機器學習實踐課程教學改革探討

機器學習理論課程教學改革討論〔〕:

摘要：本文主要討論面向本科教育的機器學習開放式理論課程教學改革方法。將Tensorflow平臺引入到理論教學中，對傳統(tǒng)的機器學習理論課程中教學環(huán)節(jié)和理論環(huán)節(jié)進展同步改革，利用翻轉課堂充分發(fā)揮學生在理論教學過程中的主體作用，培養(yǎng)學生中利用機器學習算法研究問題、分析問題和解決問題的才能。新方法的引用和新的教學手段較好支撐了理論教學的開展，促進了課程教學質量的進步。

關鍵詞：Tensorflow；機器學習；理論教學；教學改革

本文引用格式：蔣磊，等.機器學習理論課程教學改革討論[J].教育現(xiàn)代化,2022,7(56):76-79.

TeachingReformMethodsofMachineLearning"sOpenPracticalCourseforUndergraduateEducation

JIANGLei,ZHANGLi,YANJun，WANJin-tao

(SchoolofMechanicalandInformationEngineeringofChinaUniversityofMiningandTechnology,Beijing)

Abstract:Thispapermainlydiscussestheteachingreformmethodsoftheopenpracticalcourseofmachinelearningforundergraduateeducation.TheTensorflowopensourceplatformisintroducedtopracticeteachingandusedtosynchronizethereformofteachingandpracticeintraditionalmachinelearningpracticecourses.Theflippedclassroomisusedtogivefullplaytothemainroleofstudentsinthepracticeteachingprocess,andtotrainstudentstousemachinelearningalgorithmstostudyproblemsandimprovetheabilityofanalyzingproblemsandsolvingproblems.Theintroductionofnewmethodsandnewteachingmethodsbettersupportthedevelopmentofpracticalteachingandpromotetheimprovementofthequalityofcurriculumteaching.

Keywords:Tensorflow;Machinelearning;Teachingreform;Practiceteaching

一數(shù)字系統(tǒng)原理與應用理論課程的現(xiàn)狀

機器學習是當前最熱門的研究領域之一，得到了全世界的廣泛關注。在學術界，?Nature?和?Science?先后推出了機器學習?？懻摍C器學習為科研領域帶來的全新機遇與挑戰(zhàn)。在工業(yè)界，麥肯錫研究院指出機器學習將會是下一個創(chuàng)新、競爭、消費力進步的風向標[1,2]。在教育界，局部國內院校新開設了人工智能新工科專業(yè)，未開始的院校也都在在積極申報該專業(yè)[3,4]。雖然中國礦業(yè)大學〔北京〕暫未開設人工智能專業(yè)，但是人工智能專業(yè)中的核心課程?機器學習?在我校電氣大類各學科中都有開設。?機器學習?作為我校信息工程專業(yè)一門重要的專業(yè)核心課程，重點教授機器學習的理論知識和應用，使學生掌握應用機器學習知識解決實際問題的才能。在我校現(xiàn)行的?機器學習?課程中，主要是以各種經典的機器學習理論算法教學為主，例如KNN、決策數(shù)、支持向量機等，但是目前機器學習領域較熱門的研究方向均集中在各種不同類型的深度神經網絡。理解機器學習的根本原理，必須結合實驗與理論，但目前我校的?機器學習?課程并沒有配套的理論環(huán)節(jié)，理論局部往往是教師利用理論課時給學生在課堂上演示各種機器學習算法在matlab上的仿真與應用，通過理論學生大多可以掌握如何應用機器學習中的算法，學生往往對于機器學習各個算法的本質原理并不能追本溯源，也不具備應用機器學習知識解決實際問題的才能[5-7]。因此，對我校?機器學習?課程進展理論教育改革已經成為一個迫在眉睫的議題。

二?機器學習?理論教學改革的措施

我?，F(xiàn)有的?機器學習課程?方案學時數(shù)為32學時,全為理論學時。現(xiàn)有的培養(yǎng)方案由于缺乏理論課，不可以充分滿足課程大綱教學內容以達成培養(yǎng)目的。為了加深學生對?機器學習?知識的理解,進步學生應用機器學習解決實際問題的才能，我校方案在原有學時根底上，增加8個學時的理論課程。同時從教學大綱、理論環(huán)節(jié)兩方面進展教學改革。

