周夏冰 陳飛

摘要：隨著人工智能領(lǐng)域的快速發(fā)展，機(jī)器學(xué)習(xí)作為其核心技術(shù)，也逐漸成為各大高校人才培養(yǎng)極為重視的教學(xué)課程之一。機(jī)器學(xué)習(xí)作為一門多領(lǐng)域交叉學(xué)科，具有內(nèi)容多、難度大、更新快等特點(diǎn)。傳統(tǒng)的教學(xué)模式存在學(xué)生知識(shí)掌握不夠全面，模型原理不夠透徹以及解決實(shí)際問題困難等缺陷。文章針對(duì)機(jī)器學(xué)習(xí)課程特點(diǎn)及現(xiàn)有教學(xué)存在的問題，探索課程實(shí)施新方案，設(shè)計(jì)教學(xué)方式、教學(xué)內(nèi)容以及考核模式，對(duì)學(xué)生進(jìn)行循序漸進(jìn)地引導(dǎo)，從而提高學(xué)生學(xué)習(xí)興趣以及分析問題、解決問題的能力。

關(guān)鍵詞：機(jī)器學(xué)習(xí);人工智能;教學(xué)探索;混合式教學(xué);實(shí)踐教學(xué)

中圖分類號(hào)：G642? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）30-0129-03

Abstract： With the rapid development of the field of artificial intelligence， machine learning， as its core technology， has gradually become one of the most important teaching courses in Colleges and universities. Machine learning， as a multi field interdisciplinary subject， has many characteristics， including more contents， difficulty， fast update and so on. The traditional teaching mode has some defects， such as students' knowledge is not comprehensive enough， the principle of the model is not thorough enough， and it is difficult to solve practical problems. According to the characteristics of machine learning course and the existing problems in teaching， this paper explores the new scheme of course implementation， designs teaching methods， teaching contents and assessment modes， and guides students step by step， so as to improve students' interest in learning and their ability to analyze and solve problems.

Key words： machine learning; artificial intelligence; teaching exploration; blending learning; practical teaching

1 引言

2017年，國務(wù)院正式印發(fā)《新一代人工智能戰(zhàn)略規(guī)劃》，明確了我國新一代人工智能發(fā)展的戰(zhàn)略目標(biāo)[1]。近年來，人工智能技術(shù)在社會(huì)各領(lǐng)域中的地位顯著提升，迫切需要高效培養(yǎng)社會(huì)新型人才。機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)和人工智能中非常重要的一個(gè)研究領(lǐng)域，不僅在計(jì)算機(jī)科學(xué)的眾多領(lǐng)域中大顯身手，還成為一些交叉學(xué)科的重要技術(shù)支持 [2]。因此，如何培養(yǎng)專業(yè)素質(zhì)過硬，實(shí)踐能力強(qiáng)，以及能夠適應(yīng)快速發(fā)展的時(shí)代需求的學(xué)生，是作為計(jì)算機(jī)專業(yè)課程教師急需思考的問題。

機(jī)器學(xué)習(xí)通過構(gòu)建模型來解析歷史經(jīng)驗(yàn)數(shù)據(jù)，從中學(xué)習(xí)，然后對(duì)真實(shí)世界中的事件做出決策和預(yù)測。機(jī)器學(xué)習(xí)課程融合了統(tǒng)計(jì)學(xué)、微積分、線性代數(shù)等多學(xué)科知識(shí)，并且其發(fā)展也在不斷地吸納其他學(xué)科的知識(shí)，因此需要學(xué)生具有良好的數(shù)學(xué)理論基礎(chǔ)和計(jì)算機(jī)程序?qū)嵺`能力[3]。機(jī)器學(xué)習(xí)課程的核心是如何培養(yǎng)學(xué)生對(duì)實(shí)際問題的分析能力和解決能力，應(yīng)用到人工智能領(lǐng)域，故本課程的施教過程中，既需要兼顧理論知識(shí)，包括理論推導(dǎo)證明，同時(shí)需要培養(yǎng)學(xué)生實(shí)際編程能力，包括大數(shù)據(jù)的處理和模型算法的編寫等，將數(shù)學(xué)和計(jì)算機(jī)專業(yè)的內(nèi)容緊密地結(jié)合在一起。

