基于項(xiàng)目沉浸式開(kāi)發(fā)與創(chuàng)新點(diǎn)提煉的人工智能課程教學(xué)研究

季波 胡雪晨 朱開(kāi)心

摘要： 分析傳統(tǒng)人工智能教學(xué)中存在的問(wèn)題，提出將人工智能理論教學(xué)與項(xiàng)目沉浸式開(kāi)發(fā)、創(chuàng)新點(diǎn)提煉相結(jié)合的培養(yǎng)方式，介紹基于項(xiàng)目沉浸式開(kāi)發(fā)與創(chuàng)新點(diǎn)提煉的人工智能教學(xué)改革措施，總結(jié)基于項(xiàng)目沉浸式開(kāi)發(fā)與創(chuàng)新點(diǎn)提煉的人工智能培養(yǎng)方式中的潛在問(wèn)題。

關(guān)鍵詞：項(xiàng)目沉浸式開(kāi)發(fā)；人工智能；創(chuàng)新點(diǎn)提煉；培養(yǎng)方式

中圖分類號(hào)：G642? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2024）07-0021-03

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）

0 引言

隨著人工智能相關(guān)行業(yè)的快速發(fā)展，人工智能算法在各個(gè)行業(yè)都得到了廣泛應(yīng)用。人工智能相關(guān)專業(yè)以培養(yǎng)算法工程師等應(yīng)用型人才為目標(biāo)，要求學(xué)生不但能理解算法本身，還需要結(jié)合具體的應(yīng)用場(chǎng)景，將人工智能算法靈活地應(yīng)用到生產(chǎn)、生活場(chǎng)景并解決實(shí)際問(wèn)題。

目前高校的人工智能課程教學(xué)偏向理論與算法公式的教學(xué)，缺乏基于實(shí)際應(yīng)用場(chǎng)景的教學(xué)案例項(xiàng)目的開(kāi)發(fā)，導(dǎo)致學(xué)生學(xué)習(xí)很多的理論與算法，卻無(wú)法對(duì)標(biāo)真實(shí)的企業(yè)崗位要求，有針對(duì)性地選擇項(xiàng)目進(jìn)行沉浸式開(kāi)發(fā)，學(xué)到實(shí)用的算法。因此，高校需要考慮真實(shí)的企業(yè)崗位要求與學(xué)生找工作算法面試的真實(shí)需求，針對(duì)傳統(tǒng)的教學(xué)模式進(jìn)行改革，復(fù)旦大學(xué)的趙衛(wèi)東提出面向課程群的遞進(jìn)式教學(xué)案例庫(kù)一體化設(shè)計(jì)和基于項(xiàng)目實(shí)踐的機(jī)器學(xué)習(xí)課程改革[1-2]。國(guó)內(nèi)的百度 TIC 團(tuán)隊(duì)針對(duì)人崗匹配問(wèn)題提出了一種全新的可解釋性深度學(xué)習(xí)模型，針對(duì)簡(jiǎn)歷、崗位、面評(píng)的維度進(jìn)行聯(lián)合建模，讓機(jī)器學(xué)習(xí)簡(jiǎn)歷和崗位中重要的知識(shí)點(diǎn)，然后與題目進(jìn)行匹配。出題時(shí)不僅要考慮到相關(guān)性，還要考慮到覆蓋程度和其多樣性[3]。孫英等人對(duì)工作技能使用深度強(qiáng)化學(xué)習(xí)做了工作推薦[4]。中國(guó)科學(xué)技術(shù)大學(xué)的徐童從多規(guī)則的角度分析工作技能流行度分析，同時(shí)對(duì)潛在人才進(jìn)行識(shí)別[5-6]。

