“機(jī)器學(xué)習(xí)”的項(xiàng)目驅(qū)動(dòng)教學(xué)

摘要：針對(duì)本科自動(dòng)化專業(yè)“機(jī)器學(xué)習(xí)”課程的特點(diǎn)及教學(xué)過程中出現(xiàn)的問題，文章提出了基于項(xiàng)目驅(qū)動(dòng)的課程改革思路，在教學(xué)內(nèi)容、授課模式和考核體系3個(gè)方面進(jìn)行了深入研究。文章詳細(xì)闡述了以點(diǎn)帶面的教學(xué)內(nèi)容組織方法、以項(xiàng)目引導(dǎo)的教學(xué)模式實(shí)施策略以及以成果為導(dǎo)向的多元化考核體系評(píng)價(jià)方法等改革舉措，以優(yōu)化課程教學(xué)效果，提升學(xué)生的理論素養(yǎng)與實(shí)踐能力。

關(guān)鍵詞：“機(jī)器學(xué)習(xí)”；教學(xué)改革；項(xiàng)目導(dǎo)向；多元化考核

中圖分類號(hào)：G642""文獻(xiàn)標(biāo)志碼：A

0"引言

人工智能（Artificial Intelligence）的概念最早于20世紀(jì)50年代提出。在“圖靈測(cè)試”的概念提出和達(dá)特茅斯學(xué)院會(huì)議的推動(dòng)下，人工智能的研究正式起步^［1］。近幾十年來，人工智能領(lǐng)域不斷取得了突破性的研究進(jìn)展，由于其在經(jīng)濟(jì)增長、技術(shù)創(chuàng)新和社會(huì)服務(wù)等方面的巨大潛力，各國政府紛紛加大了對(duì)該領(lǐng)域的投入^［2］。歐盟于2018年推出了《歐盟人工智能戰(zhàn)略》，美國在2019年發(fā)布了《美國人工智能倡議》。為了把握科技前沿機(jī)遇，發(fā)展新型生產(chǎn)力，為全球人工智能領(lǐng)域貢獻(xiàn)中國智慧，我國于2017年出臺(tái)了《新一代人工智能發(fā)展規(guī)劃》，明確提出到2030年將中國打造為全球人工智能創(chuàng)新中心的戰(zhàn)略目標(biāo)。

相對(duì)于人工智能巨大的發(fā)展前景，我國人工智能從業(yè)人員儲(chǔ)備稍顯不足。截至2020年，我國人工智能領(lǐng)域人才仍短缺，需求缺口超過 500 萬，國內(nèi)的供求比更是達(dá)到1∶10^［3］。作為人工智能的核心技術(shù)領(lǐng)域，機(jī)器學(xué)習(xí)在人工智能產(chǎn)業(yè)的崗位需求中占據(jù) 39.1%的份額，但相關(guān)技術(shù)方向的人才十分稀缺，供需比例僅為 0.23。為提高國家人工智能人才戰(zhàn)略儲(chǔ)備，教育部于 2018 年發(fā)布了《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，旨在推進(jìn)高校人工智能學(xué)科和專業(yè)的建設(shè)，優(yōu)化高校人工智能教育及研究，加強(qiáng)高層次人工智能人才的培養(yǎng)。各高校根據(jù)教育部的相關(guān)指示精神，陸續(xù)開展人工智能相關(guān)的教學(xué)工作，而作為人工智能核心的“機(jī)器學(xué)習(xí)”課程更是受到了廣泛的重視。

“機(jī)器學(xué)習(xí)”領(lǐng)域人才的培養(yǎng)依賴于教學(xué)方法對(duì)該領(lǐng)域技術(shù)快速更新迭代和廣泛實(shí)踐應(yīng)用現(xiàn)狀的適應(yīng)。傳統(tǒng)教學(xué)方法通常側(cè)重于固定教材和理論知識(shí)的灌輸，難以適配機(jī)器學(xué)習(xí)領(lǐng)域快速的算法更新和技術(shù)進(jìn)步。此外，“機(jī)器學(xué)習(xí)”強(qiáng)調(diào)數(shù)據(jù)驅(qū)動(dòng)和項(xiàng)目實(shí)踐，要求學(xué)生通過實(shí)驗(yàn)來獲取洞察并解決實(shí)際問題。傳統(tǒng)教學(xué)方法缺乏合適的實(shí)踐環(huán)境，難以為學(xué)生提供深入探索數(shù)據(jù)分析與模型優(yōu)化技能的機(jī)會(huì)?？梢?，傳統(tǒng)教學(xué)方法在靈活性、實(shí)用性和時(shí)效性方面無法滿足“機(jī)器學(xué)習(xí)”領(lǐng)域的需求。