目前，線下機(jī)器學(xué)習(xí)課程的開設(shè)普遍性還遠(yuǎn)不如傳統(tǒng)核心課程，而近幾年國內(nèi)外大型開放式網(wǎng)絡(luò)課程卻迅猛發(fā)展，如MOOC和SPOC等線上教學(xué)在社會(huì)上開始流行并取得了較大的成功。線上和線下課程有著各自的優(yōu)缺點(diǎn)，線下課程方便師生互動(dòng)，線上課程方便學(xué)生時(shí)間管理，隨時(shí)可以進(jìn)行多次反復(fù)觀看學(xué)習(xí)。尤其最近全世界受到COVID-19的影響，學(xué)生無法進(jìn)行課堂學(xué)習(xí)，線上上課優(yōu)勢凸顯。隨著日前課程不斷改革，提倡線上和線下的教學(xué)融合，該融合對(duì)于學(xué)生和教師都是一種新的學(xué)習(xí)理念，改變學(xué)生的認(rèn)知方式，影響教師的教學(xué)模式，提高教學(xué)效果[4]。然而，對(duì)于機(jī)器學(xué)習(xí)課程，目前線下課程由于缺乏普遍性，大多教師喜歡直接采用線上視頻進(jìn)行教學(xué)，而線上視頻由于拍攝的局限性，缺乏教學(xué)協(xié)作性，以及重要教學(xué)原理的指導(dǎo)，從而在一定程度上影響教學(xué)效果。因此，本文將從機(jī)器學(xué)習(xí)課程特點(diǎn)出發(fā)，討論目前存在的問題，從而針對(duì)目前存在的問題，提出改進(jìn)課程實(shí)施方案。

2 課程特點(diǎn)及存在的問題

2.1 機(jī)器學(xué)習(xí)課程特點(diǎn)

機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、凸分析、計(jì)算機(jī)編程等多門學(xué)科，重點(diǎn)研究計(jì)算機(jī)如何模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能[5]。機(jī)器學(xué)習(xí)是人工智能的核心，是解決計(jì)算機(jī)如何具有智能的根本途徑。機(jī)器學(xué)習(xí)課程具有如下特點(diǎn)：

1） 前瞻性。近年來人工智能領(lǐng)域快速發(fā)展，機(jī)器學(xué)習(xí)的新模型、新算法也層出不窮，會(huì)議、期刊的相關(guān)論文數(shù)量每年呈遞增趨勢。圖1展示了近年來人工智能和機(jī)器學(xué)習(xí)兩大國際頂會(huì)（ICML：機(jī)器學(xué)習(xí)國際會(huì)議;AAAI：美國人工智能協(xié)會(huì)人工智能會(huì)議）論文投遞數(shù)量。由此可見，機(jī)器學(xué)習(xí)課程具有很強(qiáng)的新穎性和前瞻性，需要能夠適應(yīng)快速發(fā)展的技術(shù)需求。

2） 難度大。由于該課程是一門綜合性學(xué)科，尤其涉及了數(shù)學(xué)的一些基礎(chǔ)知識(shí)，包括高等數(shù)學(xué)、線性代數(shù)、概率統(tǒng)計(jì)等。同時(shí)，機(jī)器學(xué)習(xí)中模型和算法的實(shí)現(xiàn)也需要熟練掌握計(jì)算機(jī)編程。這就要求當(dāng)面對(duì)不同程度的學(xué)生時(shí)，如何因材施教。

3） 理論與實(shí)踐結(jié)合性。機(jī)器學(xué)習(xí)課程往往不同于普通的傳統(tǒng)課程，大多數(shù)學(xué)生學(xué)習(xí)這門課程都具有實(shí)際的需求，如就業(yè)、讀研、發(fā)表高水平論文等，因此，對(duì)于機(jī)器學(xué)習(xí)課程，理論和實(shí)踐是必不可少，缺一不可。理論反映了模型或算法的本質(zhì)，是新模型新算法提出的基礎(chǔ)條件。實(shí)踐是模型應(yīng)用的根本，沒有實(shí)踐只有理論，也無法完成真正的應(yīng)用。

基于機(jī)器學(xué)習(xí)課程的三個(gè)特點(diǎn)，在開展教學(xué)過程中，相應(yīng)的問題也隨之浮現(xiàn)。

2.2 目前課程教學(xué)存在的問題

2.2.1教材單一

目前雖然市面關(guān)于機(jī)器學(xué)習(xí)課程教材很多，但大多集中在經(jīng)典模型的介紹，并且教學(xué)一般只采取以單一教材為主，存在覆蓋性低、缺乏前沿性等問題，容易與現(xiàn)實(shí)脫節(jié)。機(jī)器學(xué)習(xí)的模型算法發(fā)展很迅速，除了掌握必要的經(jīng)典模型外，一些模型的延伸、最新流行的模型算法介紹也必不可少，是學(xué)生能夠緊跟研究趨勢的必要條件。此外，教材結(jié)構(gòu)單一，容易造成學(xué)生缺乏興趣，使得學(xué)生對(duì)課程失去信心，對(duì)今后繼續(xù)深造和就業(yè)有著很大的影響。

