課程名稱	機(jī)器學(xué)習(xí)基礎(chǔ)	授課對象所屬專業(yè)	軟件工程
課程類型	專業(yè)課	開課年級	6
課程性質(zhì)	理論/實(shí)踐	課程總學(xué)時(shí)	64

一、課程簡介

《機(jī)器學(xué)習(xí)基礎(chǔ)》課程圍繞學(xué)校提出的品德修養(yǎng)畢業(yè)要求，建立課程思政目標(biāo)，并充分發(fā)掘課程思政元素，比如馬克思主義唯物辯證法、當(dāng)前國家技術(shù)需求、科學(xué)家科研的思政故事等。通過項(xiàng)目案例和應(yīng)用場景與理論內(nèi)容的深度融合，加強(qiáng)學(xué)生對該領(lǐng)域的前沿知識、卡脖子技術(shù)的充分認(rèn)識。將科學(xué)方法緊扣實(shí)際需求，選取口罩人臉識別、疫情走勢分析等圍繞時(shí)事的題目進(jìn)行實(shí)驗(yàn)實(shí)訓(xùn)，培養(yǎng)學(xué)生科技報(bào)國的責(zé)任感。通過多維度的課程思政考核評價(jià)，促進(jìn)品德修養(yǎng)目標(biāo)達(dá)成，從而培養(yǎng)學(xué)生思行合一，深度融入人工智能科研創(chuàng)新發(fā)展。

通過課程學(xué)習(xí)，學(xué)生應(yīng)：

1.掌握貝葉斯決策、線性和非線性模型、監(jiān)督式和無監(jiān)督式學(xué)習(xí)的基本原理；

2.通過橫縱向思維訓(xùn)練，能夠吸收內(nèi)化前沿的模型學(xué)習(xí)與分類決策算法、自主建構(gòu)知識體系；

3.通過自主學(xué)習(xí)和科研實(shí)訓(xùn)，具備場景分析、編程實(shí)施、結(jié)果評價(jià)、方案優(yōu)化的研究能力，能夠解決多領(lǐng)域前沿挑戰(zhàn)性問題；

4.通過專業(yè)思政訓(xùn)練，具備數(shù)據(jù)隱私保護(hù)倫理、攻堅(jiān)克難的科學(xué)辯證精神和科技報(bào)國的家國情懷。

二、案例基本信息

1.案例名稱：思辨能力下的串行感知機(jī)模型

2.對應(yīng)章節(jié)：深度學(xué)習(xí)基礎(chǔ)-感知機(jī)

3.課程講次：1課時(shí)

三、案例教學(xué)目標(biāo)

1.掌握串行感知機(jī)的定義和方法，能夠用馬克思主義辯證法理解參數(shù)的關(guān)聯(lián)和優(yōu)劣，并合理設(shè)置參數(shù)。

2.能夠分析感知機(jī)步長和收斂性、全局最優(yōu)和局部最優(yōu)的辯證關(guān)系，領(lǐng)會(huì)在人工智能模型訓(xùn)練中矛盾對立統(tǒng)一和相互轉(zhuǎn)化的辯證思維，以及用以解決問題的方法。

3.理解感知機(jī)發(fā)明者羅森布拉特的科研思政故事，領(lǐng)會(huì)科學(xué)精神和技術(shù)發(fā)展觀。

4.能夠熟練應(yīng)用串行感知機(jī)，為后續(xù)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和科研學(xué)習(xí)夯實(shí)基礎(chǔ)。

四、案例主要內(nèi)容

1 《機(jī)器學(xué)習(xí)基礎(chǔ)》課程思政目標(biāo)

《機(jī)器學(xué)習(xí)基礎(chǔ)》以人工智能前沿科研驅(qū)動(dòng)，從家國情懷、學(xué)術(shù)精神、思辨能力、科學(xué)職業(yè)素養(yǎng)四個(gè)維度構(gòu)建課程思政核心目標(biāo)，如表1所示。

表1 《機(jī)器學(xué)習(xí)基礎(chǔ)》課程思政目標(biāo)

