新工科模式下面向案例的人工智能课程教学研究

黄莉 张凯 胡威 王晓峰

摘要：随着人工智能创业大军的崛起，预示着我们即将步入“AI+”的时代。培养人工智能高端人才，是高校共同面临的课题。由于课程内容比较抽象、生涩，为了提高教学质量，本文在教学改革过程中充分考虑学生学习新知识的心理演变过程，认真研究教学内容、教材、教学方法等诸多方面，结合百度公司PaddlePaddle平台进行案例教学，在学习深度学习基础理论知识的同时，培养学生的分析设计并使用高效框架编程实现的能力。

关键词：新工科;人工智能;案例教学;PaddlePaddle

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2019）35-0162-02

1 新工科模式新要求

2018年，新工科建设将实施“十百万”计划：面向人工智能、大数据、云计算、区块链、智能制造、机器人、集成电路、网络空间安全等新兴领域推出10种新兴领域专业课程体系，建设100门新工科课程资源库与在线开放课程。

国家在人工智能人才培养政策上正持续发力。教育部发布了《高等学校人工智能创新行动计划》，要求全面提高人才培养，科学研究，社会服务，文化遗产创新，人工智能领域以及人工智能，人力资源开发和国际交流与合作的能力。促进理论构建的创新，技术突破和应用示范等全方位的发展。在人工智能建设发展中，同时要为我国的教育强国、科技强国、智能社会提供战略支撑。阐明人工智能人才培养的大学是人工智能人才的发源地。高校人工智能学科人才培养和学科建设将直接决定中国在未来人工智能领域的竞争力，高校人工智能学科的建设有待提高。

2 人工智能课程教学现状

人工智能一直是人类所期望的第四次工业革命。随着深度学习理论的不断发展，AlphaGo在围棋界所向披靡，基于深度学习的癌症检测系统超过医生，开启了AI（Artificial Intelli-gence）爆炸式发展的大幕。机器学习是人工智能的重要拼图，而深度学习是机器学习的领头羊。作为高等教育工作者，让学者了解和学习最新近的技术发展意义非常重大。

人工智能时代的渐渐到来，在社会生活充满现代感和未来感气息的同时，也给目前传统教育的理念和方式带来挑战和冲击，课程教学方法此时不进行一定程度的革新是不行的，不仅在教学思维上要推陈出新，还要在授课方法方式上进行创新，最终目的当然是提高人工智能这门课程的学习效率，简而言之，就是通过授课者通俗易懂的引导和高效易用的工具平台这种途径和手段，将人工智能的相关知识以一种易于让人理解的方式去呈现出来。但目前传统的课程体系对人工智能模块不够聚焦，课程设置缺乏系统性和连贯性。在教学安排上，我们不能人云亦云，在课程安排上生搬硬套，这样不但不能满足学生不同于传统教学的学习需求，也会阻滞人工智能教学的普及和发展，目前打破传统专业方向的壁垒，形成全局性系统性知识体系基础设计，建設平台化课程谱系。“高校人才培养滞后于产业界需求是普遍现象。我们需要思考的是，大学应该着重培养学生什么样的能力，不能总是被市场牵着鼻子走。

目前的课程体系对人工智能模块不够关注，课程设置不够系统和连贯。目前急需在课程的顶层设计上打破传统专业方向的壁垒，形成全局性知识体系基础设计，建设平台化课程谱系。高校人才专业技能的培养滞后于产业界需求是一种普遍的现象，由此引发的思考是，大学究竟应该重点和专注培养学生什么样的能力，避免被市场牵着鼻子走的被动情形产生。

虽然人工智能的发展历史只有五十余年，但它已经广泛应用于专家系统、机器翻译、图像处理和机器人技术等各种生活生产领域。同时人工智能对社会经济的影响也与日俱增，它不再是仅存于计算机专业的研究领域，包括机械自动化，交通运输，医学专业领域也在开展这种交叉学科的研究，试图通过一种简便的实现方式去达到想要追求的目标和效果。国内外部分中学也会在信息技术课程中进行人工智能知识概念的科普和推广。由于课程内容比较抽象、生涩，为了提高教学质量，本文在教学改革过程中充分考虑学生学习新知识的心理演变过程，认真研究教学内容、教材、教学方法等诸多方面，结合百度公司PaddlePaddle1平台进行案例教学，在教授基本原理的同时，培养学生对智能系统进行理论分析、设计并编程实现的能力。

3 面向案例教学研究

人工智能是计算机科学的重要分支，课程介绍如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等，是计算机科学与技术专业本科生的专业限选课之一。面向案例教学研究研究采用与实训合作平台进行案例教学的方法，对人工智能科技前沿的案例进行学习和分析。采取网上项目实训为主体，课堂讲解为辅的教学模式。采用案例推进的教学方法。

3.1面向案例教学

案例教学其实就是一种通过模拟、重现现实生活中的一些真实场景或情境，使学生代入到案例场景中，通过自主讨论或者小组研讨来实现学习的一种教学方式和手段。

案例教学既要有针对性，又要有综合性，既要有交互性又要有主导性。针对性是所选择的案例要符合教学的准确的目标，符合教学大纲规定的学时，以及切合学生的知识基础和认知规律。综合性是案例应能尽量涵盖课程重要知识点大纲，并将其贯穿和融入各个主要知识点讲解过程之中。交互性是教师与学生的关系是“师生互补，教学相辅”。主导性是在交互的同时，教师还是应该占有主导性。

