多学科人工智能传授教化分享与谈论｜智识·致远 高等院校人工智能传授教化研讨会_课程_人工智能
小编 近日，由北京大学光华管理学院主理、矩池云协办的“智识·致远 高档院校人工智能传授教化研讨会”于2021年8月13日下午成功在线上召开，会议吸引了约500余名老师、学生和工程师参与。本次研讨会以跨学科人工智能课程传授教化为背景，谈论不同院校AI课程开设的传授教化履历和碰着的寻衅，拆解与谈论学生进行人工智能课程实践所碰着的难题。 本次研讨会约请了来自北京大学、复旦大学、中国公民大学、上海财经大学、中心财经大学、矩池云等高校和企业的多位著名教授和专家进行报告。与会高朋和不雅观众分享了他们最新的传授教化实践心得，并与线上不雅观众进行了深入谈论。 本次研讨会首先由北京大学光华管理学院商务统计与经济计量系教授，系主任王汉生进行开场致辞。他认为，大数据和人工智能是国家既定的主要计策，高校老师都希望紧跟计策升级传授教化内容、为社会培养精良的人才，但是面向不同学科的学习需求，课程框架内容搭建、知识体系和实践体系的培植都值得共同谈论。中心财经⼤学统计与数学学院副教授潘蕊老师主持了本次研讨会。 “ 不稽核学生记住了多少，如何去思考、办理问题才是关键。 研讨会的第一个报告来自复旦大学大数据学院的青年研究员付彦伟老师，他带来的分享主题是“以模块化内容为核⼼实践的深度学习课程传授教化经历与反思”。付彦伟老师认为，如果西席仅把教材、盛行的深度学习框架、模块进行罗列传授教化，学生的学习和思考很难得到提升。课程的目标和关键点在于，培养学生以神经网络和深度学习的思想方法、处理并办理实际大数据问题的能力。 因此在课程设计上，他提出了三点课程设计原则：以实际场景出发设计知识模块；着眼于深度学习构造变革中每一个创新模块的设计思路；平衡学术前沿与经典内容的比例，鼓励学生进行前沿技能探索。 “ 学生进行AI+工程实践需兼顾权衡工程效率。 第二位演讲高朋为巴比特副总裁、矩池云卖力人江汉儒师长西席，他分享的内容是“AI+知识体系与⼯程实践相结合的思考”。 江汉儒指出，AI与各个学科结合的过程中，能为学科注入更多的可能性以及新的思路，但是多学科背景的同学们在实践中会碰着大量的工程实践细节难题。面对工程难题，一方面学生可以系统化学习打算机工程知识，从根本上提升源头设计、实际运行到追踪优化的效率；另一方面则可以在大量工程实践中对效率与结果进行权衡。从平台的角度，则可以针对一些具备特定规律的工程难题进行优化和探索，以构建学习框架为目标，与行业共同打造知识库，终极为家当供应更多的创新力量。 “ 关于人工智能与社会经济关联的重大问题，很多都是人类社会碰着的全新问题。 接下来，北京大学光华管理学院运用经济学系翁翕教授，进行了主题为“人工智能与社会经济课程讲授履历分享”的报告。翁翕老师基于经济学视角，开设人工智能与社会经济学的跨学科课程。翁教授的授课内容涉及人工智能和宏不雅观经济、人工智能和市场设计、人工智能和政府政策等方面，课程目标是帮忙学生构建对人工智能思考框架。 他认为，课程要跳出传统的知识讲授型课程范畴，课程的展开实际上是老师和同学们共同探索的过程。他同时认为，学生须要更深入地理解技能，才能对行业与技能的结合有更好的理解，在AI技能和社会经济学的内容进行关联讲授方面，仍需进一步探索。 “ 全体传授教化须要编程和实验环境的合营。 复旦⼤学管理学院王有为教授，分享报告主题是“为应⽤统计硕⼠项目开设深度学习课程的传授教化经历及反思”。