赵明 教授

紧张从事人工智能、打算机图形学领域的传授教化和研究事情，主持和参加国家和省部级课题十余项，六次得到省部级奖；揭橥国内外论文50余篇，个中被 SCI、EI 收录论文30余篇。
多次得到北京市传授教化成果二等奖，学校传授教化成果特等奖和一等奖和二等奖。
2020年得到北京市传授教化名师称号。

引 言

人工智能是国内外著名大学信息技能类专业设置的核心课程之一， 2017年***印发的《新一代人工智能发展方案》更是将人工智能提高到国家计策发展层面上。
由于信息技能发展迅速，特殊是在大数据、人工智能等领域，相较于业界，高校在传授教化内容、实验平台和环境以及师资方面已经滞后。
而业界在算力、运用数据、运用处景等方面，积累了丰富的资源和案例，这些都可以成为优质的传授教化资源。
为适应新工科、新农科时期对峙异型人才培养办法的新哀求，2019 年年底，中国农业大学传授教化团队和百度公司互助，申请到教诲部《基于百度 AI Studio 平台面向本科生〈人工智能〉课程实践改革》产学互助协同育人项目。
该课程改革在传授教化方法和手段、传授教化形式、传授教化效果等方面带来了较大的提升。

01

依托产学合培养人的人工智能课程培植模式

▎1.1 应对传授教化内容滞后技能发展问题

人工智能是一门研究开拓能够仿照、延伸和扩展人类智能的理论、方法、技能及运用系统的多学科交叉技能科学。
如何在课程中全面反响人工智能发展脉络以及当代人工智能发展现状、主流思想、不雅观念和技能，利用机器学习和深度学习算法，是课程传授教化设计的关键。
尤其是通过编程实践来引发学生的学习内动力，培养学生的多学科知识交叉思维、创新能力、跟踪学科前沿能力和理论联系实际能力，是课程传授教化设计须要办理的问题。

▎1.2 课程内容对标 AI 根本理论和技能前沿

通过与人工智能领域具有显著造诣和领先技能的百度公司互助，设计完善了“厚根本、前沿性、重特色、强实践、研究型”的创新教诲培养方案，制订了反响人工智能尤其是深度学习前沿技能的传授教化大纲，以办理传授教化内容严重滞后于技能发展前沿的问题。
调度后的传授教化内容紧张设置如下：

人工智能和机器学习概述

（1）AI 简史与学派简介

理解 AI 的发展历史和紧张学派对付专业人士和初学者都很主要。
历史供应了知识演化的新视角，也为专业知识的理解供应了根本。

（2）机器学习定义及三要素

机器学习是让打算机通过数据学习并做出预测或决策的科学。
与传统程序不同，机器学习程序能够自我改进。
三个关键要素包括：假设空间（映射函数）、优化指标和寻解算法。

（3）神经元和单层感知机

为处理繁芜的输入/输出映射问题，如图像识别，人们模拟人脑神经元构造，发展入迷经网络模型。
这种模型能够拟合繁芜的函数关系。

（4）梯度低落和反向传播

通过机器学习第二个要素（优化目标）和第三个要素（优化目标的寻解算法），自然就引入了梯度低落和反向传播算法。

（5）用 Python 从底层实现一个神经元程序

末了通过 Python 编程，从底层完全实现一个用单个神经元拟合的线性回归运用问题。
可谓麻雀虽小五脏俱全，让学生不仅节制梯度低落和反向传播的事理，还可以用程序去实现。

利用 Python 构建神经网络模型预测房价（学生报告）

全连接神经网络和卷积神经网络

（1）全连接神经网络

通过手写数字识别案例，环绕机器学习三要素，详细先容深度学习五大步骤：数据处理、前馈网络模型构建（假设空间）、模型配置（确定优化目标）、模型演习（优化目标算法）和模型预测。

（2）深度学习框架

课程实验依托百度的飞桨 AI Studio 星河社区（下文简称星河社区），因此紧张讲授百度深度学习框架 PaddlePaddle，侧重动态图。

百度深度学习框架 PaddlePaddle

（3）卷积神经网络

为战胜全连接神经网络模型的一些不敷之处，比如模型架构只考虑独立的像素点、空间关联性信息丢失、模型参数太多等，引入卷积神经网络并先容卷积的功能和特点。

经典卷积神经网络模型

深度卷积神经网络是本课程的重点传授教化内容，紧张侧重图像分类和目标检测。

（1）图像分类经典 CNN 模型

详细讲解几个有名的深度卷积神经网络如 AlexNet、 VGG、 GoogLeNet 和 ResNet 架构的设计事理和实现。
这一部分紧张通过解读原始论文来展开讲授。
同时讲解网络演习过程中的数据增强技能、缓解过拟合的正则化处理、批次归一化、超参数设置等内容。
除此之外，也会向学生教授最新的一些网络演习技能，如数据增强技能、激活函数等。

