第9期 计算机教育 2019年9月10日 Computer Education 151 ◆教改纵橫 文章编号:1672-5913(2019)09-015404 中图分类号:G642 基于项目实践的机器学习课程改革 赵卫东,袁雪茹 (复旦大学软件学院,上海200433) 摘要:分析传统机器学习教学中的问题,提出将机器学习理论教学与企业项目实践融为一体的培养方 式,介绍基于项目实践的机器学习教学改革措施,总结基于实践的机器学习培养方式中的潜在问题。 关键词:实践教学;机器学习;培养方式;项目驱动 DO:10.16512/ cnki. jsiy.2019.09.034 生跨学科的实践能力,将算法逻辑应用到实际生 产、生活场景以解决现实问题。 当前,随着信息时代的快速发展,银行、投 资、零售、互联网甚至传统的制造业都产生了大导致了巨大的大数据技术、人工智能人才缺口, 量数据。IC在《2020年的“数字宇宙”》研究报而目前高校的机器学习教学偏向理论化,更注重 告中预测,到2020年,全球数据量将达到40ZB 算法本身,缺乏完善的实践教学体系和教学资源 中国在全球数据市场的份额也将由目前的13%上学生的课堂学习只是面对多种专业知识的组合, 升到22。各行各业开始逐步应用机器学习算缺少真实项目的实践过程,学生不能有效地将学 法分析数据,以便在海量数据中提取有效的规律,习内容应用到实践过程中,这与应用型人才的培 辅助决策。这种发展趋势使就业市场对数据科学、 养目标存在一定的偏离,毕业生不足以适应竞争 机器学习人才的需求不断扩大,同时对人才的多激烈的就业市场。因此,高校需要考虑就业环境 元化和综合实践能力提出了新的要求 与学生的真实需求,对传统的教学模式进行变革 随着数据分析相关行业的快速发展,数据分掌握数据科学时代的新技术和新应用,在遵循教 析在各个领域都得到了很多成功的应用,企业和育规律的基础上,将实际项目实践与理论教学融 政府期望在各个业务岗位都有数据分析能力强的为一体,逐步调整课程内容,培养学生自主思考 人胜任,而不是将数据分析作为一项专业技能,与解决实际问题的能力,从而提高竞争优势 更期望员工能够探索有效的数据分析方法,并根 据实际数据场景分析结果作出决策,将分析和处1传统机器学习教学的困境 理数据作为日常工作流程的一个环节。同时,随 着数据种类和数量的爆炸式增长,市场对毕业 如何在教学过程中结合项目实践,已成为各 生的数据分析和处理能力提出了更高的要求,需高校关注的话题。目前各高校分别建立了机器学 要有数据分析技能的人才预测行业前景,及时抓习、数据科学与大数据相关专业,而机器学习作 住发展机会,形成独有的竞争优势。高校的基本为其中的重要课程,具有高度实践性且涉及的算 职能是培养人才,为了使学生更好地适应现代工法众多。如何结合真实项目以培养应用型人才, 作场所和终身发展,需要认真思考如何培养应用是当前人才培养的一个难题。 型人才,以适应当前的就业环境。机器学习相关 1)机器学习技能难以短期速成。 专业以培养数据分析师、算法工程师、大数据工 机器学习(包括深度学习)涉及的算法众多 程师等高度数据分析、应用型人才为目标,这些而掌握这些算法要求学生在理论学习基础上,将 工作不仅要求学生理解算法本身,更需要培养学算法结合企业实际项目,对理论知识有扎实的理 第一作者简介:赵卫东,男,副教授,研究方向为商务数据分析和机器学习等,wdzhaod@fudan.cdu.cn。 21994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
151 计算机教育 Computer Education 第 9 期 2019 年 9 月 10 日 基于项目实践的机器学习课程改革 赵卫东,袁雪茹 (复旦大学 软件学院,上海 200433) 摘 要:分析传统机器学习教学中的问题,提出将机器学习理论教学与企业项目实践融为一体的培养方 式,介绍基于项目实践的机器学习教学改革措施,总结基于实践的机器学习培养方式中的潜在问题。 关键词:实践教学;机器学习;培养方式;项目驱动 教改纵横 文章编号:1672-5913(2019)09-0154-04 中图分类号:G642 0 引 言 当前,随着信息时代的快速发展,银行、投 资、零售、互联网甚至传统的制造业都产生了大 量数据。