2 《機(jī)器學(xué)習(xí)基礎(chǔ)》課程思政元素

1)馬克思主義唯物辯證法、技術(shù)發(fā)展觀

機(jī)器學(xué)習(xí)的算法原理和技術(shù)演進(jìn)本身蘊(yùn)含著豐富的馬克思主義唯物辯證法、發(fā)展 觀等，對其充分理解有助于培養(yǎng)學(xué)生前沿技術(shù)發(fā)展的思辨能力。在模型訓(xùn)練中，往往需要根據(jù)應(yīng)用場景，抓住主要矛盾并分析矛盾轉(zhuǎn)化，結(jié)合參數(shù)的功能與優(yōu)缺 點(diǎn)等，來判定和取舍訓(xùn)練效果。比如，“感知機(jī)”在步長調(diào)參時(shí)，步長值若取太 大，會(huì)引起振蕩，而取值過小，則收斂很慢，需要尋找折中方案。另外，模型評 估的查全率和查準(zhǔn)率，也涉及矛盾對立統(tǒng)一的辯證思想。

從哲學(xué)的角度引導(dǎo)學(xué)生認(rèn)識人工智能的技術(shù)方法，能夠促進(jìn)學(xué)生對核心概念、應(yīng)用場景、存在問題及未來發(fā)展的深刻認(rèn)識。例如，當(dāng)前擁有突出能力的深度學(xué)習(xí)，實(shí)際是神經(jīng)元積累“量變到質(zhì)變”的結(jié)果，它最早的思想源于感知機(jī)的 單個(gè)神經(jīng)元。神經(jīng)網(wǎng)絡(luò)的發(fā)展也充分體現(xiàn)了事物發(fā)展的曲折過程，只有不斷努力 與改變才能進(jìn)一步提升。同時(shí)，深度學(xué)習(xí)模型本身也千變?nèi)f化，極具統(tǒng)一性和多 樣性，也蘊(yùn)含著事物發(fā)展的變化規(guī)律。

2)習(xí)近平新時(shí)代中國特色社會(huì)主義思想、實(shí)踐論

在機(jī)器學(xué)習(xí)的實(shí)踐環(huán)節(jié)，建立“實(shí)踐-認(rèn)識-再實(shí)踐-再認(rèn)識”的科研實(shí)訓(xùn)理念， 訓(xùn)練自主學(xué)習(xí)、高階評價(jià)、創(chuàng)新優(yōu)化的能力，解決復(fù)雜挑戰(zhàn)性問題。以國家戰(zhàn)略、 產(chǎn)業(yè)需求、疫情時(shí)事、中美貿(mào)易戰(zhàn)為背景，以習(xí)近平新時(shí)代中國特色社會(huì)主義思想為指導(dǎo)，明確每個(gè)實(shí)踐環(huán)節(jié)學(xué)習(xí)研究的初心與使命，激勵(lì)學(xué)生把自身人生規(guī)劃與國家發(fā)展緊密聯(lián)系。將科研楷模示范故事、實(shí)驗(yàn)室的科研案例凝練成課程思政小故事，引導(dǎo)學(xué)生克服實(shí)踐過程的畏難情緒，樹立科研學(xué)習(xí)志趣、求真務(wù)實(shí)態(tài)度、科技報(bào)國決心。同時(shí)，機(jī)器學(xué)習(xí)的實(shí)際問題大多以大數(shù)據(jù)驅(qū)動(dòng)，因此在實(shí)踐中還應(yīng)具備的數(shù)據(jù)隱私保護(hù)等職業(yè)素養(yǎng)。

（一）重點(diǎn)

1.感知機(jī)算法過程、收斂性、最優(yōu)解討論。

根據(jù)訓(xùn)練樣本的讀入方式不同，感知機(jī)分為串行和并行處理方式。本節(jié)課主要講授串行感知機(jī)模型，其算法過程并不復(fù)雜，但是相關(guān)的收斂性和最優(yōu)解計(jì)算，蘊(yùn)含著馬克思主義的辯證原理，是本節(jié)課重點(diǎn)之一。

解決方法：可視化算法過程+思政討論。通過可視化，將參數(shù)的更新和調(diào)整過程的關(guān)鍵步驟直觀展示。針對步長和收斂性、全局和局部最優(yōu)值等內(nèi)容，采用課堂引導(dǎo)和討論方式，促進(jìn)學(xué)生主動(dòng)思考辨析。

2.感知機(jī)的重要性。

感知機(jī)不僅傳遞出后續(xù)機(jī)器學(xué)習(xí)模型的誤差反饋和改進(jìn)的原始思想，也是人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)元基本組成，在神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的人工智能技術(shù)發(fā)展史上，具有極其重要的作用。

解決方法：課程思政小故事。以科學(xué)家科研故事的方式進(jìn)行闡述，能夠帶動(dòng)學(xué)生產(chǎn)生共鳴。

（二）難點(diǎn)

1.如何提升感知機(jī)的泛化能力?

