吳明暉

（浙江大學(xué)城市學(xué)院 計算機科學(xué)與工程學(xué)系，浙江 杭州 310015）

0 引 言

深度學(xué)習(xí)技術(shù)引燃了新一輪人工智能熱潮，各行業(yè)都有著強烈的智能應(yīng)用需求。2018 年我國首批38 個人工智能本科專業(yè)獲批，人工智能專業(yè)建設(shè)進入井噴期[1]。深度學(xué)習(xí)作為新一代人工智能技術(shù)體系重要組成部分，不僅是IT 相關(guān)專業(yè)有學(xué)習(xí)需求[2]，對于其他專業(yè)打造復(fù)合交叉的“人工智能+X”人才培養(yǎng)體系也具有重要意義[3]。

《深度學(xué)習(xí)應(yīng)用開發(fā)—Tensor Flow 實踐》課程關(guān)注如何根據(jù)不同場景落地智能技術(shù)應(yīng)用，基于最流行的機器學(xué)習(xí)框架TensorFlow，專注于新一代人工智能思維與應(yīng)用開發(fā)能力的培養(yǎng)，注重實踐，是一門及時響應(yīng)新工科人才培養(yǎng)需求的人工智能類應(yīng)用開發(fā)課程。

1 TensorFlow簡介

TensorFlow 是Google 公司開發(fā)的一個開源深度學(xué)習(xí)框架[4]，其定位是“A machine learning platform for everyone to solve real problems”，即適用于每個人的用來解決實際問題的機器學(xué)習(xí)平臺。TensorFlow 近3 年一直占據(jù)各類深度學(xué)習(xí)框架受歡迎程度排行榜的榜首，是當(dāng)前最受歡迎的深度學(xué)習(xí)框架。

2019 年10 月谷歌正式推出TensorFlow 2.0版本。TensorFlow 2.0 更注重使用的低門檻，默認采用Eager execution（動態(tài)圖機制）模式，無需事先定義計算圖，允許用戶像編寫普通Python 程序一樣去編寫、調(diào)試模型，可以直接執(zhí)行操作并返回結(jié)果，這使TensorFlow 更易于學(xué)習(xí)和應(yīng)用。

2 課程內(nèi)容設(shè)計

有別于傳統(tǒng)人工智能課程，本課程不泛泛地講解各類人工智能技術(shù)或是干澀地講深層次理論和算法，也不是純粹介紹TensorFlow 的編程技能，而是面向大多數(shù)潛在的初學(xué)者特點（沒有系統(tǒng)的人工智能理論基礎(chǔ)、深厚的數(shù)學(xué)功底，甚至沒有學(xué)過Python 編程，但對人工智能感興趣，學(xué)過某種編程語言，希望能結(jié)合自己所長嘗試開發(fā)智能應(yīng)用），選取典型的場景，精心設(shè)計了系列案例來引導(dǎo)整個學(xué)習(xí)過程，激發(fā)學(xué)習(xí)者的學(xué)習(xí)興趣和應(yīng)用創(chuàng)新。

系列案例由淺入深，各有側(cè)重，兼具趣味性和系統(tǒng)性。主要案例包括房價預(yù)測、手寫數(shù)字識別、圖像識別、Deep Dream 夢幻圖像生成、貓狗大戰(zhàn)、泰坦尼克號旅客生存預(yù)測、電影評論情感分析、流行服飾圖像自動生成、鳶尾花識別網(wǎng)頁應(yīng)用以及花卉識別App 開發(fā)等。通過這些案例從最簡單的單個神經(jīng)元的線性回歸應(yīng)用開始，歷經(jīng)多元線性回歸、全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)CNN、深度神經(jīng)網(wǎng)絡(luò)VGG、遷移學(xué)習(xí)、Keras高層接口、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN，直到生成對抗網(wǎng) 絡(luò)GAN、TensorFlow.js 和TensorFlow Lite 等高級話題。

課程以不同場景的系列案例項目來組織教學(xué)。每次課程均以一個精心設(shè)計的案例為主線，一方面介紹TensorFlow 編程的方法和技能，另一方面體現(xiàn)相關(guān)深度學(xué)習(xí)的思想和創(chuàng)新思維。通過對該案例的演示和迭代式開發(fā)過程分析，由淺入深，逐步引出需要掌握的知識點，并討論其中涉及的相關(guān)智能思維、誘導(dǎo)激發(fā)學(xué)生的創(chuàng)新。課程內(nèi)容設(shè)計見表1。