IDC 在《2020 年的“数字宇宙”》研究报 告中预测,到 2020 年,全球数据量将达到 40ZB, 中国在全球数据市场的份额也将由目前的 13% 上 升到 22%[1]。各行各业开始逐步应用机器学习算 法分析数据,以便在海量数据中提取有效的规律, 辅助决策。这种发展趋势使就业市场对数据科学、 机器学习人才的需求不断扩大,同时对人才的多 元化和综合实践能力提出了新的要求。 随着数据分析相关行业的快速发展,数据分 析在各个领域都得到了很多成功的应用,企业和 政府期望在各个业务岗位都有数据分析能力强的 人胜任,而不是将数据分析作为一项专业技能, 更期望员工能够探索有效的数据分析方法,并根 据实际数据场景分析结果作出决策,将分析和处 理数据作为日常工作流程的一个环节。同时,随 着数据种类和数量的爆炸式增长,市场对毕业 生的数据分析和处理能力提出了更高的要求,需 要有数据分析技能的人才预测行业前景,及时抓 住发展机会,形成独有的竞争优势。高校的基本 职能是培养人才,为了使学生更好地适应现代工 作场所和终身发展,需要认真思考如何培养应用 型人才,以适应当前的就业环境。机器学习相关 专业以培养数据分析师、算法工程师、大数据工 程师等高度数据分析、应用型人才为目标,这些 工作不仅要求学生理解算法本身,更需要培养学 生跨学科的实践能力,将算法逻辑应用到实际生 产、生活场景以解决现实问题。 企业对数据分析人才的数量和质量的高要求 导致了巨大的大数据技术、人工智能人才缺口, 而目前高校的机器学习教学偏向理论化,更注重 算法本身,缺乏完善的实践教学体系和教学资源。 学生的课堂学习只是面对多种专业知识的组合, 缺少真实项目的实践过程,学生不能有效地将学 习内容应用到实践过程中,这与应用型人才的培 养目标存在一定的偏离,毕业生不足以适应竞争 激烈的就业市场。因此,高校需要考虑就业环境 与学生的真实需求,对传统的教学模式进行变革, 掌握数据科学时代的新技术和新应用,在遵循教 育规律的基础上,将实际项目实践与理论教学融 为一体,逐步调整课程内容,培养学生自主思考 与解决实际问题的能力,从而提高竞争优势。 1 传统机器学习教学的困境 如何在教学过程中结合项目实践,已成为各 高校关注的话题。目前各高校分别建立了机器学 习、数据科学与大数据相关专业,而机器学习作 为其中的重要课程,具有高度实践性且涉及的算 法众多。如何结合真实项目以培养应用型人才, 是当前人才培养的一个难题。 1)机器学习技能难以短期速成。 机器学习(包括深度学习)涉及的算法众多, 而掌握这些算法要求学生在理论学习基础上,将 算法结合企业实际项目,对理论知识有扎实的理 第一作者简介:赵卫东,男,副教授,研究方向为商务数据分析和机器学习等,wdzhao@fudan.edu.cn。 DOI:10.16512/j.cnki.jsjjy.2019.09.034
计算机教育 152 Computer Education 解。这一过程需要学生接触实际问题,经过长期较广泛的应用,易于实践和理解。然而数据分析 训练达到将理论知识输出为实际应用的水平。尽方法和算法的应用具有很强的艺术性,数据分析 管目前网络上可接触许多精品课程,但这些课的每个阶段都没有固定的答案,需要结合实际场 程大多以知识体系的教学为主,注重介绍算法本景进行调整和优化,并考虑实际生产环境的可行 身、介绍机器学习中常用的理论,较少涉及实际性。与教学实验不同,面对一个新的实际问题 应用。同时,新技术进入课堂教学需要过程,这条件苛刻且结果未知,学生无法直接获得解决问 对教师提出了更高的要求。教师需要积极获取企题的思路,而现实问题是无法规避的,且这些问 业先进技术与解决方案,将实际生产流程归纳成题难以在校园环境中为学生所接触。因此,面向 适应于教学氛围的学习资源,而新技术快速迭代项目实践的机器学习教学需要在实践中摸索,与 和教材易老化成为机器学习教学的一大痛点,教应用结合,培养人才的多学科性。强调项目实践 师需要不断积累和沉淀,高效创建出合适的教学不等于否认理论教学,由于实际问题的复杂多 大纲和教学内容。因此,机器学习的技能培养与变,反而要求学生具备扎实的理论基础 企业人才需求存在差距,这种技能需要通过解决 传统的机器学习教学在技能培养、数据与 实际问题来不断摸索和积累经验,难以通过短时实际案例的选择以及人才培养体制上仍存在提 间授课的方式获得。 高的空间。