线上交流会预告！和鲸科技社区合伙人唐铭分享“学科 +AI”课程搭建思路

为大力推动机器学习在我国高校统计学科中的广泛普及，7 月 17 日至 19 日，中国人民大学统计学院、中国人民大学应用统计科学研究中心以及中国商业统计学会人工智能分会（筹）联合举办了“机器学习课程”教学交流研讨会（2024）。和鲸科技社区合伙人、运营总监唐铭受邀出席，并向与会老师分享了运用和鲸资源，快捷搭建具备学科特色的 AI 课程的思路与方法。

鉴于活动结束后多位教师表达了对此次分享内容实用性的高度认可，我们计划在 8 月上旬再次开设一场相同主题的分享交流会，感兴趣的老师可先点此链接报名！

机器学习作为人工智能的核心技术之一，处于技术发展的前沿位置。伴随大数据的涌现以及计算能力的增强，机器学习正在变革人们处理和理解数据的方式。

研讨会上，唐铭率先指出，机器学习、人工智能技术已不再是特定专业同学的专属学习内容，“学科+AI”的交叉课程正逐步成为当下人才培养的开课目标，这也致使教学人员承受着更为沉重的教学压力。她期望通过此次分享，助力老师更高效地开展学习与课程建设工作，并进一步熟稔打造“学科+AI”特色课程。

学科+AI 落地面临的诸多挑战

和鲸科技创立于 2015 年，旗下涵盖数据科学实践社区和鲸社区、数据科学协同平台 ModelWhale 以及数据科学竞赛和鲸科赛三项业务。基于这三块业务的能力，唐铭从整体建课思路、课程框架设计、理论课课程内容设计建议、实验课课程内容设计建议以及期末作业/考察设计建议这五个方面展开了具体且详尽的分享。

首先，对于非专业 AI 出身学生的课程，她表示教学目标应锁定在“会用 AI”，而非追求“吃透 AI”，即让学生了解核心概念和原理，掌握建模流程及常用方法，并知晓其在专业领域的应用便已足够。教学形式也宜以“练”为主，使学生的实操占比达到 60%。课程框架的设计可以先参考高销量的相关书籍，或者合理借助 AI 工具，而后依据教学目标做出相应的调整。

“会用AI”的解释

在理论课程内容设计方面，唐铭以在医学统计专业中讲解机器学习的基本流程为例，指明授课形式应当能够生动且直白地阐释核心原理，并结合学科特色阐述应用；而对于实验课程，和鲸社区内丰富多元的学习活动，诸如训练营、workshop、特色学习路径等，以及用户自发分享的数据和项目，皆可充当实践素材运用于作业或日常测验。她进一步演示了如何依据学生的基础以及课程阶段，选取难度和形式相适配的实训活动，引起了老师们的极大兴趣并引发热烈讨论。

和鲸社区丰富的学习活动

最后，针对期末作业/考察，唐铭提出可以采用分组项目和竞赛刷榜这种创新形式来进行，相较传统期末测试更能考查学生的综合应用能力，属于机器学习类课程特有的结课方式。她展示了同济大学的《网络数据风控技术》课程，该课程的期末大作业要求学生分组开展金融中的动态社交和网络研究，学生的积极性高，整体研究质量也颇为出色。有学生反馈称，这样的考察形式更加自由，而且每次提交报告后能够即时看到评分，也会更有动力。

同济期末大作业展示

时代的前行与发展迫切需要培育更多契合时代需求、拥有创新思维和实践能力的高素质人才。唐铭的分享获得了与会教师的广泛认同，为高校教师开展机器学习课程的教学工作提供了极具价值的参考和指导。

对上述分享内容感兴趣的老师欢迎点此链接报名 8 月上旬的线上交流会！

此外，和鲸科技于 2024 年正式发起“101 数智领航计划”，将开放限量名额，赋能学院建设 AI 创新虚拟实验室，助力院校有组织地开展人工智能融合教学，现已有近百所学校加入。我们欢迎高校教师扫描下方二维码，联系我们获取 101 计划相关材料及 AI 创新虚拟实验室建设指南,也欢迎您浏览和鲸社区，获取更多开源教学资源与实训案例。