表1 課程案例與教學(xué)內(nèi)容

（續(xù)）表1

每講案例配套項目開發(fā)式作業(yè)，要求學(xué)生按“案例重現(xiàn)–模仿改進–創(chuàng)意創(chuàng)新”之路，邊做邊學(xué)，完成系列半開放選題開發(fā)項目。大作業(yè)則在學(xué)期中期開始，由教師指導(dǎo)、學(xué)生自主選題設(shè)計完成，體現(xiàn)課程知識的綜合應(yīng)用。

3 MOOC課程建設(shè)

MOOC 課程受眾面廣，突破了傳統(tǒng)線下課堂人數(shù)的限制，一般會有相當(dāng)高的學(xué)生—教師比例?；谡n程的特點，本課程通過案例引導(dǎo)、項目驅(qū)動來激發(fā)學(xué)生的興趣，增強主動學(xué)習(xí)，強調(diào)“做中學(xué)”。因此在教學(xué)設(shè)計時就考慮到如何以在線開放課程的方式來承載本課程的教學(xué)理念，達到教學(xué)目標。

在教學(xué)過程中強調(diào)學(xué)生的主體性和個性化。課程提供了豐富的教學(xué)案例和視頻資源，讓學(xué)生能便利地通過互聯(lián)網(wǎng)進行個性化學(xué)習(xí)。每個教學(xué)視頻的時長一般控制在5～15 分鐘，適合學(xué)生利用碎片化時間靈活安排學(xué)習(xí)。為了讓學(xué)員能夠跟隨課程動手實踐，課程講解細致，從第一行代碼到項目最終完成，中間會增量迭代幾個版本，對常見問題的產(chǎn)生及解決方案都給出特別演示。課程經(jīng)過持續(xù)建設(shè)，已經(jīng)積累了豐富的教學(xué)資源，目前包括共時長1 350 分鐘的159 個教學(xué)視頻，以及案例、項目、課件、電子教材、學(xué)生優(yōu)秀作品等。課程配套的教材電子版已發(fā)布在GitBook 平臺上?；贕itBook 平臺，可以支持多人合作的方式進行教材編寫，所有最新的內(nèi)容和修正都可以隨時進行，可以保持教材總是反映最新的內(nèi)容。學(xué)員可以通過MOOC 平臺、GitBook 平臺等多種方式方便地獲取學(xué)習(xí)資源，開展個性化學(xué)習(xí)。

為解決高生師比問題，改革教學(xué)活動和評價方式，設(shè)置線上討論版，鼓勵學(xué)生參與討論和互助；對于客觀題，使用自動化的線上判題系統(tǒng)進行評價，如隨堂測驗、考試等?；诒菊n程的教學(xué)設(shè)計，項目式作業(yè)是本課程的一個重要特點，所占的評價比重很大，而MOOC 課程的學(xué)生數(shù)量又很多，教師團隊難以逐一評閱，因此設(shè)計為學(xué)生互評模式進行評價。這就要求在設(shè)計項目式作業(yè)時，盡量給出詳細的評分指引，讓互評學(xué)生有據(jù)可依。為保證公正性，平均每份作業(yè)需要5人左右評價，每人需要評5 份作業(yè)才算完成互評任務(wù)。對作業(yè)互評設(shè)定獎懲措施，不評或者少評的將被扣分。

4 基于SPOC的翻轉(zhuǎn)課堂模式教學(xué)實施

本課程適合采用基于在線開放課程的教學(xué)資源進行翻轉(zhuǎn)課堂教學(xué)法來授課。課程上線后各院?？梢曰诒菊n程資源進行同步SPOC 或者異步SPOC 課程教學(xué)，也可供感興趣的學(xué)生純粹通過網(wǎng)絡(luò)進行自主學(xué)習(xí)。

在基于SPOC 的翻轉(zhuǎn)課堂教學(xué)模式下，強調(diào)學(xué)生的主體特性，教師更多地扮演導(dǎo)師和技術(shù)支持的角色，課程不再以教師講、學(xué)生聽的模式開展，學(xué)生可以自由安排時間通過課前網(wǎng)絡(luò)進行學(xué)習(xí)，在課堂上主要進行問題討論和思維擴展，讓學(xué)習(xí)更有針對性，真正促進因材施教。