这与新时代机器学习人才发展需要存 2)教学过程缺少实际数据和案例 在一定偏离,有必要对现有的人才培养方式进 机器学习相关专业的学生倾向于选择机器行与项目实践相结合方向上的探索,尝试新的 学习工程师、数据分析师等高度应用型工作。为满足社会发展需要的实践教学模式,为培养具 了让学生更好地掌握机器学习算法,很多人工智有专业素质和创新能力的机器学习人才奠定坚 能、数据挖掘课程都包含了实验教学部分。在实实的基础。 验过程中学生需要自主实现算法,培养动手操作 能力。然而,教学实验内容往往是理想化的,由2基于项目实践的机器学习教学改革措施 于企业的真实数据难以获取,在校学生接触到的 数据普遍是二手数据。更多时候,为了实现某 项目实践教学能够培养学生的实践能力和 特定算法,实验内容往往经过特殊处理。当面创新能力,提高人才培养质量。针对机器学习这 对一个企业实际项目时,在与客户的交流过程 高度实践性课程,很多高校提出了丰富教学内 中,客户的实际需求、数据代表的真实含义,可容、加强实用型师资队伍、优化教学条件等一系 能由于客户自身缺乏相关的技术知识背景难以表列措施,逐步建立并完善专业培养目标和培养模 述明确,需要数据分析人员从庞杂的数据中自主式的实践教学体系。然而,如何更有效地提高实 降噪、挖掘有效信息,这与课程实验存在较大反践教学质量并与传统的理论授课相结合,是实现 差。此外,由于传统的机器学习教学偏理论,将基于项目实践的机器学习教学目标的关键。 更多的精力放在对算法本身的理解上,缺少具有2.1理论知识与应用场景认知培养 实际意义的应用案例。为快速把握企业的真正痛 由于机器学习的相关知识在实际应用中是 点,要求学生对相关领域有一定程度的认知。机灵活多变的,需要根据特定场景对算法进行调整 器学习的教学集中在理论方面,学生难以深入理和优化,对多种经典算法进行取舍。因此,实际 解真实场景下的企业项目。因此,在数据、问题工作对算法本身的理解提出了更高的要求,需要 和性能要求等方面都与企业实际存在偏离,对从在坚实的理论基础上引导实践,从而在实践中加 课堂转向企业实际问题的学生来说,尚且存在很深对理论的理解。针对现阶段人才需求目标,在 多挑战。 机器学习教学初期,理论基础教学应注重完整机 3)人才培养体制不够完善。 器学习过程的每一个环节,使学生掌握从数据获 在当前高校教学评价体制下,教师可能忽取、数据预处理到模型评估与选择以及模型优化 视了或不愿意参与企业真实调研及与企业合作与结果分析的每个步骤,形成完整的机器学习思 项目。学生通过课堂和实验室的知识积累,可以路。最有效的方法是教师身体力行,积极参与企 完成图像识别、声音模拟,通过网络可以较为容业合作的科研项目,在教学过程中不仅注重实现 易地获取很多开源的代码,这些技术已经得到比算法本身,也可以尝试从大数据竞赛网站了解真 21994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
152 2019 计算机教育 Computer Education 解。这一过程需要学生接触实际问题,经过长期 训练达到将理论知识输出为实际应用的水平。尽 管目前网络上可接触许多精品课程,但这些课 程大多以知识体系的教学为主,注重介绍算法本 身、介绍机器学习中常用的理论,较少涉及实际 应用。同时,新技术进入课堂教学需要过程,这 对教师提出了更高的要求。教师需要积极获取企 业先进技术与解决方案,将实际生产流程归纳成 适应于教学氛围的学习资源,而新技术快速迭代 和教材易老化成为机器学习教学的一大痛点,教 师需要不断积累和沉淀,高效创建出合适的教学 大纲和教学内容。因此,机器学习的技能培养与 企业人才需求存在差距,这种技能需要通过解决 实际问题来不断摸索和积累经验,难以通过短时 间授课的方式获得。 2)教学过程缺少实际数据和案例。 机器学习相关专业的学生倾向于选择机器 学习工程师、数据分析师等高度应用型工作。为 了让学生更好地掌握机器学习算法,很多人工智 能、数据挖掘课程都包含了实验教学部分。在实 验过程中学生需要自主实现算法,培养动手操作 能力。然而,教学实验内容往往是理想化的,由 于企业的真实数据难以获取,在校学生接触到的 数据普遍是二手数据。更多时候,为了实现某一 特定算法,实验内容往往经过特殊处理。当面 对一个企业实际项目时,在与客户的交流过程 中,客户的实际需求、数据代表的真实含义,可 能由于客户自身缺乏相关的技术知识背景难以表 述明确,需要数据分析人员从庞杂的数据中自主 降噪、挖掘有效信息,这与课程实验存在较大反 差。