智能計算系統(tǒng)?：專欄·最前線 | 中國石油大學（北京）：產學研齊頭并進,，初生犢攻堅克難,！
發(fā)布時間:2021-03-29 | 來源：智能計算系統(tǒng) | 瀏覽量：
2021年寒假期間舉辦的智能計算系統(tǒng)教學研討班,，邀請到了來自不同高校的6名具備一定開課經驗的一線教師代表，與參會老師們共同分享探討教學心得與經驗,。
2020年4月，《智能計算系統(tǒng)（導論）》在中國石油大學（北京）信息科學與工程學院開課，學時32,。這是我們首次面向低年級大一學生的開課嘗試,，教學團隊迎難而上，積極適應性調整教學內容與課程模式,，切實幫助學生提高綜合能力,。
今天，我們請到了中國石油大學（北京）的授課教師——劉偉峰老師,，來為我們分享《智能計算系統(tǒng)》的開課教學經驗與心得,。
劉偉峰，中國石油大學（北京）教授,、博士生導師,。2002年和2006年分別于中國石油大學（北京）計算機科學與技術系獲學士與碩士學位，2016年于哥本哈根大學尼爾斯·玻爾研究所獲計算科學博士學位,。他的主要研究方向為數值線性代數和并行計算,，其中尤其關注稀疏矩陣的數據結構、并行算法和軟件,。他關于并行稀疏矩陣計算的開源代碼被眾多數學庫所采用,，多種實際科學與工程應用因此獲得顯著性能提升。他的研究工作發(fā)表于SC,、ICS,、PPoPP、ASPLOS,、IPDPS和ICPP等重要國際會議,，并擔任SC、ICS,、IPDPS,、ICPP、Cluster和Euro-Par等多個重要國際會議的技術程序委員會委員,，以及TPDS,、SISC和TKDE等多個重要國際期刊的審稿人。
2020年授課情況
2020年春季學期,，中國石油大學（北京）信息科學與工程學院面向大一學生,，開設《智能計算系統(tǒng)（導論）》課程，學時32,。
授課方式：線上授課
選課人數：課程對于大一本科生而言難度很大,，我們原本對于選課人數的預期也比較低。為了讓老師們能夠更好地備課,，我們把課程的開課時段放在整個學期的后8周,，這個安排與同學們的高數和物理期末考試時間沖突,，再加上五一放假減少了6個學時的課程，導致同學們在有限的學習時間內除了應付其他課程的考試,，還需要吃透這門高難度的綜合性課程,，“壓力山大”。同學們最初的選課熱情超過我們的預期,，超過80人,，但因為開設在大一，設為選修課,，支持學生隨時退課,，最終堅持到最后并通過期末考核的學生有19人。第一次在大一嘗試,，有19人堅持下來,，我們覺得已經很棒了。
授課團隊：授課團隊由5名教師組成,，分別為劉偉峰(6),、魯強(2)、范江波(6),、吳雙元(6),、張麗英(6)（括號數字代表每位老師對應的授課學時）
助教團隊：助教團隊有9人，由低年級研究生和高年級本科生組成,，由于最開始選課人數多,，所以助教人數也安排比較多，最終選課人數縮減后,，實際上是一名助教對應兩名同學,，保證了良好到位的教學輔導。
實驗安排：學生不分組,，2大實驗+6個小作業(yè)
考核方式：無筆試無考勤,，6個小作業(yè)以報告方式考核
課程內容設置
不同于其他學校，中國石油大學（北京）此次開課,，面對的是低年級的大一本科生,。對于他們而言，沒有足夠的前序知識鋪墊,，也沒有建立較為完善的知識體系和系統(tǒng)性思維,，教授這門課挑戰(zhàn)十足。面對這種情況,，劉老師與教學團隊老師們迎難而上,，創(chuàng)新性地將《智能計算系統(tǒng)》課程實現“適應性降維”調整，課名改為《智能計算系統(tǒng)（導論）》,，在課程內容和教學方式上也做了相應的改變,，讓我們來看看他們是怎么做的吧,！
1. 緒論部分（陳云霽,，魯強,，第1-2學時）
選課學生在前八周通過《智能計算系統(tǒng)》教材和B站公開課先行自學部分課程。
