基于大项目式的《机器学习》课程教学改革

一、引言

近年来，项目案例驱动、产教融合、混合教学成为高等教育改革的重要方向。项目案例驱动通过引入企业真实案例（如个性化推荐系统），增强教学的现实意义与应用价值；产教融合通过校企合作设计项目，提升学生的职业竞争力；混合教学结合线上资源与线下实践，提高学习灵活性与效率；挑战性学习通过高阶问题设计，激发学生的分析能力与创新潜能。本文提出了一种基于 PBL 的机器学习课程教学改革方案，融合上述理念，通过设计跨学科综合项目，整合理论与实践，旨在提升学生的学习成效与创新能力。通过教学实验验证，本方案显著提升了学生的实践能力和学习兴趣，为应用型本科机器学习教育提供了理论依据与实践参考。

二、教学设计

本研究在某高校软件工程专业三年级学生的《机器学习》课程中实施基于大项目式学习（PBL）的教学改革，融合项目案例驱动、产教融合、线上线下混合教学及挑战性学习理念。学生以 3-5 人小组形式自主设计并完成了13 个跨学科综合项目，涵盖以下内容：

（1）手写数字识别：基于开源数据集，学生采用多种机器学习算法（如 K 近邻、支持向量机等），通过模型验证与优化，提升数字识别的准确率。

（2）婴儿健康预测：基于公开医疗数据集，学生运用多种分类算法（如逻辑回归、决策树、XGBoost 等），结合特征选择与数据预处理，优化婴儿健康状况预测的准确率。

（3）糖尿病发生预测：基于公开健康数据集，学生使用多种分类算法（如支持向量机、随机森林、神经网络等），通过特征工程与超参数调优，提高糖尿病风险预测的精确度。

（4）新闻分类：基于公开新闻文本数据集，学生采用多种自然语言处理算法（如朴素贝叶斯等），结合文本预处理与特征提取，优化新闻类别（如政治、经济、娱乐等）的分类准确率。

（5）垃圾邮件过滤：基于公开邮件数据集，学生应用多种文本分类算法（如朴素贝叶斯、支持向量机、Transformer 等），结合文本特征提取与数据清洗，优化垃圾邮件与正常邮件的分类准确率。

此外，其他小组自主设计了以下项目：电影推荐系统、动物识别、音乐推荐系统、人脸识别系统、2000-2024 年全球环境趋势分析、手写字母识别、学生成绩相关性分析、二手房价预测。这些项目充分体现了学生的创新能力。

教学过程分为两个阶段，一是线上线下混合式理论学习，二是线下实践教学是基于大项目式学习（PBL）。

线上线下混合式理论学习通过学习通平台发布教学视频、课件和练习题，覆盖监督学习（如 KNN、线性回归、支持向量机）、无监督学习（如 K-Means 聚类）和深度学习（如 CNN、GAN）。学生在线完成章节测试，巩固理论知识。参考韦南等（2022），融入科学家故事（如Yoshua Bengio 对深度学习的贡献），增强学生兴趣。

线下实践教学是基于大项目式学习（PBL）的核心环节，旨在通过机器学习全流程的实践操作，培养学生的技术应用能力和问题解决能力。教师在课堂上使用 Jupyter Notebook 作为主要工具，通过交互式演示引导学生完成数据采集、数据预处理、算法实现、模型训练与优化以及结果评估的全流程。以“泰坦尼克号生存预测”项目为例，教师设计了结构化的实践教学环节，具体如下：

数据采集：教师首先引导学生从 Kaggle 平台获取“泰坦尼克号生存预测”公开数据集，包含乘客的年龄、性别、票价、舱位等特征以及生存状态标签。教师通过 Jupyter Notebook 展示如何使用 Python库（如 pandas）加载数据集，并介绍数据来源的可靠性与局限性，强调数据采集对模型性能的影响。