此外,由于传统的机器学习教学偏理论,将 更多的精力放在对算法本身的理解上,缺少具有 实际意义的应用案例。为快速把握企业的真正痛 点,要求学生对相关领域有一定程度的认知。机 器学习的教学集中在理论方面,学生难以深入理 解真实场景下的企业项目。因此,在数据、问题 和性能要求等方面都与企业实际存在偏离,对从 课堂转向企业实际问题的学生来说,尚且存在很 多挑战。 3)人才培养体制不够完善。 在当前高校教学评价体制下,教师可能忽 视了或不愿意参与企业真实调研及与企业合作 项目。学生通过课堂和实验室的知识积累,可以 完成图像识别、声音模拟,通过网络可以较为容 易地获取很多开源的代码,这些技术已经得到比 较广泛的应用,易于实践和理解。然而数据分析 方法和算法的应用具有很强的艺术性,数据分析 的每个阶段都没有固定的答案,需要结合实际场 景进行调整和优化,并考虑实际生产环境的可行 性。与教学实验不同,面对一个新的实际问题, 条件苛刻且结果未知,学生无法直接获得解决问 题的思路,而现实问题是无法规避的,且这些问 题难以在校园环境中为学生所接触。因此,面向 项目实践的机器学习教学需要在实践中摸索,与 应用结合,培养人才的多学科性。强调项目实践 不等于否认理论教学,由于实际问题的复杂多 变,反而要求学生具备扎实的理论基础。 传统的机器学习教学在技能培养、数据与 实际案例的选择以及人才培养体制上仍存在提 高的空间。这与新时代机器学习人才发展需要存 在一定偏离,有必要对现有的人才培养方式进 行与项目实践相结合方向上的探索,尝试新的 满足社会发展需要的实践教学模式,为培养具 有专业素质和创新能力的机器学习人才奠定坚 实的基础。 2 基于项目实践的机器学习教学改革措施 项目实践教学能够培养学生的实践能力和 创新能力,提高人才培养质量。针对机器学习这 一高度实践性课程,很多高校提出了丰富教学内 容、加强实用型师资队伍、优化教学条件等一系 列措施,逐步建立并完善专业培养目标和培养模 式的实践教学体系。然而,如何更有效地提高实 践教学质量并与传统的理论授课相结合,是实现 基于项目实践的机器学习教学目标的关键。 2.1 理论知识与应用场景认知培养 由于机器学习的相关知识在实际应用中是 灵活多变的,需要根据特定场景对算法进行调整 和优化,对多种经典算法进行取舍。因此,实际 工作对算法本身的理解提出了更高的要求,需要 在坚实的理论基础上引导实践,从而在实践中加 深对理论的理解。针对现阶段人才需求目标,在 机器学习教学初期,理论基础教学应注重完整机 器学习过程的每一个环节,使学生掌握从数据获 取、数据预处理到模型评估与选择以及模型优化 与结果分析的每个步骤,形成完整的机器学习思 路。最有效的方法是教师身体力行,积极参与企 业合作的科研项目,在教学过程中不仅注重实现 算法本身,也可以尝试从大数据竞赛网站了解真
第9期 教改纵横 153 实的问题场景,并选择现阶段成熟的开源工具实实验环境,有实践经验的教师或企业专家在讲解 现数据处理,如微软 Azure平台、腾讯云平台,一些知识点和分析相关案例后,结合案例程序展 这些平台提供现成可用的解决方案与经典案例的示其应用,然后结合教学进度提出一些问题;学 实现步骤,允许学生自主创建项目并进行机器学生通过模仿实现一个类似的验证型实验项目,该 习算法取舍。 项目作为设计实验项目的原型,学生可访问、分 此外,由于机器学习的概念范围十分广阔 析其功能、代码并测试其效果。随后,以此为基 而具体的应用范围可能包括舆情分析、异常检础做扩展实践,学生可以模仿教师提供的案例, 测、人脸识别、自然语言处理等,机器学习工程通过创新自主设计并实现一个相对完整的项目, 师等相关岗位都有着不同的技能侧重要求。可介深化巩固所学的知识,锻炼整体考虑的问题能 绍机器学习每一步骤对应的典型工作岗位与职力,提高灵活的应用知识能力和创新能力。 责,让学生在教学场景中理解和体验所学知识的2.3校企合作完成企业实践项目 真实应用过程,培养学生的职业意识。例如,通 应用型人才需要具有扎实的理论基础、科 过引入作者与京东合作的发现好货、会买专辑等学研究方法以及跨领域的视野和解决生产问题 写作机器人项目,可以详细介绍文本分析的过的能力,更需要具备实际操作的技能。