張鵬 唐山職業(yè)技術(shù)學(xué)院

在科學(xué)技術(shù)的飛速發(fā)展下，我國(guó)已經(jīng)進(jìn)入到人工智能時(shí)代。由于目前世界各國(guó)的人工智能計(jì)劃與方案陸續(xù)出現(xiàn)，隨之我國(guó)各高等學(xué)校開設(shè)計(jì)算機(jī)人工智能的專業(yè)，目的在于為我國(guó)培養(yǎng)出高素質(zhì)、高技能的復(fù)合型人工智能人才，以便推動(dòng)新時(shí)代的人工智能行業(yè)發(fā)展。因此，對(duì)于最為適用于人工智能開發(fā)、研究工作中的Python 語(yǔ)言，開始得到更多業(yè)務(wù)人士的關(guān)注，所以這就需要高等教育在人才培養(yǎng)計(jì)劃之中，要面向計(jì)算機(jī)專業(yè)設(shè)置Python 課程，為學(xué)生引入機(jī)器學(xué)習(xí)方法，將其作為案例教學(xué)，以此來(lái)增強(qiáng)教學(xué)的質(zhì)量與效果，從而確保學(xué)生具備扎實(shí)的專業(yè)基礎(chǔ)與人工智能應(yīng)用經(jīng)驗(yàn)，進(jìn)一步符合人才市場(chǎng)的需求。

一、Python 特征

通常情況下，這是以專修課方式，出現(xiàn)在計(jì)算機(jī)教學(xué)中，安排在C、C+的課程之后。當(dāng)學(xué)生具備一定的編輯基礎(chǔ)，掌握編程語(yǔ)言的基本數(shù)據(jù)類型后，開始上課前，就可以為學(xué)生講解重點(diǎn)的語(yǔ)言特點(diǎn)，以及與其他高級(jí)語(yǔ)言之間，其差別，促使學(xué)生形成初步的感知與記憶，為其編程思維體系的構(gòu)建奠定基礎(chǔ)[1]。因?yàn)镻ython 具有語(yǔ)言通俗、簡(jiǎn)單的特點(diǎn)，加之其程序包管理系統(tǒng)中，其pip 命令可以快捷的安全與編寫程序包，以及具有很多的數(shù)據(jù)分析版塊，還能實(shí)現(xiàn)不同平臺(tái)之間，移植，并配以強(qiáng)大功能的標(biāo)準(zhǔn)版塊，與其他的語(yǔ)言加以混合、編程，其領(lǐng)域眾多，已經(jīng)包含游戲、圖像處理及人工智能等。

二、Python 課程的案例教學(xué)有效策略

（一）掌握常用標(biāo)準(zhǔn)模塊

根據(jù)Python 課程的特點(diǎn)，教師要加強(qiáng)對(duì)學(xué)生的自主學(xué)習(xí)培養(yǎng)，引導(dǎo)其開發(fā)項(xiàng)目，讓學(xué)生在實(shí)踐之中不斷汲取知識(shí)與經(jīng)驗(yàn)。由于當(dāng)前的教材中基礎(chǔ)的語(yǔ)法、程序的設(shè)計(jì)結(jié)構(gòu)內(nèi)容較多，且人工智能方法，所應(yīng)用的案例，都是比較難以學(xué)習(xí)，學(xué)生理解起來(lái)具有一定的難度，加之實(shí)驗(yàn)課的時(shí)間有限，想要在短時(shí)間內(nèi)幫助學(xué)生去牢記知識(shí)，就需要教師精心設(shè)計(jì)實(shí)驗(yàn)的內(nèi)容，為學(xué)生創(chuàng)造實(shí)踐的機(jī)會(huì)，并且在此之中引入案例進(jìn)行教學(xué)，去進(jìn)一步強(qiáng)化學(xué)生對(duì)其算法的記憶。