感知機(jī)模型簡單，可以通過設(shè)置邊界約束提升泛化能力。

解決方法：課堂引導(dǎo)+設(shè)疑+闡釋。學(xué)生拓展思維，為科研學(xué)習(xí)打基礎(chǔ)。

五、案例教學(xué)設(shè)計(jì)

根據(jù)訓(xùn)練樣本的讀入方式不同，感知機(jī)分為串行和并行處理方式。本節(jié)課主要講授串行感知機(jī)模型。

(一)導(dǎo)入主題

教學(xué)內(nèi)容：串行感知機(jī)模型。

教學(xué)設(shè)計(jì)：引出問題，啟發(fā)式講授。

問題：數(shù)據(jù)輸入如果是一個(gè)一個(gè)串行給出，感知機(jī)模型的算法過程如何?

(二)展開闡述

串行感知機(jī)的算法過程并不復(fù)雜，但是傳遞出機(jī)器學(xué)習(xí)的誤差反饋和改進(jìn)的重要思想影響深遠(yuǎn)。

從兩個(gè)方面來掌握串行感知機(jī)算法基本過程。

教學(xué)設(shè)計(jì)：啟發(fā)闡釋，可視化參數(shù)更新。課程思政研討。

1.目標(biāo)函數(shù)：損失最小化，損失即為錯(cuò)誤分類的樣本。

根據(jù)目標(biāo)函數(shù)的不同設(shè)計(jì)不同的線性判據(jù)算法。首先，進(jìn)行預(yù)處理。

步驟1:將兩個(gè)參數(shù)合為一個(gè)參數(shù)a,線性判據(jù)改寫為：

設(shè)

步驟2:將C?類的訓(xùn)練樣本全部取反：

從而得到：

預(yù)處理后兩個(gè)類的輸出值都為正數(shù)。預(yù)處理的幾何解釋：在幾何上，通過在特征空間上增加一個(gè)維度，使得決策邊界可以通過原點(diǎn)(

項(xiàng))。翻轉(zhuǎn)C?類的樣本：得到一個(gè)平面使得所有樣本位于該平面同一側(cè)。

目標(biāo)函數(shù)：如果當(dāng)前樣本是錯(cuò)誤分類了，則以它的輸出值取反作為目標(biāo)函數(shù)。否則，目標(biāo)函數(shù)是0。

2.優(yōu)化算法：梯度下降法。

通過可視化，將參數(shù)的更新和調(diào)整過程的關(guān)鍵步驟直觀展示，可以讓學(xué)生直觀了解并掌握感知機(jī)的工作原理。如圖1所示

圖1 梯度下降算法的調(diào)整過程

課程思政：

梯度下降法是最基本的優(yōu)化方法。在串行感知機(jī)中，梯度下降的步長設(shè)置，體現(xiàn)了馬克思主義辯證思想。過大的步長可能造成振蕩，難以收斂；步長過小，嚴(yán)重影響算法速度。通常，在實(shí)際應(yīng)用中，在梯度下降迭代初期，設(shè)置較大步長，在接近最優(yōu)解時(shí)，設(shè)置小步長，保證算法收斂。這也應(yīng)用了矛盾對立統(tǒng)一和相互轉(zhuǎn)化的原理。

上述思想在人工智能模型的調(diào)參過程得到廣泛應(yīng)用。在人工智能算法設(shè)計(jì)優(yōu)化時(shí)，能夠從實(shí)際出發(fā)，應(yīng)用馬克思主義矛盾分析方法，了解參數(shù)設(shè)置和模型效果的辯證關(guān)系，能夠有效培養(yǎng)學(xué)生對前沿技術(shù)發(fā)展的思辨能力。

(三)深入研討

教學(xué)設(shè)計(jì)：問題引導(dǎo)，辯證分析，思政融合。

停止條件：如果訓(xùn)練樣本是線性可分的，感知機(jī)算法理論上收斂于一個(gè)解。但是否就是全局最優(yōu)解?

