百度飞桨AIStudio平台在机器学习课程教学中的应用

摘  要：机器学习课程是面向高等学校人工智能、数据科学和大数据技术等计算机专业本科生开设的专业基础课程。结合机器学习课程的特点和教学现状，针对在教学过程中实践环节较少、创新能力有待提高、学生学科竞赛参与度不高等问题，课程团队从教学体系、教材内容、教学平台、教学方法和教学质量反馈等多个方面进行改革，提出基于百度飞桨AI Studio平台的教学模式改革方案。该方案通过在机器学习课程教学中增加实践性教学环节，以及开创新的教学实践平台——百度飞桨AI Studio平台，开展“课赛融合”教学模式的人才培养方法。经过该教学改革的实践，学生学习机器学习课程的兴趣逐渐浓厚，参与人工智能相关比赛的队伍数和质量得到一定的提高，学生的创新思维、实验技能得到一定的锻炼，同时课上所学的理论知识在课赛融合中也得到巩固，该课程的教学改革提高学生们学以致用的能力。

关键词：高校；课程教学改革；课赛融合；机器学习；百度飞桨AI Studio平台

中图分类号：G642      文献标志码：A          文章编号：2096-000X（2025）08-0122-04

Abstract： Machine Learning is a fundamental professional course for undergraduates majoring in artificial intelligence， data science and big data technology. In consideration of the characteristics of the Machine Learning course and the current teaching-based limitations such as lacking practical links， innovativations， and performance in disciplinary competitions， etc.， the teaching group oversees the current teaching framework including the contents of the materials， platforms， methods， class feedback， and other aspects. Finally we put forward teaching mode reform based on the Baidu PaddlePaddle AI Studio platform. By adding practical teaching links in the Machine Learning course teaching and developing a new teaching practice platform-Baidu PaddlePaddle AI Studio platform， pushing the cultivation way of lecturing and competition meta teaching. After the trial of this teaching reform， students' enthusiasm in learning the course has gradually increased， together with the number and quality of teams participating in AI-related competitions increased， students' innovative thinking and experimental skills improved， and knowledge learned from lecture consolidated， which can be great of benefit for students taking the course. In conclusion， this teaching reform has greatly improved students' ability to apply those learned in class.

Keywords： higher education school; curriculum teaching reform; integration of lecturing and competition; Machine Learning; AI studio- Baidu PaddlePaddle platform

随着全球化、数字化、信息化的发展，人工智能在当代社会中扮演着日益重要的角色。当前，人工智能相关领域的人才需求愈发旺盛，而人工智能、数据科学与大数据技术等专业则承担着为国家输送高质量人工智能人才的重要责任[1]。机器学习作为人工智能、数据科学与大数据技术等专业的核心课程之一，由于知识面广、实践性和创新性较强、涵盖大数据和人工智能战略且紧密契合教育部所提出的新工科建设理念，已经成为人工智能课程体系的重要组成部分，同时也是人工智能教育的基础[2]。如何上“好”这门课，进而培养高质量人工智能人才，就成为教师面临的一个重要问题。

人工智能、数据科学与大数据技术等专业作为目前的新兴专业，各高校的机器学习课程尚未建立完整的体系，尽管不少高校已经开始探索不同的教学模式，但目前的教学还是以传统方法为主导，重视理论教学而缺少实践内容。在这个科学技术日新月异的时代，随着机器学习技术的不断发展和创新，机器学习课程也需要不断地更新和完善，以适应时代的变化和需求，让最前沿的技术和高素质人才更好地服务于社会。因此，在新形势下，机器学习课程面临着课本内容追不上时代、缺少实践环节、缺少社会实例接壤内容等一系列难题。而百度飞桨AI Studio平台集合了AI教程、深度学习样例工程、各领域的经典数据集、云端的超强运算和存储资源以及比赛平台和社区，可以为学生和教师提供在线编程环境、免费GPU算力、海量开源算法和开放数据等重要资源，从而提高学生学习的效率，有效弥补传统课程模式的缺陷，辅助机器学习课程的教学。且其中云集众多开发者与AI课程，对补充教学大有裨益。与此同时，传统教学方法未能有效地培养具备创新性和实践能力的人才，而竞赛是培养学生实践能力和团队合作能力的有效途径。利用百度飞桨AI Studio创办和承办的比赛来充实学生的课余，能够达成所提出的“课赛融合”创新方案，引导学生将理论知识应用到实际问题中去。本文第一部分提出机器学习课程教学现状；在第二部分，介绍了百度飞桨AI Studio平台在机器学习课程教学中应用的优势；在第三部分，从理论教学和实践教学两个层面详细介绍了具体的教学方案；在第四部分，给出了百度飞桨AI Studio平台在机器学习课程教学中应用的成效；在第五部分进行总结。

一  机器学习课程教学现状

机器学习课程已经成为人工智能教育的基础。随着人工智能技术的不断发展，机器学习课程也需要不断地更新和完善，以适应时代的变化和需求。目前，高校机器学习课程教学现状如图1所示。

（一）  教学模式亟待转变

随着机器学习在实际中的应用愈加广泛，机器学习课程也应紧跟时代需求，探索出一种新的教学模式，在保证学生理论学习质量的前提下，适当增加实践教学内容，为时代培养出既具备理论知识又具备实际操作能力的应用型人才，将前沿的科学技术落实到实际场景中，最大限度地发挥出科学理论的作用[3]。然而，当下的机器学习课程教学多以理论为主，实践较少，导致学生只会纸上谈兵，缺乏实操能力。

