基于渐进式的留学生机器学习课程实践研究

李延超

关键词：机器学习课程；留学生教育；渐进式教学；实践教学；混合式教学

0 引言

教育國际化发展至今，国内高校有很多中外合作办学项目，如“一带一路”沿线国家留学生项目[1]。高校运行模式需要国际化，培养满足国际化发展需求的人才。

从近几年的留学生授课情况看，来华留学生普遍存在基础教育知识薄弱，对机器学习课程体系所需要的数学、统计、概率及编程知识有一定程度的缺失现象，特别是缺乏必要的逻辑思维和分析问题能力，导致他们很难达到学校的毕业要求[2]。

针对这种普遍现象，我们对机器学习课程采用渐进性、实践性和混合式教学的创新方法，通过课程教学、实践教学和汇报演示，培养留学生知识、能力和素质全面发展，使其具备一定的机器学习理论基础，能够较好的应用机器学习模型和算法解决问题。同时，能够了解学科研究方向的国内外现状和发展动态，具备独立从事科学研究和工程技术的能力。

1 教学目标及其实践教学方法

在机器学习课程建设中，课程教学大纲的设计是最重要的。其主要内容应包括课程内容、课程目标、教学方法、实践教学方法、教学反馈等方面[3]。机器学习课程为48 课时，其中课堂授课34 课时，课程实践14 课时，外加课后习题及讨论。

1.1 课程目标

机器学习课程的目标是运用机器学习算法/模型解决实际应用问题。该课程讲述机器学习的发展简史、任务、模型和应用。其中包括传统的机器学习方法，人工神经网络，深度学习及其应用。海外留学生通过该课程的学习能够了解基本的机器学习模型和方法，完成机器学习算法应用实验、计算机视觉、自然语言处理应用实验和自主型实验项目。学生通过实践，能够发挥主动性，理解机器学习算法运行和实现过程。课程通过教学与编程实践相结合，逐步培养他们发现问题、提出问题、分析问题和解决问题的能力[4]。

1.2 渐进性教学方法

渐进性教学方法对于逻辑思维培养训练是非常有用的，通过循序渐进的方式，一步一步地建立定制化的教学体系，同时通过迭代反馈来不断改进，形成阶段式和反馈式教学方法[5]。在机器学习课程渐进式体系实施过程中，首先采用任务驱动的方式，介绍机器学习的应用问题（图1），接着从任务（问题）-方法（模型）-算法（图2）角度介绍机器学习解决问题的逻辑思路。最后逐个介绍机器学习模型、算法以及实现。在具体内容的讲解过程中，根据每个知识点逐步突破和拓展，课堂上测验留学生学习的成效和反馈，此外，通过编码实践习题加深学生对课程内容的理解。

1.3 实践性教学方法

针对一些留学生基础知识相对比较薄弱的情况，缺乏相应的数理背景知识，机器学习课程采用理论和实践教学同时进行，具体采用渐进式、过程改进式的实践教学方法，可以增强课程的接受度[6]。例如在讲授回归任务/问题的过程中，首先介绍回归任务中比较简单的线性回归问题，了解一般回归模型训练与预测的流程，接着讲解基于最小二乘法的线性回归模型，最后介绍采用解析解和梯度下降的优化算法进行求解的方法。在介绍解析解的过程中，要把数学理论与代码实践相结合，让学生理解求解步骤，然后用代码实现，这样可以提升留学生的学习兴趣[7]。

基于最小二乘法进行线性回归任务分析过程中，通过解析解求解时，采用数学公式与代码结合的方式讲解，程序代码如下：

此外，在简单线性回归模型介绍的基础上，可以进一步拓展。例如让学生课后继续学习其他模型解决线性回归问题，或者采用其他优化算法进行求解，具体的课后编程习题如表1 所示。总之，机器学习实践教学的建设方法在授课的过程中得到了充分体现，这种方法在介绍神经网络与深度学习内容中也得到了充分的应用。

