翟懿奎 曾军英 王天雷

摘  要：在当下人工智能与机器学习的热潮之下，文章以机器学习这门课程为对象，研究分析课程的特点，同时以“金课”建设为目标，进而打造以专业能力为导向的知识结构，提出相关的建设路径和教学方法，用以深化学生培养模式，探索课程的改进思路，提高人才培养的质量。

关键词：金课建设;机器学习;能力导向

中图分类号：G640      文献标志码：A          文章编号：2096-000X（2022）19-0021-04

Abstract： Under the current hot of artificial intelligence and machine learning， this paper takes Machine Learning as the object， studies and analyzes the characteristics of the course， and takes the construction of "golden class" as the goal， and then builds a knowledge structure oriented by professional ability. With gender as the assessment system， the author puts forward the relevant construction path and teaching method to deepen the student training mode， explores the improvement ideas of the curriculum and improves the quality of talent training.

Keywords： the construction of golden curriculum; Machine Learning; ability orientation

2018年8月27日，教育部发布《关于狠抓新时代全国高等学校本科教育工作会议精神落实的通知》（教高函〔2018〕8号），将“淘汰水课、打造金课”正式写入教育部文件，提出高校应全面梳理课程的教学内容，淘汰“水课”、打造“金课”，合理提升学业挑战度、通过建设有深度、有难度、有挑战度的“金课”，切实提高课程教学质量。相对于低阶性、陈旧性的“水课”而言，“金课”具有高阶性、创新性，更具有挑战度，其课程内容贴近时代前沿，教学形式能够结合信息化手段，体现一定的先进性和互动性。高校的课程改革建设应该以“金课”为方向标，将知识传授、能力打造、素质培养作为课程建设的目标，培养学生解决复杂问题的综合能力和高级思维。

一、人工智能与机器学习

随着智能时代的到来，人工智能技术已经成为国家重要发展战略，人工智能高级人才的培养也得到了高等院校的广泛关注。在当今智能信息时代，如何使计算机具备智能的自我学习功能，对数字化海量数据进行自我学习和分析已经成为研究的热门话题。机器学习（Machine Learning， ML）作为人工智能的研究热点，主要研究如何使用计算机来模拟人类学习活动，并不断改善自身的性能，是使计算机具有人工智能处理问题的技术手段。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、专家系统、神经网络、自然语言处理、遗传算法、深度学习等多门学科和领域。需要我们不断地获取新的知识或技能，重新组织已有的知识结构，才能对其灵活地应用，进而遍及人工智能的各个领域。

近年来，机器学习技术在海量大数据的环境下，在预测建模、资源推荐和垃圾信息删除等方面取得了显著成效，给予了人们市场分析、日常办公、交通运输、资源统筹等诸多便利。其成为了数据分析、模型预测、虚拟仿真的主要技术手段，将人们从烦琐单一的整理、编排、查询工作中解脱出来，转至后台整体运作策划分析，发挥更加合理具有创意的工作角度。目前这些技术的成功应用体现了数字智能化的优势，但在一些更加复杂的应用场景，例如生物医学、自动驾驶、自主避障方面，其应用市场还没有得到大力推广。机器学习技术在这些复杂背景下，具有更高的应用价值，也是目前学术和技术研究相结合的一大趋势。

二、机器学习课程分析

人工智能的热潮引起了科技界和学术界的广泛关注，机器学习作为人工智能技术的核心课程之一，各大院校的研究生和本科生對该类新兴课程产生了浓厚的兴趣。目前，许多网站上提供了视频讲解、算法探讨、开源代码等各类资料，引起了学生们的广大关注。在此情形下，如何从各类资源中去伪存真，去粗取精，以及如何确定其适合对象，成为广大初学者首当其冲的问题。在此背景下，高校开设机器学习的首要目的是为广大学生的需求搭建一条最适合自身知识基础的课程内容体系安排之路，引导用更为规范的方式进行系统性的学习，避免事倍功半。

机器学习课程内容本身涉及到了统计学、高数、线性代数、控制论等诸多知识领域，其所包含的SVM、K-means、深度学习等内容，仅理解概念本身就具有较高的难度，初学者难免会觉得知识内容晦涩难懂。因此对授课教师的知识水平和对相关技术的理解层次要求较高，给教学带来了一定的挑战。关于课程的教学方法，也相继提出，目前大多方法围绕着以下两个方面展开：理论结合实践，通过案例与项目实践活动提高学生的学习兴趣;分组化等多种新颖的教学方式，用以激发学生自我学习的潜力，增强学生的科研能力。