因此，采用將人工智能理論教學(xué)與項(xiàng)目沉浸式開(kāi)發(fā)、創(chuàng)新點(diǎn)提煉相結(jié)合的培養(yǎng)方式，將項(xiàng)目中所需要的人工智能知識(shí)點(diǎn)梳理形成邏輯鏈，結(jié)合項(xiàng)目中出現(xiàn)的不同的應(yīng)用場(chǎng)景，結(jié)合學(xué)生的興趣和職業(yè)發(fā)展路徑選擇合適的項(xiàng)目，然后對(duì)標(biāo)真實(shí)的企業(yè)崗位要求進(jìn)行有深度的學(xué)習(xí)，培養(yǎng)學(xué)生主動(dòng)思考不同場(chǎng)景下的算法選擇，并解決實(shí)際工程問(wèn)題的能力，以增強(qiáng)學(xué)生求職過(guò)程中的核心技能競(jìng)爭(zhēng)力。

1 傳統(tǒng)人工智能課程教學(xué)存在的問(wèn)題

目前各高校分別開(kāi)設(shè)人工智能專業(yè)，在人工智能的課程教學(xué)中，面臨實(shí)際的痛點(diǎn)問(wèn)題是如何結(jié)合實(shí)際項(xiàng)目講授人工智能算法，培養(yǎng)能解決實(shí)際應(yīng)用場(chǎng)景中算法問(wèn)題的實(shí)戰(zhàn)應(yīng)用型人才。

1） 人工智能算法繁雜難以速成。人工智能算法眾多，掌握這些算法需要花很多時(shí)間消化吸收，而且容易遺忘，然后每個(gè)算法又有很多演化算法，滿篇的數(shù)學(xué)公式讓人望而生畏，很難讓學(xué)生抓住算法的本質(zhì)。盡管課程介紹算法本身和人工智能常用的理論，但缺乏用生活中的實(shí)際經(jīng)驗(yàn)去更好地理解算法本身，而不是一大堆晦澀難懂的算法和公式推導(dǎo)，忽略學(xué)生對(duì)算法本身的理解與生活中的某些經(jīng)驗(yàn)類似。人工智能算法其實(shí)很完美，人類一直在藝術(shù)和科學(xué)之間進(jìn)行拔河。例如，微積分，如果我們想估計(jì)一條曲線下的面積，微積分會(huì)進(jìn)行近似。但不論多精確，都會(huì)有差異。其實(shí)這個(gè)差異就可以用藝術(shù)彌補(bǔ)。這也是不同人工智能煉丹師效率的差異核心所在。其根本原因在于“藝術(shù)感”上的差異，后者缺乏一點(diǎn)“感覺(jué)”，即那種看山是山，看山不是山的經(jīng)驗(yàn)和大局觀的藝術(shù)感。只有當(dāng)我們了解了算法中的社會(huì)性，才能發(fā)揮算法的藝術(shù)性。因此，教師應(yīng)該把抽象的算法公式與生活中的智慧經(jīng)驗(yàn)結(jié)合起來(lái)對(duì)應(yīng)，讓學(xué)生更容易入門。

2） 教學(xué)過(guò)程缺乏通用的案例模擬平臺(tái)進(jìn)行算法學(xué)習(xí)。教學(xué)過(guò)程中案例紛雜，很難用通用的電商平臺(tái)去講解人工智能算法是如何在實(shí)際的平臺(tái)上應(yīng)用的，導(dǎo)致學(xué)了很多的各種不同的算法案例，卻很難系統(tǒng)地在一個(gè)平臺(tái)上不同場(chǎng)景的功能上去應(yīng)用和消化理解業(yè)務(wù)領(lǐng)域知識(shí)。因此，在通用的案例模擬平臺(tái)上進(jìn)行算法學(xué)習(xí)，使學(xué)生能在學(xué)習(xí)各種人工智能算法的同時(shí)，聯(lián)系算法應(yīng)用場(chǎng)景，深入了解業(yè)務(wù)領(lǐng)域知識(shí)。比如在攜程平臺(tái)上可以利用各種算法在攜程場(chǎng)景中的應(yīng)用實(shí)踐，在銀行平臺(tái)上利用各種算法實(shí)現(xiàn)銀行業(yè)務(wù)上的智能。因此，通過(guò)一個(gè)平臺(tái)上面所涉及的不同場(chǎng)景設(shè)計(jì)不同的人工智能算法，讓學(xué)生能快速地掌握不同的人工智能算法，然后針對(duì)不同平臺(tái)的特有性質(zhì)球童有效的解決學(xué)生學(xué)了太多算法卻不知如何去應(yīng)用的痛點(diǎn)問(wèn)題。