这四种特性在教学中并不矛盾，度掌握得好，可以相辅相成，起到很好的教学效果。在“人工智能”学科的案例教学实践中针对不同的知识点进行案例教学，由易到难，逐步加强。在交互的同时，教师要引导学生，组织启发学生在既定的教学时限内提高案例的实际运用的效果。可以适时调整课程难度和广度，提高学生解决实际问题的能力。

案例选择和运用的要点“人工智能”案例教学的实践反映出，案例选择是否合适，案例运用是否科学，将直接影响到案例教学作用的发挥。为此应处理好以下关系。现实性和精练性案例既要贴近学生现实生活，又要删繁就简，适应课程教学时限要求。

3.2PaddlePaddle平台案例设计方案

课程研究在国内唯一的深度学习开源平台PaddlePaddle平台上进行。PaddlePaddle是百度旗下的深度学习开源平台，也是国内首个开源深度学习平台，是一个并行分布式的深度学习框架，兼备易用性、高效性、灵活性、可拓展性，是最适合中国开发者的深度学习框架，在应对大规模数据训练需求上表现出色。已实现CPU/GPU单机和分布式模式，同时支持海量数据训练、数百台机器并行运算，以应对大规模的数据训练，平台上提供了机器翻译、推荐、图像分类、情感分析、语义角色标注等多个Task。

同时，PaddlePaddle更具易用，高效，灵活和可伸缩等特点，提供了Neural Machine Translation、推荐、图像分类、情感分析、Semantic Role Labelling等5个分类任务，每个任务类别里都有相对应的具体应用案例。

面向案例的学习可以深入浅出地了解深度学习行业趋势、深度学习框架原理和模型、并从经典网络的原理到高校自然基金深度学习应用、个性化推荐系统等工业实战、科技前沿的案例进行系统的学习。

本次案例教学拟采用与企业合作案例方案通过在平台上进行8个案例进行分析，了解人工智能相关理论知识，了解产业界应用情況，为今后进入公司做准备。

膀胱炎预测_线性回归;房价预测_线性回归;鲍鱼年龄预测_逻辑回归;猫脸识别_逻辑回归;红酒质量预测_深度神经网络;手势识别_卷积神经网络;猫脸识别_VGG;股票预测_长短期记忆网络。

以上列举出来的部分应用案例可以普遍应用到人们的日常生活中，为人们带来生活质量的提高同时也推动了社会科技，工业，医疗，交通等行业领域的进步和发展。例如，线性回归可以结合患者先前出现的前兆或作息规律等来预测患病的概率大小;逻辑回归可以统计事物的具有代表性的性状规律来预测年龄大小等属性;卷积神经网络可以利用它的图像处理优势很好地来完成一些如图像分类，图像识别，物体检测、人脸识别等一系列的应用。长短期记忆网络LSTM利用它的文本处理的优势可以应用到股票预测等领域。这种平台上使用案例很好的应用性一方面可以让学生对深度学习的应用领域有一个深刻清晰的认识，继而激发同学们学习深度学习理论和使用框架进行开发的热情;另一方面同时也能以此为立足点，开拓学生的视野，打开思路，在此基础上进行拓展创新，开发更多更有意义价值的程序应用。

在高年级学生中开展，课程紧密结合产业界，了解最新的应用背景和技术手段。为学生走入企业通过在平台上进行8个工业实战、科技前沿的案例进行学习和分析，了解人工智能相关理论知识，了解产业界应用情况，为今后进入公司做准备。

利用PaddlePaddle为平台，进行案例式课程实践教学。建立以实践驱动的人工智能课程体系。更好地掌握理论知识，提高学生的动手能力。

采用校企合作方式教学，邀请产业界导师指导和实训平台支持，在学术研究的过程中如何快速及时地获取业界一线AI发展和应用方向的最新反馈，最终形成产学研融合，学界、业界互利共赢的正循环。

4 总结

本文结合实际应用问题，紧跟最新技术的步伐，重点强调教学过程的易懂性和实用性及系统性。具体表现在以机器视觉、语言识别和自然语言处理为应用背景，学习深层神经网络结构、卷积神经网络结构和递归神经网络结构理论知识，在PaddlePaddle平台上实现数字识别工程、图像迁移学习分类模型、声音转文本及文本转声音的自然语言处理功能。在紧跟国际先进技术的前提下，利用深度学习理论解决实际应用问题，同时在实际应用过程中进一步积累经验、完善理论。

参考文献：

[1]高随祥，文新，等.深度学习导论与应用实践[M].清华大学出版社，2019.09.

【通联编辑：闻翔军】

收稿日期：2019-10-16

基金项目：教育部产学合作联合育人项目：基于PaddlePaddle的深度学习及其在机器人NAO上的应用（201801003027）;武汉科技大学教学研究项目：新工科模式下面向案例的人工智能课程教学研究（2018x043）