2 混合式教学创新方法

对留学生的机器学习课程采用混合式教学方法，线上授课，线上批改作业。选择合适的线上教学工具和方法是一件非常重要的事情。结合课程的特点以及海外留学生的实际情况，最终选定结合腾讯会议线上授课和线上批改作业的形式。在整个的教学过程中，为了更好地了解留学生在各个阶段的学习效果，用随机练习题作为辅助测验。课堂随机练习题样题如下：

1. You have an input volume that is 63×63×16， andconvolve it with 32 filters that are each 7×7， using a strideof 2 and no padding. What is the output volume？A. 29×29×16 B. 29×29×32 C. 16×16×16 D. 16×16×32

2. You have an input volume that is 15x15x8， and pad itusing "pad=2. " What is the dimension of the resultingvolume （after padding）？

A. 17×17×10 B. 19×19×12 C. 19×19×8 D. 17×17×8

线上批改作业和解答形式结合可以快速并及时的反馈教学效果。在实际的教学经验中发现，这种方法可以跟进留学生在听课过程中有哪些知识点存在疑惑，可以针对性多讲解几遍，加强知识的理解，也方便留学生课后进一步编码实现。通过实际调研发现，采用这种混合式教学方法可以增强留学生对机器学习模型/方法的学习兴趣[8-9]。

3 实施案例和教学效果分析

从实施的案例来分析，在介绍神经网络基础过程中，首先从网络结构（多少层、每一层宽度、激活函数），损失函数（交叉墒、Sigmoid），神经网络怎么计算梯度（前向传播和反向传播），Batch 大小，以及选择优化算法（SGD、AdaGrad、RMSprop）和一些其他参数的调节，包含学习率、迭代次数等。留学生可以比较清晰地明白神经网络是怎么训练的，同时也了解怎么去构建一个神经网络，这为后面介绍其他类型的神经网络奠定了很好的基础。

在讲解卷积神经网络模型的过程中（图3），通过基本神经网络讲解的铺垫，开始讲解卷积操作（Operator），每讲解一个操作，给出练习测试留学生接受的程度。在讲解完卷积层的各个操作，总结卷积层关键部分，比如卷积核（Filter）数目、卷积核大小，步长（Stride），Padding 选择，激活函数、以及池化层配置等。总之，这样的实践教学使留学生的学习兴趣越来越大，并且也感受到自己可以上手编码实现模型的训练和预测。程序代码如下：

课程考核方式是学生运用所学的机器学习算法解决实际的应用问题，课程助教提供了诸如Kaggle、UCI 等公开数据集平台供大家下载数据集，课程通过提交大作业报告的形式和现场演示汇报结合。在近几年的教学过程中，发现很多留学生做了非常充分的工作，比如有结合医学、交通的数据应用进行汇报。表2 展示了通过渐进性、实践性和混合教学模式后学生平均成绩呈现逐年提高趋势，尤其在实践能力的提高更为明显。

留学生通过理论和实践的学习，能力有特别明显的提升。课程结束后，为了进一步调研留学生学习效果，我们对留学生进行1 对1 的访谈，发现学生掌握机器学习算法/模型实践的认识之后，再进一步学习机器学习理论内容，可以更好的吸收和理解。从调查问卷结果反馈来看，相比于传统教学，大部分学生更喜欢这种混合式教学方式。学生的表达能力、团队合作能力、自学能力等得到了全面提升。

4 总结

采用渐进性、逻辑性和实践性教学，取得了很好的教学效果并得到了留学生的一致好评。《高质量线上教学讲座》为教师提供了很多启发性的教学方法和教学资源共享平台的使用机会，这极大地方便了移动化和高效率的线上授课。现如今，对于机器学习课程，网络上有很多国内外名校开设的优秀专项课程，可以进一步嵌入互联网资源的优势。我们能够通过对教学内容、混合式教学方法的不断改进和创新，来促进对留学生高阶学习能力的培养。