〔一〕教學大綱修訂

?機器學習?課程是信息工程專業(yè)的一門重要專業(yè)選修課，本校2022版教學大綱教學重點主要集中在KNN，樸素貝葉斯、決策數(shù)、支持向量機與BP神經網絡等知識點。通過對學生課后的問卷調查和研討中發(fā)現(xiàn)，學生對上述知識點的數(shù)學背景知識嚴重缺乏。同時，上述算法在如今的機器學習和人工智能領域熱門已經有一定的脫節(jié)，知識的時效性已經不再滿足當前對學生的培養(yǎng)。因此，對我校2022版?機器學習?課程教學大綱修改，勢在必行。新的教學大綱不僅要講授神經網絡和深度學習的根本知識和根本理論，還要使用一定的學時對機器學習涉及到線性代數(shù)、概率論的理論根底進展強化學習。增加目前流行的卷積神經網絡、LSTM長短記憶神經網絡、對抗消費心經網絡等主流深度學習方法的介紹。在理論環(huán)節(jié)、增加卷積神經網絡和、循環(huán)神經網絡等深度學習算法的設計方法與實現(xiàn)方法。通過理論教學與實驗教學相結合，使學生能建立深度學習完好的總體概念，掌握深度學習的根本概念、根本分析方法和設計方法以及假設干典型的中、小規(guī)模深度學習網絡的功能及應用，培養(yǎng)學生分析問題和解決問題的才能，為后續(xù)課程打下理論和技術根底。

〔二〕實驗設施的改造

由于我校?機器學習?課程教學大綱沒有理論環(huán)節(jié)，現(xiàn)有的理論教學都是授課教師在課堂上占用現(xiàn)有理論課的時間，對機器學習算法的實驗進展簡要的演示。改革后的教學大綱，增加了理論教學環(huán)節(jié)。為了滿足教學理論的需要，進步學生就業(yè)競爭力，確保學習在充分掌握人工智能根底理論的同時，又具備應用新技術新設備將人工智能技術應用到實際問題中的才能，我校方案新建人工智能實驗室配合?機器學習?課程的理論環(huán)節(jié)。通過充分調研國內一流高校相關專業(yè)的課程理論平臺和人工智能相關企業(yè)，發(fā)現(xiàn)目前高校與科研公司人工智能算法的部署與施行，主要以包含GPU運算器的通用計算機平臺和專門設計的嵌入式系統(tǒng)平臺，例如搭載Nvidia2080TIGPU加速器的通用計算機，NvidiaJetsonNano嵌入式平臺。考慮到本科生畢業(yè)后可能在不同的領域進展科研工作，我校新建的人工智能實驗室搭建了基于NvidiaGPU加速平臺的通用計算機人工智能實驗平臺，基于NvidiaJestonNano、基于Intelneuralstick、基于FPGA的嵌入式人工智能實驗平臺。本科生利用上述不同種類的平臺可以充分掌握人工智能的算法搭建、訓練與嵌入式平臺部署的技能，充分理解與掌握人工智能技術的實現(xiàn)。

