在人工智能浪潮席卷全球的当下，深度学习作为AI领域的核心技术，已然成为计算机及相关专业学子们的必修课。然而，传统的深度学习课程教学往往面临诸多困境：知识点繁杂难梳理、教学资源更新滞后、学习过程缺乏个性化指导、实践与理论脱节、实践环节设计薄弱制约技能培养……这些问题如同重重迷雾，阻碍着学生对深度学习知识的深入探索与掌握。为突破这些困境，海南科技职业大学《深度学习》课程团队以AI技术为利刃，全力打造了一门极具创新性与前瞻性的智慧课程，力求为学生们带来全新的深度学习体验，培养适应时代需求的AI专业人才。
一、时代浪潮下的课程使命：深度学习教育的破局与革新
《深度学习》作为计算机及相关专业的核心课程，肩负着培养学生掌握深度学习核心理论、算法与应用技能的重任。其目标不仅在于使学生深入理解基本原理，更着力于训练其运用技术解决实际问题的技能，并塑造在AI领域持续探索与创新的潜能。面对传统教学中高质量、个性化、大规模难以兼顾的“不可能三角”难题，课程团队巧妙地以AI技术力量驱动教学革新，致力于打造一门具有“知识可视化、学习个性化、反馈即时化”特征的智慧课程，以此激发学生兴趣、提升教学效率，为深度学习教育注入全新活力。
二、直击教学痛点：传统模式下深度学习课程的发展桎梏
1、知识繁杂，体系构建困难
深度学习知识体系庞大且复杂，传统教学模式下，知识点往往零散地分布在教材、课件中，缺乏系统性的整合。学生难以清晰把握各知识点之间的关联，构建完整的学科知识体系框架困难重重，学习如同“盲人摸象”，效率低下。
2、资源陈旧，更新速度迟缓
深度学习领域技术发展日新月异，新算法、新模型不断涌现。然而，传统课程资源更新周期长，依赖专业团队进行课程策划与剪辑，单课时拍摄成本高，导致课程内容难以紧跟学科前沿，无法及时向学生传授最新的知识与技术。
3、互动匮乏，学习动力不足
在传统课堂中，学生大多处于被动接受知识的状态，师生、生生之间互动较少。线上学习时，学生观看教学视频基本是单向的内容输入，缺乏实时互动与交流，难以激发学习兴趣和主动性，学习效果大打折扣。
4、实践薄弱，应用能力欠缺
深度学习是一门实践性很强的学科，但传统课程中，实践环节往往相对薄弱，缺少高阶性、创新性、探索性练习。学生在理论学习与实际编程应用之间存在明显断层，编程实践能力和解决实际问题的能力亟待提高。
三、AI 赋能教学：解锁深度学习课程的创新实践密码
针对上述痛点，课程团队充分发挥AI技术优势，对《深度学习》课程进行了全面改革与创新，通过一系列前沿技术的应用，让深度学习学习变得更加智能、高效、有趣。
图1:《深度学习》智慧课程门户
1、构建强大知识库，保障精准回复
课程团队对教学资源进行了全面、深入地梳理与整合，精心构建了课程专属知识库。该知识库汇聚了教材、课件、前沿研究资料、实际应用案例等海量资源，总解析字符超百万，形成了众多知识切片。在此基础上，团队构建了课程检索增强模型，有效提升了智能学伴等AI工具生成内容的准确性，确保学生获取的知识权威、可靠。
图2 课程知识库
2、三大图谱构建，导航学习之路
课程团队精心建设了知识图谱、问题图谱和能力图谱，为学生的深度学习之旅提供全方位导航。知识图谱涵盖了238个知识点，关联了35个学习视频与275道自测题，构建起详细、系统的学科知识体系框架，让学生可以直观地看到各知识点之间的逻辑关系，轻松实现知识的系统化学习；能力图谱则构建了29个能力点，关联41个知识点及对应的学习内容，帮助学生明确学习目标，有针对性地提升自身能力；问题图谱分为三级，从深度学习定义类基础问题，到模型原理与应用类进阶问题，再到复杂问题的综合评价与批判性思维类问题以及实际工程解决方案类问题，引导学生逐步深入思考，培养解决复杂问题的能力。
3、24小时智能学伴，随时陪伴
课程建设的24小时智能学伴，是学生学习的贴心助手。智能学伴构建了丰富的指令集，包括课前预习、课后巩固、智能答疑、基础知识、应用案例、实验指导等指令集。通过收集学生的使用反馈，改进指令集的设计，使其更加智能、便捷；引入自然语言处理技术，让智能学伴能够更准确地理解学生的问题，提供更加人性化的解答；同时，根据学生的学习进度和兴趣偏好，主动推送个性化的学习建议和资源，激发学生的学习兴趣，提升学习体验。
无论学生是在学习基础知识时遇到困惑，还是在进行实验操作时需要指导，亦或是想要了解实际应用案例，智能学伴都能迅速响应，提供准确、详细的解答，满足学生多样化的学习需求，实现随时随地的个性化学习指导。
