阿里天池AI平台驱动课程群建设

简介: 针对新工科项目式教学中存在的问题, 提出基于阿里天池AI平台,面向课程群建设统一的递进式教学项目案例库,重点介绍支撑课程群的递进式教学项目案例库设计的方法,并分析面向课程群的项目教学案例库设计的具体过程。此文已经被《计算机教育》录用

采用项目案例式教学的方式,可以让学生学到的知识快速应用到实际问题中,快速得到成果反馈,从而提高学生学习的积极性。针对教学案例库缺少统一的设计这一问题。教学团队可以考虑将一个完整的案例贯穿到整个课程体系中去,通过课程团队协同备课,依据大纲中的知识点将案例分解成与理论知识相对应的若干个子案例,并将拆分后的案例安排到其对应课程内容之中,采取任务驱动的方式来激发学生的求知欲望,学生通过对项目案例操作不仅可以增强实践能力,也可以加强对理论知识的理解。
课程群的项目案例可以考虑设置多种不同的案例,在相同的理论知识下,体验不同子案例之间技术的差异。在课程中可以设置课堂展示环节,让学生体会到不同的案例在操作上的不同,引发学生们的讨论和思考。将一整个案例分解到课程群中去,学生学完课程收获到的是一个完整的故事,这样学生在学完整个课程体系后就能体验到整个实际项目的流程,满足感会大大增加,激发自主学习的动力。
课程团队和阿里云天池AI平台进行合作,建设统一的课程群项目式教学案例库实验室,根据课程群的课程大纲以及思维导图,梳理核心知识点,在项目文档种分解对应的部分资料,基于阿里云天池AI平台,设计并完善分层、递进式项目案例库。
笔者在现有项目沉浸式教学方法的基础上,做进一步创新性的尝试。
(1) 一手项目案例融入课程群
尽管案例教学和项目教学已经广泛应用于专业课程的教学,但在新工科的人才培养过程中,一手项目经验在绝大多数的高校教师中还非常短缺,从课程群的角度融入统一的项目案例的做法难度更大。
申请人团队在过去几年已经多家企业合作了30多个机器学习相关的实战项目,这些项目的成果整理了50多个一手机器学习案例,有效地推动了案例教学和实验教学,学生可访问、分析其思路、代码并测试其效果。可以把其经验推广到课程群的项目案例设计以及实践教学。
(2)建设统一的课程群项目式教学案例库平台
在最近2年,我们与阿里云计算公司合作,在阿里云天池AI平台设计并实践了机器学习的实验和实训案例库,目前已经上线20个综合的项目案例,覆盖了机器学习和深度学习核心的知识点以及典型应用场景,积累了一定的案例库平台建设和使用经验。

无标题.png

图1 案例库协同设计

如图1所示,这种实验案例库一体化的设计方法和平台,对于课程群的价值更明显,可以方便教学团队协同设计和维护案例库,使得同一个项目的素材可以在一个平台上灵活进行组合和练习。这对于以学为中心的教学也有裨益:一方面可以方便学生根据自己的基础,选择合适的案例进行学习和练习,另一方面也可以进行综合的实训,甚至做创新性的工程应用。例如,对于比较复杂的基于目标检测的交通灯模糊控制项目案例,对摄像头采集的视频帧进行探测和可视化,可以作为可视化课程的教学内容;而上述图像的增强和样本分割方法,又可以作为机器学习课程的案例;使用目标检测算法统计摄像头视频帧中的车辆数量,又可以作为深度学习课程目标检测算法的教学案例;交通灯的模糊控制算法又可以作为智能系统应用课程的案例。而整个案例又可以作为综合实训的实验案例。

捕获.PNG
图2 天池案例分解(可视化库、算法库等)

节选:面向课程群的递进式教学案例库一体化设计
赵卫东
(复旦大学 计算机学院,上海 200433)