第一堂課,，陳云霽老師進行了線上開班致辭,，陳老師的親臨指導給歡欣鼓舞的同學們打了一劑“強心針”；之后,，由對知識圖譜方面比較專業(yè)的魯強老師,，在人工智能的發(fā)展歷史和典型應用場景上進行了圖文并茂、豐富多彩的介紹,，幫助同學建立對人工智能和智能計算系統(tǒng)整體的認知與理解,。
2. 機器學習基礎（范江波，第3-8學時）
首先講授學習智能計算系統(tǒng)所需要理解的基本機器學習知識,，包括矩陣-向量計算和NumPy使用,、線性回歸、三層神經網訓練和其中矩陣-向量計算的重要性,。由于后期對TensorFlow的學習需要這樣的編程環(huán)境,，而大一的同學很多沒有接觸過Python以及線性代數的知識，對矩陣-向量計算概念相對模糊,。在授課結束后,，范老師留了一些作業(yè)，包括線性回歸是如何和神經網絡產生聯系的,，以及神經網絡訓練的計算過程,，矩陣-向量計算的表達等。
3. 期中Project匯報（第9-10學時）
期中Project題目：淺層神經網絡運行分析
期中Project前置自學內容：除了范老師在之前講解的知識外,，同學們需要自學吳恩達深度學習課程的第三周之淺層神經網絡,。為了降低同學們的學習難度，老師們會給出編程答案,。
期中Project要求：要求能夠結合理論,，理解整個程序的架構，對語句做注釋,，真正理解每段程序的含義,。針對智能計算系統(tǒng)，老師特別要求學生需要插入time.time()函數記錄關鍵步驟運行時間,，找出其中耗時最長的幾個函數,，并嘗試解釋其功能和耗時較長的原因。
期中Project考核形式：以PPT形式,，獨立答辯,，每人匯報5分鐘,；上交PDF格式報告，包括代碼,、注釋,、執(zhí)行時間分析等。
匯報反饋：劉老師提到,，同學們在此次匯報的完成上相當不錯,。
4. 深度學習框架和模型（吳雙元，第11-16學時）
首先講授最后大實驗所需的TF框架的基本使用方式,，之后講授和分析LeNet,、 AlexNet等典型的深度學習模型，以及其中的卷積,、池化等主要計算模式,，并分析計算和訪存量，從而為之后做系統(tǒng)與高效計算奠定基礎,。最后引入圖像風格遷移,，并聯系到之前講授的一系列知識，考慮到有一定難度,，老師們盡量做到能夠淺顯易懂地把知識講給同學們,。
5. 系統(tǒng)基礎知識（劉偉峰，第17-18學時）
劉老師提到,，“如果說計算機系統(tǒng)和體系結構以及智能計算系統(tǒng)這門課程之間取一個交集點的話,，這個交集一定是矩陣計算，這也是這幾門課程最重要的知識點,?！?由于采取線上授課的形式，繪圖較為容易,，因此在上課時,，劉老師會給同學們線上畫點積算法，講授矩陣相乘的點積算法和行-行算法,，之后講授矩陣相乘的分塊算法和使用AVX2的實現,，然后現場編程和編譯運行，分析三種算法的性能,。最后結合課程B站視頻,，引導同學們建立對計算和訪存的認識。
6. BangC基礎知識（劉偉峰,，第19-20學時）
這部分內容首先介紹協(xié)處理器硬件架構和程序設計模式,，之后現場從0開始編寫一個BangC程序的host代碼，接著為同學們講解BangC開發(fā)手冊,，分析DLP存儲層次結構,，并編寫使用gdram和sram的BangC程序,。
7. 關鍵論文導讀（劉偉峰，第21-22學時）
論文導讀部分的課程引入,，是《智能計算系統(tǒng)》課程在各大高校開課以來的首次實踐,。引入此部分內容的考慮在于，劉老師認為,，業(yè)內的一些知名企業(yè)/產業(yè),，在最初很多都是基于一個想法，到一份Paper,，在經歷無數次的嘗試與實踐后最終落地實現規(guī)模化應用,。劉老師希望能夠帶領同學們逐步了解如何從一份paper到一個產業(yè)的衍化邏輯,，希望同學們不僅能夠掌握技術，還能掌握行業(yè)發(fā)展態(tài)勢,。
