过刊浏览
摘要：机器学习课程建设中，传统的“重传统理论轻前沿技术、重讲授灌输轻研讨理解、重工程调试轻创新实践”难以适应学生全面综合发展需求。针对该问题，迫切需要以高水平科研课题和科研成果为牵引，将科研与教学深度融合。以前沿性、先进性、实用性为导向，从理论基础、工程应用、创新实践三个方面实现科研与教学的融合，加强学生对专业理论的理解程度、对实践操作的熟悉程度、对行业应用的了解程度，推动高水平课程建设，不断提升教学质量水平，实现学生核心竞争力的有力跃升。
关键词：机器学习；教学科研；深度融合；课程建设
中图分类号：G642.0 文献标识码：A
随着信息技术的迅猛发展与产业的快速更新迭代，人工智能技术业已成为国际大国竞争的新焦点以及引领未来产业发展的战略性技术。2017国务院印发《新一代人工智能发展规划》，明确提出要加快培养人工智能人才，鼓励高校对人工智能专业教育内容进行拓展，形成“人工智能+X”的复合专业培养新模式[1]。
目前，各大型企业也迫切需要招收智能专业高水平人才。我国在人工智能专业人才储备上存在着较大缺口，因此，如何培养高质量、高水平、高素质的人工智能相关专业人才，建设高水平专业核心课程，是当前信息专业教育方向中一个亟待解决的重要命题。
机器学习课程作为人工智能领域的重要核心课程，迫切需要进行高水平课程建设，紧紧围绕新工科教育内涵，以立德树人为引领，以培养未来多元化、创新型卓越工程人才为目标。通过教学与科研深度融合，可以有效提升课程建设水平，提升教学质量，是机器学习课程高水平建设的重要途径。
一、传统机器学习课程建设存在的不足
传统的“重传统理论轻前沿技术、重讲授灌输轻研讨理解、重工程调试轻创新实践”难以适应学生全面综合发展需求，迫切需要以高水平科研课题和科研成果为牵引，将科研与教学深度融合，以前沿性、先进性、实用性为导向，从理论基础、工程应用、创新实践三个方面实现科研与教学的融合，推动高水平课程建设，提升学生综合素养[2]。
通过将科研与教学深度融合，能够将理论讲授、硬件操作、算法调试部署、实践应用等多环节融会贯通，推动机器学习课程建设，加强学生对专业理论的理解程度、对实践操作的熟悉程度、对行业应用的了解程度，不断提升教学质量水平，实现学生核心竞争力的有力跃升。
一是理论基础方面，积极融合科研成果拓展教学内容。将973项目、国家自然科学基金、国家重大专项等前沿理论成果补充到机器学习深度学习模块，通过鲜活案例导入，深入浅出，不断激发学生学习热情，夯实理论根基。
二是工程应用方面，深度引入科研课题创新教学模式。通过科研课题牵引，积极探索研讨式、案例式教学方法手段，通过团体协作、分组研讨、课堂翻转等形式，创新教学方法，培养学生分析问题解决问题的能力。
三是创新实践方面，重点结合科研项目需求进行人才培养。结合人工智能与机器学习相关科研项目引导学生进行课程设计、毕业课题设计等，让学生掌握基本的创新方法，具有创新意识和态度，能够提出创新性的技术路线与方案，并具备较强的方案实现与分析能力，提升学生就业竞争力。
二、将前沿科研成果融入课堂教学
一是将973成果融入机器学习理论与实践中的课程思政模块。通过“卡脖子”工程的深入介绍，将重大科研攻关的过程与难点融入“点+线+面”一体的课程思政中，积极引导学生参与、思考与融合，将“做人、做事、做学问”等家国情怀、高尚品格与科学方法等内容内化于心、外化于行，在潜移默化中提升学生综合素养[3]。
二是将重大专项成果融入机器学习理论与实践中的神经网络与深度学习模块。在神经网络与深度学习讲授过程中，将科研成果补充为教学案例。通过鲜活的案例引入，激发学生热情，引导学生自主学习、主动学习、高效学习。
三是通过科研与教学的深度融合，可以在更高层次上助推老师跟踪与学习前言理论知识。通过深入和扎实的科研学术活动，通过认真思考，博采众长，形成团队稳定的研究方向，进而在实践中得到较好的科研成果。将这些科研成果反哺融合到本科教学工作中，可以进一步提升学生的学习兴趣，扩大学生思考问题解决问题的科研动手能力，助推学生成才。
三、利用科研课题创新教学方法
一是采用研讨式教学方法。将已结题的科研项目成果进行提取，设计难度合理、内容新颖的研讨课题，对学生进行分组讨论。增强学生主动思考能力，提升团队协作能力[4]。