王老师首先谈到，来自多专业的学生汇聚同一教室，学生背景包含统计学、运用数学、商科金融工程、信息管理、财务管理、工业工程、电气工程等专业。王老师认为传授教化要面向实践，在传授教化内容设置上一半内容为深度学习，一半为并行打算。 王有为老师对课程构建进行了几点反思，理论和实践的结合，深度和广度的平衡，小组作业内容设计即要贴合课程讲授内容又要有所延展，小组作业与个人作业的比例，这四点在课程设计中要根据学生的情形不断进行调度。 “ 通过实践来体会深度学习的魅力。 中国⼈民⼤学统计学院副教授周静老师，对自己在传授教化中“案例驱动的深度学习课程培植履历”进行了分享。 周静老师先容了在中国公民大学统计学院开设AI课程的履历，课程侧重实践部分，有50%的韶光须要上机练习，学生也其实体会到跑深度学习模型时debug和调参的难度和主要度；作业以案例为背景，作业评分兼顾学生自主演习模型的演习精度，以及学生对案例问题的思考深度，以加强和实际问题的联结为稽核的终极目的。 周静老师将传授教化理念总结为三点：一、以高度繁芜的非线性回归剖析方法切入先容深度学习，肃清学生陌生感；二、给学生树立精确的期待，不要过度依赖深度学习；三、课程基于案例，肃清学生对深度学习的恐怖感。 “ 若何用统计打算的思路帮助学生缩小公式到实践的差距 上海财经大学统计与管理学院副教授邱怡轩老师，从统计打算的角度对深度学习教与学进行了谈论。 邱老师在传授教化中意识到，深度学习方法理论与实践之间的跨度非常大，很多学生对模型核心思想的节制程度较高，但在实践动手时会碰着各种阻碍，尤其是想要实现的模型尚未有封装好的程序时。 邱老师从几个统计打算实例切入，展示了从公式到实践过程中，学生所须要节制的数据构造和打算方法，指出这类知识点是散落在实践过程中的。他认为在理解了这些统计打算的事理之后，学生能在办理新问题时更加游刃有余。 “ 机器学习和统计学之间没有那么远的间隔。 上海财经大学统计与管理学院副教授周帆老师所进行的分享是“面向运用统计专硕的人工智能课程的培植与履历总结”。 周帆老师首先指出，专硕同学的学习目标更为明确，因此在课程培植中做了两点调度，一是将增加天生对抗网络、图像、自然语音处理、强化学习等理论在业界当中的运用和落地案例，这将更易于学生理解自己未来从事的事情方向；二是针对不同的专业先容数据构造和类型，这可充分加强学生面对开放的问题的办理能力。 周老师同时提出，应该思考使面向统计学的人工智能课程更具有统计学特色，如何在课程面向运用的适应性与特色上的取舍，这些都值得在课程开设过程中进一步探索。 “ MBA深度学习课程应与商业产品的思考干系联。 末了，来自北京大学光华管理学院教授王汉生老师，分享了他在光华管理学院面向MBA学生教授深度学习课程的思考。王汉生教授表示，MBA的学生大多在企业担当管理岗位，有4到5年以上的事情履历。很多MBA学生不是理工科背景，但是仍旧对深度学习抱有极大的激情亲切，一方面表示在学生在不断学习和提升编程能力，另一方面表示在时候思考技能与自己所在的业务线如何进行领悟。 在MBA学生背景互异的情形下开设深度学习课程，王汉生老师认为首先要将课程基于业务场景、面向商业产品，这是MBA学生的整体兴趣所在；其次是引发MBA学生的课程“得到感”，在课程实践中不局限于理论和编程本身，更要在课程中实现深度学习的“产品化的畅想”。 在研讨会结束前，王汉生教授感谢各位高朋、老师和同学的参与，希望未来能与各位老师紧密谈论如何将人工智能这门课开得更好，为国家的大数据和人工智能计策供应作出更多贡献，本次研讨会圆满结束。
本文系作者个人观点，不代表本站立场，转载请注明出处！