在理论基 程,从商品数据和用户评论的获取(OCR技术础与了解企业相关领域的基础上,高校可以与 的应用)、分词与语义的识别,到用户情感分析、企业联合组建合作项目和教学团队,结合企业 长短期记忆网络的组词造句、文本质量的评价,需求,开展各种形式的培训和实践,不断完善 都有具体的项目内容对应。这些内容基本覆盖了实践教学内容。真实的企业实践项目能够将学生 文本分析章节的大部分内容,可以使学生一定程所学知识应用于解决实际问题,形成一个完整 度上沉浸在项目中,对各个阶段遇到的问题,讨处理问题的思路国。 论解决方法,开阔思路 在数据获取上,高校可利用校企合作关系 2.2实践项目的验证与设计培养 在教学内容中加入企业实践学时,教师可根据 现阶段各高校的机器学习相关课程普遍开设班级人数将学生分为若干调研团队,使学生能 了实验环节,但主要内容是实现课本中的算法,够与企业进行直接交流。在调研过程中学生能 学生通过实验能够掌握很多经典算法,提高动手够密切关注企业实际生产,接触企业的真实数 能力。但是,机器学习技术更新快,教材内容易据。企业数据真实庞大,且大多质量糟糕,例 老化,学生的实验场景、问题、数据、解决方案如存在很多噪声以及数据不一致等一系列现实 都偏于理想化,与真实的企业场景存在偏离,仅问题,学生需要思考如何提取数据,消除噪声, 仅掌握实验内容难以胜任实际工作。 达到可用的目的。这一过程学生可对数据建立更 为了使学生更好地适应就业环境需要,在直加感性的认识。 接接触企业实际项目前,可在实践项目的验证与 在问题解决上,由于企业面对的很多问题并 设计两个环节对学生进行培养。高校可邀请企业不能直接交由机器处理,数据的筛选、特征提取 中机器学习相关方向的专业人员,教授当前最新以及算法的整合与取舍在实验的层面可能是需要 项目实施思路与过程,与教师和学生一起讨论在技巧的;同时,企业实践项目真实灵活且与当前 企业数据处理中使用的各种算法。教师在熟悉企研究热点紧密相关,在项目解决方案的探讨中学 业场景及解决方案的基础上,制订实践培训的内生会面对很多瓶颈,例如样本的不平衡、算法存 容、教学形式和培训过程,尽量在教学过程中营在的某些缺陷等,这些瓶颈不能直接从课堂或其 造真实的企业项目发展氛围。在与京东公司上述他途径获取到有效的解决方案,需要学生总结经 的合作项目中,笔者不仅把项目成果引入课程,验,在现有的思路上进行调优,从而解决算法缺 介绍项目实施过程中的具体思路和辛酸苦辣,还陷,自主发现一些原有教学中被忽略的难点。在 将部分问题作为课程研讨的选题。 真实的企业环境中,客户的要求十分苛刻,可能 在学生理解算法原理的基础上,可采用灵活存在阶段性变化,这需要机器学习相关领域工作 的模块化教学方法培养学生对实际应用场景的认人员掌握与客户沟通的软技能,需要对所在领域 知。以企业项目为驱动,项目案例分为验证项目有一定程度的认知,从可行性的角度上理解业务。 和项目设计两个部分。基于高校现有的多媒体 企业实践项目具有一般知识和实践技能的 21994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
第 9 期 教改纵横 153 实的问题场景,并选择现阶段成熟的开源工具实 现数据处理,如微软 Azure 平台、腾讯云平台, 这些平台提供现成可用的解决方案与经典案例的 实现步骤,允许学生自主创建项目并进行机器学 习算法取舍。 此外,由于机器学习的概念范围十分广阔, 而具体的应用范围可能包括舆情分析、异常检 测、人脸识别、自然语言处理等,机器学习工程 师等相关岗位都有着不同的技能侧重要求。可介 绍机器学习每一步骤对应的典型工作岗位与职 责,让学生在教学场景中理解和体验所学知识的 真实应用过程,培养学生的职业意识。例如,通 过引入作者与京东合作的发现好货、会买专辑等 写作机器人项目,可以详细介绍文本分析的过 程,从商品数据和用户评论的获取(OCR 技术 的应用)、分词与语义的识别,到用户情感分析、 长短期记忆网络的组词造句、文本质量的评价, 都有具体的项目内容对应。这些内容基本覆盖了 文本分析章节的大部分内容,可以使学生一定程 度上沉浸在项目中,对各个阶段遇到的问题,讨 论解决方法,开阔思路。 2.2 实践项目的验证与设计培养 现阶段各高校的机器学习相关课程普遍开设 了实验环节,但主要内容是实现课本中的算法, 学生通过实验能够掌握很多经典算法,提高动手 能力。