岳仁田 王紅勇 李善梅
摘? 要:機(jī)器學(xué)習(xí)基礎(chǔ)是交通運(yùn)輸專業(yè)的核心基礎(chǔ)課程,結(jié)合課程知識(shí)要點(diǎn),深入挖掘機(jī)器學(xué)習(xí)內(nèi)含的思政要素,并通過(guò)多種教學(xué)手段融入到課內(nèi)外一體化教學(xué)中。探究神經(jīng)網(wǎng)絡(luò)發(fā)展史的重要啟示,教學(xué)過(guò)程中滲透機(jī)器學(xué)習(xí)蘊(yùn)含的實(shí)事求是、化繁就簡(jiǎn)、抓主要矛盾和權(quán)衡折衷等重要哲理思維,不僅可以使單調(diào)的專業(yè)課教學(xué)變得更加生動(dòng),加深學(xué)生對(duì)專業(yè)課程的理解,同時(shí)還可形成專業(yè)課程的協(xié)同育人機(jī)制,實(shí)現(xiàn)專業(yè)知識(shí)教授、能力培養(yǎng)與思想政治引領(lǐng)的有機(jī)統(tǒng)一。
關(guān)鍵詞:機(jī)器學(xué)習(xí);課程思政;教學(xué)改革;哲理思維;課內(nèi)外一體化教學(xué)
中圖分類號(hào):G642? ? ? ? 文獻(xiàn)標(biāo)志碼:A? ? ? ? ? 文章編號(hào):2096-000X(2023)23-0193-04
Abstract: Fundamentals of Machine Learning is the core basic course of transportation major. Combined with the key points of course knowledge, the ideological and political elements contained in machine learning are deeply excavated, and are integrated teaching inside and outside the course through a variety of teaching methods. We explore the important enlightenment of the history of neural network development, and infiltrate the important philosophical thinking contained in machine learning in the teaching process, such as seeking truth from facts, simplify complexity, grasp the main contradictions and balancing trade-offs. So we can not only make the monotonous professional course teaching more vivid and deepen students' understanding of the professional course, but also form a collaborative education mechanism of professional courses to realize the organic unity of professional knowledge teaching, ability training and ideological and political guidance.
Keywords: machine learning; curriculum ideology and politics; teaching reform; philosophical thinking; integrated teaching in and out of class