課程教學(xué)的3大支柱（課程內(nèi)容、教學(xué)方式與評(píng)估方法）共同決定了教學(xué)的質(zhì)量與效果。本文提出通過以點(diǎn)帶面的課程內(nèi)容設(shè)置，在兼顧“機(jī)器學(xué)習(xí)”基礎(chǔ)與前沿知識(shí)的同時(shí)，構(gòu)建完整的學(xué)習(xí)路徑。教學(xué)方式強(qiáng)調(diào)實(shí)踐與互動(dòng)，采用項(xiàng)目驅(qū)動(dòng)和數(shù)據(jù)導(dǎo)向的教學(xué)方法，幫助學(xué)生在真實(shí)環(huán)境中運(yùn)用所學(xué)理論。評(píng)估方法應(yīng)多樣化，以全面評(píng)估學(xué)生的理論掌握程度、技術(shù)技能水平和實(shí)踐能力，從而激發(fā)學(xué)生積極參與并持續(xù)改進(jìn)。通過對(duì)這3個(gè)方面的改革，課程能夠更加精準(zhǔn)和高效地培養(yǎng)學(xué)生在快速發(fā)展的“機(jī)器學(xué)習(xí)”領(lǐng)域中保持競(jìng)爭(zhēng)力。

1"開課現(xiàn)狀及存在問題

河南理工大學(xué)本科自動(dòng)化專業(yè)自2020年起開設(shè)“模式識(shí)別與機(jī)器學(xué)習(xí)”課程，包括32學(xué)時(shí)的課堂教學(xué)和4學(xué)時(shí)的實(shí)驗(yàn)教學(xué)，每年選課人數(shù)約200名。得益于人工智能的快速發(fā)展，學(xué)生對(duì)學(xué)習(xí)“機(jī)器學(xué)習(xí)”課程的熱情逐年高漲，但隨之出現(xiàn)的問題是學(xué)生的學(xué)習(xí)效果差異明顯。根據(jù)對(duì)選課學(xué)生的調(diào)研分析，結(jié)合“機(jī)器學(xué)習(xí)”課程的特點(diǎn)，影響學(xué)生學(xué)習(xí)效果的主要原因可以歸納為如下幾個(gè)方面。

1.1"數(shù)學(xué)基礎(chǔ)涉及廣

作為數(shù)據(jù)科學(xué)的重要組成部分，“機(jī)器學(xué)習(xí)”要求從業(yè)者具備扎實(shí)的數(shù)學(xué)基礎(chǔ)，尤其在統(tǒng)計(jì)學(xué)、概率論、線性代數(shù)和優(yōu)化理論等學(xué)科領(lǐng)域的基本知識(shí)方面。這些數(shù)學(xué)工具不僅是構(gòu)成理解和設(shè)計(jì)機(jī)器學(xué)習(xí)算法的基礎(chǔ)，也是進(jìn)行數(shù)據(jù)分析、模式識(shí)別和優(yōu)化模型性能的關(guān)鍵。全面的數(shù)學(xué)基礎(chǔ)對(duì)于理解“機(jī)器學(xué)習(xí)”的原理、設(shè)計(jì)高效的算法并進(jìn)行性能評(píng)估具有重要意義。

數(shù)學(xué)本身就是一個(gè)復(fù)雜且抽象的存在。而現(xiàn)在，學(xué)生不僅需要投入大量時(shí)間來掌握這些理論，還需要將其應(yīng)用于數(shù)據(jù)分析和算法設(shè)計(jì)，完成從理論到實(shí)踐的遷移。然而，由于課程時(shí)間有限，學(xué)生在短期內(nèi)難以同時(shí)消化這些知識(shí)并建立完整的知識(shí)體系，在學(xué)習(xí)過程中面臨較大的時(shí)間壓力和實(shí)踐難度。