〔三〕理論教育方法的改革

1.教授Tensorflow和Keras平臺的使用方法在人工智能，機器學習以及深度學習的浪潮推動下，一系列的平臺推出進入大家的眼球，而最為火爆的為Tensorflow,它是谷歌基于DistBelief進展研發(fā)的第二代人工智能學習系統(tǒng)，其命名來源于本身的運行原理。Tensor〔張量〕意味著N維數(shù)組，F(xiàn)low〔流〕意味著基于數(shù)據(jù)流圖的計算，TensorFlow為張量從流圖的一端流動到另一端計算過程。TensorFlow是將復雜的數(shù)據(jù)構造傳輸至人工智能神經網中進展分析和處理過程的系統(tǒng)。教授學生使用TensorFlow提供的模塊以不同的程序設計語言建立"計算圖";，TensorFlow提供的模塊非常強大，學生可以設計張量運算流程，并且構建各種深度學習或機器學習模型。建立"計算圖";完成后，學生就可以在不同的平臺上執(zhí)行"計算圖";。機器學習中，最花時間的就是模型的訓練，尤其大型的深度學習模型必須使用大量數(shù)據(jù)進展訓練，需要數(shù)天乃至數(shù)周之久，TensorFlow具備分布式計算才能，可同時在數(shù)百臺機器上執(zhí)行訓練模型，大幅縮短模型訓練時間。TensorFlow是比擬低級的深度學習API〔ApplicationProgrammingInterface,應用程序編程接口〕，所以用程序設計模型時必須自行設計：張量乘積，卷積等底層操作，開發(fā)時需要編寫更多的程序代碼，并且需要花更多時間。因此學生往往很難在短時間內掌握使用TensorFlow設計各種神經網絡。為了使學生在有限的理論課授課課時內掌握應用TensorFlow，在教學理論過程中授課教師通過教授TensorFlow的高級API-Keras來幫助學生快速掌握神經網絡的搭建與訓練。

2.人工智能的嵌入式平臺應用通過軟件實現(xiàn)神經網絡相對于硬件來做會更加成熟，然而考慮到軟件方法實現(xiàn)的速度較慢、并行程度相對較低，因此使得其在一些特殊場合下不能進展實時運算，同時在實際的工程應用中，往往不能直接將計算機平移到應用現(xiàn)場，而是將在專用計算機的訓練好的模型或者是算法移植到相應的嵌入式平臺中。因此在?機器學習?理論教學環(huán)節(jié)，教授學生一種更加高效和快速的機器學習硬件實現(xiàn)方法非常重要?？紤]到專用計算芯片具有高速性和高性價比的特性，有些學者開始在一些情景中使用ASIC〔專用計算芯片〕，但是局限于其過高的本錢以及不可重構的弊端，它只能在需要大量消費的某些情況下使用，隨著FPGA的開展，它目前為人工智能、深度學習提供了一種新的方式[9]。FPGA可以在同一周期內完成多項操作。由于其強大的并行計算才能，使其可以在較短的周期內實現(xiàn)大規(guī)模的神經網絡部署。根據(jù)我校現(xiàn)有的培養(yǎng)方案，同學們在課程開始前都已經掌握了FPGA的硬件知識和VerilogHDL編程方法，在新的教學大綱中和培養(yǎng)方案中，教授同學們利用FPGA進展神經網絡的快速部署和并行推理水到渠成。

3.理論教學方法的改革現(xiàn)有的實驗課程教學方法主要以學生驗證為主。學生驗證環(huán)節(jié)中，學生大都是按照實驗指導書敲擊代碼進展驗證。實驗教學在整個課程教學中發(fā)揮的作用較少。在我校新的培養(yǎng)方案中，方案對現(xiàn)有的理論教學方法進展改革，實驗指導書具有開放性和較高的自由度，只給出一些詳細機器學習算法的實際應用，例如圖像識別、字符識別、語言識別、自動駕駛、算法部署等。在實驗方案、實驗內容、實驗步驟等方面給學生充分的自主性，整個理論教學過程中，教師負責引導學生分析并找到解決問題的方法，充分發(fā)揮學生的主體作用。

三?機器學習?理論課程設計

新的機器學習理論課程教學改革理論中在命題方法上采用傳統(tǒng)的命題方式與開放命題方式相結合的方法,如表1所示。實驗1教授學生如何使用Tensorflow平臺和FPGA實現(xiàn)機器學習算法中的深度學習，重點介紹在Tensorflow下如何搭建神經網絡，介紹FPGA中的并行計算與深度流水線技術，通過實驗1學生可以理解在綜合考慮FPGA資源與精度情況下，如何選擇分段函數(shù)與查表法相結合的平滑插值法對雙曲正切函數(shù)進展逼近。這種函數(shù)逼近法本質上就是通過一系列的線性函數(shù)來對鼓勵函數(shù)進展擬合，然后所得系數(shù)利用查表的方式表示出來。如何將鼓勵函數(shù)分為不同的區(qū)間，并運用最小二乘法對多項式進展擬合，最終用多個線性函數(shù)將雙曲正切函數(shù)表示出來。因為雙曲正切函數(shù)的正區(qū)間與負區(qū)間關于原點對稱，所以為了節(jié)省資源，在取負值時，通過取絕對值帶人正值區(qū)域再取反的形式獲得，這種方式有效地節(jié)約了對FPGA資源的利用。實驗2利用Tensorflow平臺搭建BP神經網絡進展手寫字符識別，在機器學習框架方面，TensorFlow的真正獨特之處在于，可以在5行或者10行代碼中構建模型。然后應用這個模型，進展擴展做出產品。

