唐 厂，蒋良孝，陈云亮

（中国地质大学（武汉）计算机学院，湖北 武汉 430074）

0 引言

目前，人工智能和大数据相关技术产业已经提高到国家战略地位［1-2］，各大高校也非常重视相关学科的发展和人才培养。作为智能科学与技术专业的一门重要核心专业课，模式识别课程包含的数理基础知识内容多，且难度较高，需要学生在一个学期内完成课程学习，从而为后续的进阶课程打好基础。该课程在智能科学与技术专业中的地位如图1所示（彩图扫OSID码可见，下同）。

Fig.1 Status of pattern recognition course in intelligent science and technology major图1 模式识别课程在智能科学与技术专业中的地位

然而，由于课程数学理论较多，学生通过单一的课堂理论授课方式很难深入理解课程中的核心内容［3］，因此构建与该课程配套的实践案例库非常重要［4-5］。学生在理论教学环节学习基础理论知识后，通过相应的实践案例可对理论知识的内涵与应用场景有更加深入的理解，且能够激发学生对该领域问题的深层次思考，为后续研究生阶段或在工作岗位中解决新的实际问题打下坚实基础。为此，国内外许多高校相继采取了相应措施来加强模式识别课程的实践教学环节。例如，南京大学吴建鑫［6］团队在推出模式识别教程的同时，附带有简单的实践案例；西安电子科技大学编写了相应的实践案例文档［7］；美国麻省理工学院也提供相应的网络教学资源［8-10］。此外，为加强我国人工智能相关领域技术的国产化，华为技术有限公司与教育部合作，围绕“以产业集聚人才，以人才引领产业”的思想，与国内多所高校共同设立了“智能基座”产教融合协同育人基地，通过产学研协同为人工智能产业推广及高质量发展奠定人才基础［11］。中国地质大学（武汉）也于2020年与华为技术有限公司合作共建了“智能基座”产教融合协同育人基地，通过该教学基地深化人工智能和信息技术领域人才培养模式改革与协同创新，着力构建以信息技术和关键新技术为基础的产业与人才生态，提高解决关键核心技术的能力，为培养一批适应和引领新一轮科技革命与产业变革的卓越工程人才奠定坚实基础［12-13］。为加强模式识别课程的实践教学，“智能基座”项目中也开发了相应的实践案例库。其中，基于ModelArts的模式识别课程实践内容逐渐被高校采用［14］，美国麻省理工学院在模式识别课程中也提供了少数配套的实践项目供学生练习。虽然国内外高校或企业推出了相应的模式识别课程实践案例，但是目前依然存在以下3个明显问题：

（1）现有实践案例库缺乏统一体系，实践内容比较零散，不利于学生对该课程知识内容进行系统学习。

（2）现有实践案例缺乏统一的实践平台，不同案例往往相对独立且对应的案例程序代码编程语言不一致，影响学生的连续学习过程。

（3）现有实践案例内容不完整。虽然很多高校和企业提供了配套的案例库，但是缺乏能够充分囊括模式识别课程内容的案例库。

针对上述3个问题，本文提出基于华为“智能基座”的模式识别课程案例库建设与实践方案，在华为“智能基座”模式识别课程案例库的基础上构建一套完善、统一且方便学生使用的实践案例库，以强调该课程的基础性、趣味性和实践性。此外，将本文设计的实践案例库与华为教学体系进行整合，与华为一起打造完整的模式识别课程实践案例库，促进校企双方在本科教学方面的共同发展，最终提升智能科学与技术专业本科生培养质量。

1 模式识别课程内容分析

完整的模式识别系统主要涵盖特征提取、模型和决策三大部分。其中，特征提取的目的在于从原始输入数据中提取更有效的信息，模型用于对已有特征和知识进行有效表达，决策是指通过对输入数据进行有效学习之后的系统输出。模式识别系统在人工智能领域有着广泛应用，如人脸识别、字符识别、动作识别、目标提取、无人驾驶等。

目前，模式识别课程的主要教学内容分为四大块：模式识别概念简介及数学基础知识、领域无关的特征提取、分类方法、多样性数据获取及相应模式识别方法。具体课程内容如图2所示。

Fig.2 Main content of pattern recognition course图2 模式识别课程主要内容

模式识别属于人工智能、机器学习的范畴，是智能科学与技术专业的必修基础课程，学生通过该课程的学习，能够紧跟信息与计算机领域的最新技术发展趋势，掌握信息科学与计算科学的基本理论和方法，并通过设计综合性实验培养学生发现问题、解决问题的能力，为高年级的相关专业课程学习打好基础。

然而，由高中阶段过渡到本科阶段以后，本科学生面临教学内容多样化、难度增加、课程量增多、授课进度快等一系列变化。特别是模式识别课程内容涉及很多数学理论基础知识，使得部分学生出现学习困难，甚至产生受挫情绪等问题。因此，针对模式识别课程的教学，单纯的课堂教学很难让学生深刻理解其物理含义与实际应用场景，也很难提高学生的学习兴趣。

2 模式识别课程实践案例库建设

2.1 案例库建设目的

模式识别课程案例库建设主要目的如下：

（1）完善智能科学与技术专业课程体系。通过构建系统的模式识别课程实践案例库，可以丰富教学内容，完善现有的课程教学体系。

（2）提高学生的学习积极性。通过构建课程实践案例库，可以很大程度上提升学生对模式识别课程的学习积极性。另外，通过丰富的实践案例库，可激发学生在相关领域的深层次思考，为后续科研和解决实际应用问题打下基础，从而有效提升教学质量。

