《人工智能与机器学习》课程组开展新学期教研活动

为进一步优化课程教学体系、破解教学痛点难题、贴合行业前沿发展需求、提升课程育人质量，近日，我校《人工智能与机器学习》课程组教师喻超、唐远涛围绕课程教学优化、内容革新、实践赋能等核心内容开展专项教学研讨活动，聚焦课程现存问题，精准谋划教学改进新思路、新举措。

《人工智能与机器学习》是大数据管理专业大三本科生的专业课程，总学时48学时，其中理论教学32学时、实验教学16学时，课程内容涵盖人工智能与机器学习基础理论、核心算法、项目实践三大核心模块，是衔接专业理论知识与人工智能产业应用的关键课程，对夯实学生专业基础、培养学生工程实践与创新能力具有重要意义。

研讨过程中，喻超老师结合以往课程授课实际，全面梳理总结了现阶段课程教学中存在的四大突出问题。一是理论与实践教学脱节，课程算法理论推导内容占比较高，学生实操训练、代码实现环节不足，导致学生普遍出现“听得懂、学不会、写不出”的学习困境，实践应用能力培养薄弱。二是课程内容更新滞后，贴合产业前沿的大模型、Transformer架构等新兴技术内容占比偏低，课程知识体系与当下人工智能产业发展现状衔接不够紧密。三是实验教学条件受限，校内GPU教学资源紧张，难以满足全体学生深度学习实验的实操需求，无法保障实验教学全员全覆盖、高质量开展。四是分层教学落实不到位，学生专业基础、学习能力差异较大，统一的教学进度与授课模式，造成基础薄弱学生“跟不上”、能力突出学生“吃不饱”的两极分化问题，教学针对性与适配性不足。

针对梳理出的教学痛点，两位教师深入研讨、精准施策，围绕理论教学、实践教学、资源赋能、教学管理四大维度敲定全方位课程优化方案。

在理论教学优化方面，课程组精简冗余的算法公式推导课时，摒弃枯燥的纯理论讲授模式，新增可视化教学演示环节，将抽象的算法原理、逻辑框架直观化、具象化，降低学生理解难度，提升课堂教学效率与趣味性。在教学内容革新方面，立足产业前沿动态，补充Transformer算法、注意力机制权重、预训练模型等前沿核心知识，补齐新兴技术教学短板，打破传统课程知识壁垒，让课程内容紧跟行业技术发展步伐。

在实践教学升级方面，课程组摒弃传统模拟数据集，引入企业真实数据集开展综合项目实训，贴合行业实际应用场景，增强课程项目的实用性与吸引力，切实锻炼学生的工程实操、问题解决能力，打通理论学习与产业应用的壁垒。同时，依托信息化教学手段，搭建课程学科智能体，联动4S在线教育平台，构建学前预习、学中督导、学后巩固的全流程教学闭环，全方位督促学生自主学习、强化知识吸收，最大化提升整体教学成效。

此次专项教研研讨精准聚焦课程教学短板，靶向破解育人难点问题，进一步完善了《人工智能与机器学习》课程教学体系，有效推动课程从“知识讲授型”向“能力培养型”转型升级。下一步，课程组将持续立足专业人才培养目标，常态化开展教研交流活动，持续迭代更新教学内容、优化教学模式、丰富教学资源，深耕课堂提质增效，以高质量教研赋能高质量专业人才培养，助力大数据管理专业学生夯实AI技术基础、提升核心竞争力。