曹松晓，宋 涛

（中国计量大学 计量测试工程学院，浙江 杭州 310018）

引言

机器学习是近些年研究和实际应用中的热门［1］，在当前“智慧计量”的大背景下，在计量与测控教学中采用机器学习是未来的一大发展趋势，而Python是目前人工智能、机器学习和深度学习领域应用最为广泛的一种编程语言［2］，容易入门且功能强大，因此，笔者面向中国计量大学计量测试工程学院的研究生开设了一门以Python为编程工具，以深入了解机器学习各种概念、方法及其算法的Python实现为目的的课程——“Python机器学习”。机器学习作为一个热门的研究方向，探索其优秀的教学方法一直是每个教育工作者持续追寻的目标［3］。

“Python机器学习”作为一门具有较强理论性和很强应用性的编程类课程，探索一种综合式课堂教学模式，使学生能在有限时间内融汇各方面的知识，真正学有所得，是此类课程教学中必然会面对和亟须解决的一个问题。针对编程类课程教学，已经有不少学者提出了各种行之有效的方法，如翻转课堂模式［4-5］、线上线下混合模式［6］、解决问题为导向模式［7］和项目式教学［8］等，笔者试图取各家所长，探索一种综合式的适合本校研究生的课堂教学模式。

一、编程应用类课程的综合式课堂教学模式和方法探索

（一）因材施教，与时俱进

“Python机器学习”课程是一门新设立的课程，在之前的课程体系中，没有一门将Python编程与机器学习相结合的综合性课程，而这两者之间的关系在实际科研和应用中密不可分，因此有必要在课程建设期间，不断优化和更新现有的教学内容，实现二者的有机结合，同时紧跟前沿学术和技术变化，使学生学习到更新、更实用的内容。

1.根据学生基础，动态调整编程教学比重。由于本校的研究生来自不同高校和专业，编程基础参差不齐，且每年的情况都会有所变化，同时Python作为当前最热门的编程语言之一，越来越多的学生在本科阶段就已自学过相关内容，因此有必要针对每学年学生的编程基础，动态调整Python编程相关的教学比重。基于此思想，在每学年的课程开始前，笔者会在课程教学群中发起关于编程基础的投票调查，从而可以较为准确地了解整个班级中有多少人已经学习过Python，有多少人完全是新手，以适当地调整编程相关教学内容的课时和比重，如图1所示。

图1 2020—2021学年教学班的Python编程调查结果

通过这种有针对性的问卷调查形式，笔者较好地掌握了学生的基础，清楚地了解到在当前教学班中，有85%的学生没有Python的编程基础，因此笔者在本次的教学中适当地加大了对Python基础知识的讲解，以照顾绝大部分学生的学习情况。

2.跟踪学术动态，添加最前沿的成果和方法。机器学习是当前学术研究和实际应用中的热点，特别是在学术领域中，机器学习的方法和成果日新月异。因此，在教学过程中，教师要紧跟学术前沿，及时将最新的有代表性的成果融入日常教学中，使学生对课程有更强的代入感和参与感。例如，在本学年的教学中，当课程进行到神经网络基础的多层感知机模型（MLP）时，由于其方法已经有几十年的历史，在部分学生看来可能已经过时了，然而在相同的时间段，有学者在Google上发表了一篇颇具影响力的文章——“MLP-Mixer: An all-MLP Architecture for Vision”，这篇论文让这个原本看似古老的方法重新焕发了生机。笔者在教学过程中，从宏观角度系统介绍了这个学术成果，从学生听课的反应来看，大家都表现出了极大的兴趣，同时对MLP方法有了更为直观和深刻的理解。

（二）当堂编程，边学边练

不同于以往编程类课程一部分课时集中课堂学习，一部分课时上机编程的教学方法，笔者在“Python机器学习”课程的教学过程中，探索了“当堂编程、边学边练”的进行模式，即在课堂中，鼓励学生携带笔记本电脑来听课，在讲课过程中布置较小的编程作业，让学生当场编写提交，然后现场点评，让大家一起来讨论和分析别人所写代码的优点和缺点。

如图2是在上课过程中给学生布置当堂编程作业时，学生在课程教学钉钉群里提交的代码。通过与全班学生一起分析代码的优点和缺点，学生可以在课堂上快速掌握特定的知识点，避免出现上完课后就忘记，再次上机时得再学一遍的尴尬。

