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.net151 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