综上所述，从学生的需求角度，传统的教学方法是不足以应对机器学习课程内容本身的，教学需要兼顾理论性和实践操作性。为了让课堂教学深入浅出，同时保证实操性，本文以“金课”建设为目标，对课程进行较为全面的研究和方法进行实施。AF296DE6-059A-4E8B-A1B2-A88382B30F6A

三、打造机器学习“金课”

时代对人才质量的需求发生了变化，培养人才的课程内涵也需要跟着改变。机器学习本身具有非常鲜明的特色，其内容本身的复杂程度和其技术先进性不同于目前本科教育的绝大部分课程。打造机器学习“金课”，不仅需要打破传统的灌输式教学，还需要从该门课程的知识结构出发，从更深层次的角度考虑教学实践、教学方式的制定，才能匹配该课程的思维方式和知识构架。在此，本文将从以下四个维度打造机器学习“金课”。

（一）专业能力导向的知识结构

高等教育的最终目的是通过教学帮助学生建立完备的专业知识结构体系。现代社会分工越来越细，也越来越走向整合。最具竞争力的能力是建立广博知识基础之上的精深专业结构。一个不具备完整的专业知识体系结构的人才，势必不能在专业之路上走得更加深遠。教师作为课堂教学的引导者，设计并保障课程知识结构体系的完备性，是重中之重。否则，就会出现“高分低能”“会做题不会实践”等情况。机器学习这门课程涉及概率论、专家系统、神经网络、自然语言处理、深度学习等多门学科和领域，对各个领域的专业知识的掌握程度都有着一定的要求。因此，老师在授课的过程中，需要做到以学生为中心，深入浅出，激发学生兴趣;制定系统完整的课程知识体系，才能达到好的学习效果。

（二）全局性问题情境教学

“为什么学这些知识？”是很多同学在接触一门新的课程或者学习上遇到瓶颈的时候问的问题。“先学着，后面遇到就知道怎么用了”，这类回答不是一个以学生为中心的教学过程中的答案。越来越多的学生不满足于“先学后用”这种课程教学方式。

设定全局性教学，首先需要向学生说明为什么学这些内容，能解决什么问题，继而在教学过程中讲述并演示如何具体运用这些知识。课程教学的目的不再拘泥于掌握了哪些具体的知识点，而是侧重于对一个个具体问题的分析思路、解决方法最终如何一步步具体实现。

全局性问题情境教学模式需要遵循两个原则：一是把生活问题引入教学内容。相对那些高深晦涩的学术问题，生活中的情境问题更能打动学生，引起他们的求知欲望;二是着重训练学生的研究探究能力。任何教育都不能解除教师的“引导”作用，由教师完成对问题的引入和整体创设，让学生完成对问题的研究。

机器学习课程的教学和学习本身带有极大的创新创造思维。具备较高的自主学习能力以及科研能力的学生学起来自然更轻松一些，因此课程本身更适用于研究生的学习和研究。对于本科生而言，缺乏较深的理论基础，学习其中部分内容难免晦涩难懂，需要通过实践环节才能有更深的体会。然而实践内容既不可过于深奥，又不能陷入验证性实验的怪圈。因此，将机器学习课程的实践分为编程实验和项目实践两种，前者以老师引导为主，后者以学生独立开拓思维为目的。算法编程的目的在于让学生了解熟悉机器学习的框架，掌握常用数据库的用法，统一训练理论算法的具体实现过程，训练学生的编程思维，提高学生将理论知识转化为编程代码的能力;项目实践则来源于教师的实际项目课题和往年学生项目比赛等，对学生实际的项目进行剖析，通过演示项目分析到技术需求，引导学生运用机器学习的技术方法如何去解决实际问题，从而加深对机器学习知识的理解。

（三）数字化课程资源建设

机器学习的授课内容包括回归算法、kNN、经典贝叶斯、SVM、K-means、主成分分析法、深度学习、生成对抗网络等。在此基础上，给学生提供一个可靠的课程数字资源，指引学生正确的学习交流方向。

一个良好的数字化平台，不仅仅能提供丰富有效的教学资源，还能成为促进师生之间良好的交流。针对机器学习的课程平台，除了提供上课的课件，布置作业，还可以用公开透明的方式让学生看到各自的学习情况;其成员除了任课的老师，上课的学生，还可以是研究生、学长学姐、正在参加比赛或科研项目的学生成员，让学生们有更广阔的平台能认识到机器学习的应用领域，培养他们的自主学习能力。

在线开发共享交互平台。采用直播、慕课等多种方式同步打造人工智能及机器学习系列在线开放课程。构建信息交流平台，由教师与研究生同时监管的方式，实现教师与本科生、本科生与研究生之间的深度交流。将课堂教学延伸到线下自主学习方式，由此促进科研项目与比赛团队的组建。