目录
相关文章
|
1天前
|
人工智能 前端开发 数据库
体验AI驱动的软件开发 | 普元低代码社区版使用
体验AI驱动的软件开发 | 普元低代码社区版使用
10 1
|
1天前
|
机器学习/深度学习 人工智能 算法
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第11天】在数字时代的风口浪尖,网络安全问题日益凸显。传统的安全防御手段在应对不断进化的网络威胁时显得力不从心。本文提出了一个基于人工智能技术的自适应网络安全防御系统框架,旨在通过实时分析、学习和预测网络行为,自动调整防御策略以抵御未知攻击。系统采用先进的机器学习算法和大数据分析技术,能够在保持高效性能的同时,最小化误报率。文章详细阐述了系统的设计理念、关键技术组件以及预期效果,为网络安全的未来发展方向提供新思路。
|
4天前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第8天】 随着网络攻击的不断演变,传统的安全措施已不足以应对日益复杂的威胁。本文提出了一种基于人工智能(AI)的自适应网络安全防御系统,旨在通过实时分析网络流量和行为模式来自动调整安全策略。系统利用深度学习算法识别潜在威胁,并通过强化学习优化防御机制。初步实验表明,该系统能够有效提高检测率,减少误报,并在未知攻击面前展现出较强的适应性。
16 1
|
5天前
|
消息中间件 人工智能 监控
|
6天前
|
机器学习/深度学习 数据采集 敏捷开发
探索软件测试中的AI驱动自动化:未来趋势
【5月更文挑战第6天】 随着人工智能(AI)技术的不断进步,其在软件测试领域的应用正变得日益重要。本文将探讨AI如何革新现有的软件测试流程,并预测其对未来测试实践的影响。我们将深入分析AI在测试用例生成、缺陷预测以及测试执行等方面的应用,并讨论实现这些技术的挑战和潜在好处。文章的目标是为读者提供一个清晰的视图,展示AI如何增强测试效率和有效性,同时指出实施过程中需要注意的关键因素。
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试中AI驱动的决策框架设计与实现
【5月更文挑战第5天】 在软件测试领域,自动化测试已成为提升测试效率和质量的关键手段。然而,随着软件系统的复杂性增加,传统的自动化测试方法面临挑战,尤其在测试用例的生成、执行及结果分析等方面。本文提出一种基于人工智能(AI)的自动化测试决策框架,旨在通过智能化的算法优化测试过程,并提高异常检测的准确率。该框架结合机器学习和深度学习技术,能够自学习历史测试数据,预测高风险变更区域,自动生成针对性强的测试用例,并在测试执行过程中实时调整测试策略。此外,通过自然语言处理(NLP)技术,该框架还能对测试结果进行语义分析,进一步提供更深入的洞察。本研究不仅增强了自动化测试工具的智能性,也为软件质量保证提
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
【AI 场景】如何使用 AI 来改善电子商务平台中的客户体验?
【5月更文挑战第4天】【AI 场景】如何使用 AI 来改善电子商务平台中的客户体验?
|
8天前
|
机器学习/深度学习 人工智能 算法
深入分析自动化测试中AI驱动的测试用例生成
【5月更文挑战第4天】随着人工智能(AI)技术的飞速发展,其在软件测试领域的应用也日益广泛。特别是在自动化测试过程中,AI技术能够显著提高测试用例的生成效率和质量。本文将探讨AI在自动化测试用例生成中的应用原理、优势以及面临的挑战,并展示通过AI技术优化测试流程的实际案例。
44 8
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI驱动的自适应学习系统
【4月更文挑战第30天】 随着人工智能技术的迅猛发展,教育领域正经历一场由AI驱动的变革。本文将探讨一个新兴的研究领域——自适应学习系统。这种系统通过利用机器学习算法和大数据分析,能够根据学生的学习习惯、知识水平和兴趣点提供个性化的教学方案。我们首先介绍自适应学习系统的基本概念及其在现代教育中的重要性,然后详细阐述其工作原理及关键技术,包括数据挖掘、模式识别和自然语言处理等。最后,文章将分析当前自适应学习系统面临的挑战,并提出未来的发展趋势。
|
11天前
|
机器学习/深度学习 人工智能 搜索推荐
构建未来:AI驱动的自适应教育平台
【4月更文挑战第30天】 随着人工智能技术的迅猛发展,其在教育领域的应用正逐步从理论探索走向实践落地。本文将详细阐述一个基于AI技术的自适应学习平台的设计理念、核心功能以及潜在影响。该平台利用机器学习算法分析学生的学习行为和成绩,动态调整教学内容和策略,以实现个性化教学。研究结果表明,AI辅助的自适应学习能够显著提高学习效率,同时为教师提供强有力的教学辅助工具。

热门文章

最新文章