例如，在对K近邻算法讲解过程中，引入973项目中的图像匹配问题，让学生分组进行讨论。对于不同的匹配点集，如何选取最优的超参数K值，可以获得更好的匹配结果。通过分组讨论，让学生适应团结协作的模式，提升集体讨论与表述的能力。
二是采用翻转式教学方式。科研项目的前沿科学问题进行凝练，布置给学生。让学生学会如何查找参考文献，如何下载科研资料，如何撰写学术文章，掌握基本的科研能力。在此基础上，让学生自己上台进行展示，对所查阅的资料进行表述和讲解，进一步激发学生内驱力，不断提升综合素养。
例如，在机器学习绪论讲解中，布置给学生机器学习智能应用及发展趋势的题目。让全体学生在翻转课堂上积极展示，将自己所撰写的综述文章做成ppt上台进行展示，在规定的时间内讲解自己的观点和认识，不仅锻炼学生的知识总结、表达能力，更进一步激发学生的学习热情。
三是采用案例式教学方式。将科研项目中的最新成果引入课堂，讲解科学与技术问题的提出、分析与解决思路，让学生通过案例的全流程分析和解决过程学会如何思考。通过实例，深入浅出，剖析从理论到实践的转化过程。
通过科学案例的学习使学生了解机器学习算法如何应用在科研项目中，掌握机器学习的概念、理论、方法与技术及其应用情况，能够运用机器学习方法来解决实际问题，提高学生分析和解决实际问题的能力，为后续课程学习打下坚实的基础。
四、利用科研项目牵引学生实践创新
一是将科研课题中的若干个科学问题整理成毕业论文题目，引导学生攻坚克难，在毕业设计中勇于创新[5]。
例如在学生毕业设计中，基于科研课题布置了“基于深度学习的多聚焦图像融合方法与实现”“基于深度学习的目标跟踪方法与实现”等题目，引导学生拓展思维方式，利用最新的深度学习技术来解决实际科研学术难题。
二是指导学生基于科研题目撰写学术论文。通过学术问题的探讨与研究，深入理解和掌握学术论文的撰写要求与规范，通过学术训练，帮助学生提升学术素养，提高综合能力水平。
例如基于重大专项课题布置给学生图像匹配方面的研究任务，让学生结合研究课题进行深入学习，将课堂上所讲授的机器学习方法进行灵活运用，与老师一起合作撰写学术论文，基本掌握学术论文的撰写规则与方法，进一步加深对所学理论的理解与运用能力。
三是指导学生运用所学理论参加竞赛活动。运用掌握的基本理论和技术，通过软件编程实现部分机器学习算法，培养学生勇于拼搏的优良品质和科学严谨的工匠作风，提高自主学习能力和实践能力。
关键词：机器学习；教学科研；深度融合；课程建设
中图分类号：G642.0 文献标识码：A
随着信息技术的迅猛发展与产业的快速更新迭代，人工智能技术业已成为国际大国竞争的新焦点以及引领未来产业发展的战略性技术。2017国务院印发《新一代人工智能发展规划》，明确提出要加快培养人工智能人才，鼓励高校对人工智能专业教育内容进行拓展，形成“人工智能+X”的复合专业培养新模式[1]。
目前，各大型企业也迫切需要招收智能专业高水平人才。我国在人工智能专业人才储备上存在着较大缺口，因此，如何培养高质量、高水平、高素质的人工智能相关专业人才，建设高水平专业核心课程，是当前信息专业教育方向中一个亟待解决的重要命题。
机器学习课程作为人工智能领域的重要核心课程，迫切需要进行高水平课程建设，紧紧围绕新工科教育内涵，以立德树人为引领，以培养未来多元化、创新型卓越工程人才为目标。通过教学与科研深度融合，可以有效提升课程建设水平，提升教学质量，是机器学习课程高水平建设的重要途径。
一、传统机器学习课程建设存在的不足
传统的“重传统理论轻前沿技术、重讲授灌输轻研讨理解、重工程调试轻创新实践”难以适应学生全面综合发展需求，迫切需要以高水平科研课题和科研成果为牵引，将科研与教学深度融合，以前沿性、先进性、实用性为导向，从理论基础、工程应用、创新实践三个方面实现科研与教学的融合，推动高水平课程建设，提升学生综合素养[2]。
通过将科研与教学深度融合，能够将理论讲授、硬件操作、算法调试部署、实践应用等多环节融会贯通，推动机器学习课程建设，加强学生对专业理论的理解程度、对实践操作的熟悉程度、对行业应用的了解程度，不断提升教学质量水平，实现学生核心竞争力的有力跃升。
一是理论基础方面，积极融合科研成果拓展教学内容。将973项目、国家自然科学基金、国家重大专项等前沿理论成果补充到机器学习深度学习模块，通过鲜活案例导入，深入浅出，不断激发学生学习热情，夯实理论根基。
