黄瑞章

(贵州大学，贵阳 550025)

1 机器学习课程

人工智能技术不仅是当今社会的高精尖发展核心，同时也是国家在未来战略发展中的重要方向。基于智能化时代的深化发展，各大高校也将培养高尖端人工智能人才作为主要教学目标，而机器学习则始终是人工智能领域中的研究热点。要通过计算机对人类的学习行为进行模拟，不断完善其性能，而机器学习则是智能化计算机使用过程中的支撑环节。

对于人工智能方向的本科生而言，机器学习课程是其整个专业学习的核心基础。机器学习在工业、生产、生活、服务等方面都具有了广泛的应用范围，人工智能方向本科生的核心课程之一便包含了机器学习。机器学习课程中包含了微积分、统计学、代数、控制学、信息学、电子程序设计等多学科的领域知识，要求学生具有良好的数学理论基础与计算机程序实践能力。

机器学习课程涉及的知识点分布广泛，对理论基础要求较高，在教学过程中也存在着诸多问题，会影响教学效果，对机器学习课程的教育模式进行改革很有必要。

2 机器学习课程教学存在的问题

2.1 课程内容定位不明确

面向本科生的机器学习课程涉及的学科知识较多，信息化、自动化、应用数学、计算机等多个专业的学生也都汇集于此，为实际教学带来了一定难度，一方面，机器学习课程的绝大多数内容都需要学生具备一定的数学理论基础，数学理论基础较好的学生则能够更快适应，但其他专业的学生就会觉得理论难度较大。计算机专业的学生会更关注实用性的算法，若跳过算法背后的数学理论，就会影响课程深度；另一方面，机器学习与人工智能、识别模式、数据挖掘等课程具有一定的相互关联性，在课程内容上会存在不同难度的水平交叉，需通过科学合理的教学体系来进行定位，以提升教学效果。

2.2 教学手段不丰富

教师仍以传统的板书或多媒体为具体的教学载体，讲授方式也是以讲与听为主，这样的被动式学习不利于学生发挥思考能力，时间一长，学生便会失去学习兴趣，无法集中注意力，会导致课堂气氛过于单调、枯燥、沉闷。

2.3 理论与实践相脱节

受传统人才培养模式及教学模式的影响，教师将更多的教学精力都放在了理论、算法及公式推导上，在一定程度上忽视了学生的动手能力，导致学生只是在理论层面上对具体知识点有所了解。缺乏相应的实践教学会导致学生在算法编程及应用能力上无法达到预期效果。

3 面向本科生的机器学习课程教学改革方向

3.1 构建科学合理的教学内容

在面向本科生的机器学习课程中，应与智能信息处理课程的知识点进行合理分配，在有限课时内选择更适合本专业或研究方向的教学内容，避免知识点交叉重复。

要在典型的知识点上进行算法与知识体系的代表性选择，符合学生的自身特性及学习基础。应通过最尖端、最前沿的专业知识点激发学生的学习兴趣与求知欲，在难度适中的学习体系下促进学生进行深度学习，并选择相应的神经网络知识导向，让学生能够在自行研究的过程中对相关的重点章节原理进行学习，使学生逐渐形成深层次课程认知体系。

3.2 构建丰富的教学手段

教学过程中，教师应以多种手段来进行教学。要将课前预习作为重点环节，并通过适当的授课方式、授课节奏、授课时间来设置相应的难点、重点知识互动环节，提高学生的自我思考能力，活跃课堂氛围。课后，教师可通过多种方式与学生进行知识交流，了解学生对课程的想法及建议，然后对教学方式、教学手段进行优化，提高学生对教师的专业认可性。教师要鼓励学生利用互联网资源自行查找相关知识点的资料，提升学生的学习主动性，积极吸取外部知识。

3.3 注重理论与实践的结合

培养本科生的综合实践能力是进行科研应用的必要前提，教师应在更多方面鼓励学生对算法理论进行实践检验，从实践中找寻理论的可依据性。在将理论和实践相结合的过程中，要考虑到学生的学习需求、机器学习课程的教学属性及专业教学目标。

可通过更多的实践机会让学生能够在另一个角度上对自身的专业领域知识进行验证，找出自身存在的问题并解决。在此过程中，可将项目实践作为实际案例来学习，并通过具有区别性和层次性的课程设计让学生感受到机器学习课程的综合性，以达到学以致用的效果。