3） 學(xué)生學(xué)習(xí)人工智能算法多而雜，沒(méi)有針對(duì)性地結(jié)合自己興趣和職業(yè)生涯規(guī)劃，缺乏對(duì)標(biāo)真實(shí)的企業(yè)崗位要求進(jìn)行有深度的學(xué)習(xí)。人工智能算法繁多，然而學(xué)生學(xué)習(xí)的時(shí)間和精力有限，學(xué)生只能囫圇吞棗，導(dǎo)致學(xué)生不感興趣，缺乏針對(duì)性的結(jié)合學(xué)生興趣和職業(yè)生涯的規(guī)劃，學(xué)了很多算法，但是都沒(méi)有有效的應(yīng)用起來(lái)，最后沒(méi)有在職業(yè)發(fā)展中得到有效的技能積累。因此，教師應(yīng)該結(jié)合學(xué)生的興趣和職業(yè)發(fā)展路徑選擇合適的項(xiàng)目，然后對(duì)標(biāo)真實(shí)的企業(yè)崗位要求進(jìn)行有深度的學(xué)習(xí)，以增強(qiáng)學(xué)生求職過(guò)程中的核心技能競(jìng)爭(zhēng)力。

4） 人工智能算法未打通軟件工程項(xiàng)目上下游的課程，建立在軟件項(xiàng)目的功能開(kāi)發(fā)基礎(chǔ)上的智能算法開(kāi)發(fā)。人工智能算法在實(shí)際的應(yīng)用場(chǎng)景中都不是獨(dú)立存在的，是需要在完成軟件業(yè)務(wù)功能的載體上面體現(xiàn)出來(lái)的，然而在實(shí)際的教學(xué)過(guò)程中，人工智能課程教學(xué)的各種算法與軟件項(xiàng)目的功能開(kāi)發(fā)相脫離，脫離了業(yè)務(wù)功能的載體，導(dǎo)致學(xué)生只是學(xué)了算法本身，不了解軟件項(xiàng)目的業(yè)務(wù)領(lǐng)域知識(shí)和對(duì)應(yīng)的業(yè)務(wù)功能。學(xué)完人工智能算法之后，缺乏算法的創(chuàng)新點(diǎn)提煉，感覺(jué)沒(méi)學(xué)到什么具體的，變成空中樓閣，尤其在很多高校的大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目中，很多學(xué)生沒(méi)有利用好人工智能課中的智能算法，對(duì)其梳理提煉，然后對(duì)標(biāo)人工智能會(huì)議論文的創(chuàng)新點(diǎn)，去進(jìn)一步拓展，發(fā)表專利和科技論文撰寫(xiě)。

2 基于項(xiàng)目沉浸式開(kāi)發(fā)與創(chuàng)新點(diǎn)提煉的人工智能教學(xué)改革措施

2.1 算法最簡(jiǎn)表達(dá)與應(yīng)用場(chǎng)景匹配

如果用一個(gè)概念、一幅圖解、一個(gè)公式能抓住算法本質(zhì)，對(duì)算法進(jìn)行最簡(jiǎn)的表達(dá)，讓學(xué)生快速了解，并用大量生活中淺顯易懂的例子幫助你深入淺出地理解算法背后的思想，即使面對(duì)復(fù)雜的數(shù)學(xué)公式，煩瑣的網(wǎng)絡(luò)結(jié)構(gòu)，也能獲得頓悟的奇妙感受。