《高等學(xué)校課程思政建設(shè)指導(dǎo)綱要》指出,高校要在專業(yè)課程中合理地引入思政元素,發(fā)揮好每門(mén)課程的育人作用。高校學(xué)生對(duì)專業(yè)課的重視程度普遍高于思政課程,將思政教育引入到專業(yè)基礎(chǔ)課程中,把思政工作貫穿到專業(yè)課教學(xué)全過(guò)程中,引導(dǎo)學(xué)生發(fā)現(xiàn)并思考專業(yè)課程學(xué)習(xí)中涉及的思政要素,在專業(yè)課授課過(guò)程中潛移默化地完成學(xué)生的思政教育工作,有助于更充分地發(fā)揮專業(yè)課程育人作用[1]。
近年來(lái)我國(guó)民航進(jìn)入高質(zhì)量發(fā)展時(shí)期,伴隨人工智能技術(shù)的迅猛發(fā)展,機(jī)器學(xué)習(xí)基礎(chǔ)的學(xué)習(xí)不僅為學(xué)生后續(xù)學(xué)習(xí)其他專業(yè)課程提供必要的基礎(chǔ),而且為學(xué)生畢業(yè)以后解決各類民航運(yùn)行問(wèn)題如空管智能運(yùn)行、航空器自主間隔保持、自由飛行等提供理論指導(dǎo)。教學(xué)過(guò)程中課程組教師深深體會(huì)到要帶著問(wèn)題來(lái)講授,不斷啟發(fā)學(xué)生思考,幫助學(xué)生真正領(lǐng)悟每個(gè)知識(shí)點(diǎn)[2]。在推進(jìn)課程思政建設(shè)過(guò)程中,教師需要把握好思政意識(shí)、思政目標(biāo)、課程設(shè)計(jì)和課程評(píng)估四個(gè)關(guān)鍵要素,才能將“課程思政”核心要求與原本教授的課程內(nèi)容有機(jī)融合,達(dá)到“潤(rùn)物無(wú)聲”的思政效果[3]。
一? 課程蘊(yùn)含的思政要素分析
機(jī)器學(xué)習(xí)基礎(chǔ)是交通運(yùn)輸專業(yè)和交通管理專業(yè)本科教學(xué)計(jì)劃中的一門(mén)專業(yè)基礎(chǔ)課,通過(guò)本課程的學(xué)習(xí),不但使學(xué)生能夠較為系統(tǒng)和全面地了解機(jī)器學(xué)習(xí)這門(mén)新興交叉學(xué)科的各類前沿知識(shí),而且將為后續(xù)學(xué)習(xí)和工作中解決實(shí)際問(wèn)題奠定工程基礎(chǔ)和工具基礎(chǔ)。同時(shí),可培養(yǎng)學(xué)生綜合分析問(wèn)題、解決問(wèn)題的能力以及工程應(yīng)用的能力。
該課程的主要任務(wù)是向?qū)W生講授機(jī)器學(xué)習(xí)的簡(jiǎn)史、基本理論、前沿技術(shù)與研究現(xiàn)狀,以及機(jī)器學(xué)習(xí)的經(jīng)典算法及模型。通過(guò)該課程的學(xué)習(xí),學(xué)生深刻理解決策樹(shù)學(xué)習(xí)的基本原理,了解神經(jīng)網(wǎng)絡(luò)的基本思想和表示方法,掌握支持向量機(jī)、聚類等機(jī)器學(xué)習(xí)方法的應(yīng)用,為學(xué)生的后續(xù)學(xué)習(xí)和工作打下堅(jiān)實(shí)的基礎(chǔ)。
機(jī)器學(xué)習(xí)基礎(chǔ)作為交通運(yùn)輸專業(yè)的學(xué)科基礎(chǔ)課,蘊(yùn)含著大量的哲學(xué)邏輯思維和科學(xué)精神。在機(jī)器學(xué)習(xí)基礎(chǔ)中引入思政元素要求做到二者同頻共振,形成協(xié)同育人效應(yīng),而不是要求在每節(jié)課都機(jī)械化地生搬硬套進(jìn)思政內(nèi)容,要在堅(jiān)持課程性質(zhì)不變、授課目標(biāo)不變的前提下,將思政教育像“鹽”一樣融入機(jī)器學(xué)基礎(chǔ)專業(yè)課的“湯”之中,潛移默化地完成機(jī)器學(xué)習(xí)基礎(chǔ)的協(xié)同育人作用[4-6]。
通過(guò)深入分析和挖掘機(jī)器學(xué)習(xí)基礎(chǔ)課程中重要知識(shí)點(diǎn)所蘊(yùn)含的思政元素,找出各知識(shí)點(diǎn)的思政映射與融入點(diǎn),介紹如何在課程教學(xué)中采用恰當(dāng)?shù)慕虒W(xué)手段更好地實(shí)現(xiàn)教學(xué)目標(biāo),并制定各部分教學(xué)應(yīng)實(shí)現(xiàn)的預(yù)期成果。通過(guò)總結(jié)得到“機(jī)器學(xué)習(xí)基礎(chǔ)”課程中所蘊(yùn)含的思政元素,見(jiàn)表1。