经典深度网络-ResNet

（2）Transformer 架构

ChatGPT 和 Sora 的涌现，让 Transformer 成为主流网络架构。
为此，详细讲授 Transformer 架构的事理和在 CV 领域的一个经典模型 ViT (Vision Transformer)

Transformer 架构

（3）目标检测网络模型—YOLO

目标检测模型有一阶段和二阶段算法，本课程紧张讲授一阶段目标检测模型 YOLO。
从 YOLOV1到 YOLOV8，通过 YOLO 模型的不断迭代，可感想熏染到技能的改进和进步。

Yolov3识虫（学生报告）

（4）迁移学习

迁移学习在打算机视觉和自然措辞处理领域是一项主要技能。
深度学习之以是能在浩瀚领域得以成功运用，迁移学习在个中起到了主要浸染。
课程从迁移学习的上风、常见的微调办法到不同场景微调的详细操作以及知识蒸馏技能等内容都会进行详细讲解。

大模型事理和提示词工程

随着 AI 迈入大模型时期，本课程的内容紧跟时期步伐，全面涵盖 AIGC 的事理，并详细先容海内几个有名大模型，例如文心一言和通义千问等。
百度 CEO 李彦宏曾表示：“10年后，全天下有50%的事情会是提示词工程（Prompt Engineering）。
”因此，本课程深入磋商了如何构建 Prompt 以及优化 Prompt 的技巧。

大模型及Prompt利用

02

基于星河社区的产学互助

育人的课程传授教化实践

▎2.1 搭建星河社区建课平台

星河社区供应了*** + 源码 + 文档 + GPU 算力等一站式教诲做事。
星河社区具有丰富的建课功能，可支持较为全面的传授教化元素包括传授教化大纲、线上课程***、PPT 课件、作业、考试、竞赛等，为师生供应了一体化的传授教化环境、学习环境、开拓环境。

星河社区 - 西席建课后台

▎2.2 利用百度飞桨完成深度学习实践项目

《人工智能》课程全面引进星河社区和飞桨深度学习框架，并借助百度在资源、算力以及技能方面的全方位支持，将深度学习前沿技能融入传授教化内容，强化学生实践动手和创新能力的培养，有效办理了理论与实践严重脱节的问题。

星河社区供应了丰富的、难易程度不同的深度学习实战题目，支配的项目作业从难度依次递增，旨在全面提升人工智能课程的实践水平。
从超参数的调节到对经典模型构造的修正，再到自己考试测验构建模型架构，学生不仅能够学习经典模型，还能从经典模型中学习个中的创新思想，终极站到经典模型的肩膀上超越经典。

星河社区 - 西席发布作业项目/学生一键 Fork

猫狗识别（学生报告）

▎2.3办理引发学生自主学习能力问题

通过履行实战化、无标准答案的课程大作业和竞赛，实现以学生为中央，引发学生的自主学习能力、竞争意识和创新灵感。
课程支配的每一道实验作业没有标准答案，没有最好，只有更好。
除了闇练构建和利用 VGG、GoogLeNet 、ResNet 等经典卷积神经网络模型外，学生还须要自己主动查阅大量资料乃至最新的顶会顶刊学术论文，才能更好地完胜利课。
这样的做法有助于充分发挥学生的主不雅观能动性和创新能力，同时拓宽他们的知识面，为未来的学习和研究奠定坚实根本。

星河社区 - 西席发布比赛作为期末考察

许多学生反响，通过阅读论文和展示论文，他们创造学术论文并不再遥不可及。
本科生也有能力读懂顶会顶刊论文，而且论文中的思想还成为他们之后优化模型的一个主冲要破点。
这也启示我们要重点关注经典文章的阅读，经典的论文每每常读常新，很多新颖的想法很可能就源于经典文章的启示。
这些精良论文犹如文学名著，耐久不衰。
阅读这些经典论文，既能提高学生的英语阅读能力，又可以作为学习英文论文写作的最佳路子，更主要的是能让学生感想熏染到学术大师和有名学者的睿智与创新思想。

经典论文解析 – 以 Attention Is All You Need 为例

▎2.4参加竞赛取得良好成绩

在教诲部产学研项目的支持下，人工智能课程构建了丰富的教室—实验—实训—竞赛案例库。
通过分层次、分阶段地进行验证实验—实训—竞赛，不断提升学生的实践能力和创新思维能力，致力于培养创新型、复合型运用人才。
许多同学在这种培养模式下，成功进入北大、清华、复旦、北航等有名高校连续深造。