数据预处理：针对数据集的特点，教师重点讲解数据质量管理的重要性，包括缺失值处理、异常值检测和数据标准化。此外，教师还展示了如何对类别特征（如性别、登船港口）进行独热编码（One-HotEncoding），以适配机器学习算法的输入要求。

算法实现：教师通过 Jupyter Notebook 演示多种分类算法的实现，包括逻辑回归、决策树和随机森林。以逻辑回归为例，教师详细讲解了算法的数学原理（如损失函数和梯度下降），并使用 scikit-learn 库实现模型训练。学生随后在教师指导下，分组实现不同算法，比较各算法在泰坦尼克号数据集上的表现，培养算法选择的分析能力。

模型训练与优化：教师指导学生划分训练集和测试集（通常按8：2 比例），并通过交叉验证（如 5 折交叉验证）评估模型稳定性。针对模型性能优化，教师引入网格搜索（Grid Search）用于超参数调优，例如调整随机森林的树数量和最大深度。

结果评估与可视化：教师强调评估指标的选择与应用，讲解准确率、精确率、召回率和 F1 分数的定义及适用场景。学生通过Jupyter Notebook 计算并比较不同模型在测试集上的性能指标，并使用Seaborn 生成混淆矩阵和特征重要性图，直观展示模型预测结果和关键特征（如性别、舱位）对生存预测的贡献。

通过上述实践教学环节，学生在“泰坦尼克号生存预测”项目中不仅掌握了机器学习全流程的技术实现，还深入理解了数据质量管理的重要性。教师通过 Jupyter Notebook 的交互式演示，结合真实案例的逐步讲解，激发了学生的学习兴趣，培养了其分析问题、优化模型和团队协作的能力。

三、学习效果

结果表明，PBL 结合项目案例驱动、产教融合、混合教学显著提升了学生的实践能力、学习兴趣和创新能力。大项目的跨学科性质和真实案例背景（如个性化推荐系统与企业需求结合）促使学生将理论应用于实际场景，增强了问题解决能力。线上线下混合教学提高了学习灵活性，学生可根据自身进度完成线上测试和线下实践。产教融合项目（如二手车价格预测）进一步提升了学生就业竞争力。

四、结论

本文提出并验证了一种基于 PBL 的《机器学习》课程教学改革方案，融合项目案例驱动、产教融合、线上线下混合教学和挑战性学习理念，通过综合项目设计提升学生实践能力、学习兴趣和创新能力。实验结果表明，该方案显著提高了学生的算法应用能力和团队协作能力，同时保持理论学习效果。未来研究可进一步优化项目选题机制，探索如何解决数据质量和学生协作问题，为应用型本科机器学习教育提供更广泛的实践参考。

参考文献

[1] 昝冬平 ， 乔守明 . 大数据专业统计学课程项目式教学模式的OBE 实践与效果分析 [J]. 秦智 ，2025，（06）：102-104.

[2] 蒋军 ， 张陈 ， 梁栋 ， 等 . 新工科背景下应用型本科单片机课程的项目驱动式教学改革 [J]. 物联网技术 ，2025，15（11）：159-162.

[3] 王坤， 江浩， 王勇. （2024）. 基于“项目案例驱动”的机器学习课程教学探究 . 计算机知识与技术 ， 20（34）， 156–159.

[4] 殷丽凤 . （2025）. 基于产教融合的机器学习课程实践能力提升 教学改革 . 计算机教育 ，（1）， 45–50.

[5] 白露露 . （2024）. 应用型本科机器学习课程教学改革探索与实践 . 高等工程教育研究 ，（5）， 90–94.

课题：2023 年湖北省教育科学规划课题“基于产教融合的项目式软件工程类课程建设探索实践”（编号：2023GB167）

作者简介：李鲁英（1987 年—），男，汉，山东郓城，讲师，机器学习与人工智能

通讯作者：周利玲（1989 年 -），女，汉族长江职业学院讲师，硕士研究生。主要研究方向：机器学习、图像处理。