图2 当堂编程时学生所提交的代码截图

（三）既听又讲，翻转课堂

自开设“Python机器学习”课程以来，课程组根据其教学特点，确定了以课堂教学为主，结合实践大作业、论文答辩的教学模式。在整个课程教学过程中，教师会根据当前机器学习研究的热点，布置1～2次有一定难度的实践大作业，让学生以更贴近实际的方式来分析和解决问题。在课堂教学过程中，结合翻转课堂的形式，让学生当堂演示自己编写的程序，并通过让学生讲解自己使用Python机器学习方法解决实际问题时所用的方法、遇到的问题及思考内容，进一步提高学生对机器学习的理解和认识。

（四）重视板书，从零推导

受新冠病毒感染疫情影响，“Python机器学习”课程第一次上课是网上授课，所有的教学内容都是通过PPT课件的方式来讲解的，这种讲解方式对于编程相关的内容是非常合适的；但是对于机器学习理论基础相关的内容来说，则不太合适，PPT课件的教学方式会使所有的公式和理论推导被一带而过，学生没有充足的时间消化和理解其中的理论知识，特别是涉及数学的相关知识，最终导致很多学生对机器学习的一些经典方法仍是一知半解。针对这种情况，在近两个学年的教学中，进行了较大幅度的改变，在涉及机器学习理论知识时，如《线性模型》《支持向量机》《神经网络》等章节，大胆地尝试了纯板书教学的方式，在10 学时左右的课程中，不用任何PPT 课件，将每个方法的数学原理，从零开始一步一步用板书推导，将每个知识点都尽量讲深讲透。通过这种教学方式，学生对机器学习理论相关知识有了更深层次的理解，同时，教师对自己所教授的内容有了更深刻的理解。手写教案如图3所示。

图3 手写教案

（五）线上线下，同步教学

在课程教学和建设过程中，笔者在学校最新的超星平台上，搭建和完善了“Python机器学习”课程的教学网络平台。

在新搭建的网络教学平台中，涵盖了课程中的所有内容，包括课程介绍、教学方法、教学条件、课件PPT、手写教案、课程教学视频等。在网络教学平台的课程章节内容建设过程中，充分利用平台自带的诸多功能，在每个课时中，首先用文字描述本节课的讲授重点和要点，同时每个课时都要有一个讲课视频，视频内容与上课的内容保持一致，使想学习的学生可以随时复习之前所学的内容。同时在网站风格上参照慕课的风格，简洁明了，内容丰富齐全。这样一来，学生如果在课堂中错过了某些关键环节，可以通过课后线上补习的方式来进行补漏和巩固，给学生提供了更多的学习资源和机会。“Python机器学习”网络教学平台界面如图4所示。

图4 “Python机器学习”网络教学平台界面

（六）项目导向，实战实练

在课程教学过程中，将采用理论教学与实践教学交叉进行的教学方式，以理解和掌握经典机器学习方法和深度学习方法为目标，以Pycharm和Jupyter Notebook为Python编程语言的开发载体，在传授学生机器学习理论知识的基础上，着重培养学生的系统设计能力和系统开发能力，通过选取课题组在日常科研中遇到的项目和课题，如基于机器学习的人体行为识别、缺陷检测、目标跟踪等，作为针对性的实践项目，让学生通过解决实际问题的方式，从根本上提高学生的实际动手能力，为今后的科研和工程项目开发掌握必要的技能。

二、教学效果总结和分析

自课程开设三年以来，共300余名学生参与了本课程，除第一年因新冠病毒感染疫情原因全程线上教学，较难面对面了解学生的学习情况之外，在后面两个学年的教学中，学生对这种综合式的教学模式较为认可，课程参与度较高，特别是“当堂编程，边学边练”的模式，与他们之前的课堂教学模式有较大不同，因此课堂氛围活跃，学生通过当场讨论自己和其他学生提交的代码，分析各自的优点和缺点，较大幅度地提高了编程的思维模式和方法。

当前的教学模式也有值得反思和改进之处，如目前有10课时是纯板书教学，包含了大量的数学公式推导和理论证明，由于部分学生的数学功底稍弱，容易跟不上，从而降低了继续听讲的兴趣。因此，在后续教学过程中，一方面需要将板书与PPT适当结合，尽量将这一部分理论内容讲得生动有趣，以吸引学生的课堂注意力；另一方面，也需要适当缩短理论公式推导的教学时间，提升实际动手编程的比重，使整体教学方案更加合理化。