（3）通过结合中国地质大学（武汉）与华为共建的“智能基座”产教融合协同育人基地，可方便、有效地将华为在大数据与人工智能领域的教学资源整合进智能科学与技术专业教学中。一方面可丰富我校在大数据与人工智能方面的教学资源，另一方面可积极响应国家号召，促进和加速国产平台在高校的推广与应用。

（4）提升中国地质大学（武汉）在人工智能相关领域的知名度和竞争力。目前国内还没有体系完整的模式识别课程实践案例库，而模式识别是所有高校人工智能相关专业的必修核心课，通过该课程实践案例库的建设可迅速提升我校在该领域的知名度。而且国内也有不少高校与华为合作建立了“智能基座”产教融合协同育人基地，通过整合华为的相关教学案例资源之后，再以华为“智能基座”为平台进行推广，也可提升中国地质大学（武汉）在人工智能教育领域的竞争力。

（5）为智能科学与技术专业的工程认证提供有力支撑。工程认证的核心任务就是服务学生，提高学生的培养质量。通过本文提出的案例库建设方案，可以有效提升学生的学习兴趣和解决实际问题的能力。

2.2 案例库建设方案

根据本文提出的案例库建设目标，案例库建设方案需遵循理论与实践相结合，紧抓学生的学习需求和兴趣，紧跟国内外最新动向，紧密围绕模式识别课程教学目标、教学内容和学生培养目的，通过问题发现和调研、案例库设计、案例库实施、学生反馈、案例库修订和案例库推广6个步骤进行案例库设计。另外，在案例库设计和学生反馈环节形成闭环，使得案例库设计可满足学生培养的需求。案例库具体建设方案如图3所示。

Fig.3 Pattern Recognition course case library construction plan图3 模式识别课程实践案例库建设方案

2.3 案例库建设内容

针对模式识别课程的教学内容，本文围绕课程内容的基础性、趣味性和实践性三大特色进行案例库建设。

（1）基础性。从主流算法和核心问题出发设计案例，使学生了解模式识别领域的全貌，并在理解其基本原理的基础上为后续深入学习某个具体方向作好准备。

（2）趣味性。面向智能科学与技术专业的本科生，本文设计的案例库将采用更灵活的结构、更丰富的材料以及更有趣的问题，避免过于枯燥和难以理解的数学理论成为学生深入理解模式识别基本思想的障碍，使实践案例对学生有足够的吸引力。

（3）实践性。本文设计的案例库使学生能够通过课程学习，运用所学知识分析解决具体问题。案例库将逐步介绍该模式识别系统涉及到的各种基本概念和基本算法，并辅以针对性的算法编程练习，帮助学生达成实践性的学习目标。

基于以上三大特色，本文提出基于华为AI开发平台ModelArts构建模式识别课程实践案例库，具体内容及其与课程内容的对应关系如表1所示。

Table 1 Details of pattern recognition course practice case and the corresponding relationship with course content表1 模式识别课程实践案例库具体内容及其与课程内容对应关系

2.4 案例库建设创新点

本文所提出的案例库建设方案具有以下三大创新点：

（1）相比于以往的模式识别课程实践案例库，本项目拟建设的案例库更加完善、系统，可以基本覆盖所有课程基础知识。

（2）结合华为“智能基座”产教融合协同育人基地教学资源进行建设，加强校企联合，最大化利用双方各自的优势。

（3）充分利用华为的高校教育资源池进行本案例库推广，加强各大高校与企业之间的交流与沟通，共同打造更好的案例库资源池，为将来的专业工程认证打下基础。

2.5 方案实施效果

为验证本文所设计方案的有效性，针对智能科学与技术专业的66名2019级本科三年级学生展开问卷调查，以验证该方案对学生学习该课程是否有明显帮助。主要向学生询问以下6个问题：

（1）该课程实践方案对理解模式识别课程理论内容是否有帮助？

（2）该课程实践方案是否能降低模式识别课程内容的学习难度？

（3）该课程实践方案是否能激发同学们对模式识别课程的学习热情？

（4）该课程实践方案是否能激发同学们对模式识别课程的自学积极性？

（5）该课程实践方案是否能提高同学们学习模式识别课程的舒适度？

（6）你觉得该课程方案可以作为传统教学过程的有效补充吗？

调查结果如表2所示，表中数据证实了学生对本文所设计的案例库和实践教学方案有很高的满意度和认可度。通过本方案的实施，可以有效降低学生学习模式识别课程的难度，减少学生学习中的消极情绪，提升其学习热情和积极性，还可激发学生主动学习和思考的能动性。

Table 2 Implementation effect of pattern recognition course practice case library表2 模式识别课程实践案例库实施效果 %

此外，通过本方案的实施，有50%的学生积极参与了学院与模式识别相关的本科生科研立项项目，有30%的学生参加了各类课外学术竞赛，对专业课程的学习热情得到了有效提升。

3 结语

本文设计了一套基于华为“智能基座”的模式识别课程案例库建设与实践方案，可有效解决现有模式识别课程实践案例库不系统、不完善等问题。通过将本文提出的案例库建设内容整合进华为“智能基座”产教融合协同育人基地教学资源池，受益范围可扩大到所有利用华为教学资源的高校相关专业学生。实际的学生调查反馈数据表明，该案例库在实践教学过程中对提高学生学习积极性、激发学生主动学习和思考具有明显作用。另外，考虑到模式识别课程内容与机器学习以及计算机视觉等研究方向的紧密联系，未来可进一步将相关前沿研究内容融入到模式识别课程的实践案例库中，以增强学生对前沿研究方向的了解。