去粗取精，海纳百川，是我们必须遵循的原则。因此，一方面既需要拥有丰富学术研究经验的老师推荐经典教材资料，又要因地制宜，选择出适合学生的教材;另一方面，为了保障技术领域的先进性，实时更新分享新的资源，也是一项长期且重要的任务。

（四）“两性一度”评价体系

教育部高等教育司司长吴岩，在第十一届“中国大学教学论坛”上提到了“金课”的评价保障，指出教育部提出的“保合格、上水平、追卓越”的三级专业认证，在“金课”等级评定上提出了要求。本文参照“两性一度”去实行有效的评价体系。

1. 高阶性评价指标

高阶性是为了培养学生解决复杂问题的综合能力和高级思维而设立的标准，是知识、能力、素质的有机融合。机器学习课程内容本身具有高级并复杂的问题情境，一方面要考察教师是否在对学生进行教学的过程中培养了学生的知识、能力、素质的有机融合能力;另一方面因机器学习课程本身涉及学科众多，特别是需要有良好的数学理论基础。如何将内容讲解得深入浅出，学生能够逐层理解，是教师有待解决的问题，也是用以评价课程是否成功的关键。

2. 创新性评价

机器学习虽然其基本理论已较为完整，但随着技术日新月异的发展，新思路新方法层出不穷。那么，教学内容也需要与时俱进，及时引入最新的社会热点内容，并组织引导学生去学习。因此，对授课内容在理论与技术先进性方面提出了非常高的要求。如何引入技术研究热点，是否包含技术先进性，也是课程设计对创新性的衡量。

3. 挑战度评价

挑战度是指课程要有难度，需要学生和老师一起，共同努力协作才能够取得。在具体实施的过程中，如何把握好这个度的问题才能恰到好处地实现课程的挑战？学生专业不同，个体差异，教师自身的水平，都给课程挑战度的评价带来了一系列有待解决的问题。AF296DE6-059A-4E8B-A1B2-A88382B30F6A

挑战度的评价过程，是用以维持课程内容的难易程度和学生实际掌握情况平衡的标准。从教师授课内容输出，学生课堂学习效果，课后学习训练，各项环节是否达到了评价标准。其评价标准的执行度，从两方面进行体现：一是学生给予的课后反馈，包含对知识点难易程度的感受以及对课堂教学的建议等;二是对学生各项成绩的评定结果，包括划分评分标准、明确评分机制、设定反馈渠道。

与此同时，挑战度体现在两个方面：一是课程难度对学生的挑战性。要求教师根据学生的专业设定课程内容，且理应略高于学生现有水平;二是以公平透明为基础，设置有区分度的评价机制的挑战性。用以促进教师对学生的指导工作，激发学生的自我学习能力，深入地进行团队协作，对师生同时提出挑战，共同进步。

四、课程团队建设

机器学习课程目前已经引起了各大院校的关注。而本科生、研究生在国家人工智能热潮的引导下，纷纷展示了对机器学习课程的浓厚兴趣，即使学校没有开始机器学习的课程，他们也通過各类网络或培训渠道，了解甚至掌握了一定的技术基础。

1. 梯队式团队构建。课程团队成员的构成，除了有教学经验丰富的老师以外，还充分利用了研究生和本科生的力量，采用梯队式的构建方式，可以加快课程建设的进度。同时将本科生和研究生也引入到课程建设中来，更有利于以学生为中心的教学模式的制定，站在学生的角度，以成果为导向完成课程建设方案。

2. 引入企业角色。企业作为技术领域的进行者，能够更快地获取当前最新的技术方法和预测未来发展的空间。让企业加入到课程建设团队中，势必会掀起一股新的浪潮。企业以并行的方式加入其中，承担参入、监管的角色，为实践项目的开展打下了良好的铺垫。

五、课堂教学方法的改进

云教材的诞生不同于纸质教材，也有别于普通电子教材。云教材集成了移动学习、媒体数字出版和云服务三大领域的前沿技术，依据学习者情景化、动态化、形象化的学习需求，将传统纸质教材内容重新进行编排设计和交互设计，面向平板电脑进行全新设计呈现（兼容PC和笔记本电脑）。

（一）线上云教材课堂教学

如今，智能化的技术和便捷的掌上使用方式使得课程教学不仅仅拘泥于纸质的课本。各类数字学习平台给学生带来了全新的课堂学习体验：从纸质课本，到电子讲义;从纸质笔记，到电子标注;从课堂一次性授课，到课堂回放;从课堂点到，到电子签到;从纸质批阅，到自动评分。同时也把老师从课堂考勤，大量批改作业的体力劳动中解放出来。此类新技术平台的使用，给师生省出了更多的时间，用以扩大知识面，师生之间进行有效的交流。本文借助腾讯课堂、云班课等教学平台，采用如下方式进行教学。