2.2.2教學(xué)形式單一

當(dāng)前大部分機(jī)器學(xué)習(xí)課程采用課堂教學(xué)或者學(xué)生線上視頻自主學(xué)習(xí)。對(duì)于大部分高校開展機(jī)器學(xué)習(xí)課程，依舊是課堂教學(xué)為主流方式。而對(duì)于很多沒有開展機(jī)器學(xué)習(xí)課程的學(xué)校，學(xué)生通過網(wǎng)絡(luò)資源自主學(xué)習(xí)。課堂教學(xué)以老師為教學(xué)主體，以傳授式為主要模式，教學(xué)節(jié)奏、內(nèi)容均由老師來主導(dǎo)，這樣難以取得理想的教學(xué)效果，并且還影響到學(xué)生的創(chuàng)新、創(chuàng)造思維的發(fā)展[6]。線上學(xué)習(xí)雖然比較自由，學(xué)生可以自主選擇自己喜歡的內(nèi)容，并且可以根據(jù)時(shí)間自由安排，同時(shí)能夠反復(fù)觀看相應(yīng)的內(nèi)容。但是，正如2.1節(jié)所述，機(jī)器學(xué)習(xí)課程具有難度大的特點(diǎn)，會(huì)造成線上自主學(xué)習(xí)的困難性，很多內(nèi)容只能掌握一個(gè)大概，不能進(jìn)行深入探索。并且，因?yàn)槊课煌瑢W(xué)程度不同，線上學(xué)習(xí)也很難因材施教。

2.2.3 理論與實(shí)踐結(jié)合不緊密

機(jī)器學(xué)習(xí)作為人工智能的根本解決途徑之一，其實(shí)踐性占了很大的比重。傳統(tǒng)的教學(xué)模式以教材內(nèi)容為主，將理論知識(shí)作為重點(diǎn)，大量推導(dǎo)公式，證明定理，很容易導(dǎo)致學(xué)生眼高手低，不知道如何應(yīng)用模型解決實(shí)際問題。而現(xiàn)在，越來越多的教師關(guān)注實(shí)踐教學(xué)[7-9]，增加了實(shí)驗(yàn)課的比重。但在機(jī)器學(xué)習(xí)課程中，大部分實(shí)踐課又缺乏理論基礎(chǔ)的教授，以同學(xué)已完全具備相關(guān)基礎(chǔ)的假設(shè)條件下，缺乏循序漸進(jìn)的教學(xué)模式。

3 課程實(shí)施方案

針對(duì)機(jī)器學(xué)習(xí)課程及目前教學(xué)存在的問題，結(jié)合學(xué)習(xí)經(jīng)驗(yàn)和上課教學(xué)經(jīng)驗(yàn)，可以從以下方面進(jìn)行課程實(shí)施。圖2展示了機(jī)器學(xué)習(xí)課程實(shí)施方案。

3.1 混合式教學(xué)設(shè)計(jì)

傳統(tǒng)的課堂教學(xué)模式以老師教授為主，學(xué)生在規(guī)定的時(shí)間上課，上課的節(jié)奏和內(nèi)容以教師為主導(dǎo)。隨著網(wǎng)絡(luò)信息化的發(fā)展，越來越多的老師利用慕課、微課等方式，進(jìn)行線上授課，使得學(xué)生可以根據(jù)自己的興趣來選擇對(duì)應(yīng)的老師和內(nèi)容[10]。雖然傳統(tǒng)的課堂教學(xué)存在一定的弊端，但對(duì)于機(jī)器學(xué)習(xí)這門課程，該教學(xué)模式是不能完全被取代的。同樣，僅僅只利用課堂教學(xué)，也會(huì)導(dǎo)致學(xué)生在課堂上缺乏積極主動(dòng)性，枯燥乏味。因此，混合式教學(xué)方式對(duì)機(jī)器學(xué)習(xí)課程的教學(xué)效果會(huì)有顯著提高。

