SCI论文（www.lunwensci.com）:
摘要：本文主要探讨面向本科教育的机器学习开放式实践课程教学改革方法。将Tensorflow平台引入到实践教学中，对传统的机器学习实践课程中教学环节和实践环节进行同步改革，利用翻转课堂充分发挥学生在实践教学过程中的主体作用，培养学生中利用机器学习算法研究问题、分析问题和解决问题的能力。新方法的引用和新的教学手段较好支撑了实践教学的开展，促进了课程教学质量的提高。
关键词：Tensorflow；机器学习；实践教学；教学改革
本文引用格式：蒋磊，等.机器学习实践课程教学改革探讨[J].教育现代化,2020,7(56):76-79.
Teaching Reform Methods of Machine Learning’s Open Practical Course for Undergraduate Education
JIANG Lei,ZHANG Li,YAN Jun，WAN Jin-tao
(School of Mechanical and Information Engineering of China University of Mining and Technology,Beijing)
Abstract:This paper mainly discusses the teaching reform methods of the open practical course of machine learning for undergraduate education.The Tensorflow opensource platform is introduced to practice teaching and used to synchronize the reform of teaching and practice in traditional machine learning practice courses.The flipped classroom is used to give full play to the main role of students in the practice teaching process,and to train students to use machine learning algorithms to study problems and improve the ability of analyzing problems and solving problems.The introduction of new methods and new teaching methods better support the development of practical teaching and promote the improvement of the quality of curriculum teaching.
Key words:Tensorflow;Machine learning;Teaching reform;Practice teaching
一 数字系统原理与应用实践课程的现状
机器学习是当前最热门的研究领域之一，得到了全世界的广泛关注。在学术界，《Nature》和《Science》先后推出了机器学习专刊，讨论机器学习为科研领域带来的全新机遇与挑战。在工业界，麦肯锡研究院指出机器学习将会是下一个创新、竞争、生产力提高的风向标[1,2]。在教育界，部分国内院校新开设了人工智能新工科专业，未开始的院校也都在在积极申报该专业[3,4]。虽然中国矿业大学（北京）暂未开设人工智能专业，但是人工智能专业中的核心课程《机器学习》在我校电气大类各学科中都有开设。《机器学习》作为我校信息工程专业一门重要的专业核心课程，重点教授机器学习的理论知识和应用，使学生掌握应用机器学习知识解决实际问题的能力。在我校现行的《机器学习》课程中，主要是以各种经典的机器学习理论算法教学为主，例如KNN、决策数、支持向量机等，但是目前机器学习领域较热门的研究方向均集中在各种不同类型的深度神经网络。理解机器学习的基本原理，必须结合实验与实践，但目前我校的《机器学习》课程并没有配套的实践环节，实践部分往往是老师利用理论课时给学生在课堂上演示各种机器学习算法在matlab上的仿真与应用，通过实践学生大多可以掌握如何应用机器学习中的算法，学生往往对于机器学习各个算法的本质原理并不能追本溯源，也不具备应用机器学习知识解决实际问题的能力[5-7]。因此，对我校《机器学习》课程进行实践教育改革已经成为一个迫在眉睫的议题。
二《机器学习》实践教学改革的措施
我校现有的《机器学习课程》计划学时数为32学时,全为理论学时。现有的培养方案由于缺乏实践课，不能够充分满足课程大纲教学内容以达成培养目标。为了加深学生对《机器学习》知识的了解,提高学生应用机器学习解决实际问题的能力，我校计划在原有学时基础上，增加8个学时的实践课程。同时从教学大纲、实践环节两方面进行教学改革。
（一）教学大纲修订
