刘丛 彭敦陆 邬春学

摘 要：机器学习处于人工智能的核心位置，对机器学习研究和人工智能发展具有非常重要的推动作用。由于机器学习涉及到太多数学背景而提高了学习者学习难度，并且学习者基础薄弱也制约了其学习深度。针对机器学习的学习现状及学习者面临的问题，提出分层次学习方法。该方法可让学习者对知识点的理解由浅入深、层层深入，并且让不同需求的学习者认清学习目标。实践证明，该方法提高了学习者积极性，能很好地使学习者入门、深入及精通，提高了学习效率。

关键词：机器学习；人工智能；分层深入学习

DOI：10.11907/rjdk.173298

中图分类号：G434

文献标识码：A 文章编号：1672-7800（2018）005-0223-04

Abstract：Since machine learning is at the core of artificial intelligence， research on machine learning plays a very important role in the development of artificial intelligence. Because machine learning involves various mathematical backgrounds， it increases the difficulty of learners. And the weak foundation of learners also limits the depth of their learning. Aiming at the learning status of machine learning and the problems faced by learners， this paper proposes a hierarchical learning method. This method can allow learners to understand the knowledge points and allow different needs ofhelps step by step learners with different needs to recognize learning objectives. Through practice， it has been proved that this method improves the enthusiasm of learners， enables learners to get started， makes them learn more deeply and proficiently， and improves their learning effects.

Key Words：machine learning； artificial intelligence； stratified deep learning

0 引言

隨着信息技术的高速发展以及软硬件技术、智能理论的不断完善，人工智能技术越来越受到研究者的关注。其已经广泛应用于诸多领域，如智能机器、智能制造、智能安防、智能医疗、智能金融、智能安全、智能零售、智能教育等。作为人工智能的核心，机器学习是其重要的组成部分。其是一门多学科交叉的学科，以优化论、概率论、矩阵论、逼近论、统计学点集拓扑学为基础，具有深厚的数学背景[1]。其主要研究如何使用计算机建立合适的模型，从海量数据中总结出规律，并转化成知识，以逐渐改善自身性能。由于大多数模型都有非常深厚的数学背景，所以学习者在学习时会遭遇诸多困境。

近年来，机器学习的教学方法也被越来越多地提出。文献[2]针对机器学习存在的问题，提出了理论结合实践的教学方法，并在教学中激发学习者的学习兴趣。……