0 引 言
“人工智能+”等新一代信息技术的快速发展，对新工科人才培养提出了全新要求。课程是人才培养的核心要素，直接决定着人才的培养质量。MOOC、翻转课堂和混合式教学为主要特征的智慧教学的出现虽然弥补了传统讲授式教学模式主观能动性差以及教育资源稀缺的不足，但仍然无法避免人才培养与产业需求中间存在“裂谷”的本质[1-2]。产学研合作实现了学校与企业资源共享、优势互补，提高了教师教学能力和学生创新水平，因此，通过产教融合、校企合作培养高层次的人工智能人才已成为高校和企业共同的任务[3-4]。2018年4月，教育部发布《高等学校人工智能创新行动计划》，提出要推广实施人工智能领域产学合作协同育人项目，以产业和技术发展的最新成果推动人才培养改革[5]。2022年8月，教育部—华为“智能基座”虚拟教研室试点建设启动，将产业发展前沿技术融入教育教学，着力培养大批高素质信息技术人才。
深度学习是一门以计算机科学、数学、工程学等为基础的新兴交叉学科课程，旨在通过学习和实际应用培养本科生对人工智能领域知识的兴趣，掌握该学科的基础理论、经典算法、前沿技术，对提高学生科学逻辑思维以及用数学建模思想解决实际问题的能力具有重要作用[6]。如何将理论与实践紧密结合，激发学生的兴趣，培养学生的实际动手和创新能力，创建面向产业和社会需求的拔尖人才培养范式，是目前面向本科生深度学习教学中亟须解决的问题。
1 当前深度学习课程教学及改革存在的问题
1.1 课程理论复杂抽象
深度学习以数学和机器学习概念为基础，并要求学生对计算的性能问题、复杂性理论等有基本的了解。大量的数学符号、算法伪代码难以调动学生的学习积极性，使其容易忽略课程重点；此外，在学习过程中，学生很难较快地回顾已学知识并灵活应用到课程理论，加剧了其认知思考的难度；传统教学模式下被动地听讲，不能充分激发学生的创新思维以及融入自身的情感体验。
1.2 理论知识到实践应用转化困难
深度学习作为一门经验科学，其课程设置面临着尴尬局面。目前高校教育投资倾向于理论教学，加之高性能计算实验室建设投资昂贵，人均使用实验设备量严重不足，因此，深度学习课程实验往往采用演示实验等形式。另一方面，由于实践性教学经费紧张、教学时数减少等问题，实践性教学环节不得不采取合并、裁减、模拟，甚至“以讲代练”等方式。学生在教学过程中得不到足够的实践能力训练，使其实际操作技能难以达到应有的水平。
1.3 人才培养与学科发展不协调
在传统人才培养模式中，高校的基础理论知识与课程滞后于实际产业技术的应用，教师与企业实践脱钩，学生动手能力逐步弱化，导致人才培养方式和知识体系不健全。以深度学习为代表的人工智能学科发展迅猛，人才跨界能力要求非常高，但“人工智能+X”的人才培养模式[5]还没有完全建立起来。此外，高校的教材和实验建设，远跟不上该学科的发展以及工业界对人才的需求，导致人才培养与产业需求中间存在“裂谷”，无法适配。
2 华为昇腾AI生态融于深度学习课程教学新模式
华为昇腾AI生态融于深度学习课程教学新模式是采用华为昇腾AI生态作为重要载体，以基于华为智能基座的混合式理论教学和基于昇腾计算的项目式实验教学为中心的新颖教学模式。该模式从学科特点出发，重点解决如何兼顾深度学习领域基础理论和学科前沿的实际问题，同时将思政元素引入课程教学，实现全方位育人。
2.1 基于华为智能基座的混合式理论教学模式