例如K近鄰模型對(duì)應(yīng)生活中近朱者赤，近墨者黑；決策樹(shù)模型對(duì)應(yīng)生活中的選擇的智慧；樸素貝葉斯模型對(duì)應(yīng)生活中吃一塹長(zhǎng)一智的經(jīng)驗(yàn)；隨機(jī)森林算法對(duì)應(yīng)生活中三個(gè)臭皮匠賽過(guò)諸葛亮的經(jīng)驗(yàn)；最大熵模型對(duì)應(yīng)于生活中不要把雞蛋放在一個(gè)籃子中的智慧；主成分分析對(duì)應(yīng)生活中三歲看老，性格決定命運(yùn)的經(jīng)驗(yàn)；聚類算法對(duì)應(yīng)生活中物以類聚，人以群分的經(jīng)驗(yàn)。

社會(huì)上內(nèi)卷現(xiàn)象嚴(yán)重，為了避免內(nèi)卷，要在內(nèi)卷和探索之間找到有機(jī)的平衡。這個(gè)平衡就是強(qiáng)化學(xué)習(xí)算法。強(qiáng)化學(xué)習(xí)算法首先有兩個(gè)本體，一個(gè)是智能體，另一個(gè)是環(huán)境。智能體能感知環(huán)境的狀態(tài)，之后可以采取一些動(dòng)作，比如砍樹(shù)。當(dāng)樹(shù)砍光，環(huán)境變差，就會(huì)通過(guò)獎(jiǎng)勵(lì)來(lái)懲罰智能體。如此一來(lái)，人類就知道樹(shù)砍多了環(huán)境就變差了。因此，不僅不要砍樹(shù)，還要去植樹(shù)，從而形成一個(gè)循環(huán)。人類不斷感知環(huán)境并采取行動(dòng)，這就是強(qiáng)化學(xué)習(xí)算法。強(qiáng)化學(xué)習(xí)的優(yōu)點(diǎn)在于，它能在錯(cuò)誤中學(xué)習(xí)，不斷試錯(cuò)迭代，在內(nèi)卷和探索之間取得很好的平衡。因此，對(duì)比生活中的智慧經(jīng)驗(yàn)與人工智能算法是讓學(xué)生透過(guò)現(xiàn)象看本質(zhì)，抓住算法不變的根本尤為關(guān)鍵。

利用大量思維導(dǎo)圖，能夠幫助你將人工智能種類繁多的概念和龐雜的知識(shí)組織得更清晰。讓你能更加深刻理解各個(gè)概念之間的關(guān)系，幫你更好地記憶知識(shí)點(diǎn)間的內(nèi)在聯(lián)系。研究表明，人腦對(duì)圖像的記憶效果要比對(duì)文字的記憶效果好得多，所以通過(guò)使用大量思維導(dǎo)圖講述人工智能算法，可以讓你在學(xué)習(xí)的過(guò)程中更好地記住所學(xué)的知識(shí)，羅列出每個(gè)應(yīng)用場(chǎng)景中對(duì)應(yīng)相關(guān)的哪些算法，結(jié)合領(lǐng)域知識(shí)，可以實(shí)現(xiàn)算法與應(yīng)用場(chǎng)景的匹配。同時(shí)在算法最簡(jiǎn)表達(dá)的基礎(chǔ)上，可以深入在項(xiàng)目中加強(qiáng)對(duì)算法的演變與創(chuàng)新點(diǎn)的梳理。

