论文部分内容阅读
摘 要：构建课程协同机制实践教学模式，并阐述其在人工智能实践教学中的应用.教学模式将人工智能学科的最新发展、最新方法快速的渗入到上机实践环节，从人工智能课程体系建设和多课程协同配合机制方面入手，培养学生的实践能力和创新能力.
关键词：课程协同; 人工智能; 教学方法
[中图分类号]G642 [文献标志码]A
Abstract：This paper constructs the practical teaching mode of course coordination mechanism，and expounds its application in the practical teaching of artificial intelligence.The latest development and methods of artificial intelligence are quickly infiltrated into the practice of computer.The practice ability and innovation ability of students are cultivated from the aspects of the construction of artificial intelligence course system and the coordination mechanism of multiple courses.
Key words：course collaboration;artificial intelligence;teaching method
隨着全球信息和工业化快速发展，大数据、人工智能领域的人才长期处于匮乏状态.[1]地方高校培养用人单位需求的、具有实践操作和创新能力的学生尤为重要.为改革和深化人工智能的教学理念和实践操作，提升广大学生的实践操作能力，笔者构建一种新的教学模式——课程协同机制实践教学模式，并阐述其在人工智能实践教学中的应用.课程协同机制实践教学模式从人才培养目标、上机项目实操训练、日常课堂教学安排、教学成绩测评等方面，阐述全面提升项目实践能力和应用创新能力的人才培养方法，对拓宽大数据专业学生的学习视野、锻炼理论联系实际能力有重大意义.
1 课程协同机制实践教学模式的内涵
课程协同机制实践教学模式的框架见图1.大数据技术实操环节包括基础大数据平台的建立及软硬件环境的管理、数据的存储与加密处理、相应数据字段模式的设置、采用批处理算法、结果的应用方向研究等几个方面.课程涵盖了计算机专业的几乎所有核心课程，目的是全面提升实践能力，引导学生自主寻求编程及算法设计，通过实际的多编程、多上机，从程序中理解人工智能的理论及方法.
1.1 课程体系设置
大数据挖掘及分析借助计算机编程来实现，课程体系中要设置与之配套的编程类基础课程.[2]大数据实践课程见表1.实践一，搜集数据，爬取实验数据、对数据进行清洗和加密处理.实践二，基础类实验环节，数据库设计、数据云计算开发平台的建设及相应的模型建模等，目的是使学生学会找到目标数据，与数学建模案例相结合，针对性的解决目标任务的过程.实践三，通过数据可视化技术、数据分析及批处理技术等将实验项目的挖掘结果通过多种方式展示出来，提高分析解决实践问题的能力.实践四，培养学生的综合实践和业务能力：实践五，设置一门综合性比较高的实验课程，作为后续教学的依据.
1.2 教学内容
教学内容从课程的实际内容出发，结合项目驱动和场景应用方法，详见表2.教学内容分三部分，通过关联课程和教学实践内容的模块相对应.教学内容结合事例中大数据实验课程体系的目标，使得教学目标在整体教学环节始终起着准确的引导作用，实现课程体系相互协调和配合的作用.[3]
1.3 设计特色推荐平台
特色推荐平台是在通用的J2EE平台上抓取网站平台数据，分析平台和HBase、Hive等非关系型数据库的优点，进行针对性的字段功能分析和基于大数据的MapReduce分析，采用成熟的模型进行功能扩充，实现不同应用场景下特色推荐平台的功能.
1.4 教学流程
课程协同机制实践教学模式的教学流程见表3，采用阶段性进阶法教学完成教学.
（1）基础理论课程教学.要求学生熟练掌握软件安装、用户管理、内外网络配置、进程管理等.实践教学以小组为单位，小组成员根据基础能力均衡调配，力求最大限度避免“投机取巧”“抱大腿”现象.
（2）实操操作教学.教师从实践要求和目标着手，从用户的需求分析、系统软件建模、系统测试几个大方面，分析每个功能模块之间的关联关系，做到逻辑顺畅，启发学生的创新思维和逻辑能力.[4]教师采用情景导入法，激励学生，引导学生，实时分析总结，使学生能够自主合理安排学习进度，从总体上提高学习效率.
2 结语
课程协同机制实践教学模式在大数据和人工智能领域的教学上得了良好的教学效果.课程协同机制实践教学模式的优点为[5]：通过课程联动、互为支撑的教学体系，使得知识的连贯性凸显出来，为人工智能等革新知识的拓展应用提供更加有效的执行方案;多课程协同以及案例驱动等场景教学方法的使用，对学生提升实践应用创新能力起到很大促进作用.教学模式还拓展、创新、总结了教学，创新了教学理念.
教学模式将人工智能学科的最新发展、最新方法渗入到上机实践环节，从人工智能课程体系建设和多课程协同配合机制方面入手，使学生能更好地契合企业要求，为社会提供更多的人工智能方面的人才.
参考文献
[1]袁书萍，叶承琼.应用型本科高校计算机科学与技术专业大数据方向的课程群建设研究[J].科技视界，2018（13）：198-199.
[2]代金华.基于校地企三方合作的大数据技术人才培养模式研究[J].科技风，2019（35）：198.
[3]谢志明，王鹏，李俊杰，石慧.基于CDIO的云计算与大数据课程体系建设[J].计算机教育，2017（01）：47-52.
[4]周傲英，钱卫宁，王长波.数据科学与工程：大数据时代的新兴交叉学科[J].大数据，2015（2）：90-99.
