù)提升作用。深度學(xué)習(xí)是人工智能技術(shù)應(yīng)用專業(yè)最重要的專業(yè)核心課程，它為高職學(xué)生從事相關(guān)行業(yè)的工作提供了必要的知識儲備和能力素養(yǎng)。由于深度學(xué)習(xí)本身是一個快速發(fā)展、不斷更新迭代的技術(shù)，相應(yīng)的課程知識點和配套實例都需要及時更新，才能體現(xiàn)其先進性。高職院校的教育改革一直在路上，深度學(xué)習(xí)課程建設(shè)的步伐同樣無法停歇。