2.2 教學(xué)案例采用電商平臺(tái)的各種應(yīng)用場(chǎng)景，采用軟件工程項(xiàng)目的開(kāi)發(fā)過(guò)程

結(jié)合常見(jiàn)的電商平臺(tái)的各種應(yīng)用場(chǎng)景，比如在攜程平臺(tái)上可以利用Bandit 算法在攜程場(chǎng)景中的應(yīng)用實(shí)踐，利用排序算法對(duì)旅游度假產(chǎn)品的搜索個(gè)性化排序，利用深度學(xué)習(xí)在酒店房型推薦，利用強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)酒店排序，利用自然語(yǔ)言處理技術(shù)對(duì)攜程國(guó)際化中的機(jī)器翻譯，利用機(jī)器學(xué)習(xí)進(jìn)行海外酒店房態(tài)預(yù)測(cè)；在銀行平臺(tái)上利用圖神經(jīng)網(wǎng)絡(luò)技術(shù)在零售潛在高價(jià)值客戶如何識(shí)別，利用推薦算法對(duì)銀行業(yè)務(wù)進(jìn)行精準(zhǔn)推薦，利用強(qiáng)化學(xué)習(xí)技術(shù)對(duì)銀行線上營(yíng)銷推文價(jià)值進(jìn)行評(píng)估，利用因果推斷技術(shù)建立關(guān)聯(lián)還款二元因果效應(yīng)模型，利用貝葉斯網(wǎng)絡(luò)技術(shù)對(duì)個(gè)人貸款逾期進(jìn)行預(yù)測(cè)。

采用軟件工程項(xiàng)目的開(kāi)發(fā)過(guò)程，例如看板和每日站立會(huì)議。看板是把白板分成幾個(gè)欄，每一欄為一類，分別寫(xiě)著“To Do（待選?。薄癐n Progress（進(jìn)行中）”“Done（完成）”等，再把人工智能算法的任務(wù)變成一個(gè)個(gè)五顏六色的即時(shí)貼，根據(jù)狀態(tài)貼在不同的欄下，如圖1所示。

對(duì)人工智能課程實(shí)施項(xiàng)目沉浸式教學(xué)，實(shí)施過(guò)程主要分為項(xiàng)目預(yù)熱、項(xiàng)目實(shí)施和項(xiàng)目總結(jié)3個(gè)階段。首先，通過(guò)收集大型國(guó)際人工智能比賽提供的項(xiàng)目文檔，以實(shí)驗(yàn)方式了解項(xiàng)目需要的知識(shí)和技能，實(shí)現(xiàn)項(xiàng)目預(yù)熱；其次利用大型國(guó)際人工智能比賽仿真型的項(xiàng)目練習(xí)，再進(jìn)入真實(shí)企業(yè)項(xiàng)目實(shí)施，摸索數(shù)據(jù)分析全過(guò)程中遇到的問(wèn)題以及解決技巧，從而增強(qiáng)學(xué)生解決數(shù)據(jù)分析問(wèn)題的能力；最后對(duì)項(xiàng)目進(jìn)行復(fù)盤總結(jié)，達(dá)到積累實(shí)戰(zhàn)寶貴的實(shí)踐經(jīng)驗(yàn)，把握整個(gè)項(xiàng)目的全局過(guò)程。

2.3 結(jié)合學(xué)生的興趣和職業(yè)生涯規(guī)劃，針對(duì)性地對(duì)標(biāo)真實(shí)的企業(yè)崗位要求進(jìn)行深度學(xué)習(xí)

結(jié)合學(xué)生感興趣的算法，并結(jié)合職業(yè)生涯規(guī)劃，挑選合適的項(xiàng)目，比如學(xué)生打算去貝殼在線去實(shí)習(xí)，學(xué)生就需要加強(qiáng)線性回歸房?jī)r(jià)與房屋尺寸關(guān)系的線性擬合，以及對(duì)標(biāo)真實(shí)的企業(yè)崗位要求進(jìn)行深度學(xué)習(xí)。企業(yè)崗位要求是精通Python，有機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和自然語(yǔ)言處理的經(jīng)驗(yàn)，有大規(guī)模數(shù)據(jù)處理、分析的經(jīng)驗(yàn)，有良好的溝通能力和團(tuán)隊(duì)精神，如圖2所示。學(xué)生根據(jù)企業(yè)崗位要求，就應(yīng)該在人工智能課程的算法中加強(qiáng)機(jī)器學(xué)習(xí)算法和自然語(yǔ)言處理的經(jīng)驗(yàn)，比如使用GBDT模型來(lái)預(yù)測(cè)股票的價(jià)格變動(dòng)，同時(shí)讓學(xué)生通過(guò)不同方法來(lái)對(duì)現(xiàn)實(shí)案例進(jìn)行定量及定性分析，讓學(xué)生以用戶協(xié)同的設(shè)計(jì)方式，創(chuàng)造出能兼顧利益相關(guān)者及產(chǎn)品功能的產(chǎn)品設(shè)計(jì)方案。在整個(gè)項(xiàng)目學(xué)習(xí)過(guò)程中，學(xué)生將通過(guò)深度討論，學(xué)習(xí)如何盡情發(fā)揮無(wú)限創(chuàng)意、大膽整合不同想法、不拘一格解決問(wèn)題、同心協(xié)力團(tuán)隊(duì)合作，如圖3所示。