機(jī)器學(xué)習(xí)課程的內(nèi)容多、難度大，往往只依靠課堂老師教授或者線下視頻自主學(xué)習(xí)，無法讓學(xué)生完全掌握知識(shí)點(diǎn)。例如，機(jī)器學(xué)習(xí)課程中的支持向量機(jī)（SVM），最大期望算法（EM），隱馬爾科夫模型（HMM）等，涉及大量的公式推導(dǎo)，只依靠單一教學(xué)模式很難完全熟練地掌握?；旌辖虒W(xué)可以通過：1）開課之初，教師給出“線上”視頻參考資料，學(xué)生通過視頻進(jìn)行初步的學(xué)習(xí)，并記錄其中遇到的問題和難點(diǎn);2） 課堂教學(xué)，教師根據(jù)內(nèi)容的深淺進(jìn)行調(diào)整，遇到相對(duì)于簡單的模型，如線性回歸、感知機(jī)、K近鄰等，可將重點(diǎn)內(nèi)容進(jìn)行總結(jié)供學(xué)生學(xué)習(xí)。當(dāng)遇到復(fù)雜的模型，涉及數(shù)學(xué)內(nèi)容較多時(shí)，結(jié)合板書進(jìn)行詳細(xì)展開，使得學(xué)生不僅對(duì)模型算法的原理有更加清楚的認(rèn)識(shí)，而且也逐漸體會(huì)如何構(gòu)建一個(gè)新的模型;3）協(xié)作式課程交互，促進(jìn)教師與學(xué)習(xí)者之間的交流和討論[11]。由于課程難度較大，每位同學(xué)程度不一樣，在機(jī)器學(xué)習(xí)課程當(dāng)中，一定要有教師與學(xué)生之間的互動(dòng)，既可以幫助不同同學(xué)解決自身碰到的難題，同時(shí)通過交流也促進(jìn)學(xué)生在學(xué)習(xí)過程中的興趣; 4） 課后教師總結(jié)學(xué)生掌握較差的內(nèi)容，明確對(duì)應(yīng)線上課程，便于學(xué)生復(fù)習(xí)、鞏固所學(xué)知識(shí)。

3.2 豐富教學(xué)內(nèi)容

傳統(tǒng)的機(jī)器學(xué)習(xí)課程教學(xué)內(nèi)容局限在教材范圍，而面對(duì)不斷出現(xiàn)的各種新技術(shù)新方法，仍然靠學(xué)生自主學(xué)習(xí)。因此，從教師的角度，該課程要求教師對(duì)機(jī)器學(xué)習(xí)領(lǐng)域的前沿技術(shù)有所了解，能夠有一定的研究經(jīng)驗(yàn)。機(jī)器學(xué)習(xí)方法在眾多領(lǐng)域中均有應(yīng)用，如語音識(shí)別、圖像處理、自然語言處理等等，教師能夠結(jié)合領(lǐng)域前沿技術(shù)，在教材經(jīng)典模型的基礎(chǔ)上，擴(kuò)展加入新的模型和新的算法。

具體來說，大多教材在介紹貝葉斯方法（Bayesian）時(shí)，只講了樸素貝葉斯（Naive Bayesian）的相關(guān)內(nèi)容，雖然樸素貝葉斯在某些應(yīng)用中仍然能夠獲得良好的性能，但由于其假設(shè)所有特征條件獨(dú)立，使得某些實(shí)際場景無法直接使用。而隨著概率圖模型的推廣，貝葉斯網(wǎng)絡(luò)（Bayesian Network）有著廣泛的應(yīng)用，包括靜態(tài)貝葉斯和動(dòng)態(tài)貝葉斯模型，以及貝葉斯網(wǎng)絡(luò)變種，慢慢被學(xué)者提出，從而獲得更加優(yōu)秀的性能。同樣，神經(jīng)網(wǎng)絡(luò)作為機(jī)器學(xué)習(xí)課程中的一個(gè)模型，大多只介紹了BP神經(jīng)網(wǎng)絡(luò)的相關(guān)內(nèi)容。隨著深度神經(jīng)網(wǎng)絡(luò)（Deep Learning）的逐漸發(fā)展，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)已經(jīng)被更復(fù)雜更先進(jìn)的網(wǎng)絡(luò)模型所替代，例如卷積神經(jīng)網(wǎng)絡(luò)（CNN），長短時(shí)記憶網(wǎng)絡(luò)（LSTM），以及近幾年流行起來的對(duì)抗神經(jīng)網(wǎng)絡(luò)（GAN）、圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）和預(yù)訓(xùn)練模型Transformer和BERT等。

