当前位置: 首页 >> 经验共享 >> 正文

基于OBE理念的机器学习课程建设的思考

发布者: [发表时间]:2020-11-30 [来源]: [浏览次数]:


在申请“基于OBE理念的机器学习课程建设的研究”项目获批后,按原计划,在现有机器学习课程建设成果的基础上,进行机器学习课程开课前的课程建设工作,使该课程适合计算机科学与技术专业的选修课教学,并适合智能科学与技术专业的专业主干课教学需要。

一、开设机器学习课程的必要性和重要性

智能科学与技术已经由理论研究阶段发展到广泛应用阶段,其中机器学习程序设计的应用价值体现得愈来愈明显,其基于数学理论的研究已经相对成熟。通过系统的学习,智能科学与技术或大数据相关专业的毕业生完全可以理解并掌握机器学习程序设计原理和方法,并具备使用机器学习知识发现、分析和解决智能技术相关问题的能力。

应用型本科智能科学与技术及相关专业开设机器学习课程不仅使课程体系更具前瞻性,而且能够通过机器学习课程的教学拓展学生的专业视野、提升毕业生的就业竞争力。此外,机器学习课程作为智能科学与技术专业的专业主干课,该课程的教学效果能够较大程度上决定智能科学与技术专业毕业生的就业质量。智能科学与技术专业的人才培养目标岗位包括但不限于数据分析师、算法分析师和智能信息系统,以数据分析师的人才培养目标要求如图1所示。其中知识要求中的算法要求,分析工具应用能力的编程分析要求,编程能力的Python编程要求、数据可视化的复杂的可视化图表要求等,均可以通过机器学习课程形成或得到强化。

1 数据分析师岗位职业技能要求

二、课程教学目标和教学内容的确定

在明确了课程对人才培养目标支撑关系的基础上,确定了课程的教学目标。即通过对机器学习课程的学习,学生能够掌握机器学习的基本理论和基本方法,形成机器学习程序设计思维习惯,强化Python程序设计能力,全面掌握机器学习概论、统计学基础、回归、分类、聚类等经典机器学习知识;学生能够基于Python实现k近邻、决策树、朴素贝叶斯、逻辑回归、支持向量机、随机森林、线性回归、K-均值、树回归等算法并解决相关经典问题;学生能够调试机器学习程序,使用机器学习程序构建模型,并对模型有效性进行测试的能力;同时,学生能够使用机器学习知识解决数据分析、算法分析和智能信息系统研发等问题。为达到课程的教学目标,进一步确定课程教学内容和课程学习基础要求如图2所示。

2 机器学习课程教学内容和学习基础要求

课程的教学内容以机器学习的7个经典算法为主要教学内容,对每个算法的学习均以解决实际问题为目标,适时开展实验教学(如表1所示),使学生在学习过程中具有明确的短期目标,并使学生每讲的课程学习都具有获得感,以此贯彻以成果导向的教育理念(OBE理念),以弥补传统的机器学习课程教学理论性较强的不足,使该课程的建设更符合应用型人才培养要求,更符合学校的教学理念,有利于形成具有我校特色的机器学习教学方式,也为应用型本科机器学习课程的教学探索更丰富的方式。

1 机器学习课程教学内容和实践教学安排表

三、教学实施过程和教学方法的设计

在设计了教学内容后,需要根据教学内容的特点对教学实施过程和教学方法进行初步设计。根据目前教学内容的安排,机器学习课程总体上分为两个阶段,基础知识复习阶段和三大类七个经典算法实现及应用阶段。

在基础知识复习阶段,采用讲授、案例驱动、演示教学和指导教学等教学方法,即按传统讲授方式,以多媒体和板书为教学手段,对机器学习课程的数学基础知识和编程基本能力进行复习和强化。在教学过程中,以编程案例为驱动,以知识复习为主要内容,以编程能力强化为目的。授课过程中,每讲课程有56个知识点,每15分钟左右介绍一个知识点。知识点讲解过程通过讲授、案例演示等教学方法完成,在每个知识点学习后即刻安排云班课练习题或编程实践,并通过指导教学给予学生必要的反馈。教学方法和教学内容类型的对应关系如表2所示。

在经典算法实现和应用阶段,采用讲授、项目驱动、演示教学、实验教学和指导教学等教学方法,即以项目功能实现为目标,提出现实际问题,引出算法理论,讲解并实现算法。在教学过程中,以项目为驱动,以算法讲解和实现为主要内容,以使用算法解决实际问题为目的。授课过程中,将算法解决实际问题的过程划分为6个阶段,每15分钟完成一个阶段的讲解或演示。理论讲解过程通过讲授法完成,并在其后即刻安排云班课练习题;编程演示过程通过演示教学法完成,并通过指导教学法给予学生必要的反馈;编程能力形成过程通过实验教学法完成,并通过指导教学法给予学生必要的反馈。教学方法和教学内容类型的对应关系如表2所示。

教学过程以每10-15分钟为一个教学反馈周期,每个周期学生都能够得练习题反馈或教学指导反馈,引导学生形成学习兴趣,以学习成果,通常是项目成果为导向进行经典算法的学习,形成编程能力和解决实际问题的能力。

2 教学方法和教学内容类型的对应关系表

四、课程考核的设计

机器学习课程是典型的实践型课程,在课程考核方面注重过程考核和实践能力考核。因此设计了平时成绩、实践考核、期末考核为3:3:4的考核比例分配。课程考核的设计如图3所示。

3 机器学习课程考核的设计

平时成绩分为出勤和课堂表现、平时作业和阶段测试三个部分;实践考核以四次实验考核为主,分别完成决策树、逻辑回归、线性回归和K-均值等四个算法的实现和应用;期末考核采用闭卷笔试方式进行,综合考核基础知识掌握情况和编程能力形成情况。

其中,出勤和课堂表现主要考核学习态度;阶段测试共3次,以云班课测试活动方式进行,主要考核知识掌握情况;平时作业共4次,分别是使用k近邻算法解决手写数字识别问题、使用朴素贝叶斯算法解决垃圾邮件识别问题、使用随机森林算法解决超声波探测问题和分组完成尝试解决股票趋势预测或彩票预测问题,主要考核实践能力形成情况;实验考核共4个,主要考核实践能力形成情况;期末考核综合考核知识掌握情况和编程能力形成情况。此考核方案能够较为全面客观的考核学生的学习情况,并通过较高频度的考核反馈,增强学生的获得感。

五、结语

目前“基于OBE理念的机器学习课程建设的研究”项目已经初步完成了教学大纲、教学PPT、教案、实验指导书、平时作业要求和期末考试试卷,还需要对教案、实验报告要求、平时作业评分标准等进一步细化。通过进行机器学习课程的建设工作,对OBE理念有了更深刻的认识,对机器学习课程的教学内容和教学方法有了更全面的了解,对该课程的授课更有信心。



上一条:基于《传感器技术及应用》的理实融合课改实施案例说明

下一条:一节优质课的课堂评价标准与细则解读