結(jié)合教學(xué)實(shí)際,機(jī)器學(xué)習(xí)基礎(chǔ)課程思政元素分析及課內(nèi)實(shí)踐路徑如下。
(一)? 神經(jīng)網(wǎng)絡(luò)一波三折發(fā)展史及重要啟示
神經(jīng)網(wǎng)絡(luò)的發(fā)展是非常曲折的,從誕生到現(xiàn)在,幾經(jīng)興衰。大體上,可以將其發(fā)展歷史分成如下五個(gè)時(shí)期:萌芽期(人類研究自己智能的開(kāi)始—1949),第一次高潮期(1950—1968),反思期(1969—1982),第二次高潮期(1983—1990),再認(rèn)識(shí)與應(yīng)用期(1991—)。
第一高潮期的成功讓人們樂(lè)觀地認(rèn)為幾乎已經(jīng)找到了智能研究的關(guān)鍵,正當(dāng)人們興奮不已的時(shí)候,Minsky和Papert發(fā)表了Perceptrons一書(shū)明確指出,單層感知機(jī)不能解決非線性問(wèn)題, 多層網(wǎng)絡(luò)的訓(xùn)練算法尚無(wú)希望。這一成果的發(fā)表標(biāo)志著人類對(duì)神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了反思期。反思期的到來(lái)揭示了人類的認(rèn)識(shí)規(guī)律:認(rèn)識(shí)→實(shí)踐→再認(rèn)識(shí)。
1984年,Hopfield設(shè)計(jì)并實(shí)現(xiàn)了后來(lái)被人們稱為 Hopfield網(wǎng)絡(luò)的電路,較好地解決了著名的TSP(Traveling Salesman Problem)問(wèn)題。20世紀(jì)90年代初,伴隨統(tǒng)計(jì)學(xué)習(xí)理論和SVM的興起,神經(jīng)網(wǎng)絡(luò)由于理論不夠清楚,試錯(cuò)性強(qiáng),難以訓(xùn)練,再次進(jìn)入低谷。
2006年,Hinton提出了深度信念網(wǎng)絡(luò)(DBN), 通過(guò)“預(yù)訓(xùn)練+微調(diào)”使得深度模型的最優(yōu)化變得相對(duì)容易。深度學(xué)習(xí)模型在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識(shí)別等眾多領(lǐng)域都取得了較大的成功。
尤其值得一提的是,Hinton早年多次改變專業(yè),為了弄清大腦是如何工作的,其專門(mén)研究心理學(xué)。1973年Hinton師從Christopher Longuet-Higgins,學(xué)習(xí)人工智能,當(dāng)時(shí)正值人工智能寒冬出現(xiàn)。Hinton與導(dǎo)師的理念不同,讓Hinton研究一度感受到了寂寞無(wú)助。經(jīng)過(guò)十多年的堅(jiān)持不懈,1986年Hinton等人提出了反向傳播算法,成為了“熬過(guò)寒冬的人”,最終在深度學(xué)習(xí)領(lǐng)域取得了巨大成功。
神經(jīng)網(wǎng)絡(luò)的發(fā)展史表明科技的發(fā)展往往不是一帆風(fēng)順的,發(fā)展道路往往是曲折的、螺旋式上升的。
(二)? 實(shí)事求是,具體問(wèn)題具體分析
1)結(jié)合數(shù)據(jù)挖掘和人工智能講解機(jī)器學(xué)習(xí)的基本概念。通過(guò)文氏圖表達(dá)幾個(gè)概念間的聯(lián)系與差別,讓學(xué)生認(rèn)識(shí)到相似概念之間的聯(lián)系與差別,只有實(shí)事求是地認(rèn)真分析,方可對(duì)概念形成正確和清晰的理解。
2)不同數(shù)據(jù)尺度類型適用不同的運(yùn)算和統(tǒng)計(jì)量。通過(guò)對(duì)四種數(shù)據(jù)尺度的講解,讓學(xué)生明白數(shù)據(jù)存在不同尺度類型,不同的類型所適用的運(yùn)算和統(tǒng)計(jì)量也不同,進(jìn)行數(shù)據(jù)分析時(shí)首先要明確數(shù)據(jù)尺度類型,努力做到符合實(shí)際情況的分析。