[5]杨洪，李知遥，张志强.数据科学与大数据技术专业实践能力培养体系的探索与实践[J].成都大学学报：社会科学版，2018（3）：106-112.
编辑：吴楠
关键词：课程协同; 人工智能; 教学方法
[中图分类号]G642 [文献标志码]A
Abstract：This paper constructs the practical teaching mode of course coordination mechanism，and expounds its application in the practical teaching of artificial intelligence.The latest development and methods of artificial intelligence are quickly infiltrated into the practice of computer.The practice ability and innovation ability of students are cultivated from the aspects of the construction of artificial intelligence course system and the coordination mechanism of multiple courses.
Key words：course collaboration;artificial intelligence;teaching method
隨着全球信息和工业化快速发展，大数据、人工智能领域的人才长期处于匮乏状态.[1]地方高校培养用人单位需求的、具有实践操作和创新能力的学生尤为重要.为改革和深化人工智能的教学理念和实践操作，提升广大学生的实践操作能力，笔者构建一种新的教学模式——课程协同机制实践教学模式，并阐述其在人工智能实践教学中的应用.课程协同机制实践教学模式从人才培养目标、上机项目实操训练、日常课堂教学安排、教学成绩测评等方面，阐述全面提升项目实践能力和应用创新能力的人才培养方法，对拓宽大数据专业学生的学习视野、锻炼理论联系实际能力有重大意义.
1 课程协同机制实践教学模式的内涵
课程协同机制实践教学模式的框架见图1.大数据技术实操环节包括基础大数据平台的建立及软硬件环境的管理、数据的存储与加密处理、相应数据字段模式的设置、采用批处理算法、结果的应用方向研究等几个方面.课程涵盖了计算机专业的几乎所有核心课程，目的是全面提升实践能力，引导学生自主寻求编程及算法设计，通过实际的多编程、多上机，从程序中理解人工智能的理论及方法.
1.1 课程体系设置
大数据挖掘及分析借助计算机编程来实现，课程体系中要设置与之配套的编程类基础课程.[2]大数据实践课程见表1.实践一，搜集数据，爬取实验数据、对数据进行清洗和加密处理.实践二，基础类实验环节，数据库设计、数据云计算开发平台的建设及相应的模型建模等，目的是使学生学会找到目标数据，与数学建模案例相结合，针对性的解决目标任务的过程.实践三，通过数据可视化技术、数据分析及批处理技术等将实验项目的挖掘结果通过多种方式展示出来，提高分析解决实践问题的能力.实践四，培养学生的综合实践和业务能力：实践五，设置一门综合性比较高的实验课程，作为后续教学的依据.
1.2 教学内容
教学内容从课程的实际内容出发，结合项目驱动和场景应用方法，详见表2.教学内容分三部分，通过关联课程和教学实践内容的模块相对应.教学内容结合事例中大数据实验课程体系的目标，使得教学目标在整体教学环节始终起着准确的引导作用，实现课程体系相互协调和配合的作用.[3]
1.3 设计特色推荐平台
特色推荐平台是在通用的J2EE平台上抓取网站平台数据，分析平台和HBase、Hive等非关系型数据库的优点，进行针对性的字段功能分析和基于大数据的MapReduce分析，采用成熟的模型进行功能扩充，实现不同应用场景下特色推荐平台的功能.
1.4 教学流程
课程协同机制实践教学模式的教学流程见表3，采用阶段性进阶法教学完成教学.
（1）基础理论课程教学.要求学生熟练掌握软件安装、用户管理、内外网络配置、进程管理等.实践教学以小组为单位，小组成员根据基础能力均衡调配，力求最大限度避免“投机取巧”“抱大腿”现象.
（2）实操操作教学.教师从实践要求和目标着手，从用户的需求分析、系统软件建模、系统测试几个大方面，分析每个功能模块之间的关联关系，做到逻辑顺畅，启发学生的创新思维和逻辑能力.[4]教师采用情景导入法，激励学生，引导学生，实时分析总结，使学生能够自主合理安排学习进度，从总体上提高学习效率.
2 结语
课程协同机制实践教学模式在大数据和人工智能领域的教学上得了良好的教学效果.课程协同机制实践教学模式的优点为[5]：通过课程联动、互为支撑的教学体系，使得知识的连贯性凸显出来，为人工智能等革新知识的拓展应用提供更加有效的执行方案;多课程协同以及案例驱动等场景教学方法的使用，对学生提升实践应用创新能力起到很大促进作用.教学模式还拓展、创新、总结了教学，创新了教学理念.
教学模式将人工智能学科的最新发展、最新方法渗入到上机实践环节，从人工智能课程体系建设和多课程协同配合机制方面入手，使学生能更好地契合企业要求，为社会提供更多的人工智能方面的人才.
参考文献
[1]袁书萍，叶承琼.应用型本科高校计算机科学与技术专业大数据方向的课程群建设研究[J].科技视界，2018（13）：198-199.
[2]代金华.基于校地企三方合作的大数据技术人才培养模式研究[J].科技风，2019（35）：198.
[3]谢志明，王鹏，李俊杰，石慧.基于CDIO的云计算与大数据课程体系建设[J].计算机教育，2017（01）：47-52.
[4]周傲英，钱卫宁，王长波.数据科学与工程：大数据时代的新兴交叉学科[J].大数据，2015（2）：90-99.
[5]杨洪，李知遥，张志强.数据科学与大数据技术专业实践能力培养体系的探索与实践[J].成都大学学报：社会科学版，2018（3）：106-112.
编辑：吴楠