基于华为智能基座的混合式理论教学旨在解决课时有限与课程内容复杂抽象矛盾的同时，兼顾昇腾数字教学资源优势和师生互动情感需求，实现“教师为主导”的课堂教学与“学生为中心”的自主学习的有机融合，并在教学过程中将线上和线下，课前、课中和课后，理论教学、昇腾案例教学和研讨教学进行全方位整合，如图1所示。教师通过智能基座平台分享课程方案、课件、讲义、实验手册等资料，发布在线课程所需的慕课微课视频、通知、作业等内容，推荐平台所提供的教材教辅、数据集、文献代码解析等资源，并向学生开放答疑社区和交流论坛。在教师教学进度安排的指导下，学生可以通过智能基座学习平台自主开展预习与在线学习，进行在线提问与讨论，及时反馈并由平台收集反馈信息。学生在面授课堂上与教师交流学习心得和收获，从而减少教师利用实体课堂进行基础知识讲授的时间，增加开展教学情境设计、课内互动、研讨与训练的频率。由此，把以教师为中心转变为以学生为中心，教师角色转变成为课堂的引导者和答疑者，进而高效利用课堂内外时间，锻炼并提升学生独立自主学习的能力，使其养成独立思考的思维能力，并有针对性地解决学生的实际困难。
2.2 基于昇腾计算的项目式实验教学模式
基于昇腾计算的项目式实验教学旨在从昇腾项目工程实践入手，结合混合式理论教学改革和昇腾案例分析，将课程中的关键知识点融入AI项目中，并使用昇腾计算的硬件系统和基础软件体系完成指标，实现理论与实践一体化，使课程目标与人才培养目标更加契合。每个案例均来自昇腾社区应用开发案例资源和Gitee镜像仓。教师按照教学目标对实践能力的要求，配合昇腾AI技术指标，精心设计课内实验和动态扩展课外实验，以验收报告及配套代码的结果形式发布于社区及镜像仓，并通过昇腾AI平台邀请领域专家进行专业指导与综合评价。学生根据平台所提供的详细实验指导手册及示例注释代码，对实验步骤进行模仿、验证和改进，从而能够快速得到预期结果，掌握代码调试策略，进而获得成就感。实验完成后，学生可通过开源社区上传案例代码、改进过程和分析结果，便于问题反馈、项目改进、聚焦讨论以及高效代码评审。基于昇腾计算的项目式实验教学使得学生自我提升协作能力、实践能力和创新能力成为可能，并进一步催化以学生为中心的模式转变。
2.3 昇腾AI生态融于课程思政
AI人才的培养不仅是专业技能的提升，价值观的引导与行为习惯的养成也同样重要[7]。为此，将华为MindSpore与国际深度学习框架的对比分析贯穿教学整个过程，引导学生认清深度学习领域核心技术以及“中国品牌”AI产业链的重要性，激励并启发学生敢于担当深度学习应用与研发重任的热情。通过使用昇腾AI平台，结合昇腾实际应用案例，培养学生的工匠精神、科学精神、解决复杂问题的能力，鼓励其大胆探究深度学习理论依据、推导过程及适用场景，强化学生对民族企业的认同，增强其文化自信。
3 基于昇腾AI生态的深度学习教学实践
3.1 案例演示教学实践
基于昇腾AI生态的案例演示教学实践，通过剖析昇腾AI典型案例，引导学生分析问题并解决问题，使抽象理论变得直观易懂。案例选取以昇腾AI实际应用为依据，将深度学习基本概念以实例方式引入，力图使其生动有趣、易于理解。对于具体网络算法的解析，则给出多种不同的方案，使学生深刻理解不同架构的特点、区别以及机制间的差异。案例演示教学贯穿整个混合式教学过程。例如，在讲解各类网络算法时，分别从有趣的昇腾应用案例引入，提出要解决的问题，通过昇腾智能基座平台推送相关知识点课程视频、注释文本、数据资料，给出问题背景，总结共性问题，演示解决问题的过程，并尽可能对结果进行可视化。在学生对神经网络算法获得直观感性认识的基础上，再利用线下翻转课堂等学习方式从案例中抽象、归纳思想原理，推导公式等，并进一步分析网络性能，讨论不同搭建方案及应用场景。可将学生分成小组，引导学生积极发言并表达观点，分组通过平台展示结果，在调动学生学习积极性和兴趣的同时，准确迅速地掌握不同学生对于某一算法及其方案的不同看法。