但是,机器学习技术更新快,教材内容易 老化,学生的实验场景、问题、数据、解决方案 都偏于理想化,与真实的企业场景存在偏离,仅 仅掌握实验内容难以胜任实际工作。 为了使学生更好地适应就业环境需要,在直 接接触企业实际项目前,可在实践项目的验证与 设计两个环节对学生进行培养。高校可邀请企业 中机器学习相关方向的专业人员,教授当前最新 项目实施思路与过程,与教师和学生一起讨论在 企业数据处理中使用的各种算法。教师在熟悉企 业场景及解决方案的基础上,制订实践培训的内 容、教学形式和培训过程,尽量在教学过程中营 造真实的企业项目发展氛围。在与京东公司上述 的合作项目中,笔者不仅把项目成果引入课程, 介绍项目实施过程中的具体思路和辛酸苦辣,还 将部分问题作为课程研讨的选题。 在学生理解算法原理的基础上,可采用灵活 的模块化教学方法培养学生对实际应用场景的认 知。以企业项目为驱动,项目案例分为验证项目 和项目设计两个部分 [2]。基于高校现有的多媒体 实验环境,有实践经验的教师或企业专家在讲解 一些知识点和分析相关案例后,结合案例程序展 示其应用,然后结合教学进度提出一些问题;学 生通过模仿实现一个类似的验证型实验项目,该 项目作为设计实验项目的原型,学生可访问、分 析其功能、代码并测试其效果。随后,以此为基 础做扩展实践,学生可以模仿教师提供的案例, 通过创新自主设计并实现一个相对完整的项目, 深化巩固所学的知识,锻炼整体考虑的问题能 力,提高灵活的应用知识能力和创新能力。 2.3 校企合作完成企业实践项目 应用型人才需要具有扎实的理论基础、科 学研究方法以及跨领域的视野和解决生产问题 的能力,更需要具备实际操作的技能。在理论基 础与了解企业相关领域的基础上,高校可以与 企业联合组建合作项目和教学团队,结合企业 需求,开展各种形式的培训和实践,不断完善 实践教学内容。真实的企业实践项目能够将学生 所学知识应用于解决实际问题,形成一个完整 处理问题的思路 [3]。 在数据获取上,高校可利用校企合作关系, 在教学内容中加入企业实践学时,教师可根据 班级人数将学生分为若干调研团队,使学生能 够与企业进行直接交流 [4]。在调研过程中学生能 够密切关注企业实际生产,接触企业的真实数 据。企业数据真实庞大,且大多质量糟糕,例 如存在很多噪声以及数据不一致等一系列现实 问题,学生需要思考如何提取数据,消除噪声, 达到可用的目的。这一过程学生可对数据建立更 加感性的认识。 在问题解决上,由于企业面对的很多问题并 不能直接交由机器处理,数据的筛选、特征提取 以及算法的整合与取舍在实验的层面可能是需要 技巧的;同时,企业实践项目真实灵活且与当前 研究热点紧密相关,在项目解决方案的探讨中学 生会面对很多瓶颈,例如样本的不平衡、算法存 在的某些缺陷等,这些瓶颈不能直接从课堂或其 他途径获取到有效的解决方案,需要学生总结经 验,在现有的思路上进行调优,从而解决算法缺 陷,自主发现一些原有教学中被忽略的难点。在 真实的企业环境中,客户的要求十分苛刻,可能 存在阶段性变化,这需要机器学习相关领域工作 人员掌握与客户沟通的软技能,需要对所在领域 有一定程度的认知,从可行性的角度上理解业务。 企业实践项目具有一般知识和实践技能的
计算机教育 154 Computer Education 特点,能够加深学生对数据分析算法的理解和解如何培养有较强应用能力的师资是需要深λ探讨 决问题的经验,也是培养学生实践能力和创新意的问题,从企业引进有项目经验的师资或培养积 识的一个重要手段。高校可与企业合作建立实验极参与企业合作项目的师资都是必要的。这需要 室、培训基地,开展合作项目或联合研发,使企高校的薪酬和职称制度相应的配套措施改革。 业直接参与课程策划,资助课外活动中的科技创 3)实践思路的引导难题。 新,建立俱乐部实现对接。实际的应用型教学能 企业实践项目不同于常规教学实验,在大多 够激发学生兴趣,使其对原有的理论知识有更深数传统教学方法中,学生按照已有步骤和原则进 刻的理解。笔者最近几年与10多家企业开展了行规范化的实验,往往可以获得满意的结果。然 制造企业质量管理、银行贷后催收语音合成、上而,在整个过程中,学生很少独立思考,往往不 海图书馆自动标注、妇婴用品电子推荐、在线学会考虑这些步骤背后的思路,很难培养独立解决 习学生行为分析等项目,与这些企业建立了长期问题和创新的能力。