3)誤差處理的方式不能“一刀切”,要努力做到符合實(shí)際情況。尤其是一些異常值的處理,有些異常值非常有價(jià)值和意義,對(duì)這樣的異常值處理要格外謹(jǐn)慎。
4)樸素貝葉斯分類體現(xiàn)的是概率的思想,“以多大的概率屬于哪個(gè)類?”不是非此即彼,體現(xiàn)了實(shí)事求是,具體問(wèn)題具體分析的重要思想。
5)相關(guān)性和因果性之間沒(méi)有必然聯(lián)系。相關(guān)不一定有因果關(guān)系,讓學(xué)生明白一定要透過(guò)現(xiàn)象看本質(zhì),不要通過(guò)表面現(xiàn)象冒然下結(jié)論。
(三)? 化繁就簡(jiǎn)、化難為易,抓主要矛盾
1)主成分分析通過(guò)降維將繁多維度降到非常少的
維度,保留重要信息,忽略次要信息,做到化繁就簡(jiǎn)。少量重要信息體現(xiàn)在幾個(gè)維度上,即為主成分,抓住這些主成分,即抓住了主要矛盾。
2)非線性替代的線性回歸體現(xiàn)了將困難的非線性
問(wèn)題轉(zhuǎn)化為容易求解的線性回歸問(wèn)題的思想。很多非線性回歸本身很難求解,但通過(guò)適當(dāng)轉(zhuǎn)換,可轉(zhuǎn)化為容易求解的線性回歸問(wèn)題,做到化難為易。
3)支持向量機(jī)中決定最佳分類超平面只是極少數(shù)
支持向量,這些支持向量即是主要矛盾;通過(guò)引入松弛變量實(shí)現(xiàn)軟間隔支持向量機(jī)體現(xiàn)化難為易的思想。
4)樸素貝葉斯分類引入變量間相互獨(dú)立的假設(shè)大
大簡(jiǎn)化計(jì)算,做到化繁就簡(jiǎn)、化難為易。
(四)? 權(quán)衡折衷,尋求系統(tǒng)最優(yōu)
1)為折衷信息存儲(chǔ)與信息損失而尋求最大可能采
樣周期,希望找到時(shí)間序列中包含有關(guān)時(shí)間序列的所有相關(guān)信息的最大可能采樣周期。
2)為折衷經(jīng)驗(yàn)誤差和模型復(fù)雜度而通過(guò)正則化解
決過(guò)擬合問(wèn)題。
3)對(duì)絕對(duì)誤差和相對(duì)誤差進(jìn)行折衷,取介于二者之間更合理的誤差。
4)特征選擇中前向選擇方法和后向選擇方法各有
利弊,通過(guò)折衷同時(shí)采用前向選擇方法和后向選擇方法進(jìn)行優(yōu)選特征。
(五)? 師承自然,積極進(jìn)取
1)數(shù)據(jù)可視化,利用人的直覺(jué)觀察去發(fā)現(xiàn)數(shù)據(jù)所蘊(yùn)含的規(guī)律。引導(dǎo)學(xué)生要充分發(fā)揮自身的主觀能動(dòng)性和創(chuàng)新精神,通過(guò)眼睛觀察和大腦思考是發(fā)現(xiàn)規(guī)律的重要途徑。
2)神經(jīng)網(wǎng)絡(luò)中感知機(jī)仿生神經(jīng)元,體現(xiàn)仿生思想,引導(dǎo)學(xué)生積極思考,多從大自然中汲取智慧和靈感。
3)神經(jīng)網(wǎng)絡(luò)作為非線性逼近,采用梯度下降法逐步尋優(yōu)的思想,告知學(xué)生精益求精、不斷進(jìn)取,就會(huì)離奮斗的目標(biāo)越來(lái)越近。
4)聚類體現(xiàn)“物以類聚,人以群分”的思想,引導(dǎo)學(xué)生要努力做到“近朱者赤”,盡可能不要去“近墨”。
二? 滲透思政要素的課外作業(yè)
每周適時(shí)通過(guò)雨課堂發(fā)布作業(yè),共發(fā)布了4次作業(yè)(圖1),每次作業(yè)批改率均為100%,最后生成每名同學(xué)4次作業(yè)的成績(jī)單(圖2)。針對(duì)學(xué)生在完成作業(yè)過(guò)程中存在的問(wèn)題,挖掘思政元素,通過(guò)做到以下幾點(diǎn)實(shí)現(xiàn)課堂外的思政實(shí)踐。
(一)? 有的同學(xué)忽視作業(yè),在做第1次作業(yè)時(shí)沒(méi)有及時(shí)完成作業(yè)并提交