《机器学习》课程是信息工程专业的一门重要专业选修课，本校2016版教学大纲教学重点主要集中在KNN，朴素贝叶斯、决策数、支持向量机与BP神经网络等知识点。通过对学生课后的问卷调查和研讨中发现，学生对上述知识点的数学背景知识严重缺乏。同时，上述算法在现在的机器学习和人工智能领域热门已经有一定的脱节，知识的时效性已经不再满足当前对学生的培养。因此，对我校2016版《机器学习》课程教学大纲修改，势在必行。新的教学大纲不仅要讲授神经网络和深度学习的基本知识和基本理论，还要使用一定的学时对机器学习涉及到线性代数、概率论的理论基础进行强化学习。增加目前流行的卷积神经网络、LSTM长短记忆神经网络、对抗生产神经网络等主流深度学习方法的介绍。在实践环节、增加卷积神经网络和、循环神经网络等深度学习算法的设计方法与实现方法。通过理论教学与实验教学相结合，使学生能建立深度学习完整的总体概念，掌握深度学习的基本概念、基本分析方法和设计方法以及若干典型的中、小规模深度学习网络的功能及应用，培养学生分析问题和解决问题的能力，为后续课程打下理论和技术基础。
（二）实验设施的改造
由于我校《机器学习》课程教学大纲没有实践环节，现有的实践教学都是授课老师在课堂上占用现有理论课的时间，对机器学习算法的实验进行简要的演示。改革后的教学大纲，增加了实践教学环节。为了满足教学实践的需要，提高学生就业竞争力，确保学习在充分掌握人工智能基础理论的同时，又具备应用新技术新设备将人工智能技术应用到实际问题中的能力，我校计划新建人工智能实验室配合《机器学习》课程的实践环节。通过充分调研国内一流高校相关专业的课程实践平台和人工智能相关企业，发现目前高校与科研公司人工智能算法的部署与实施，主要以包含GPU运算器的通用计算机平台和专门设计的嵌入式系统平台，例如搭载Nvidia 2080TI GPU加速器的通用计算机，Nvidia Jetson Nano嵌入式平台。考虑到本科生毕业后可能在不同的领域进行科研工作，我校新建的人工智能实验室搭建了基于Nvidia GPU加速平台的通用计算机人工智能实验平台，基于Nvidia Jeston Nano、基于Intel neural stick、基于FPGA的嵌入式人工智能实验平台。本科生利用上述不同种类的平台可以充分掌握人工智能的算法搭建、训练与嵌入式平台部署的技能，充分理解与掌握人工智能技术的实现。
（三）实践教育方法的改革
1.教授Tensorflow和Keras平台的使用方法在人工智能，机器学习以及深度学习的浪潮推动下，一系列的平台推出进入大家的眼球，而最为火爆的为Tensorflow,它是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。教授学生使用TensorFlow提供的模块以不同的程序设计语言建立“计算图”，TensorFlow提供的模块非常强大，学生可以设计张量运算流程，并且构建各种深度学习或机器学习模型。建立“计算图”完成后，学生就可以在不同的平台上执行“计算图”。机器学习中，最花时间的就是模型的训练，尤其大型的深度学习模型必须使用大量数据进行训练，需要数天乃至数周之久，TensorFlow具备分布式计算能力，可同时在数百台机器上执行训练模型，大幅缩短模型训练时间。TensorFlow是比较低级的深度学习API（Application Programming Interface,应用程序编程接口），所以用程序设计模型时必须自行设计：张量乘积，卷积等底层操作，开发时需要编写更多的程序代码，并且需要花更多时间。因此学生往往很难在短时间内掌握使用TensorFlow设计各种神经网络。为了使学生在有限的实践课授课课时内掌握应用TensorFlow，在教学实践过程中授课老师通过教授TensorFlow的高级API-Keras来帮助学生快速掌握神经网络的搭建与训练。
2.人工智能的嵌入式平台应用通过软件实现神经网络相对于硬件来做会更加成熟，然而考虑到软件方法实现的速度较慢、并行程度相对较低，因此使得其在一些特殊场合下不能进行实时运算，同时在实际的工程应用中，往往不能直接将计算机平移到应用现场，而是将在专用计算机的训练好的模型或者是算法移植到相应的嵌入式平台中。因此在《机器学习》实践教学环节，教授学生一种更加高效和快速的机器学习硬件实现方法非常重要。考虑到专用计算芯片具有高速性和高性价比的特性，有些学者开始在一些情景中使用ASIC（专用计算芯片），但是局限于其过高的成本以及不可重构的弊端，它只能在需要大量生产的某些情况下使用，随着FPGA的发展，它目前为人工智能、深度学习提供了一种新的方式[9]。FPGA可以在同一周期内完成多项操作。由于其强大的并行计算能力，使其可以在较短的周期内实现大规模的神经网络部署。根据我校现有的培养方案，同学们在课程开始前都已经掌握了FPGA的硬件知识和Verilog HDL编程方法，在新的教学大纲中和培养计划中，教授同学们利用FPGA进行神经网络的快速部署和并行推理水到渠成。
3.实践教学方法的改革现有的实验课程教学方法主要以学生验证为主。学生验证环节中，学生大都是按照实验指导书敲击代码进行验证。实验教学在整个课程教学中发挥的作用较少。在我校新的培养方案中，计划对现有的实践教学方法进行改革，实验指导书具有开放性和较高的自由度，只给出一些具体机器学习算法的实际应用，例如图像识别、字符识别、语言识别、自动驾驶、算法部署等。在实验方案、实验内容、实验步骤等方面给学生充分的自主性，整个实践教学过程中，教师负责引导学生分析并找到解决问题的方法，充分发挥学生的主体作用。
三《机器学习》实践课程设计