學(xué)生通過(guò)項(xiàng)目答辯，匯報(bào)自己學(xué)到的算法，以及應(yīng)用場(chǎng)景，編程，項(xiàng)目展示，制作宣傳海報(bào)。在答辯過(guò)程中，其他學(xué)生可以針對(duì)自己未聽(tīng)懂的知識(shí)點(diǎn)和細(xì)節(jié)進(jìn)行提問(wèn)，匯報(bào)的同學(xué)針對(duì)性地答疑，以加強(qiáng)學(xué)生對(duì)細(xì)節(jié)的真正理解。

3 基于項(xiàng)目沉浸式開(kāi)發(fā)與創(chuàng)新點(diǎn)提煉的人工智能培養(yǎng)方式中的潛在問(wèn)題

3.1 項(xiàng)目選擇和項(xiàng)目分組問(wèn)題

由于人工智能算法比較多，學(xué)生在項(xiàng)目的選擇過(guò)程中會(huì)處理缺乏足夠的調(diào)研，如果學(xué)生沒(méi)有做足夠的文獻(xiàn)調(diào)查，缺乏對(duì)算法應(yīng)用場(chǎng)景和領(lǐng)域知識(shí)的理解。以人工智能為例，該領(lǐng)域不同于傳統(tǒng)基礎(chǔ)學(xué)科，偏重工程應(yīng)用，學(xué)生在選題時(shí)需要更多考慮是否具有廣闊的應(yīng)用場(chǎng)景。項(xiàng)目的分組需要考慮學(xué)生對(duì)項(xiàng)目本身感興趣，每個(gè)人優(yōu)勢(shì)各異，或善于發(fā)現(xiàn)問(wèn)題，或擅長(zhǎng)數(shù)學(xué)，或善于做實(shí)驗(yàn)，在充分思考判斷后，結(jié)合自身優(yōu)勢(shì)進(jìn)行匹配分組，每個(gè)小組三人最佳，有可能出現(xiàn)項(xiàng)目組員因?yàn)槿狈χ鲃?dòng)執(zhí)行的同學(xué)而使項(xiàng)目無(wú)法進(jìn)行下去。

3.2 項(xiàng)目沉浸式開(kāi)發(fā)過(guò)程中的常規(guī)思路梳理問(wèn)題

學(xué)生在應(yīng)用人工智能算法在沉浸式開(kāi)發(fā)過(guò)程中對(duì)項(xiàng)目本身的常規(guī)思路缺乏了解，可以參考阿里的天池大數(shù)據(jù)平臺(tái)中的人工智能算法思路，也可以參考一些kaggle競(jìng)賽中的人工智能算法思路，因?yàn)閰⒖嫉乃悸繁容^多，而且沒(méi)有固定的步驟可以參考，會(huì)讓學(xué)生容易造成選擇恐懼癥，無(wú)法選擇合適的思路進(jìn)行推進(jìn)，建議讓學(xué)生先選擇自己力所能及可以實(shí)施的思路去推進(jìn)，后面再繼續(xù)完善。