在实际应用中,可能同时面 的合作关系,可以供学生调研实习,参与联合研临很多新的问题,例如数据是否足够、数据是否 发项目。 满足客户问题的分析等,这些现实的问题与课程 教学、实验存在较大差距。因此,有实际项目经 3基于实践的机器学习培养方式中的潜验的教师在对学生的思路引导方面也是重要的的。 在问题 4结语 基于实践的机器学习教学,对教师和学生 提出了一些挑战,其中会遇到一些突出的问题 大数据时代对机器学习方面的人才提出了更 需要解决 高的实践性要求,而高校机器学习课程主要以理 1)实践项目的选择难题。 论知识教授为主,这与实践性人才培养的目标存 任课教师在企业合作项目的选择上需要深入在一定的偏离。笔者最近几年与京东、上海图书 研究行业整体,同时根据学生水平进行课堂内容馆等多家企业合作了机器学习项目,通过抽象和 调整,设计适合不同层次学生的实践项目,并通提炼这些项目的成果,形成第一手的案例和实验 过研讨了解学生自身实际编程基础和分析能力,素材,引入机器学习课程,不仅使课程的内容更 这对教师提出了更高的要求。 容易理解,而且锻炼了学生的数据思维。这不仅 2)实践过程的管理难题。 没有耽误理论课的教学,反而可以作为学习和检 机器学习实践教学的目的是培养学生的自主验理论的重要手段。 分析和实际应用能力,加深对理论知识的理解 高校对人才的培养不能脱离行业实践,需 验证课堂教学理论,从而与职业发展平稳接轨。要积极与企业建立项目合作,理解企业所需的技 这一过程中的每个环节都不同于单纯的课堂和实能,培养和引进有实践项目经验的师资,这样才 验室教学,而是需要真实的实践环境,需要与企能培养学生自主思考与解决实际问题的能力,从 业沟通以获得实践环境以及必要的师资指导支持。而提高竞争优势。 参考文献 []比特网,IDC最新调研报告:2020年的“数字宇宙”[EBOL](201703-1002019-0408]htp: info. chinabyte. com487/12496987 [2] Feng X, De G, Wei Z. Research on teaching reform and practice of engineering training in application-oriented University under the background of large engineeringIC]. Proceedings of the 2017 International Conference on Education and E-Learning, ACM, 2017 13]Hong-Mei S, Rui Sheng J. Research on case teaching of software development comprehensive practice based on project driven[Jl Procedia Engineering, 2012(29): 484-488 14] Li L, Qi J. The feasibility and prospect of university education reform based on the integration of education and industrylcy/ International Conference on Computer Science Education Washington D C: IEEE, 2017: 604-6 S]赵卫东,赵洪博.基于项目沉浸式的数据分析类课程教学研究计算机教育,2017(6):58-61 (编辑:孙怡铭) 21994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net