新的机器学习实践课程教学改革实践中在命题方法上采用传统的命题方式与开放命题方式相结合的方法,如表1所示。实验1教授学生如何使用Tensorflow平台和FPGA实现机器学习算法中的深度学习，重点介绍在Tensorflow下如何搭建神经网络，介绍FPGA中的并行计算与深度流水线技术，通过实验1学生可以了解在综合考虑FPGA资源与精度情况下，如何选择分段函数与查表法相结合的平滑插值法对双曲正切函数进行逼近。这种函数逼近法实质上就是通过一系列的线性函数来对激励函数进行拟合，然后所得系数利用查表的方式表示出来。如何将激励函数分为不同的区间，并运用最小二乘法对多项式进行拟合，最终用多个线性函数将双曲正切函数表示出来。因为双曲正切函数的正区间与负区间关于原点对称，所以为了节省资源，在取负值时，通过取绝对值带人正值区域再取反的形式获得，这种方式有效地节约了对FPGA资源的利用。实验2利用Tensorflow平台搭建BP神经网络进行手写字符识别，在机器学习框架方面，TensorFlow的真正独特之处在于，能够在5行或者10行代码中构建模型。然后应用这个模型，进行扩展做出产品。
实验2教授学生如何利用Tensorflow平台构建深度神经网络识别手写字符，在这里深度指的就是，层与层之间更深层次的协调。以及随之产生的更加复杂的连接。最终的结果就是在学生构建的模型中，有百万级别的神经元。因为模型表现为操作图而不是代码，因此学生不需要为此写额外的代码，可以将精力专注在网络的结构中。只需直接自动地计算以及应用这些迭代更新。模型表现为图的另一个好处就是，在学生的代码中，可以用一行声明就表明:“这部分图在这里运行,另一部分图分布式运行在不同的机器群上”。甚至可以说“这部分注重数学的图在GPU上运行,与此同时,数据输入部分的代码在CPU上运行”。通过完成实验2学生可以掌握如何利用Tensorflow平台快速搭建各类神经网络。在完成实验1和实验2的课程实践后，学生对机器学习算法有一个直观的认识、并掌握利用Tensorflow平台或者FPGA平台快速部署神经网络，具有了进行实验3和实验4开放命题实践的基础。实验3和实验4合并为开放式实践课，鼓励学生组成2到3人的团队，利用课堂教授的机器学习算法和开源平台的使用方法，从生活中寻找感兴趣的问题、解决问题，并持续记录开发过程。以翻转课堂的方式，要求学生在课堂演讲介绍自己发现问题、解决问题的过程来。教师在实验3和实验4主要负责引导学生分析并找到解决问题的方法。
四 实践教学改革的成效与进一步思考
“机器学习”课程的理论性、实践性、应用性都很强,如何做到既因材施教，又培养学生的实践能力、创新能力是检验机器学习实践课程改革是否成功的重要检验标准[10]。我校从2019年来，利用新购置的专用计算机开发平台对“机器学习”教学进行了改革，教学内容以引导性为主，将基础原理、知识介绍给学生，启发学生在该学科不同领域、不同方向，跟着自己的兴趣去探索。为了验证本次教学实践的改革效果，通过对比本校2016级学生，实验三和实验四的课堂展示的设计（表2所示），发现大部分同学表示对实践教学过程非常感兴趣，同学们选择的题目（问题）、方法（机器学习算法）不尽相同，展现了在不同的领域进行了不同程度的探索与思考。同学们大多反映，自己不仅实际操作能力大为提高，编程过程中也加深了理论知识的理解，获得一定的成就感。本次教学实践改革以研究型本科教育教学为导向，以培养学生利用机器学习方法解决复杂工程问题为出发点，设计开放性实验教学内容，既让学生能掌握基础的机器学习相关知识，又让学生充分了解机器学习技术的发展前沿。在此基础上学会利用Tensorflow进行算法实现和开放，进一步加深对理论知识的理解、概念的建立。除此以外，该实践教学改革能让学生在发现问题解决问题的过程中，掌握学科知识的具体应用与实现，极大地调动了学生的积极性，可以借此教学改革引导学生自发学习相关的知识。
参考文献
[1]曾道建,向凌云,周书仁.面向本科生的机器学习课程教学改革探讨[J].科技经济导刊,2019,27(30):110-111.
[2]陈琳.高校《机器学习》课程教学改革探索[J].教育现代化,2018,5(06):99-100+120.
[3]袁鼎荣.浅谈《机器学习》的课程教学方法[J].广西经济管理干部学院学报,2010,22(04):99-101.
[4]王甲海,印鉴,凌应标.创新型人工智能教学改革与实践[J].计算机教育,2010(15):136-138+148.
[5]朝乐门,杨灿军,王盛杰,等.全球数据科学课程建设现状的实证分析[J].数据分析与知识发现,2017,1(06):12-21.
[6]李勇.本科机器学习课程教改实践与探索[J].计算机教育,2015(13):63-66.
[7]胡雪蕾,孙明明,孙廷凯,等.研究生“机器学习”课程教学改革实践与探讨[J].煤炭高等教育,2012,30(01):118-121.
[8]舒娜,刘波,林伟伟,等.分布式机器学习平台与算法综述[J].计算机科学,2019,46(03):9-18.
[9]蒋磊,张丽.基于FPGA的数字系统原理与应用实践课程改革[J].教育现代化,2019,6(16):44-46.
[10]陈琳.高校《机器学习》课程教学改革探索[J].教育现代化,2018,5(06):99-100,120.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/31046.html