針對(duì)這一現(xiàn)象,強(qiáng)調(diào)了作業(yè)的重要性,通過(guò)作業(yè)可鞏固所學(xué)知識(shí)、加深知識(shí)點(diǎn)的深入理解。經(jīng)督促后面的幾次作業(yè)絕大多數(shù)同學(xué)都能按時(shí)提交(圖3)。
(二)? 第1次作業(yè)和第2次作業(yè)存在有的同學(xué)做題步驟不全的現(xiàn)象
在課前講評(píng)作業(yè)時(shí)指出該問(wèn)題,要求學(xué)生努力做到擺條件、列公式、代數(shù)據(jù)、求解,全面系統(tǒng)地一氣呵成,形成作業(yè)題的有機(jī)整體(圖4)。
(三)? 第3次作業(yè)存在有的同學(xué)沒(méi)有完成作業(yè)題目要求的現(xiàn)象
第3次作業(yè)如圖5所示。如要求拉普拉斯平滑估計(jì),只進(jìn)行了極大似然估計(jì)。在第4次作業(yè)(圖6)得到有效改進(jìn),不存在沒(méi)有完成作業(yè)題目的要求的現(xiàn)象。
(四)? 未將完成的作業(yè)教材例題和PPT對(duì)比進(jìn)而完善提高
點(diǎn)評(píng)并指出可以繼續(xù)提升的空間,可以把例題和PPT里的步驟相結(jié)合,使得求解過(guò)程更加完美,精益求精。
(五)? 不同同學(xué)的某次作業(yè)以極小概率出現(xiàn)相同差錯(cuò),很可能說(shuō)明同學(xué)間有抄襲的情況
講評(píng)作業(yè)時(shí)要求學(xué)生要誠(chéng)信,誠(chéng)信是立人之本,堅(jiān)持誠(chéng)實(shí)守信是做人的基本準(zhǔn)則。同時(shí)指出小錯(cuò)不能忽視,否則失之毫厘謬以千里。
三? 結(jié)束語(yǔ)
機(jī)器學(xué)習(xí)基礎(chǔ)課程起源于學(xué)科間的交叉,課程相關(guān)內(nèi)容對(duì)從業(yè)者的職業(yè)道德都提出了較高要求,在機(jī)器學(xué)習(xí)基礎(chǔ)課程中融入思政教育具有重要意義。通過(guò)深入挖掘機(jī)器學(xué)習(xí)基礎(chǔ)課程中內(nèi)涵的思政要素,緊密圍繞機(jī)器學(xué)習(xí)基礎(chǔ)教學(xué)目標(biāo),將思政要素真正融入到機(jī)器學(xué)習(xí)基礎(chǔ)課程教學(xué)當(dāng)中,做到教書(shū)與育人的有機(jī)統(tǒng)一,最終實(shí)現(xiàn)學(xué)生的豐富哲理思維和嚴(yán)謹(jǐn)科學(xué)態(tài)度的培養(yǎng)。
參考文獻(xiàn):
[1] 王海威,王伯承.論高校課程思政的核心要義與實(shí)踐路徑[J].學(xué)校黨建與思想教育,2018,581(14):32-34.
[2] 石慶研,韓萍,馮青,等.關(guān)于DFT的多元化教學(xué)方法改革與實(shí)踐[J].電氣電子教學(xué)學(xué)報(bào),2016,38(4):114-117.
[3] 張帆.課程思政建設(shè)的關(guān)鍵要素與實(shí)施途徑探析[J].北京教育(高教),2022(2):62-64.
[4] 郭大勇,蔡江.果樹(shù)修剪課程的思政要素及教育實(shí)踐[J].高教學(xué)刊,2022,8(3):167-170.
[5] 高珊,靳禹.“計(jì)算機(jī)組成原理”課程思政教學(xué)改革研究[J].科技與創(chuàng)新,2021(14):149-150,152.
[6] 朱憲忠,陳飛明,馮存芳.大學(xué)物理教學(xué)中思政要素的挖掘與融入[J].大學(xué)物理,2021,40(6):66-70.
基金項(xiàng)目:天津市應(yīng)用基礎(chǔ)多元投入基金重點(diǎn)項(xiàng)目“基于四維航跡運(yùn)行的空中交通復(fù)雜性精細(xì)化管理研究”(21JCZDJC00840);中央高?;究蒲袠I(yè)務(wù)費(fèi)資助項(xiàng)目“基于耦合-脆弱性的空域運(yùn)行亞安全分析識(shí)別與調(diào)控”(3122022103)
第一作者簡(jiǎn)介:岳仁田(1978-),男,漢族,山東日照人,博士,副研究員。研究方向?yàn)榭罩薪煌ü芾怼?/p>