产学研协同的人工智能课程教学改革

编辑日期:2023-11-30 作者: 阅读:1
【字体:

    近年来,人工智能改革浪潮中的重大突破性技术——“深度学习”,被国内高校计算机学院普遍纳入专业课程。课程教学过程中不仅需要介绍相关的理论知识,还需要将理论与学生的科研实践相结合;既涉及深度学习经典算法的讲解,也需要介绍相关的软硬件计算平台等,具有高度的复杂性。“深度学习”课程知识更新速度快、企业参与性强、技术发展领先基础理论,需要高校和教师及时根据科技前沿进展调整课程教学方案。

    一、产学研协同的课程体系设计

    为了解决“深度学习”课程教学面临的难题,中国科学院大学—华为智能基座计划项目平台,根据产学研协同的理念进行了一系列的课程设计和教学改革探索。课程性质上,该门课程为计算机应用技术、计算机软件与理论、软件工程等专业的专业普及课;课程内容上,本课程讲授和讨论深度学习的主要理论和关键技术及其在产业界的主要应用;课程教学目标上,该课程注重深度学习实践能力的锻炼和培养,通过引入多个深度学习课程实验,提升学生的动手能力,最终目标是希望相关专业学生能够掌握深度学习的基本理论和关键技术,提高基于深度学习技术进行科学研究与应用开发的能力。

    根据课程的知识特征和教学目标的层次,课程被设计为从理论递进至实践应用的四个环节,分别为:前序基础知识、深度学习重要理论与方法、深度学习关键技术和工具、深度学习典型应用实践案例(见表1)。

表1:产学研协同的“深度学习”课程设计

课程环节安排

章节名称

授课方式

前序基础知识

(4学时)

深度学习的数学基础、机器学习基础、神经网络基础

深度学习的发展、应用概述

讲授

深度学习

重要理论与方法

(16.5学时)

卷积神经网络

循环神经网络

深度生成模型

其他典型深度学习方法

案例教学

必做产业实验4次

学术研讨(1.5学时)

深度学习

关键技术和工具

(6学时)

深度学习中的正则化

深度学习工具

案例教学

深度学习

典型应用实践案例

(13.5学时)

深度学习在计算机视觉中的典型应用

深度学习在语音识别中的典型应用

深度学习在自然语言处理中的典型应用

案例教学

选做产业实验/比赛1次学术研讨(1.5学时)

    二、产学研协同的课程教学实践

    (一)理论内容讲授:引入经典学术案例,以例示理

    针对深度学习课程理论体系不完善和可解释性不强的难点,在深度学习课程的基础理论教学部分采用了案例教学的方式,通过具体网络模型和具体问题的求解来解释基础理论,可以提高学生对理论的理解和掌握深度。通过对深度学习核心模型理论体系的梳理,使学生对深度学习课程有了宏观的了解和对基本理论的掌握。由于不同网络结构基础理论中存在的共性问题,通过对多种方法进行承接性的介绍,不仅可以加深学生对该部分理论的理解,更可以提高学生发现问题、解决问题的思维培养。

    (二)教学内容设计:追踪科技前沿,以研促学

    为了紧跟学术和产业前沿,学校采用经典教材和学术论文相结合的教学内容设计思路,一方面,以课件讲解为主,以参考书和学术论文为辅,分为基础理论介绍、应用案例和学术前沿探讨三部分,其中应用案例部分包含经典深度模型的应用案例分析以及学术前沿深度模型的讨论,这部分依然以教师讲授为主,将学术界最近2-3年内认可度较高的最新技术更新到该部分中,并适度淘汰部分过渡性技术。

    为了充分吸引学生参与课程学习,需要充分考虑学生不同的知识背景,在教师讲授部分尽可能覆盖较多的应用领域。除此之外,学校为该课程增加了学术前沿探讨部分,该部分要求每位学生独立完成与自己科研方向相关的最新的深度学习技术总结归纳。整个课程周期内,每位学生至少完成10篇顶级期刊/会议论文的阅读,并做出相应的学术报告。通过模拟国际学术会议的形式,不仅锻炼了学生的学术报告水平,提高了学生主动学习的积极性,更重要的是丰富了教学内容,一定程度上弥补了单一教师难以覆盖深度学习全部领域的问题,实现了以研促学、教学相长。

    (三)课程实验设计:借助产业平台,学用结合

    深度学习是一门实践性非常强的课程,课程实验需要能够满足两方面的任务:首先,课程实验需要覆盖所讲授的深度学习基础理论,能够通过实验加深学生对理论知识的理解;其次,课程实验应该贴近学术和产业前沿,能够锻炼学生应用深度学习技术解决实际问题的能力,提高学生参与的积极性。课程借助华为云计算资源中的昇腾服务器来支持面向学术和产业前沿的深度学习课程。在云计算资源的支持下,将课程实验分为必做实验和选做实验两部分。必做实验是针对所讲授的基本理论内容设定的,通过简单针对性的实验加深学生对理论知识的理解,要求每位学生必须独立完成;选做实验是面向学术和产业前沿设计的复合型实验,实验设计参考目前国内外各类人工智能竞赛的题目以及华为智能基座项目在线学习资源来设定,需要综合利用多种技术手段才能不断提高算法性能,为了锻炼学生未来科研或者工作的团队协作能力,该部分实验要求以3-5人为团队合作完成。

    (四)课外延伸交流:搭建学术共同体,可持续互动

    通过课外延伸学习与课堂教学形成互补,是提高深度学习课程教学效果的重要途径。充分借助课程网站讨论区、即时聊天工具的群聊功能,建成了以任课教师和助教为推动者的线上互动交流群,将线下教学中学生反馈的问题,设定为线上交流讨论主题,鼓励学生之间互动交流,解决问题。同时,积极引导学生分享深度学习模型的训练技巧和最新论文的阅读收获,通过平时分来奖励积极分享的同学。这种方式既丰富了深度学习的学习内容,还可以快速提升学生在模型训练方面的经验以及对本课程学习的积极性。每个课程群在课程结束后也一直处于活跃交流的状态,形成了科研工作交流群,实现了课堂教学的有效延伸。

(摘编自《高等工程教育研究》2023年第6期  作者:刘璐 张新峰)