Volume 1,Issue 9
梯度类下降算法的教学设计与实践研究
人工智能时代背景下，采用合适的教学方式引导学生学习和理解人工智能技术，是目前教师的探索方向。优化算法在深度学习课程中占据核心地位，它直接影响模型的训练效率与最终性能。针对当前教育改革研究中普遍存在的理论抽象、实践不足问题，本文聚焦梯度类下降算法的教学实践，探讨其可操作性实施路径，旨在提升学生的算法理解能力、实践应用水平和高阶思维品质。
[1]Yanofsky N S, Mannucci M A. Quantum computing for computer scientists[M]. Cambridge: Cambridge University Press, 2008.
[2]Axler S. Linear algebra done right[M]. 3rd ed. Berlin: Springer, 2014.
[3]刘建新,卢厚清.案例教学法的起源、特点与应用研究[J].南京工程学院学报(社会科学版),2011,11(01):60-64.
[4]梁瑞仕,曾荔枝,杨亮.类比教学法在本科计算机算法课程中的探索与实践[J].现代计算机, 2013(08):48-49.DOI:CNKI:SUN:XDJS.0.2013-08-013.
[5]葛南鸿.以可视化教学培养小学数学高阶思维能力[J].教育家,2023,(11):46.
[6]董杰.思政元素融入专业实践教学的路径探讨[J].学校党建与思想教育, 2022:54-57.
[7]曲丽荣.项目教学法在教学实践中的探索[J].中国科教创新导刊,2008,(17):95-96.
[8]白露露,姚相宇. 应用型本科机器学习课程教学改革探索与实践 [J]. 河南财经学刊, 2024, 38 (05): 90-93.
[9]王兴梅,赵一旭,战歌.新工科背景下机器学习课程思政建设的研究与实践[J].高教学刊,2022,8(05):193-196.
[10]李洁,魏宇轩,武妍,等.机器学习课程中递进式实验案例设计[J].计算机教育,2022,(01):134-138.