（1）电子课件的制作与上传。教材不仅仅拘泥于课本，同时要保持知识的更新，即使课程结束了，同学们仍能从中获取新的知识、把握技术前沿。

（2）重难点内容交互性设计。为了保证良好的教学效果提高教学效率，将专业介绍性的内容作为预习环节，将难点内容做出标记性提示，方便学生尽快把握知识重难点内容，明确教学目标。

（3）课堂教学的移动式体验方式。为了考核学生实际教学效果，将云平台引进课堂，实时地进行师生互动，同时方便老师把握学生的学习情况，及时调整课堂进度。

（二）研究成果进课堂

机器学习课程内容本身就有着极高的应用实践价值，老师在和企业合作过程中积累了大量的实际项目完成的经验，还有一些学生自身也积累了一定的比赛项目经验。这些都是身边的一手资料。充分利用这些条件，将上述研究成果带入课堂，势必会进一步激发学生们学习的兴趣，让他们从被动学习变为主动学习。

研究成果的形式不仅仅拘泥于课堂案例的讲解。如今学生的视野非常开阔，对新兴技术方法有较高的敏感度，课本上的知识在时效性上会落后于技术的方法，但知识引导实践这一点是不会发生改变的。将教师的研究成果引入课题，在激发学生学习兴趣的同时，引导学生发现问题、解决思维的关键点，注重“思维过程”的交流，进而达到深度的相互学习。

六、结束语

在国内诸多高校中，已掀起了人工智能与机器学习的热潮。由于机器学习课程需要大量知识的积累和跨界知识的碰撞，如何帮助学生在大量的知识库中去粗取精，学习起来有迹可循，是本文研究的主要内容。本文基于机器学习这门课程的“金课”建设思路和构想，还有待完善改进：以学生为中心，以能力导向为目标，实现创新型人才的培养。

参考文献：

[1]吴岩.建设中国“金课”[J].中国大学教学，2018（12）：4-9.

[2]李志义.“水课”与“金课”之我见[J].中国大学教学，2018（12）：24-29.

[3]蔡基刚.高校外语界“金课”打造的标准和内容探索[J].浙江外国语学院学报，2018（6）：1-5.

[4]陆国栋.治理“水课”打造“金课”[J].中国大学教学，2018（9）：23-25

[5]于化龙，左欣，高尚，等.“智能信息处理”课程群教学改革模式研究[J].教育教学论坛，2016（19）：82-83.

[6]曲衍鹏，邓安生，王春立，等.面向机器学习课程的教学改革实践[J].计算机教育，2014（19）：88-92.

[7]闵锋，鲁统伟.《机器学习》课程教学探索与实践[J].教育教学论坛，2014（53）：158-159.

[8]曲衍鹏，邓安生，王春立，等.面向机器学习课程的教学改革实践[J].计算机教育，2014，223（19）：88-92.

[9]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（4）：99-101.

[10]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（1）：118-121.

[11]王雷全，吴春雷，郭晓菲.机器学习科研实践课程建设[J].电子世界，2017（17）：50-51.

[12]张亚峰.基于OBE理念的应用型高校创新创业“金课”建设研究[J].高教学刊，2021（4）：32-35.

[13]朱宁宁，宋彬，何继爱，等.“双万计划”背景下基于产学合作的电子信息类“金课”建设[J].高教学刊，2020（35）：38-41.

[14]姜云霞，葛馨，王双.基于“金课”理念的课程教学组织方法研究[J].高教学刊，2021（11）：157-160.

[15]封彦，张振方，万明.新工科背景下地方本科高校在线开放课程的建设思路与应用探索[J].高教学刊，2020（30）：13-15.

基金项目：广东省高等教育教学改革项目“《机器学习》多维度金课建设与教学改革研究”（GDJX2019014）;广东省教学改革项目“以金课建设为引导，面向新工科和工程认证的通信工程人才培养模式改革与实践”（GDJX2019011）;广东省教学质量工程项目“基于OBE理念的智能制造双创人才课外培养模式的改革”（GDJX2018011）;五邑大学教学改革项目“面向工程认证的通信工程专业改革与实践”（JX2018040）

作者简介：翟懿奎（1982-），男，汉族，广东河源人，博士，副教授，研究方向为信息处理技术。AF296DE6-059A-4E8B-A1B2-A88382B30F6A