1.2"學(xué)習(xí)內(nèi)容跨度大

機(jī)器學(xué)習(xí)的研究領(lǐng)域范圍廣泛，整體上可分為傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)2大類。傳統(tǒng)的機(jī)器學(xué)習(xí)側(cè)重于從結(jié)構(gòu)化數(shù)據(jù)中找尋規(guī)律，要求從業(yè)者深刻理解其背后的數(shù)學(xué)原理和統(tǒng)計(jì)理論。而深度學(xué)習(xí)則更注重網(wǎng)絡(luò)架構(gòu)的構(gòu)建和損失函數(shù)的設(shè)計(jì)，依賴于大規(guī)模數(shù)據(jù)集進(jìn)行訓(xùn)練，對(duì)計(jì)算資源和優(yōu)化技術(shù)的需求更高。

傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域的廣泛性與交叉性不僅要求學(xué)生具備廣博的知識(shí)儲(chǔ)備和實(shí)踐技能，還要求能夠在不同學(xué)習(xí)內(nèi)容之間實(shí)現(xiàn)有效的遷移與應(yīng)用。課程內(nèi)容的復(fù)雜性和多樣性使得學(xué)生在短時(shí)間內(nèi)難以全面掌握，進(jìn)而增加了學(xué)習(xí)過程中的壓力與挑戰(zhàn)。

1.3"編程能力要求高

“機(jī)器學(xué)習(xí)”作為一門高度實(shí)踐性的課程，對(duì)編程能力有著嚴(yán)格的要求。有效地編寫和調(diào)試機(jī)器學(xué)習(xí)模型不僅需要扎實(shí)的編程基礎(chǔ)，還要求學(xué)習(xí)者具備數(shù)據(jù)結(jié)構(gòu)和算法領(lǐng)域的知識(shí)，以優(yōu)化數(shù)據(jù)處理和算法性能。穩(wěn)固的編程基礎(chǔ)不僅影響算法的實(shí)現(xiàn)，還直接關(guān)系到機(jī)器學(xué)習(xí)創(chuàng)新和應(yīng)用的有效性。

面對(duì)大量的編程任務(wù)與技術(shù)細(xì)節(jié)，學(xué)生可能難以快速掌握實(shí)際操作的技巧。此外，解決實(shí)踐中不斷出現(xiàn)的問題也需要很強(qiáng)的邏輯思維與調(diào)試能力，尤其當(dāng)調(diào)試和優(yōu)化模型的過程變得復(fù)雜，編程門檻成為學(xué)生學(xué)習(xí)和應(yīng)用機(jī)器學(xué)習(xí)的主要障礙。

1.4"課程內(nèi)容更新快

與“自動(dòng)控制原理”等經(jīng)典課程不同，機(jī)器學(xué)習(xí)是一個(gè)快速發(fā)展的學(xué)科，不斷有新的算法和技術(shù)涌現(xiàn)。因此，授課內(nèi)容不僅需要涵蓋機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典知識(shí)，還必須及時(shí)更新，反映最新的技術(shù)進(jìn)展和前沿研究成果。

不斷涌現(xiàn)的新算法和技術(shù)要求學(xué)生持續(xù)學(xué)習(xí)，保持對(duì)最新發(fā)展動(dòng)態(tài)的追蹤，加大了知識(shí)掌握的難度。此外，學(xué)生不僅要牢固掌握經(jīng)典知識(shí)，還須及時(shí)吸收新的技術(shù)和理論，在經(jīng)典與前沿之間取得平衡。同時(shí)，技術(shù)的快速發(fā)展使得固定的學(xué)習(xí)路徑難以明確，學(xué)生需要自我引導(dǎo)，合理規(guī)劃學(xué)習(xí)方式。新技術(shù)往往伴隨著新的工具和框架，學(xué)生必須不斷學(xué)習(xí)新的開發(fā)環(huán)境，將所學(xué)理論有效應(yīng)用于實(shí)際項(xiàng)目中。