融合一些最新的流行的模型的介紹，既可以讓學(xué)生跟得上研究趨勢，同時(shí)結(jié)合最新的研究成果及應(yīng)用，使得學(xué)生對(duì)該課程更加有興趣。

3.3 理論與實(shí)踐相結(jié)合

機(jī)器學(xué)習(xí)課程的核心是培養(yǎng)學(xué)生面對(duì)實(shí)際情況分析問題、解決問題的能力。因此，該課程應(yīng)該采用理論和實(shí)踐相結(jié)合的教學(xué)方式。目前大部分機(jī)器學(xué)習(xí)課程是一頭熱，以理論為主的教學(xué)在實(shí)踐方面涉及的非常少，以實(shí)踐為主的會(huì)忽略大量理論內(nèi)容，只介紹簡單的模型形式。理論和實(shí)踐相結(jié)合的教學(xué)模式要求1）課堂以理論教學(xué)為主，重點(diǎn)講解模型原理，讓學(xué)生理解模型的目標(biāo)函數(shù)是怎么推導(dǎo)過來的，以及如何求解目標(biāo)函數(shù);2）課后通過結(jié)合實(shí)驗(yàn)來體會(huì)模型的特點(diǎn)。教師通過發(fā)布數(shù)據(jù)集和應(yīng)用問題，讓學(xué)生根據(jù)課堂學(xué)習(xí)的知識(shí)進(jìn)行模型構(gòu)建，解決問題。

在結(jié)合實(shí)踐的過程中，需要注意兩個(gè)問題：（1）實(shí)驗(yàn)難度。由于機(jī)器學(xué)習(xí)難度大，要求學(xué)習(xí)者具備一定的數(shù)學(xué)及計(jì)算機(jī)編程的基礎(chǔ)，故導(dǎo)致每個(gè)學(xué)生的程度不一致。如果一直以一個(gè)標(biāo)準(zhǔn)來布置實(shí)驗(yàn)，則可能導(dǎo)致有的學(xué)生無從下手，有的學(xué)生則覺得太簡單，提不起興趣。因此，可以通過循序漸進(jìn)的方式布置實(shí)驗(yàn)，開始采用數(shù)據(jù)量較小、特征維度小的數(shù)據(jù)進(jìn)行嘗試，并在課堂上進(jìn)行演示。然后逐步擴(kuò)大數(shù)據(jù)量，提高實(shí)驗(yàn)的復(fù)雜度，并通過分解實(shí)驗(yàn)步驟來引導(dǎo)學(xué)生解決復(fù)雜問題。例如，“基于文本數(shù)據(jù)的情感識(shí)別”這樣一個(gè)實(shí)驗(yàn)，可以分解為①文本數(shù)據(jù)特征提取;②數(shù)據(jù)向量化;③數(shù)據(jù)預(yù)處理;④分類模型訓(xùn)練。（2）實(shí)驗(yàn)設(shè)計(jì)。機(jī)器學(xué)習(xí)的模型從應(yīng)用角度主要分類三大類，包括分類模型、回歸模型和結(jié)構(gòu)學(xué)習(xí)，其中分類和回歸模型是最常用的兩大類。以分類模型為例，具體又包括感知機(jī)、支持向量機(jī)、決策樹、邏輯回歸、貝葉斯等，如何通過實(shí)驗(yàn)讓學(xué)生理解各個(gè)模型的特點(diǎn)和性能，在設(shè)計(jì)實(shí)驗(yàn)的時(shí)候，可以采用同一組數(shù)據(jù)同一個(gè)應(yīng)用問題下，比較不同模型，從而讓學(xué)生體會(huì)到不同模型擅長解決哪種類型的問題。

3.4 改進(jìn)考核方式

機(jī)器學(xué)習(xí)課程由于其獨(dú)特的課程特點(diǎn)，傳統(tǒng)的試卷考核方式對(duì)其適應(yīng)性并不好。死記硬背對(duì)機(jī)器學(xué)習(xí)課程沒有任何意義，重點(diǎn)是學(xué)生是否真正掌握了分析問題、解決問題的方法。因此，對(duì)本門課程應(yīng)當(dāng)設(shè)置多元化的考核方式。除了傳統(tǒng)的課程出勤和隨堂作業(yè)之外，可以融合學(xué)習(xí)成果匯報(bào)及項(xiàng)目開發(fā)、學(xué)科競賽等方式。學(xué)習(xí)成果匯報(bào)以課堂PPT展示為主，學(xué)生可以通過匯報(bào)學(xué)習(xí)成果和收獲來進(jìn)行分享，包括閱讀的新論文、實(shí)驗(yàn)的新結(jié)果等等，畢竟一個(gè)人的精力有限，互相共享互相交流更有助于知識(shí)面的覆蓋。項(xiàng)目開發(fā)可以促進(jìn)學(xué)生學(xué)習(xí)的興趣，學(xué)生通過自主選擇人工智能領(lǐng)域應(yīng)用場景（面部識(shí)別、推薦系統(tǒng)、問答系統(tǒng)等），結(jié)合學(xué)習(xí)到的技術(shù)和模型，進(jìn)行設(shè)計(jì)和開發(fā)。同時(shí)，現(xiàn)在相關(guān)的競賽也越來越多，如相關(guān)會(huì)議的評(píng)測、高校的創(chuàng)新創(chuàng)業(yè)大賽等等，也可以結(jié)合競賽調(diào)動(dòng)學(xué)生的積極性。