4.1 課前學(xué)習(xí)活動的組織

首先教師提前發(fā)布學(xué)習(xí)項目及要求，提供MOOC 視頻、擴展資料、思考角度、搜索技巧等方面的幫助，組織學(xué)生在課前觀看相關(guān)的學(xué)習(xí)視頻及資料，鼓勵學(xué)生根據(jù)自己的興趣和能力選擇不同的學(xué)習(xí)材料及學(xué)習(xí)進度，激發(fā)學(xué)習(xí)主動性，實現(xiàn)個性化學(xué)習(xí)。

針對每個學(xué)習(xí)項目及視頻等材料，教師在討論區(qū)發(fā)布若干問題，由學(xué)生進行回答；學(xué)生也可在討論區(qū)發(fā)帖提問或者回答其他同學(xué)的問題。教師整理并記錄下較為普遍的問題，并準備在課內(nèi)教學(xué)活動中進行引導(dǎo)回答。學(xué)生發(fā)帖及回復(fù)的次數(shù)與質(zhì)量可作為教學(xué)評價的一部分依據(jù)。

建議學(xué)生以小組為單位（每組的人數(shù)大約在4 人左右），通過網(wǎng)絡(luò)平臺展開組內(nèi)及組間的協(xié)作式學(xué)習(xí)。小組成員間就各自學(xué)習(xí)的心得及疑問進行交流互助，最后以PPT 或者報告的形式記錄學(xué)習(xí)結(jié)果。在此過程中，小組的學(xué)習(xí)疑問可以通過網(wǎng)絡(luò)平臺與教師或者其他小組交流。

4.2 課內(nèi)教學(xué)活動的組織

課內(nèi)教學(xué)活動主要是通過對學(xué)習(xí)成果的匯報展示；學(xué)生間提問答疑等協(xié)作交流；學(xué)生和教師對其的評價；教師的個別性指導(dǎo)4 個環(huán)節(jié)來完成。

首先需要組織學(xué)生對項目的學(xué)習(xí)成果進行匯報展示，分析學(xué)習(xí)過程中的困難和體會。其次，在匯報展示結(jié)束后，鼓勵其他學(xué)生對展示結(jié)果進行提問，由匯報人（小組）進行答疑或者協(xié)作學(xué)習(xí)。對展示結(jié)果有質(zhì)疑的可在課內(nèi)或者通過網(wǎng)絡(luò)平臺展開進一步討論和評價。然后，借由前面的成果匯報、協(xié)作答疑等環(huán)節(jié)，學(xué)生們對課前學(xué)習(xí)的知識進行了整理和內(nèi)化吸收。最后，教師需要根據(jù)課前學(xué)習(xí)及課內(nèi)活動展現(xiàn)出來的問題，針對不同層次學(xué)生進行個別指導(dǎo)；同時階段性的對碎片化的知識進行系統(tǒng)性梳理，從而激發(fā)學(xué)生的積極性和學(xué)習(xí)興趣，協(xié)助其對學(xué)習(xí)內(nèi)容產(chǎn)生進一步的理解和提升。

4.3 課程考核方式的改革

針對基于MOOC 課程資源開設(shè)的SPOC 線下課程，學(xué)生考核和評價方法將結(jié)合線上和線下學(xué)習(xí)兩方面進行。

考核形式為課堂表現(xiàn)與網(wǎng)絡(luò)論壇參與程度（占10%）+每次課后項目式小作業(yè)（8 次，占40%，網(wǎng)上學(xué)生互評）+測驗（4 次，占20%，系統(tǒng)自動評分）+期末大作業(yè)（小組項目式作業(yè)，占30%，現(xiàn)場展示答辯，各小組互評分作為參考，老師評分）。

以期末大作業(yè)替代傳統(tǒng)題型的期末考試是本課程特點之一，突出實踐，強調(diào)創(chuàng)新性和挑戰(zhàn)度。其中線下期末大作業(yè)由學(xué)生分組完成，最多4 個人1 組。自由選題，完成一個深度學(xué)習(xí)應(yīng)用的設(shè)計與開發(fā)，最終提交實驗報告、源代碼、演示視頻和答辯ppt，所有小組成員上臺進行演示和答辯。期末大作業(yè)根據(jù)以下3 方面進行綜合評分：①大作業(yè)設(shè)計與開發(fā)情況（占總評70%），根據(jù)以下5 方面評價：問題場景與創(chuàng)意、所選模型類型的適用性、模型性能、功能實現(xiàn)完備性、整體技術(shù)復(fù)雜度（各20%）；②實驗報告+演示（占總評分30%）；3）個人貢獻（根據(jù)小組成員貢獻適當(dāng)調(diào)節(jié)）。