上述因素中，學(xué)生反映最多的2個(gè)問題是數(shù)學(xué)推導(dǎo)和編程能力的困惑。數(shù)學(xué)推導(dǎo)的問題在于需要掌握的內(nèi)容繁雜并且難以將數(shù)學(xué)推導(dǎo)與實(shí)際工程場(chǎng)景相聯(lián)系。對(duì)于編程能力，學(xué)生普遍反映對(duì)Python語言了解較少，缺乏面向?qū)ο缶幊痰乃季S和實(shí)際項(xiàng)目的編程經(jīng)驗(yàn)。由于數(shù)學(xué)推導(dǎo)和編程能力的欠缺，學(xué)生不可避免地產(chǎn)生畏難情緒，導(dǎo)致大部分學(xué)生在充分感受機(jī)器學(xué)習(xí)算法的魅力之前便陷入迷茫狀態(tài)。這種情況無疑對(duì)學(xué)生和教師來說都是巨大的損失。

整體來說，“機(jī)器學(xué)習(xí)”是一門理論與實(shí)踐緊密結(jié)合、內(nèi)容復(fù)雜且實(shí)效性高的課程^［4-5］。在有限的課時(shí)內(nèi)，如何幫助學(xué)生抓住課程的核心，激發(fā)他們的學(xué)習(xí)興趣，同時(shí)培養(yǎng)創(chuàng)造力和獨(dú)立思考能力，是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。

2"“機(jī)器學(xué)習(xí)”教學(xué)改革策略

基于上述分析，為提高“機(jī)器學(xué)習(xí)”課程的教學(xué)質(zhì)量，使學(xué)生能夠理解課程內(nèi)容、掌握核心技能并保持學(xué)習(xí)熱情，課題組對(duì)“機(jī)器學(xué)習(xí)”的課堂教學(xué)進(jìn)行了探索性改革。通過優(yōu)化課程結(jié)構(gòu)，完善教學(xué)方法，改進(jìn)考核模式，充分調(diào)動(dòng)學(xué)生的學(xué)習(xí)積極性，通過持續(xù)反饋機(jī)制及時(shí)調(diào)整教學(xué)內(nèi)容，以滿足學(xué)生的學(xué)習(xí)需求，確保他們掌握這門課程的關(guān)鍵知識(shí)和技能，進(jìn)一步鞏固和拓展學(xué)習(xí)效果。具體措施如下。

2.1"以點(diǎn)帶面的教學(xué)內(nèi)容組織

為了凸顯算法教學(xué)在“機(jī)器學(xué)習(xí)”課程中的核心地位，同時(shí)兼顧學(xué)生數(shù)學(xué)思維與編程能力的培養(yǎng)，課題組采用線上線下混合教學(xué)模式，其中，線下課堂以算法教學(xué)為主，而數(shù)學(xué)思維和編程能力的培養(yǎng)則主要依靠線上自學(xué)，輔以線下課堂討論^［6-9］。算法教學(xué)的目標(biāo)是引導(dǎo)學(xué)生掌握機(jī)器學(xué)習(xí)算法的完整流程。鑒于課時(shí)容量的限制，算法教學(xué)內(nèi)容主要圍繞監(jiān)督學(xué)習(xí)中的分類和回歸算法等經(jīng)典主題展開。在教學(xué)過程中，以確保教學(xué)內(nèi)容精煉且充分滿足課程目標(biāo)為原則，其他內(nèi)容則鼓勵(lì)學(xué)生通過自學(xué)獲取。

基于這一思想，如圖1所示，課題組將教學(xué)內(nèi)容按照數(shù)學(xué)推導(dǎo)、編程能力、算法細(xì)分以及教學(xué)反饋4個(gè)層面進(jìn)行組織，具體內(nèi)容表述如下。

2.1.1"數(shù)學(xué)推導(dǎo)

以矩陣運(yùn)算、標(biāo)量求導(dǎo)、鏈?zhǔn)椒▌t和梯度下降為第一主線，以概率分布和交叉熵為第二主線。其中第一主線構(gòu)成了解決機(jī)器學(xué)習(xí)計(jì)算方法的基礎(chǔ)，而第二主線則為數(shù)據(jù)建模提供了理論支持。2條主線通過矩陣運(yùn)算與概率分布的結(jié)合，將統(tǒng)計(jì)特性嵌入計(jì)算框架，使學(xué)生能夠理解數(shù)據(jù)在多維空間的特征，進(jìn)而應(yīng)用標(biāo)量求導(dǎo)、鏈?zhǔn)椒▌t和梯度下降優(yōu)化模型參數(shù)。這種雙重主線的配合，使學(xué)生不僅能掌握數(shù)學(xué)推導(dǎo)過程，還能系統(tǒng)學(xué)習(xí)算法實(shí)現(xiàn)，從而構(gòu)建起全面而深入的知識(shí)體系。