以循环神经网络知识点教学为例：①课前，学生利用智能基座平台所推送的慕课微课视频了解循环神经网络的问题背景，完成词嵌入、网络记忆、门控机制、情感分析应用场景等课前任务，完成循环神经网络知识体系的初步构建，同时，通过答疑社区和交流论坛向教师提问，教师及时在线解答；②课中，针对课前反馈的共性问题，即LSTM的数据演化疑问，教师在线上课堂基于昇腾计算平台演示LSTM算法的执行过程，并利用线下实体课堂讲述LSTM算法的核心思想，同时引导学生讨论不同形式的实现方案，在此基础上，引入昇腾MindSpore、ModelArts等实验教学内容，采用昇腾即现功能框架分析LSTM算法性能，建模基于循环神经网络的情感分析问题，并可视化结果，让学生对实践过程有一个初步印象，初步感受并熟悉实验操作；③课后，教师通过智能基座平台发布基于循环神经网络的昇腾扩展案例作业，学生以个人或小组形式选择课题，在线交流并上传结果。
3.2 项目驱动教学实践
1）项目式综合课内实验。
课题组结合昇腾AI应用案例设计了4个项目式综合性实践题目，包括手写体图像识别实验、花卉图像分类实验、基于Mindspore的RNN-IMDB情感分析实验以及基于DCGAN的动漫头像生成实验，作为课内8学时的实验内容，用以巩固复习所讲授的深度学习算法理论及网络架构设计原理。同时让学生熟悉使用MindSpore、Tensorflow等深度学习框架实验流程以及ModelArts实验平台，将模型部署上线，切实提高深度学习算法的编程应用能力。学生使用ModelArts平台MindSpore-1.1.1搭建不同种类的网络架构，掌握如何基于mindspore.nn的cell模块配置网络结构，并通过平台提供的数据集，进行网络的开发、性能分析以及结构验证。此外，针对每个实验，设置创新设计内容，熟悉并掌握利用通用深度学习框架实现相同应用任务。
2）扩展性课外实验。
相比课内实验，课外实验将专题式学习和个性化实践项目进行组合，致力于模拟真实工作的学习环境。华为昇腾AI生态集成了丰富的深度学习开发与应用案例、各领域经典和扩展数据集以及昇腾计算的硬件系统和基础软件体系，为学生提供一个探究式、讨论式、项目式的学习场景（表1）。
（1）昇腾计算的硬件系统和基础软件体系的使用：学生可通过在线注册和申请代金券的方式获取代金券金额，以此使用免费的基于华为达芬奇内核的昇腾系列处理器等多样化AI算力，而后根据需求采用ModelArts云开发平台，或搭建本地实验环境。其中，后者支持在Windows系统、MacOS系统或Ubuntu系统中通过Miniconda安装深度学习框架，并配置Jupyter Notebook和PyCharm来使用框架。华为提供开源AI计算框架MindSpore，同时也支持业界主流AI框架，例如TensorFlow、Pytorch、Caffe等。实验过程中，学生可通过使用华为模型转换工具实现不同框架间的灵活转换，从而应对不同应用案例的开发和性能比较。另外，华为昇腾AI也支持底层开发，学生可基于统一编程接口AscendCL、异构计算架构CANN以及开发工具链MindStudio，实现算子开发与调优。
（2）基于昇腾计算的开发和应用案例的实践包括基于MindSpore的深度学习实战、基于昇腾CANN的深度学习实战以及基于昇腾MindStudio的深度学习实战（表1）。针对深度学习课程知识要点，学生在搭建环境并完成课内实验的基础上，可根据自身能力和兴趣选做上述课外实验。每个实验的难易程度不同，层层深入拓展。在此过程中，学生根据平台所提供的详细实验指导手册及示例注释代码，对实验步骤进行模仿、验证和改进，从而能够快速得到预期结果，并掌握训练及测试的调优策略，进而获得成就感。实验完成之后，学生可通过Gitee开源社区上传案例代码、改进过程和结果分析，便于问题反馈、项目改进、聚焦讨论以及高效代码评审。