4 結(jié)論

隨著人工智能領(lǐng)域的不斷發(fā)展，機(jī)器學(xué)習(xí)作為其核心課程，其教學(xué)效果直接影響著學(xué)生今后繼續(xù)深造和就業(yè)。文章通過分析機(jī)器學(xué)習(xí)課程特點(diǎn)及目前教學(xué)存在的問題，探討了該課程教學(xué)實(shí)施方案。通過從教學(xué)方式、教學(xué)內(nèi)容以及考核方式的改進(jìn)，能夠最大程度地發(fā)揮教學(xué)者的主導(dǎo)型與學(xué)習(xí)者的主觀能動(dòng)性，使得學(xué)生在學(xué)習(xí)的過程中不再枯燥乏味，以及出現(xiàn)眼高手低的情況。機(jī)器學(xué)習(xí)課程作為較為創(chuàng)新的課程逐漸出現(xiàn)在各大高校，也仍在不斷地探索當(dāng)中，希望在今后的教學(xué)實(shí)踐與探索，能夠不斷完善教學(xué)手段和方式，使得培養(yǎng)出的學(xué)生學(xué)術(shù)眼界更加寬廣，具備運(yùn)用專業(yè)知識(shí)解決實(shí)際需求的能力以及科研創(chuàng)新的能力。

參考文獻(xiàn)：

[1] 馮驥. 人工智能課程教學(xué)實(shí)踐與探索研究[J]. 電腦知識(shí)與技術(shù)， 2019，15（17）：126-127+136.

[2] 周志華，楊強(qiáng). 機(jī)器學(xué)習(xí)及其應(yīng)用[M]. 北京：清華大學(xué)出版社，2011.1-10

[3] 胡春龍，吳陳，左欣，陳建軍，王長寶. 研究生“機(jī)器學(xué)習(xí)”課程教學(xué)改革研究[J]. 教學(xué)教育論壇， 2019，3（10）：99-100.

[4] 李禮，李瓊. 大數(shù)據(jù)背景下線上課堂與線下課堂融合的相關(guān)研究[J].電腦知識(shí)與技術(shù)，2019，15（30）：121-122.

[5] 李昊朋. 基于機(jī)器學(xué)習(xí)方法的智能機(jī)器人探究[J]. 通訊世界， 2019（4）：241-242.

[6] 曾小龍. 高校數(shù)學(xué)教育應(yīng)用現(xiàn)代教育信息技術(shù)探析[J]. 電腦知識(shí)與技術(shù)， 2019，15（30）：93-94.

[7] 周玲芳，米成全，李政峰. 《數(shù)據(jù)結(jié)構(gòu)與算法》實(shí)踐教學(xué)現(xiàn)存的問題及應(yīng)對(duì)策略[J]. 電腦知識(shí)與技術(shù)， 2019，15（30）：106-107.

[8] 邵攀，董婷. 對(duì)分課堂在“算法設(shè)計(jì)與分析”課程的教學(xué)實(shí)踐[J]. 教育教學(xué)論壇， 2020，5（20）：268-269.

[9] 徐艷群，張斌. 《編譯原理》課程設(shè)計(jì)實(shí)踐教學(xué)改革探索[J]. 科技展望， 2016（27）：178-179.

[10] 王建東，鄒惠. 計(jì)算機(jī)組成原理課程的混合式教學(xué)法研究[J]. 福建電腦， 2019，35（10）：46-47.

[11] 蔣雙雙，王衛(wèi)軍. 協(xié)作式在線課程交互設(shè)計(jì)研究[J]. 中國遠(yuǎn)程教育， 2018（5）：35-44.

【通聯(lián)編輯：王力】