图3 24H学伴
深度学习算法模型在图像识别、文本翻译、自动驾驶等前沿领域中扮演着关键角色。然而，VGG、ResNet、Transformer等经典模型的算法架构错综复杂，不同功能模块的设计逻辑、交互机制以及对模型性能的增益机理各有侧重，抽象的公式推导与代码逻辑往往成为学生入门进阶的“拦路虎”，不少同学因难以建立直观认知而产生畏难心理，学习积极性大打折扣。
针对这一核心学习痛点，课程组老师立足教学实践，结合学生的认知规律，精心设计并反复调试了“算法架构剖析”专属指令。该指令依托可视化技术与交互式操作逻辑，能够将原本隐藏在代码背后的算法结构拆解为层层递进的具象化流程 —— 从卷积层的特征提取、残差块的梯度回传，到Transformer架构的注意力机制，学生都能通过指令驱动的可视化界面直观观察每一步的计算过程与数据变化。这种创新教学方式，不仅帮助学生轻松跨越抽象理解的障碍，有效克服怯学心理，更能引导他们主动探究不同模块的优化思路，激发对前沿算法模型的探索热情与钻研兴趣。
这一教学设计充分彰显了本课程 “化繁为简、实践导向、精准助学”的鲜明特色，打破了传统理论教学的枯燥壁垒，让深度学习的学习过程从被动接受转变为主动探索，真正实现了“技术赋能教学、教学贴近需求”的目标。
4、个性化的 AI 学习空间
课程的AI学习空间中，智能学习体验全面升级。24小时智能学伴随时待命，学生观看视频时遇到疑问，可实时提问，学伴即刻答疑，确保学习难题不被遗留。
此外，“知识检测员”与“知识检测小精灵”两大智能体协同发力。“知识检测员”依据视频学习内容生成自测题，强化知识记忆；“知识检测小精灵” 连接知识图谱与增强知识库，实时捕捉教学视频中的知识点，动态推送背景故事、拓展资料、内容总结等学习资源，助力学生深入理解、拓展视野，打造高效且个性的深度学习体验。
图4 AI学习空间
5、知识图谱引领个性化进阶，告别盲目学习
在智慧课程的学生端知识图谱中，同学们可以真切体验到一场高效而个性化的深度学习探索之旅。
随点随学：在知识图谱中直接观看对应知识点视频，边学边构建知识网络；
精准练习：自由选择不同知识点进行专项习题巩固，即时检验学习成效；
24小时学伴：随时提问，智能学伴实时解答，认真分析学生的每一个做题过程，引导反思，举一反三；
智能路径推荐：AI系统自动记录你的学习轨迹，基于行为数据动态生成个性化学习路径，并精准推送下一阶段内容，帮你查漏补缺、步步为营。
6、智能备课助手，助力教师教学
课程团队还为教师打造了智能备课助手，构建了涵盖PPT生成、HTML动画生成、思政点建设、教学案例生成、智能批量出题等功能丰富的指令集。教师在备课过程中，只需输入相关需求，智能备课助手便能快速生成高质量的教学资源，大大减轻了教师的备课负担，提高了备课效率。同时，智能备课助手还能帮助教师将思政元素巧妙融入教学内容，实现课程思政与专业教学的深度融合，知识传授与价值引领的有机统一。
图5 课程思政
7、双智能体，提升学生实践与求职能力
为了强化学生的实践能力和求职竞争力，课程建设了“编程能力提升助手”智能体和“计算机岗位求职模拟面试”智能体。
“编程能力提升小助手”智能体设计过程中，课程团队收集真实的编程案例和企业面试问题，丰富智能体的题库，让AI充当编程专家，在学生进行模拟编程时，实时给予指导和反馈，帮助学生纠正编程错误，优化代码结构，提升编程能力。
“计算机岗位求职模拟面试”智能体则化身为企业技术资深面试官，通过模拟真实的面试场景，考查学生综合、灵活运用知识的能力，帮助学生提前熟悉面试流程，积累面试经验，提高求职成功率。
图6 双智能体
四、海科大《深度学习》课程期待与你向新而行
海南科技职业大学《深度学习》课程的创新建设，是AI技术与职业教育教学的深度融合的生动实践。从三大图谱的构建到数字人教师、智能学伴的应用，从智能备课助手的助力到双智能体的能力培养，课程在多个方面实现了突破与创新。目前，该课程已面向8个班级近246名学生开放使用，并积累了丰富的使用数据。这些数据将为课程的进一步优化和完善提供有力支撑。 未来，课程团队将持续探索创新，不断优化教学资源和教学模式，让《深度学习》课程成为培养AI专业人才的摇篮，为推动我国人工智能领域的发展贡献力量！期待更多学子在这门智慧课程中，解锁深度学习的无限可能，开启属于自己的AI梦想之旅！