2.1.2"編程能力

編程能力的培養(yǎng)涵蓋了PyCharm開發(fā)環(huán)境配置、Anaconda虛擬環(huán)境使用和Python編程等方面。在PyCharm和Anaconda的部分，重點(diǎn)指導(dǎo)學(xué)生掌握代碼優(yōu)化與維護(hù)、版本控制、虛擬環(huán)境隔離等內(nèi)容，為機(jī)器學(xué)習(xí)算法開發(fā)打下堅(jiān)實(shí)的工具應(yīng)用基礎(chǔ)。對(duì)于Python編程部分，鑒于學(xué)生已具備C語言基礎(chǔ)，重點(diǎn)介紹Python的特色功能，包括數(shù)據(jù)類型（列表、元組、字典等）與面向?qū)ο缶幊谭椒āＣ嫦驅(qū)ο缶幊虄?nèi)容涵蓋類與對(duì)象的基本原理，使學(xué)生能夠設(shè)計(jì)更模塊化和易維護(hù)的代碼。此外，還須詳細(xì)講解Python的第三方庫，特別是傳統(tǒng)機(jī)器學(xué)習(xí)庫Scikit-Learn和深度學(xué)習(xí)庫PyTorch的應(yīng)用。Scikit-Learn提供豐富的預(yù)處理、建模與評(píng)估功能，用于分類、回歸和聚類等任務(wù)的實(shí)現(xiàn)；PyTorch憑借靈活的動(dòng)態(tài)圖機(jī)制，支持卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等深度學(xué)習(xí)網(wǎng)絡(luò)的開發(fā)與優(yōu)化。這一系列的學(xué)習(xí)使學(xué)生能夠有效地管理、組織和處理數(shù)據(jù)，系統(tǒng)地實(shí)現(xiàn)、優(yōu)化和評(píng)估各類機(jī)器學(xué)習(xí)算法，形成完備的技術(shù)體系。

2.1.3"算法細(xì)分

算法內(nèi)容細(xì)分為多個(gè)模塊，包括算法推理、模型評(píng)估與選擇、特征工程與數(shù)據(jù)預(yù)處理以及綜合項(xiàng)目。每個(gè)模塊都明確了學(xué)習(xí)目標(biāo)、核心知識(shí)點(diǎn)和實(shí)際應(yīng)用，以確保學(xué)生系統(tǒng)掌握機(jī)器學(xué)習(xí)算法的完整流程并具備實(shí)際操作能力。算法推理提供深入的數(shù)學(xué)原理和案例分析，模型評(píng)估模塊則強(qiáng)調(diào)模型選擇與優(yōu)化策略。通過綜合項(xiàng)目，學(xué)生將鞏固理論知識(shí)并培養(yǎng)獨(dú)立解決實(shí)際問題的能力。模塊化的教學(xué)內(nèi)容確保了課程的精煉與全面，為學(xué)生自主學(xué)習(xí)與應(yīng)用提供了完善的學(xué)習(xí)路徑。

2.1.4"教學(xué)反饋

定期通過問卷或訪談獲取學(xué)生的學(xué)習(xí)反饋，持續(xù)優(yōu)化課程內(nèi)容和教學(xué)策略。

通過這種以點(diǎn)帶面的教學(xué)內(nèi)容組織方式，以算法作為課程核心，數(shù)學(xué)基礎(chǔ)和編程能力作為支撐面，使課程重點(diǎn)突出、內(nèi)容精簡。由此，學(xué)生則可以具備充分的基礎(chǔ)知識(shí)支撐，確保能夠掌握核心知識(shí)內(nèi)容并保持對(duì)機(jī)器學(xué)習(xí)的興趣。