課程思政：

感知機(jī)的誤差反饋，逐步逼近最優(yōu)解，也體現(xiàn)了科研探索和試錯(cuò)的過程。當(dāng)前人工智能技術(shù)和應(yīng)用越來越復(fù)雜，因此很難構(gòu)建邏輯上一步到位的模型。只有勇于不斷嘗試和調(diào)整，才有機(jī)會(huì)獲得理想的數(shù)據(jù)結(jié)果。

(四)鞏固提高

教學(xué)設(shè)計(jì)：可視化分析闡釋。

約束條件：縮小解域，提高感知機(jī)的泛化性能。

例如，在兩類線性判據(jù)中，加入邊緣(margin)約束b,得 到如下約束條件

加入約束后，使得解域范圍收縮。沿著每個(gè)樣本向量

方向的收縮距離為：

。如圖：

圖2 感知機(jī)解域范圍收縮過程

(五)總結(jié)升華

教學(xué)設(shè)計(jì)：科學(xué)家科研故事。

感知機(jī)的歷史意義:

感知機(jī)是Frank Rosenblatt在1957年提出，是人工神經(jīng)網(wǎng)絡(luò)創(chuàng)立者。感知機(jī)是單個(gè)神經(jīng)元的雛形，是神經(jīng)網(wǎng)絡(luò)和深度網(wǎng)絡(luò)的基石。

Hebb在1949年出版的《行為的組織》中提出了其神經(jīng)心理學(xué)理論。Hebb認(rèn)為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程最終是發(fā)生在神經(jīng)元之間的突觸部位，突觸的聯(lián)結(jié)強(qiáng)度隨著突觸前后神經(jīng)元的活動(dòng)而變化，變化的量與兩個(gè)神經(jīng)元的活性之和成正比。

康奈爾航空實(shí)驗(yàn)室心理學(xué)家Frank Rosenblatt受到這種思想的啟發(fā)，提出了感知機(jī)，并認(rèn)為其足以創(chuàng)造一個(gè)可以學(xué)會(huì)識別物體、能夠識別出人并叫出他們的名字，立即把演講內(nèi)容翻譯成另一種語言并寫下來的機(jī)器。感知機(jī)提出引起巨大的轟動(dòng)，他本人也極力推廣他的模型。

但是1969年，Minsky和Papert所著的《Perceptron》一書出版，該書從數(shù)學(xué)角度證明了關(guān)于單層感知器的計(jì)算具有根本的局限性，甚至連XOR這樣的問題也不能解決。感知機(jī)發(fā)明者Frank Rosenblatt郁郁不得志，最終沉湖而亡。人工神經(jīng)網(wǎng)絡(luò)進(jìn)入了蕭條期。

但十幾年后，隨著邏輯回歸和神經(jīng)網(wǎng)絡(luò)的提出，證明了感知機(jī)的價(jià)值。一直到如今的深度學(xué)習(xí)，感知機(jī)都是其基本思想來源之一。

課程思政：

堅(jiān)持理想信念，保持科研工作者的初心，是尤為重要的。

六、教學(xué)反思

感知機(jī)模型在人工智能發(fā)展史上具有開創(chuàng)性貢獻(xiàn)。它不僅傳遞誤差反饋和學(xué)習(xí)的重要思想，也是神經(jīng)元雛形，奠定了神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的發(fā)展基石。

感知機(jī)模型的算法過程，蘊(yùn)含著人工智能技術(shù)發(fā)展的馬克思主義辯證法、發(fā)展觀。通過問題引導(dǎo)、啟發(fā)式講授，將課程思政深度融合，能夠有效促進(jìn)學(xué)生從事物發(fā)展的本質(zhì)規(guī)律出發(fā)，辯證分析和思考。引導(dǎo)學(xué)生領(lǐng)會(huì)并靈活運(yùn)用馬克思主義原理，能夠?qū)θ斯ぶ悄艿幕纠碚摗⒑诵募夹g(shù)、前沿發(fā)展有更深刻的認(rèn)識，也有助于高階思維訓(xùn)練，提升解決復(fù)雜問題能力。

在教學(xué)過程中，充分利用啟發(fā)式、互動(dòng)式、小故事講述等方法，將課程思政融入知識內(nèi)容，并指導(dǎo)學(xué)生課后通過博客等記錄心得體會(huì)，能夠容易讓學(xué)生產(chǎn)生認(rèn)同感，達(dá)到同頻共振。

軟件工程教研室供稿

責(zé)編：魏東平 審核：董西偉 王超