近年来，我们的学生在中国大学生打算机设计大赛人工智能寻衅赛、全国大学生智能车竞赛、全国大学生人工智能与机器人创新作品竞赛等大型赛事中得到良好成绩。

学生竞赛成绩

除了参与竞赛，同学们开拓的运用程序也备受关注。
星河社区的运用中央为学生们供应了一个展示自己技能实力和创新成果的窗口。
学生凭借踏实的专业知识和对技能的深入理解，贡献了功能性强、实用性高的运用，有的乃至开源了项目代码。
这些运用鉴于的精良表现和用户反馈，被推举至星河社区的运用中央首页，以便更多的用户能够创造和便捷地利用。

星河社区 – 运用中央

在4月16日举行百度 Create AI 开拓者大会上，学生在星河社区开拓的运用也在大会的作品展区中亮相。
这充分展现了学生们的自主学习能力和非凡的创新能力，而这样的造诣也是对课程实践改革成效的最好印证。

4月16日，以“创造未来（Create the Future）”为主题的百度 Create AI 开拓者大会

4月16日，以“创造未来（Create the Future）”为主题的百度 Create AI 开拓者大会

03

学生课后评价和收成

本科传授教化无论如何改革和培植，其核心目标都是环绕培养和提高学生剖析问题、办理问题的思考能力，理论联系实际的动手能力，从而使学生真正受益。
课后许多学生通过邮件或微信发来自己的一些收成，摘录几条如下：

（1）最大的收成在于能够真正地实践深度学习。
之前一贯都以为深度学习和本科生关系不大，是科研事情者的任务，很感谢这门课程和百度平台供应了非常好的实践机会，让我们能亲手搭建、演习模型，看到经由自己的不断努力，模型的准确率得到显著提高，造诣感和自满感是无法比拟的。

（2）感谢百度为我们供应算力卡，大幅度加快了运行速率，让编程、调参的过程方便很多，并且有大量开源学习项目，可以学习到许多知识，学习他人的思路，开阔了视野。

（3）从一开始的一无所知，到后来的能够对深度学习的主要观点如数家珍，能够自己独立实现和优化一个个模型，这门课程给了我一个入门深度学习的机会。
在期末利用平台打比赛的时候，通宵跑代码，不到末了一刻谁也不知道末了最优的精确率可以到什么程度，一贯守着榜，把自己的网络一点一点调试出更优的结果，是一个非常有造诣感的事情。

04

结 语

截止目前，通过18轮产学合培养人项目的传授教化实践，基本实现了5个转变：

从看重知识点传授的“以教为中央”向“知识+思维办法+想象力”并重的“以学为中央”传授教化模式转变；从“贯注灌注式”“片面追求专业化”向探究式、个性化的培养办法转变；从重去世记硬背、“期末一考定成绩”向重独立思考、“全过程学业评价—非标准答案考试”的学业评价转变；西席角色从“知识传播者”向引发学生创新创造的“勾引者”转变；学生从被动学习、“考试型学霸”向主动学习、“创新型学霸”转变。

▎4.1 授人以渔，为学生营造“勤学、悦学、会学”的良好氛围

一门好课的评价标准不仅在于老师的讲课是否生动有趣、逻辑清晰、张弛有度，更主要的是通过一门课引发学生的学习兴趣，让有能力的学生走得更远，让根本差的学生走得踏实，让学生自己主动学习和节制超出教室以外的知识，为今后的学习和研究打下良好的根本。

▎4.2 传授教化相长，百度助力，师生共同进步

通过与学生一起学习、谈论，尤其是从精良的学生实验报告中，老师也从学生那里学到很多。
师生之间相互促进，实现真正的传授教化相长。
其余，百度工程师也及时伸出援手，帮忙办理了许多疑难问题。
百度公司通过广泛的师资培训、帮助产学互助项目、供应星河社区实践平台及算力资源，极大地推动了我国高校人工智能教诲的发展，尤其是促进了深度学习的遍及与技能的提升。
这些努力无疑将在我国人工智能学科发展与人才培养的历史长卷中留下浓墨重彩的一笔。

总而言之，依托产学合培养人项目，我们通过多元化的传授教化办法、丰富的课程内容、理论根本知识和实验动手方面的平衡，全方位提升了人工智能课程的传授教化质量。

扫描下方二维码，填写「百度互助-专业培植与课程培植咨询」