2.2"以項(xiàng)目導(dǎo)向的教學(xué)模式實(shí)施

在確定教學(xué)內(nèi)容之后，下一項(xiàng)關(guān)鍵任務(wù)是提升學(xué)生在“機(jī)器學(xué)習(xí)”算法中的學(xué)習(xí)效率。當(dāng)前通常依賴經(jīng)典的公共數(shù)據(jù)集（如鳶尾花分類和波士頓房價(jià)預(yù)測(cè)）進(jìn)行算法講解。然而，這些數(shù)據(jù)集年代久遠(yuǎn)，難以滿足現(xiàn)代應(yīng)用的需求。以鳶尾花數(shù)據(jù)集為例，該數(shù)據(jù)集僅包含 150 個(gè)樣本，每個(gè)樣本也僅包括 4 個(gè)特征（花萼和花瓣的長度與寬度）。雖然學(xué)生對(duì)花朵圖像很熟悉，但對(duì)花萼這一概念完全陌生，更不清楚如何測(cè)量其長度和寬度。這導(dǎo)致學(xué)生難以理解特征提取在機(jī)器學(xué)習(xí)過程中的作用，甚至產(chǎn)生輕視心理，忽視深入掌握算法優(yōu)化和數(shù)據(jù)工程的機(jī)會(huì)。另外，與當(dāng)前動(dòng)輒數(shù)以萬計(jì)的現(xiàn)代數(shù)據(jù)集相比，鳶尾花數(shù)據(jù)集無法充分展現(xiàn)現(xiàn)代機(jī)器學(xué)習(xí)數(shù)據(jù)的多樣性與復(fù)雜性，也不適合訓(xùn)練更復(fù)雜的模型。

為此，課題組采用了項(xiàng)目驅(qū)動(dòng)的教學(xué)理念，在該理念的指導(dǎo)下，學(xué)生通過構(gòu)建月季花與薔薇花的二分類數(shù)據(jù)集，從數(shù)據(jù)采集、標(biāo)注到模型訓(xùn)練與評(píng)估的全過程參與其中，承擔(dān)數(shù)據(jù)采集者、標(biāo)注者、數(shù)據(jù)分析師等角色，確保了項(xiàng)目的可操作性和數(shù)據(jù)的質(zhì)量。在此過程中，學(xué)生學(xué)會(huì)了如何劃分訓(xùn)練集與測(cè)試集、如何通過數(shù)據(jù)增強(qiáng)技術(shù)處理樣本分布不均衡等問題， 全面理解了精確率、召回率和 F1 分?jǐn)?shù)等評(píng)價(jià)指標(biāo)的應(yīng)用，學(xué)會(huì)在任務(wù)中靈活選擇并優(yōu)化分類算法并使用交叉驗(yàn)證和各種指標(biāo)評(píng)估模型性能。通過項(xiàng)目的實(shí)施，學(xué)生掌握了從數(shù)據(jù)采集到模型開發(fā)與評(píng)估的實(shí)際技能，為將理論知識(shí)應(yīng)用于實(shí)際項(xiàng)目奠定了堅(jiān)實(shí)的基礎(chǔ)。

在回歸算法項(xiàng)目中，學(xué)生利用 Pandas 庫收集和預(yù)處理上證指數(shù)的歷史數(shù)據(jù)，包括開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)和成交量等特征，使用前 5 個(gè)交易日的樣本預(yù)測(cè)當(dāng)日開盤價(jià)。通過線性回歸、LASSO 和 LSTM 等模型進(jìn)行預(yù)測(cè)，并借助正則化、交叉驗(yàn)證、樹深度限制和早停策略來防止過擬合。通過隨機(jī)森林計(jì)算特征重要性、相關(guān)性分析和 PCA 等工具篩選重要特征，并使用均方誤差（MSE）和決定系數(shù)（R²）來評(píng)估模型的性能與有效性。通過這些工具和策略，學(xué)生深入理解了特征選擇、模型正則化和評(píng)估方法。通過這套工具和方法，學(xué)生深入掌握了正則化、特征選擇和模型評(píng)估的知識(shí)，能夠有效解決模型過擬合與特征優(yōu)化等問題，全面理解回歸算法的實(shí)用性與應(yīng)用策略。

