基于案例机器学习课程教学方法研讨.docVIP

基于案例机器学习课程教学方法研讨 　　摘 要：机器学习处于人工智能的核心位置，对机器学习研究和人工智能发展具有非常重要的推动作用。由于机器学习涉及到太多数学背景而提高了学习者学习难度，并且学习者基础薄弱也制约了其学习深度。针对机器学习的学习现状及学习者面临的问题，提出分层次学习方法。该方法可让学习者对知识点的理解由浅入深、层层深入，并且让不同需求的学习者认清学习目标。实践证明，该方法提高了学习者积极性，能很好地使学习者入门、深入及精通，提高了学习效率。 　　关键词：机器学习；人工智能；分层深入学习 　　DOI：10.11907/rjdk.173298 　　中图分类号：G434 　　文献标识码：A 文章编号：1672-7800（2018）005-0223-04 　　Abstract：Since machine learning is at the core of artificial intelligence， research on machine learning plays a very important role in the development of artificial intelligence. Because machine learning involves various mathematical backgrounds， it increases the difficulty of learners. And the weak foundation of learners also limits the depth of their learning. Aiming at the learning status of machine learning and the problems faced by learners， this paper proposes a hierarchical learning method. This method can allow learners to understand the knowledge points and allow different needs ofhelps step by step learners with different needs to recognize learning objectives. Through practice， it has been proved that this method improves the enthusiasm of learners， enables learners to get started， makes them learn more deeply and proficiently， and improves their learning effects. 　　Key Words：machine learning； artificial intelligence； stratified deep learning 　　0 引言 　　?S着信息技术的高速发展以及软硬件技术、智能理论的不断完善，人工智能技术越来越受到研究者的关注。其已经广泛应用于诸多领域，如智能机器、智能制造、智能安防、智能医疗、智能金融、智能安全、智能零售、智能教育等。作为人工智能的核心，机器学习是其重要的组成部分。其是一门多学科交叉的学科，以优化论、概率论、矩阵论、逼近论、统计学点集拓扑学为基础，具有深厚的数学背景[1]。其主要研究如何使用计算机建立合适的模型，从海量数据中总结出规律，并转化成知识，以逐渐改善自身性能。由于大多数模型都有非常深厚的数学背景，所以学习者在学习时会遭遇诸多困境。 　　近年来，机器学习的教学方法也被越来越多地提出。文献[2]针对机器学习存在的问题，提出了理论结合实践的教学方法，并在教学中激发学习者的学习兴趣。文献[3]以分组化教学，提高学生的学习兴趣，并且设计了新的教学大纲。文献[4]提出了以教学与研究相结合的教学模式，以提高学生的创新能力。文献[5]使用问题驱动的机器学习教学方法。文献[6]提出以深度学习为机器学习的主导，加强案例教学，提高学生的科研能力。诸多教学研究者提出了自己的教学方法，但是少有研究者在机器学习的教学深度和分层教学上有所尝试。根据近年来在机器学习方面的研究及教学工作，本文总结出一套针对不同层次的入门-深入-精通的学习方法，并使用FCM算法作为案例详细讲解。 　　1 机器学习现状 　　1.1 模型多，算法深奥难懂 　　由于机器学习涉及到太多的数学模型，如模型建立、模型求解、模型准确性以及模型求解方法的完备性等都需要非常多的数学背景。如在聚类