地方师范院校计算机类专业建设探究.docxVIP

地方师范院校计算机类专业建设探究

摘要：在新工科建设与工程认证的时代背景下，智能科学类高层次人才的社会需求量与日俱增。地方师范院校对智能科学类人才的培养，一般借助于原有的计算机类专业来进行。但是其固有的人才培养模式，在某种程度上限制了计算机类等工科专业的发展。智能科学类课程的授课难度较大，如何做好理论与实践结合，激发学生兴趣及创新能力成为该类课程的重点和难点之一。本文提议，将课程的教学重心转移到实践上来，推进校企合作，充分利用社会资源，激发学生创造力，提升教师工程素养和学生开发水平。

中图分类号：G434?文献标识码：A?论文编号：1674-2117（2019）06-0087-03

地方师范院校计算机类专业培养现状

目前课程教学

人工智能是计算机、统计学等本科的选修课程之一，其内容涉及线性代数、概率论、信息论等，是一门理论性、实践性、工程性要求相对较高的课程，其在分类问题、图像分割、目标检测等相关应用领域均取得了较好的工程应用。

作为一门备受瞩目的课程，怎样能在教学中将理论知识简单化、趣味化，培养学生兴趣，提高效率，是本课程的重点和难点之一。目前，已经开设该课程的院校采用的教学方式多以理论授课为主，少量实验为辅，这种授课方式存在以下不足：①学生无法直观理解所学的理论知识及其改进效果。②课下完成作业过程缺乏自主性。③人工智能方面师资短缺。

因此，地方师范院校计算机类专业需要转变人才培养方式，坚持社会需求为导向，在适应高等教育发展新常态的同时，把科研院所、用人单位的评价作为关键指标[4]，立足当地、面向全省甚至全国培养社会发展需要的信息技术高质量人才。[5]

实践性教学探索

1.课程基本内容

本课程的主要任务是带领学生完成机器学习的入门工作，能让学生通过个人努力，灵活掌握并应用一些简单的机器学习实例，甚至设计出自己的分类回归网络。

目前，常用的机器学习深度学习主流的框架有Tensorflow、Keras、Caffe。其中，Caffe是出现较早的工业级框架，更新较慢，不适用于文本、声音或时间序列等其他应用领域。Kears是一个基于Theano和Tensorflow的学习库，具有很直观的API，未来可能会成为Tensorflow默认的PythonAPI，更新速度较快，资源也比较多。Tensorflow是谷歌公司开发的学习框架，资源较多，用户量较大，用途也比较广泛，可以与一些功能强大的库组合使用，支持并行运算，考虑到将来学生可能会从事相关工作的发展，本课程推荐使用Tensorflow作为机器学习课程使用框架。

本课程涉及的主要知识点如下表所示。

2.课程设计需求

教学框架涉及三大部分，由表及里，从易到难。

第一部分介绍关于机器学习的历史发展等，学生可以访问https：///，使用网页上提供的开源小应用，从而激发学习兴趣。

第二部分掌握相关的编程技巧。Tensorflow作为一种通用性较强的编程平台，提供底层函数调用和高层API接口，方便进行开发和研究。由于本课程的教学任务是引导学生入门，因此该部分课上只介绍常用语法，其余内容需要学生自己探索。

第三部分使用Tensorflow教会学生搭建自己的网络结构。利用TensorflowPlaygroud向学生展示深度学习的网络架构，并逐一讲解各部分内容及其作用，结合JupyterNotebook引导学生可以通过调节不同的超参数查看各参数对实验结果产生的影响。教会学生使用简单的Python编程，实现在Tensorflow上设计开发自己的网络框架。

3.实践性教学的优势

使用这种教学方式，对学生的要求也更高。学生将真正参与到课程内容的设计中，不拘泥于现有的条件和结果，能够极大地激发创造力，从而激起对知识的渴望和探索，教师和学生的互动性会得到很大程度的增强，学习效果要比传统教学方式更为明显。

将理论性极强的课程转向实践应用是地方师范院校计算机类专业转型过程中的一大难题。地方师范院校应该尽快转变观念，对工科类专业的培养模式进行适当调整，克服原有师范教育模式中的不足。在培养过程中，既要抱有对理论知识的追求，又要实现对应用型教育的突破。

此外，在新工科建设及工程认证的背景下，加快实施实践性教学的培养模式，有助于提高地方师范院校计算机类专业人才培养的规格，弥补工程实践能力薄弱、行业应用背景不足等问题，尽快达到国家及社会对应用型人才培养的目标。[7]

[1]林健.面向未来的中国新工科建设[J].清华大学教育研究，2017（2）：26-35.

[2]吴涛，洪伟铭，吴东，等.地方师范院校计算机专业人才协同培养模式探索[J].计算机教育，2015（7）：36-39.

[3]王立新，李晓.地方师范院校计算机科学与技术专業教学体系研究与实践[J].计算机教育，2009（20）：32-34.

[4]金义富，邓明，