（3）昇腾众智国创计划的参与：综合性应用实践能力是深度学习课程的高层培养目标，而昇腾众智国创计划为该目标提供了真实的产业环境，并作为企业命题供高校学生及指导教师以“真题真做”的形式申报大学生创新创业训练计划。为满足验收要求和交付要求，学生可自由组队，选取题目（包括图像分割、视频分析、语音识别、自然语言处理等），通过查阅相关资料，确定任务，设定目标，利用昇腾AI软硬件平台完成包括数据准备、建模、模型评估、模型应用等深度学习领域的前沿项目，并在截止日期前交付验收报告及配套代码。昇腾众智国创计划的目的在于促进学生与教师之间、学生与学生之间的协作交流与知识互补，培养学生查阅资料及阅读文献素养，提高其发现问题与解决问题的能力，激发其将深度学习与实践问题对接的综合创新应用潜力。
4 建设实践基地
通过昇腾AI项目研究，依托华为—教育部产学合作协同育人平台，构建校企合作办学的新模式，采用校企双导师制，以企业提供实践实训岗位、联合开设研究课题等形式开展产教融合人才培养工作。①为智能科学与技术、人工智能本科两个专业提供企业AI实习实训平台，进一步强化实践教学过程的实践性、开放性和职业性，提高学生实际应用能力和就业能力，并为学生创新、创业奠定实践基础。②通过师资培训，定向培养企业所需要的人工智能、深度学习等方面的人才，同时为企业项目设计、改进、评审等提供信息咨询服务，增强教师对企业开源信息技术、智能计算等问题的研究能力，促进产学研相结合，强化高校服务社会的功能，为其他企业实习实训基地建设提供有益的经验借鉴。
5 结 语
华为昇腾在高校的人才培养与师资培训的发展受到高度重视，让高校成为整个昇腾生态的重要组成部分。不同的角色和昇腾计算产业生态组织起来，相互配合，共同促进技术进步与产品优化升级，推动以AI实现自身价值的理念，达到共建共赢的效果，推动AI真正成为生产力发展的核心力量。
参考文献
[1] 袁金丽, 郭志涛. 深度学习为核心的高校智慧教育实践路径研究[J]. 河北师范大学学报(教育科学版), 2022(4): 68-74.
[2] 胥帅, 关东海, 许建秋, 等. 面向产业需求的高校人工智能人才培养研究[J]. 软件导刊, 2022(7): 6-11.
[3] 吴飞, 吴超, 朱强. 科教融合和产教协同促进人工智能创新人才培养[J]. 中国大学教学, 2022(1): 15-19.
[4] 梁君. 校企合作背景下“岗课赛证”人才培养模式应用探究[J]. 青岛职业技术学院学报, 2022(2): 11-14.
[5] 中华人民共和国教育部. 教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL]. (2018-04-02)[2022-10-23]. http://www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.
[6] 芦碧波, 郑艳梅, 陈艳丽, 等. 新一代人工智能浪潮下的深度学习课程开设路径分析[J]. 计算机教育, 2019(10): 151-154, 162.
[7] 宗真真. 高校理工科课程思政问题及建设路径研究: 基于上海某高校理工科课程思政现状的调研分析[J]. 大学, 2021(24): 93-98.
基金项目：国家自然科学基金项目“复杂病理图像实例分割的主动轮廓驱动深度网络模型与算法”（62001247）；南京邮电大学引进人才科研启动基金项目“基于表示学习与语义驱动的复杂病理图像实例分割方法”（NY219152）；南京邮电大学教学改革研究项目“华为智能基座融于深度学习课程教学过程的探索与实践”（JG00521JX81），“面向工程教育专业认证的集中性实践课程教学模式的研究与实践”（JG00516JX10）。
第一作者简介：宋杰，男，南京邮电大学讲师，研究方向为深度学习、图像处理、计算机视觉，j.song@njupt.edu.cn。
引文格式:宋 杰，朱松豪，吴丹萍，等. 基于昇腾AI生态的深度学习教学新模式[J]. 计算机教育, 2023(9):139-143，148.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