二是工程应用方面，深度引入科研课题创新教学模式。通过科研课题牵引，积极探索研讨式、案例式教学方法手段，通过团体协作、分组研讨、课堂翻转等形式，创新教学方法，培养学生分析问题解决问题的能力。
三是创新实践方面，重点结合科研项目需求进行人才培养。结合人工智能与机器学习相关科研项目引导学生进行课程设计、毕业课题设计等，让学生掌握基本的创新方法，具有创新意识和态度，能够提出创新性的技术路线与方案，并具备较强的方案实现与分析能力，提升学生就业竞争力。
二、将前沿科研成果融入课堂教学
一是将973成果融入机器学习理论与实践中的课程思政模块。通过“卡脖子”工程的深入介绍，将重大科研攻关的过程与难点融入“点+线+面”一体的课程思政中，积极引导学生参与、思考与融合，将“做人、做事、做学问”等家国情怀、高尚品格与科学方法等内容内化于心、外化于行，在潜移默化中提升学生综合素养[3]。
二是将重大专项成果融入机器学习理论与实践中的神经网络与深度学习模块。在神经网络与深度学习讲授过程中，将科研成果补充为教学案例。通过鲜活的案例引入，激发学生热情，引导学生自主学习、主动学习、高效学习。
三是通过科研与教学的深度融合，可以在更高层次上助推老师跟踪与学习前言理论知识。通过深入和扎实的科研学术活动，通过认真思考，博采众长，形成团队稳定的研究方向，进而在实践中得到较好的科研成果。将这些科研成果反哺融合到本科教学工作中，可以进一步提升学生的学习兴趣，扩大学生思考问题解决问题的科研动手能力，助推学生成才。
三、利用科研课题创新教学方法
一是采用研讨式教学方法。将已结题的科研项目成果进行提取，设计难度合理、内容新颖的研讨课题，对学生进行分组讨论。增强学生主动思考能力，提升团队协作能力[4]。
例如，在对K近邻算法讲解过程中，引入973项目中的图像匹配问题，让学生分组进行讨论。对于不同的匹配点集，如何选取最优的超参数K值，可以获得更好的匹配结果。通过分组讨论，让学生适应团结协作的模式，提升集体讨论与表述的能力。
二是采用翻转式教学方式。科研项目的前沿科学问题进行凝练，布置给学生。让学生学会如何查找参考文献，如何下载科研资料，如何撰写学术文章，掌握基本的科研能力。在此基础上，让学生自己上台进行展示，对所查阅的资料进行表述和讲解，进一步激发学生内驱力，不断提升综合素养。
例如，在机器学习绪论讲解中，布置给学生机器学习智能应用及发展趋势的题目。让全体学生在翻转课堂上积极展示，将自己所撰写的综述文章做成ppt上台进行展示，在规定的时间内讲解自己的观点和认识，不仅锻炼学生的知识总结、表达能力，更进一步激发学生的学习热情。
三是采用案例式教学方式。将科研项目中的最新成果引入课堂，讲解科学与技术问题的提出、分析与解决思路，让学生通过案例的全流程分析和解决过程学会如何思考。通过实例，深入浅出，剖析从理论到实践的转化过程。
通过科学案例的学习使学生了解机器学习算法如何应用在科研项目中，掌握机器学习的概念、理论、方法与技术及其应用情况，能够运用机器学习方法来解决实际问题，提高学生分析和解决实际问题的能力，为后续课程学习打下坚实的基础。
四、利用科研项目牵引学生实践创新
一是将科研课题中的若干个科学问题整理成毕业论文题目，引导学生攻坚克难，在毕业设计中勇于创新[5]。
例如在学生毕业设计中，基于科研课题布置了“基于深度学习的多聚焦图像融合方法与实现”“基于深度学习的目标跟踪方法与实现”等题目，引导学生拓展思维方式，利用最新的深度学习技术来解决实际科研学术难题。
二是指导学生基于科研题目撰写学术论文。通过学术问题的探讨与研究，深入理解和掌握学术论文的撰写要求与规范，通过学术训练，帮助学生提升学术素养，提高综合能力水平。
例如基于重大专项课题布置给学生图像匹配方面的研究任务，让学生结合研究课题进行深入学习，将课堂上所讲授的机器学习方法进行灵活运用，与老师一起合作撰写学术论文，基本掌握学术论文的撰写规则与方法，进一步加深对所学理论的理解与运用能力。
三是指导学生运用所学理论参加竞赛活动。运用掌握的基本理论和技术，通过软件编程实现部分机器学习算法，培养学生勇于拼搏的优良品质和科学严谨的工匠作风，提高自主学习能力和实践能力。