劉老師帶領同學們用一節(jié)課導讀與課程相關的在ASPLOS,、 ISCA、 MICRO等頂級會議和期刊上發(fā)表的關鍵學術論文,，同時也留了作業(yè),，要求同學們在2014到2019年的論文中任選兩篇進行精讀并完成一份報告。在報告中需要給出：
論文的研究內容對應的是《智能計算系統(tǒng)》 教材中哪一章哪一節(jié)的知識點,；
論文的每一節(jié)（指諸如Introduction,、 Background and Motivation Experimental Methodology等這種）的主要內容是什么，并寫出一個你認為的亮點,；
論文的Introduction一節(jié)里每一個自然段里的主要內容是什么,，并描述這些自然段之間的邏輯關系；
在整篇論文中任選一個比較長的自然段,，描述該自然段里每一句話之間的邏輯關系,。
8. 實驗一與實驗二（張麗英，第21-24學時）
實驗內容同《智能計算系統(tǒng)》實驗一與二,，無調整變化,。
9. 期末project演示（第25-26學時）
最后期末Project的演示，包含論文閱讀的作業(yè),、算子集成的作業(yè)以及圖像風格遷移的作業(yè),，通過整體匯報展示，同學們理論與實踐的綜合水平與系統(tǒng)能力得到顯著提升,。
（圖為學生匯報成果摘選）
教學探討
1. 如何實現降維的適應性教學
在將更適用于高年級本科生以及低年級研究生的課程“降維”成面向大一本科生的《智能計算系統(tǒng)（導論）》時,，劉老師及教學團隊發(fā)現，這實際上是給授課教學進行了“升維”——同學們?yōu)榱四軌蛳者@些課程內容,，需要短時間內惡補許多基礎知識,，如Python,、線性代數、機器學習,、英文文獻閱讀,、Linux等，壓力很大,，但可見的實際效果是,，能堅持到最后的學生的綜合素質與自學能力都有明顯提升。
2. 課程教學中理論與實驗優(yōu)化結合的探討
劉老師與教學團隊都認為實驗非常不錯,，基于目前的實驗,，有沒有可能把圖像風格遷移案例的技術內容進一步細化和拆分，在每一章節(jié)都明確學生需掌握的知識點與案例的對應關系,。
小編畫外音：在之前的文章中也提到,，去年的學校均采用實驗1.0版本，在理論課程全部結束后完成幾個實驗,。隨后課程團隊對實驗內容進行優(yōu)化迭代,，推出實驗2.0版本，并配套自動評測平臺,，在去年下半年預先在北大實行初試點,，反饋相當不錯，由此在2021年將在各大高校全面推行實驗2.0版本,。較之1.0版本,，2.0版本的實驗能夠很好地解決劉老師團隊此處的探討：實驗以風格遷移作為應用驅動，結合各章節(jié)的重難點,，設計了多個分章節(jié)實驗與拓展思考,，理論章節(jié)與分章節(jié)實驗一一對應。同學們通過完成每一章學習之后的實驗內容,，能夠明晰切實地掌握理論知識,。在層層遞進的分階段實驗中，將軟硬件知識點貫穿起來,，讓學生真正掌握智能計算系統(tǒng)的部署與優(yōu)化,。
3. 如何能夠高效準確地驗證學生對課程內容的掌握程度（如何判斷“玩家把怪打死了”）
小編畫外音：如何高效把握學習進度，如何直觀感受知識的“獲得”,，也是課程團隊在去年一年實踐中思考的問題,。在不久的未來，《智能計算系統(tǒng)》教學團隊將推出配套的實踐教程,，并利用各章節(jié)實驗抽象得出的多個知識點構建“智能計算系統(tǒng)知識樹”：學生每完成一個實驗,，便能夠“點亮”知識樹的一部分。通過遍歷知識樹，學生可以更好地直觀掌握各個知識點之間的有機聯系,，獲得對整個技術棧的體系性理解,。同時，為了調動學生的學習積極性,，我們也在考慮更有意思,、互動性更強的課程模式，使之不再單單是一門課程或一本書,，而成為對教學的一種新嘗試,，這種創(chuàng)新的教學機制具體怎樣幫助提升學生的學習熱情，讓我們拭目以待,！
詳情見鏈接：https://mp.weixin.qq.com/s/omhaGWX5LsM_X8ZZiykdow
（編輯 劉曉玉）
