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： Machine Learning Technology and Applications is a specialized course designed for automation majors in Beijing Information Science and Technology University， aimed at enabling them to master machine learning technology and perform data analysis functions such as perception， prediction， planning， and decision-making in the context of new engineering disciplines. In response to the issues of balancing knowledge transmission and nurturing spirit， high requirements for machine learning mathematical foundations， and individualized teaching， we integrate ideological and political elements into the entire teaching process， extract basic， practical and cutting-edge theoretical teaching content， and set up classic， semi designed and innovative practical teaching content based on the Baidu platform. We also explore teaching methods that respect individuality through layering， grading， and grouping. It stimulates the learning enthusiasm of students at different levels， while consolidating their theoretical foundation， cultivating their practical ability， innovative thinking and cooperative consciousness. Practice has proven that the curriculum construction has achieved good results and can achieve the goal of empowering automation professionals with the concept of "artificial intelligence+" and school enterprise cooperation.

Keywords： new engineering disciplines; Machine Learning Technology and Applications; curriculum construction; curriculum ideology and politics; school enterprise cooperation

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。