相比基于經(jīng)典數(shù)據(jù)集的傳統(tǒng)案例式教學(xué)，以項(xiàng)目為導(dǎo)向的教學(xué)模式充分考慮了知識(shí)的鮮活度、趣味性和實(shí)用性。基于項(xiàng)目導(dǎo)向的課堂教學(xué)，學(xué)生能夠掌握最新算法和模型的開發(fā)流程，體驗(yàn)從數(shù)據(jù)采集、建模到模型評(píng)估的全過程，提高理論與實(shí)踐結(jié)合的能力，提升了教學(xué)質(zhì)量。

2.3"多元化考核模式評(píng)價(jià)

考核方式是指引學(xué)生學(xué)習(xí)過程的方向標(biāo)。合理的考核模式不僅可以提高學(xué)生的認(rèn)知能力，還能提升總體學(xué)習(xí)成效與滿意度。閉卷考試的考核方式雖然在高等教育中仍占據(jù)主導(dǎo)地位，但其在評(píng)估“機(jī)器學(xué)習(xí)”效果方面存在明顯的局限性。這是因?yàn)?，閉卷考試通常強(qiáng)調(diào)知識(shí)記憶和復(fù)現(xiàn)，而機(jī)器學(xué)習(xí)需要學(xué)生理解并應(yīng)用復(fù)雜概念來解決實(shí)際問題，這些能力在閉卷考試下難以得到有效評(píng)估^［10-12］。如圖2所示，考慮到實(shí)際的項(xiàng)目導(dǎo)向在教學(xué)過程中的重要作用，在考核過程中，課題組依然貫徹了這一原則，采用了線上基礎(chǔ)考核、線下項(xiàng)目考核、課程實(shí)驗(yàn)考核等綜合考核方式。

圖2"考核方式結(jié)構(gòu)

線上考核旨在確保學(xué)生掌握課程所需的數(shù)學(xué)理論基礎(chǔ)、算法概念和Python編程技巧，重點(diǎn)評(píng)估他們對(duì)數(shù)學(xué)知識(shí)和理論框架的理解以及獨(dú)立完成編程任務(wù)的能力。線上考核的權(quán)重占總體成績的30%。

線下項(xiàng)目旨在培養(yǎng)學(xué)生的項(xiàng)目實(shí)踐能力，強(qiáng)化他們解決實(shí)際問題的技巧。學(xué)生可選擇獨(dú)立或團(tuán)隊(duì)合作的形式參與項(xiàng)目，完成指定或自選的機(jī)器學(xué)習(xí)任務(wù)。項(xiàng)目從數(shù)據(jù)采集與清洗、模型設(shè)計(jì)與開發(fā)到結(jié)果分析與結(jié)課報(bào)告形成，涵蓋整個(gè)機(jī)器學(xué)習(xí)工作流程。結(jié)課報(bào)告要求詳細(xì)描述項(xiàng)目流程、數(shù)據(jù)處理、模型選擇、評(píng)估和結(jié)果分析，按完整性、創(chuàng)新性和格式規(guī)范性評(píng)分。通過答辯考核項(xiàng)目完成情況、團(tuán)隊(duì)合作、創(chuàng)新與實(shí)踐能力以及對(duì)項(xiàng)目細(xì)節(jié)的掌握和展示。線下項(xiàng)目的權(quán)重占總體成績的60%。

課程實(shí)驗(yàn)實(shí)驗(yàn)旨在培養(yǎng)學(xué)生在實(shí)驗(yàn)環(huán)境下應(yīng)用所學(xué)知識(shí)解決具體問題的能力。實(shí)驗(yàn)涉及傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的開發(fā)、訓(xùn)練和評(píng)估，讓學(xué)生在真實(shí)的實(shí)驗(yàn)場(chǎng)景中鍛煉技能。課程實(shí)驗(yàn)的權(quán)重占總體成績的10%

通過明確的權(quán)重、目標(biāo)和考核標(biāo)準(zhǔn)，綜合考核方式將確保學(xué)生全面掌握“機(jī)器學(xué)習(xí)”的理論知識(shí)、實(shí)際應(yīng)用和實(shí)踐技巧。