（二）  课堂教学缺少对创新能力的训练

近年来，由于人工智能的火热，机器学习的发展也十分迅速，以致于机器学习课程对学生的创新能力有一定要求。然而，在实际教学过程中，针对学生创新能力的训练比重偏低，易使学生感到枯燥乏味，从而削弱了学生对机器学习课程的学习和探索的积极性，进而导致学生对创新理论知识和创新实践技能的学习驱动力不足，难以发掘出学生的创新潜力。

（三）  教师未重视知识的融会贯通

作为人工智能的核心，机器学习课程应满足时代发展需要，培养学生灵活应变的能力。然而，在机器学习课程的传统教学方法中，理论考核以试卷为主，实践考核以课程报告为主，这种单一的考核方式难以提高学生对知识的灵活运用能力；此外，由于使用的课程教材较为陈旧，导致与新技术、新模型、新方法之间存在较大差距。

（四）  课程设置缺乏对竞赛意识的培养

机器学习是科学研究中的常用理论方法，机器学习课程应发挥其作用，为国家培养科研人才。对于当代大学生，参与科研的渠道主要为各类学科竞赛。随着高校对于学科竞赛的重视，越来越多学生参与到学科竞赛中[4]。然而，还有相当一部分学生桎梏于理论学习，畏难于学科竞技，最终导致个人的纸上谈兵。而若能在课堂上引入竞赛以达成“课赛融合”，可使更多的学生投身于学科实践，并提前明确未来职业倾向。

面向新工科建设背景下高质量人工智能人才培养需要，笔者拟借助百度飞桨AI Studio平台自身的优势展开研究与探索，以实现课程创新，为解决上述问题提供参考。

二  百度飞桨AI Studio平台在机器学习课程教学中应用的优势

百度飞桨AI Studio平台在机器学习课程教学中大有裨益，其上手简单、资源配备齐全、算力强劲等优势为课堂实践和学科竞赛提供良好的保障，如图2所示。

（一）  免费的GPU算力

百度飞桨AI Studio平台可提供免费的GPU算力，使老师和学生在深度学习课堂中获得海量资源，例如各类复杂模型和大规模数据集。通过免费的GPU算力，学生可以在云端进行高性能的模型训练，而无需购买昂贵的硬件设备，即在云端进行高性能的机器学习实验。

（二）  简单易用的开发环境

相较于其他机器学习平台（PyTorch和TensorFlow）[5]，百度飞桨AI Studio平台学习门槛低，具有丰富的中文资料和本土化支持，有效地降低学习门槛，方便学生使用和掌握深度学习技术，减少学生安装开发环境过程中的困扰。

（三）  丰富的资源案例

百度飞桨AI Studio平台自带丰富的课外学习资源，可以向学生展示机器学习在实践中的应用，帮助学生选择合适的机器学习方法来解决问题。另外，百度飞桨AI Studio平台涵盖了不同领域、类型的案例问题，激发学生创新思维能力。

（四）  高性能的训练环境

借助百度飞桨AI Studio平台的GPU算力、简易的开发环境和大量的案例资源，课堂能实现训练环境高性能化。此外，百度飞桨AI Studio平台还支持分布式训练，可以将多个GPU节点组合起来，实现大规模模型训练，以提高学生学习效率。

三  百度飞桨AI Studio平台在机器学习课程教学中应用的方案

（一）  理论教学层面

在传统课堂教学模式中，学生很少在课上主动提问，而选择课后提问，这样并不能起到良好的教学效果。基于此，我们利用课堂时间剖析百度飞桨AI Studio平台上的实例，并为学生投屏展示如何利用机器学习的方法解决案例。课后，结合机器学习课程在百度飞桨AI Studio平台给学生布置课后作业，学生以小组形式讨论并完成作业。当遇到困难时，同学们可以通过研究该项目附件中的代码来解决问题。检查作业时，教师可以查看同学们递交的代码，并邀请GPU算力运用较少的同学在课上与其他学生分享其思路，以此来加深学生对理论知识的理解。

由于课上实例讲评环节的存在，老师不再是针对PPT所给的结论给同学们念读。经过课堂反馈，学生也会跟着样例进行代码输入，遇到不会的问题可以当场讨论解决，提高了学生对知识的掌握程度。此外，优秀作业分享也让学生受益良多，掌握了更多算法优化的设计。

（二）  实践教学层面

对于机器学习这一门较为重视动手实践能力的学科，如何将所学知识应用于实践是关键[6]。教师应引入应用案例，设计层次化、区别化的实验题目，以帮助学生深入理解机器学习理论，熟练运用机器学习方法解决实际问题，达到学以致用的目的[7]。百度飞桨AI Studio平台能够智能筛选出符合课程需求的项目实例，并采用线上自主学习和线下课堂教学相结合的三阶段递进式教学方式[8]，构建从知识和技能的传授消化再到创新实践的培养模式[9]。

实践完成后，我们将讲解实践内容，并将学生成果纳入期末测评，以激发他们对实践的重视，丰富课程考核形式[10]。此外，采用“课赛融合”的方式[11]，百度飞桨AI Studio平台的“比赛”专栏可以作为实践考核项目，以培养学生处理复杂问题的能力。