在大作業(yè)考核現(xiàn)場答辯環(huán)節(jié)中，引入學(xué)生組互評，當(dāng)一個小組在臺上演示講解自己小組的作品時，其他小組會進行打分，這些分數(shù)供教師參考，最后評分由教師完成。每學(xué)期大作業(yè)的優(yōu)秀作品，將作為案例充實到課程中的往年優(yōu)秀作品展示環(huán)節(jié)。

5 課程實施與討論

5.1 課程實施基本情況

MOOC 課程自2018 年9 月在“網(wǎng)易云課堂”平臺上線，首輪即有超過3 600 人選課，目前已經(jīng)完成2 輪完整開課，累積超過8 000 名學(xué)員參加了本課程的學(xué)習(xí)。2019 年9 月，本課程在“中國大學(xué)MOOC”平臺發(fā)布，開課一個月已經(jīng)有超過8 000 名學(xué)員修讀，受到學(xué)生好評，例如，學(xué)員mooc69602545645918861 評價“這是我見過最好的深度學(xué)習(xí)教學(xué)視頻。原本覺得深度學(xué)習(xí)得涉及大量高等數(shù)學(xué)知識，畢業(yè)十幾年的我早已遺忘，覺得深度學(xué)習(xí)與我是無緣的。上了吳老師的課，覺得又讓我重新燃起了希望，現(xiàn)在甚至對高等數(shù)學(xué)也產(chǎn)生了興趣?！保粚W(xué)員wurs.2010評價“整體偏應(yīng)用，但不缺理論的剖析講解，知識點由淺入深，層層遞進。后面附的電子版教材非常好，通俗易懂，非常適合入門?！保粚W(xué)員qingmanykt1462754146930 評價“講得很好，課程組織、課程內(nèi)容、課程講解都很好”等。

持續(xù)開展線上線下混合式教學(xué)改革。本課程于2018 年9 月在浙江大學(xué)城市學(xué)院首次開設(shè)通識選修課，采用基于MOOC 的線上線下混合模式教學(xué)，受到學(xué)生熱烈歡迎。為滿足學(xué)生選修需求，每學(xué)期都開課，每期都超出教室最大容量需要抽簽決定入選名單。一般每次都有十幾個專業(yè)的學(xué)生入選，其中非計算機類的學(xué)生占50%左右。各專業(yè)學(xué)生普遍認為本課程充滿樂趣，即使部分缺乏系統(tǒng)編程基礎(chǔ)的學(xué)生也能快速掌握，并實現(xiàn)自己的智能創(chuàng)意，充滿成就感。

5.2 課程實施方案討論

本課程內(nèi)容較為豐富，提供一站式解決方案，包括針對部分基礎(chǔ)欠缺學(xué)員的基礎(chǔ)性選修部分（Python 簡明基礎(chǔ)和線性代數(shù)矩陣運算基礎(chǔ)），以及面向進階學(xué)員的擴展選修部分（生成對抗網(wǎng)絡(luò)GAN、TensorFlow.js、TensorFlow Lite 移動應(yīng)用開發(fā)等高級話題），形成可裁剪的新形態(tài)課程資源，可面向不同的學(xué)習(xí)者形成不同的教學(xué)和學(xué)習(xí)路徑，包括面向技能提升的社會學(xué)習(xí)者；計算機類學(xué)生的專業(yè)方向課程和專業(yè)選修課程；主要面向理工類大學(xué)生的通識選修課程；面向高職高專的TensorFlow 應(yīng)用開發(fā)實務(wù)課程；面向中學(xué)信息技術(shù)教師的人工智能拓展培訓(xùn)課程。

6 結(jié) 語

在新工科背景下，培養(yǎng)具有智能思維和基礎(chǔ)應(yīng)用開發(fā)能力的“人工智能+”人才具有重要意義。本課程不以培養(yǎng)智能理論創(chuàng)新和算法改進的研究型人才為目標，而是面向?qū)θ斯ぶ悄軕?yīng)用感興趣的大多數(shù)初學(xué)者，以典型場景應(yīng)用落地為目標，強調(diào)實踐，以“案例引導(dǎo)、項目驅(qū)動”模式來組織課程內(nèi)容和教學(xué)。經(jīng)過幾輪線上課程和線上線下混合模式課程教學(xué)實施，取得了良好的成效。課程的建設(shè)是一個持續(xù)迭代完善的過程，今后還將根據(jù)技術(shù)的發(fā)展和學(xué)員的反饋做及時持續(xù)的迭代更新。