3.3 如何針對(duì)有潛力的同學(xué)，如何對(duì)已學(xué)習(xí)的算法進(jìn)一步創(chuàng)新問(wèn)題

針對(duì)有潛力的學(xué)生，在進(jìn)行人工智能算法學(xué)習(xí)之后，學(xué)生會(huì)感覺(jué)這個(gè)算法掌握了，但是不知道接下來(lái)要做什么，缺乏對(duì)算法本身的創(chuàng)新點(diǎn)提煉，然后可以引導(dǎo)學(xué)生對(duì)比人工智能會(huì)議的主流算法，對(duì)算法進(jìn)一步地創(chuàng)新與梳理，并針對(duì)性地進(jìn)行科技論文寫(xiě)作。學(xué)生如果寫(xiě)作能力欠佳，寫(xiě)作邏輯不清、不會(huì)“講故事”，將無(wú)法有效呈現(xiàn)其貢獻(xiàn)。這需要學(xué)生通過(guò)大量的文獻(xiàn)閱讀和咀嚼思考，來(lái)提高文章的深度與高度。學(xué)生還需要閱讀具有寫(xiě)作“借鑒”價(jià)值的文章。此處的“借鑒”主要指寫(xiě)作方法和技巧上的借鑒，學(xué)生甚至可以更多地學(xué)習(xí)非本學(xué)科的文章，模仿高質(zhì)量文章如何撰寫(xiě)摘要、引言、實(shí)驗(yàn)、研究方法的技巧，從而提升寫(xiě)作能力。

4 結(jié)束語(yǔ)

人工智能時(shí)代對(duì)人工智能算法的人才提出更高的實(shí)踐性要求，但高校人工智能的課程主要以理論知識(shí)講解為主，導(dǎo)致學(xué)生在就業(yè)的時(shí)候缺乏實(shí)踐技能。筆者通過(guò)分析傳統(tǒng)人工智能教學(xué)中存在的問(wèn)題，提出將人工智能理論教學(xué)與項(xiàng)目沉浸式開(kāi)發(fā)與創(chuàng)新點(diǎn)提煉的培養(yǎng)方式，加強(qiáng)學(xué)生的項(xiàng)目實(shí)踐能力，理解企業(yè)實(shí)際所需人才的技能，培養(yǎng)學(xué)生針對(duì)企業(yè)真實(shí)常見(jiàn)中面臨的問(wèn)題的獨(dú)立思考與解決實(shí)際問(wèn)題的能力，從而提高學(xué)生的技能競(jìng)爭(zhēng)力。

參考文獻(xiàn)：

[1] 趙衛(wèi)東.面向課程群的遞進(jìn)式教學(xué)案例庫(kù)一體化設(shè)計(jì)[J].計(jì)算機(jī)教育，2023（5）：160-164.

[2] 趙衛(wèi)東，袁雪茹.基于項(xiàng)目實(shí)踐的機(jī)器學(xué)習(xí)課程改革[J].計(jì)算機(jī)教育，2019（9）：151-154.

[3] QIN C，ZHU H S，XU T，et al.Enhancing person-job fit for talent recruitment：an ability-aware neural network approach[C]//SIGIR '18：The 41st International ACM SIGIR Conference on Research & Development in Information Retrieval.July 8 - 12，2018，Ann Arbor，MI，USA.ACM，2018：25-34.

[4] SUN Y，ZHUANG F Z，ZHU H S，et al.Cost-effective and interpretable job skill recommendation with deep reinforcement learning[C]//Proceedings of the Web Conference 2021.April 19 - 23，2021，Ljubljana，Slovenia.ACM，2021：3827-3838.

[5] XU T，ZHU H S，ZHU C，et al.Measuring the popularity of job skills in recruitment market：a multi-criteria approach[J].Proceedings of the AAAI Conference on Artificial Intelligence，2018，32（1）.

[6] YE Y Y，ZHU H S，XU T，et al.Identifying high potential talent：a neural network based dynamic social profiling approach[C]//2019 IEEE International Conference on Data Mining （ICDM）.November 8-11，2019.Beijing，China.IEEE，2019.

【通聯(lián)編輯：光文玲】