引入深度学习和物联网与MATLAB大一工科学生

最近的一次调查美国工程教育协会企业会员委员会强调了这两个领域的工程专业毕业生准备不足,不能满足行业的需求:人工智能(AI)和物联网(物联网)。

在亚利桑那州立大学(ASU) Ira a·富尔顿学校的工程,我们采取措施解决这个技能差距通过引入工程学生AI和物联网的概念早在他们的大学生涯。具体地说,我有一个新的学习模块添加到一年级工程概论课程中,学生完成实际使用MATLAB人工智能和物联网练习^®。在这些练习中,学生执行图像分类与深入学习网络,然后将其分类的结果发送到ThingSpeak™物联网数据分析平台,聚集和分析。模块不需要先前在MATLAB编程经验,没有额外的硬件,与学生使用自己的笔记本电脑,平板电脑和摄像头。同样重要的是,该模块需要最少的教练准备因为练习的设计,实施,由MathWorks工程师和验证。亚利桑那州立大学,我有这个模块可以使用在几个小时之内。

激励学生有意义的练习

工程概论是一个所有亚利桑那州立大学一年级工科学生必修课程。因此,学生在各种各样的工程学科招收的利益。学生也有不同程度的编程经验。任何练习介绍过程中必须考虑到这种多样性。具体来说,练习必须平衡:他们必须足够挑战保持学生的兴趣和动机,但并不困难,他们成为discouraged-particularly锻炼时不直接相关的纪律,他们计划追求。

考虑到这些需求,人工智能和物联网模块已经被证明是一个适合的课程。模块不仅可以完成在一个讲座,但是它的练习也提供一个有意义的,内行的AI和物联网概论,两个概念,学生才可能看到多年后在他们的课程。当我教这门课,我使它成为一个指向告诉学生,所有工程学科future-including机械、航空航天、化工、电气、和其他人将越来越多地将机器学习和人工智能技术,包括他们在本课程学习的技术。

准备与MATLAB斜坡弯道

之前我添加了人工智能和物联网课程内容,介绍工程包括一个three-lesson模块,向学生介绍MATLAB进行数据分析和可视化。这个现有的模块是很重要的,因为许多阶课程时,学生将以后(包括信号处理课程,我也教)需要一个基本的了解MATLAB完成作业,实验室,和项目。

让房间安排新的深度学习和物联网模块,我压缩现有three-lesson MATLAB序列分成两个教训。我让学生完成MATLAB斜坡弯道——免费入门教程,可以在2小时pre-lecture作业完成。他们在他们的浏览器完成本教程,学生学习MATLAB通过工作锻炼的基本知识,包括自动化评估,并提供即时反馈。

在完成MATLAB斜坡弯道,学生进入three-lecture序列后已经来让自己熟悉MATLAB。在第一节课,我回顾一下基础知识,学生们学习,让他们练习使用MATLAB编写和运行脚本;定义和访问标量、向量和矩阵变量;并创建2 d绘图数据从一个文本文件导入。在第二个系列的讲座,学生使用MATLAB解决问题从不同的工程学科。例如,我让他们从文件导入实验数据并创建图来可视化输入和输出变量之间的关系(图1)。我也有学生实践数据分析技能需要在所有的工程学科,如曲线拟合、插值和推断。

介绍了深度学习和物联网模块

一旦学生有了一个基本的了解MATLAB命令和脚本,他们准备深入学习和物联网模块在第三节课。我让他们带在笔记本电脑或平板电脑摄像头以及一些对象,如水果,被分类在模块的第一运动。

在开始之前,我提供简要介绍人工智能,机器学习,深入学习。然后我有学生审查和执行一个MATLAB脚本使用MATLAB在线(图2),它不需要下载或安装。三所提供的脚本MathWorks模块的照片使用摄影机放在学生的设备,使用AlexNet分类图像之前,pretrained深度学习模型。

运行脚本后,学生复习他们的结果,其中包括AlexNet分类他们拍摄的对象,以及信心得分(图3)。

通往下一个锻炼,我给学生物联网的概述,包括常见的应用程序和福利。学生然后使用MATLAB将分类标签从深度学习模型来获得一个公共ThingSpeak通道。在模块的第三个和最后一个锻炼,他们使用MATLAB读实时聚合分类数据对整个类从ThingSpeak然后可视化数据通过绘制直方图(图4)。

学生评价和下一步行动

深度学习和物联网模块得出的结论,我要求学生完成一个情境动机量表(SIMS)调查评估其自决和动力。两个结果从这个调查中脱颖而出。首先,平均值为5.85,新模块的自决指数高于课程活动学生完成了过去几年平均得分是5.47。第二,女学生报道比男性更高的自决。当我开始教学工程概论,只有为数不多的女学生。今天,大约四分之一的类是女性。深度学习和活动物联网模块,这似乎吸引女学生,可能会鼓励他们继续在工程项目。反过来,这将有助于增加学生的多样性,这是一个问题,长期以来一直对我重要,我的许多同事。

除了调查,我收到非正式反馈学生模块。虽然他们喜欢和从该模块,几个AlexNet提供的分类问题,在一些情况下是不准确的。我利用这个机会谈谈分类错误,会导致他们什么,他们在现实世界的应用程序的结果是什么。展望未来,我计划与其他pretrained网络实验模块,看看另一个网络将提供更准确的分类。我也打算添加更多数据科学与数据分析练习到MATLAB讲座给学生一个重要介绍这些概念在他们的第一年。