對(duì)于Python 課程引入案例教學(xué)，其中，機(jī)器的學(xué)習(xí)相關(guān)版塊，包括pandas、sklearn及ma t p lo t lib、nu m p y 等。因此在實(shí)際的教學(xué)之中，教師要加強(qiáng)對(duì)學(xué)生重點(diǎn)知識(shí)的介紹，以機(jī)器學(xué)習(xí)方法，及其應(yīng)用的常用標(biāo)準(zhǔn)版塊來(lái)說(shuō)，比如，nu m p y，這是性能極高的基礎(chǔ)包，有科學(xué)計(jì)算、數(shù)據(jù)分析，主要用于存儲(chǔ)、處理大型矩陣，相比Python 而言，其所嵌套的列表結(jié)構(gòu)要更佳[2]；而s kl earn，作為一種應(yīng)用十分廣泛的機(jī)器學(xué)習(xí)庫(kù)，裝有大量的機(jī)器學(xué) 習(xí)算法，例如分類與聚類、回歸或降維等等，還有監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)以及數(shù)據(jù)變換這些模塊；以及ma t p lo t lib，屬于繪圖庫(kù)，能夠跨平臺(tái)生成直方圖、柱狀圖及散點(diǎn)圖，還有功率譜等等的圖像，以此來(lái)呈現(xiàn)出更加高品質(zhì)的效果。

（二）建立案例的數(shù)據(jù)集

對(duì)于不同的客戶，都是由其獨(dú)有的特征，都可以看作為一個(gè)空間上的數(shù)據(jù)點(diǎn)。因此根據(jù)s kl earn，可以更加快速的將二維空間的樣本點(diǎn)，加以生成，以便建立起數(shù)據(jù)集，用于聚類分析，能夠生成月牙形的離散數(shù)據(jù)，或者團(tuán)狀的離散數(shù)據(jù)的樣本點(diǎn)，以此來(lái)充分彰顯Python 的標(biāo)準(zhǔn)庫(kù)方法，其直觀的閱讀感知。所以教師引入案例教學(xué)法，將其融入Python 課程之中，有利于學(xué)生全面的掌握，其不同機(jī)器學(xué)習(xí)方法，以便學(xué)生朝向更加廣闊的人工智能領(lǐng)域發(fā)展。

比如：fro m s kl earn imp or t data sets X1，y1=datasets.Make_moons（n_samples =4000，noise=.04）X2，y2=atasets.Make_bolbs（n_samples=2000，n_feature=4，centers=[[2，4，2.4]]，c lu ste r_std=[[.2]]）。其中n_samples作為待生成樣本總數(shù)，noise 是樣本點(diǎn)的分散程度，其取值越大就會(huì)越分散，n_feature 為每一個(gè)樣本的特征數(shù)，而centers 為樣本點(diǎn)的中心，cluster_std 是每個(gè)簇標(biāo)準(zhǔn)的偏差。

因此在numpy 庫(kù)之中，其con ca ten ate方法，可以組合、合并多個(gè)數(shù)，并通過(guò)ma t p lo t lib 庫(kù)，其中py p lot，去調(diào)用scatter 方法，繪制樣本點(diǎn)二維圖，show 方法，可以將展示的原始數(shù)據(jù)其分布情況加以呈現(xiàn)。所以直觀上看這組數(shù)據(jù)集是被分成上月牙數(shù)據(jù)、下月牙數(shù)據(jù)，還有右上角的團(tuán)狀數(shù)據(jù)這三個(gè)簇最為合適。

三、結(jié)束語(yǔ)

綜上所述，人工智能時(shí)代背景下，Python 課程的案例教學(xué)，更利于學(xué)生掌握人工智能算法，幫助學(xué)生汲取豐富的知識(shí)與經(jīng)驗(yàn)，真正實(shí)現(xiàn)學(xué)生的理論與實(shí)踐的有效統(tǒng)一，從而培養(yǎng)出高技能、復(fù)合型的人工智能人才。通過(guò)教師為學(xué)生精心設(shè)計(jì)實(shí)踐教學(xué)內(nèi)容，并挑選好教學(xué)案例融入Python 課程之中，對(duì)學(xué)生的學(xué)習(xí)熱情、主動(dòng)性的激發(fā)幫助很大，以便學(xué)生更加深刻的理解、記憶機(jī)器學(xué)習(xí)方法，為今后的高效工作奠定好基礎(chǔ)。