154 2019 计算机教育 Computer Education 特点,能够加深学生对数据分析算法的理解和解 决问题的经验,也是培养学生实践能力和创新意 识的一个重要手段。高校可与企业合作建立实验 室、培训基地,开展合作项目或联合研发,使企 业直接参与课程策划,资助课外活动中的科技创 新,建立俱乐部实现对接。实际的应用型教学能 够激发学生兴趣,使其对原有的理论知识有更深 刻的理解。笔者最近几年与 10 多家企业开展了 制造企业质量管理、银行贷后催收语音合成、上 海图书馆自动标注、妇婴用品电子推荐、在线学 习学生行为分析等项目,与这些企业建立了长期 的合作关系,可以供学生调研实习,参与联合研 发项目。 3 基于实践的机器学习培养方式中的潜 在问题 基于实践的机器学习教学,对教师和学生 提出了一些挑战,其中会遇到一些突出的问题 需要解决。 1)实践项目的选择难题。 任课教师在企业合作项目的选择上需要深入 研究行业整体,同时根据学生水平进行课堂内容 调整,设计适合不同层次学生的实践项目,并通 过研讨了解学生自身实际编程基础和分析能力, 这对教师提出了更高的要求。 2)实践过程的管理难题。 机器学习实践教学的目的是培养学生的自主 分析和实际应用能力,加深对理论知识的理解, 验证课堂教学理论,从而与职业发展平稳接轨。 这一过程中的每个环节都不同于单纯的课堂和实 验室教学,而是需要真实的实践环境,需要与企 业沟通以获得实践环境以及必要的师资指导支持。 如何培养有较强应用能力的师资是需要深入探讨 的问题,从企业引进有项目经验的师资或培养积 极参与企业合作项目的师资都是必要的。这需要 高校的薪酬和职称制度相应的配套措施改革。 3)实践思路的引导难题。 企业实践项目不同于常规教学实验,在大多 数传统教学方法中,学生按照已有步骤和原则进 行规范化的实验,往往可以获得满意的结果。然 而,在整个过程中,学生很少独立思考,往往不 会考虑这些步骤背后的思路,很难培养独立解决 问题和创新的能力。在实际应用中,可能同时面 临很多新的问题,例如数据是否足够、数据是否 满足客户问题的分析等,这些现实的问题与课程 教学、实验存在较大差距。因此,有实际项目经 验的教师在对学生的思路引导方面也是重要的 [5]。 4 结 语 大数据时代对机器学习方面的人才提出了更 高的实践性要求,而高校机器学习课程主要以理 论知识教授为主,这与实践性人才培养的目标存 在一定的偏离。笔者最近几年与京东、上海图书 馆等多家企业合作了机器学习项目,通过抽象和 提炼这些项目的成果,形成第一手的案例和实验 素材,引入机器学习课程,不仅使课程的内容更 容易理解,而且锻炼了学生的数据思维。这不仅 没有耽误理论课的教学,反而可以作为学习和检 验理论的重要手段。 高校对人才的培养不能脱离行业实践,需 要积极与企业建立项目合作,理解企业所需的技 能,培养和引进有实践项目经验的师资,这样才 能培养学生自主思考与解决实际问题的能力,从 而提高竞争优势。 参考文献: [1] 比特网. IDC 最新调研报告: 2020年的“数字宇宙”[EB/OL]. (2017-03-10)[2019-04-08]. http: //info.chinabyte.com/487/12496987. shtml. [2] Feng X, De G, Wei Z. Research on teaching reform and practice of engineering training in application-oriented University under the background of large engineering[C]. Proceedings of the 2017 International Conference on Education and E-Learning, ACM, 2017: 73-76. [3] Hong-Mei S, Rui Sheng J. Research on case teaching of software development comprehensive practice based on project driven[J]. Procedia Engineering, 2012(29): 484-488. [4] Li L, Qi J. The feasibility and prospect of university education reform based on the integration of education and industry[C]// International Conference on Computer Science & Education.Washington D C: IEEE, 2017: 604-607. [5] 赵卫东, 赵洪博. 基于项目沉浸式的数据分析类课程教学研究[J]. 计算机教育, 2017(6): 58-61. (编辑:孙怡铭)