實驗2教授學生如何利用Tensorflow平臺構建深度神經網絡識別手寫字符，在這里深度指的就是，層與層之間更深層次的協(xié)調。以及隨之產生的更加復雜的連接。最終的結果就是在學生構建的模型中，有百萬級別的神經元。因為模型表現(xiàn)為操作圖而不是代碼，因此學生不需要為此寫額外的代碼，可以將精力專注在網絡的構造中。只需直接自動地計算以及應用這些迭代更新。模型表現(xiàn)為圖的另一個好處就是，在學生的代碼中，可以用一行聲明就說明:"這局部圖在這里運行,另一局部圖分布式運行在不同的機器群上";。甚至可以說"這局部注重數(shù)學的圖在GPU上運行,與此同時,數(shù)據(jù)輸入局部的代碼在CPU上運行";。通過完成實驗2學生可以掌握如何利用Tensorflow平臺快速搭建各類神經網絡。在完成實驗1和實驗2的課程理論后，學生對機器學習算法有一個直觀的認識、并掌握利用Tensorflow平臺或者FPGA平臺快速部署神經網絡，具有了進展實驗3和實驗4開放命題理論的根底。實驗3和實驗4合并為開放式理論課，鼓勵學生組成2到3人的團隊，利用課堂教授的機器學習算法和開源平臺的使用方法，從生活中尋找感興趣的問題、解決問題，并持續(xù)記錄開發(fā)過程。以翻轉課堂的方式，要求學生在課堂演講介紹自己發(fā)現(xiàn)問題、解決問題的過程來。教師在實驗3和實驗4主要負責引導學生分析并找到解決問題的方法。

四理論教學改革的成效與進一步考慮

"機器學習";課程的理論性、理論性、應用性都很強,如何做到既因材施教，又培養(yǎng)學生的理論才能、創(chuàng)新才能是檢驗機器學習理論課程改革是否成功的重要檢驗標準[10]。我校從2022年來，利用新購置的專用計算機開發(fā)平臺對"機器學習";教學進展了改革，教學內容以引導性為主，將根底原理、知識介紹給學生，啟發(fā)學生在該學科不同領域、不同方向，跟著自己的興趣去探究。為了驗證本次教學理論的改革效果，通過比照本校2022級學生，實驗三和實驗四的課堂展示的設計〔表2所示〕，發(fā)現(xiàn)大局部同學表示對理論教學過程非常感興趣，同學們選擇的題目〔問題〕、方法〔機器學習算法〕不盡一樣，展現(xiàn)了在不同的領域進展了不同程度的探究與考慮。同學們大多反映，自己不僅實際操作才能大為進步，編程過程中也加深了理論知識的理解，獲得一定的成就感。本次教學理論改革以研究型本科教育教學為導向，以培養(yǎng)學生利用機器學習方法解決復雜工程問題為出發(fā)點，設計開放性實驗教學內容，既讓學生能掌握根底的機器學習相關知識，又讓學生充分理解機器學習技術的開展前沿。在此根底上學會利用Tensorflow進展算法實現(xiàn)和開放，進一步加深對理論知識的理解、概念的建立。除此以外，該理論教學改革能讓學生在發(fā)現(xiàn)問題解決問題的過程中，掌握學科知識的詳細應用與實現(xiàn)，極大地調動了學生的積極性，可以借此教學改革引導學生自發(fā)學習相關的知識。

參考文獻

【1】曾道建,向凌云,周書仁.面向本科