3"結(jié)語

本文通過分析本科自動(dòng)化專業(yè)“機(jī)器學(xué)習(xí)”課程的特點(diǎn)以及傳統(tǒng)教學(xué)過程中存在的問題，從課堂內(nèi)容、授課模式以及考核方式等方面進(jìn)行了改革探析。貫徹以項(xiàng)目為主導(dǎo)教學(xué)思想，在教學(xué)內(nèi)容上加強(qiáng)產(chǎn)出導(dǎo)向的內(nèi)容設(shè)計(jì)，在教學(xué)手段上注重其他混合式教學(xué)模式的引入，在考核方式上有針對(duì)性地設(shè)計(jì)線上線下相結(jié)合的多元化引導(dǎo)式評(píng)價(jià)機(jī)制，助力學(xué)生成長成才，確保學(xué)生愿意學(xué)，學(xué)得懂，學(xué)得會(huì)。

參考文獻(xiàn)

［1］MOUNIER-KUHN P E.The institute blaise-pascal （1946-1969） from couffignal’s "machine to artificial intelligence［J］.Annals of the History of Computing，1989（4）：257-261.

［2］MACLURE J.The new AI spring：a deflationary view［J］.AI amp; society，2020（3）：747-750.

［3］任社宣.人工智能工程技術(shù)人員就業(yè)景氣現(xiàn)狀分析報(bào)告［J］.中國人力資源社會(huì)保障，2022（2）：31-33.

［4］季波，李魏，呂薇，等.人工智能本科人才培養(yǎng)的美國經(jīng)驗(yàn)與啟示：以卡內(nèi)基梅隆大學(xué)為例［J］.高等工程教育研究，2019（6）：194200.

［5］萬琳，裴小兵，張倩，等.面向軟件工程專業(yè)的機(jī)器學(xué)習(xí)課程實(shí)踐教學(xué)探究［J］.計(jì)算機(jī)教育，2021（4）：155-158.

［6］韋南，殷麗華，寧洪，等.本科“機(jī)器學(xué)習(xí)”課程教學(xué)改革初探［J］.網(wǎng)絡(luò)與信息安全學(xué)報(bào)，2022（4）：182-189.

［7］馮曉英，陳青，曹鳳余.新技術(shù)在遠(yuǎn)程教育中的應(yīng)用：托尼·貝茨博士訪談錄［J］.中國遠(yuǎn)程教育，2007（7）：21-25.

［8］孫海法，劉運(yùn)國，方琳.案例研究的方法論［J］.科研管理，2004（2）：107-112.

［9］李潔，魏宇軒，武妍，等.機(jī)器學(xué)習(xí)課程中遞進(jìn)式實(shí)驗(yàn)案例設(shè)計(jì)［J］.計(jì)算機(jī)教育，2022（1）：134-138.

［10］李志義，王澤武.成果導(dǎo)向的課程教學(xué)設(shè)計(jì)［J］.高教發(fā)展與評(píng)估，2021（3）：91-98.

［11］張大良.優(yōu)化課程體系加強(qiáng)課程建設(shè)［J］.中國大學(xué)教學(xué)，2018（12）：10-12.

［12］徐曉辰，李廣宇，宋宇寧.“新工科”背景下結(jié)合OBE理念的教學(xué)設(shè)計(jì)與實(shí)踐［J］.工業(yè)和信息化教育，2021（10）：45-48.

（編輯"沈"強(qiáng)）

Project-driven teaching of “Machine Learning”： a new educational paradigm for automation specialties

LI "Bingfeng¹， XU Qinghua²， WANG Keping¹， QIAO Meiying¹

（1.School of Electrical Engineering and Automation， Henan Polytechnic University， Jiaozuo 454000， China;

2.Library and Archives，Henan Polytechnic University， Jiaozuo 454003， China）

Abstract： "This paper explores the characteristics and issues of undergraduate “Machine Learning” courses in automation specialties， proposing a project-driven curriculum reform approach. The study delves into three main areas： curriculum content， teaching modes， and assessment systems. It elaborates on teaching methods that use specific topics to guide broader content organization， project-based teaching implementation strategies， and a results-oriented diverse assessment system for reform measures. These initiatives aim to optimize teaching effectiveness and enhance students’ theoretical knowledge and practical skills.

Key words： “Machine Learning”; educational reform; project-oriented; diverse assessment