线上教学，实验怎么做？毕设怎么写？从“面对面”到“屏对屏”，高校云端助力学生科研

“赢啦！”隔着屏幕，几位队友传来阵阵欢呼。上周，就在校园闭环管理之时，“华为杯”第四届中国研究生创“芯”大赛经过近11个月的赛程，到了最后的关键时刻——大赛竞演环节。而华东师范大学参赛的三位同学，两位被隔离在宿舍，一位隔离在家。疫情让备赛环境发生了很大变化，窗外不时传来通知测核酸的喇叭声。队友们云端同台，共屏联动，在短短6分钟内逻辑分明、条理清晰地完成了作品的特色与创新点介绍，一举夺得

冲冠的背后离不开导师们的在线指导。“虽然导师、同学因隔离而不能聚在一起，但我们一直一起在战斗。” 队长李旭红告诉记者，为了给学生提供技术保障和指导，团队指导老师通信与电子工程学院张润曦教授担心家里网速不行，主动选择留守办公室。几位指导老师多次线上开组会，对竞演PPT一页页进行分析和完善……

这样的云端联动画面在校园“封闭”期间还有很多。在线教学方式，师生有距离？无法线下讨论论文，影响科研进度？在准封闭管理的特殊时期，沪上高校积极行动，教师们把三尺讲台搬到云端。师生“屏对屏”“键对键”，虽然疫情暂时阻隔了“面对面”的交流，但师生间关心关爱的纽带系得更紧、拉得更长。传道、授业、解惑，依旧是校园中的日常。不仅教学不停摆，科研、论文同样不断线，给广大学子吃下一枚“定心丸”。

新技术助力新实践

不变的是课程的深度和厚度

校园慢下来，但追求学术的步伐并未减慢。

准封闭管理第一周，复旦大学全校的3352门次本科生课程中，95%以上转为线上教学 ，其余课程安排在准封闭管理期结束后集中补课；1698门次研究生课程也“搬”到了线上 。对师生而言，线上教学变的是媒介，变的是方式；不变的，依然是课程的深度和厚度。

不过，也有不少学生和家长担心，线上教学，实验课怎么上？在复旦大学，虚拟仿真在线课程 在特殊时期展身手。

选择角色形象，分组前往“关卡”，键盘控制角色移动，点击鼠标操作仪器设备……在“电离辐射探测与测量虚拟仿真实验”平台，做实验就像“打游戏”，随时随地还原实验室场景。“我感觉就像在实验室里，通过‘闯关’一步步完成实验操作，很有趣！因为不直接接触放射源，我们能够避免一些实验室安全问题，不过如果错误操作，我的角色也会‘掉血’，这就提醒我，做实验需要格外谨慎。”核科学与技术系2019级李源说。

记者了解到，这套虚拟实验由核科学与技术系副教授杨洋团队自主开发，学生可以穿戴VR设备沉浸式体验虚拟实验。2021年整个虚拟实验室“搬”到了复旦大学iLab虚拟仿真实验教学平台上。目前该平台覆盖文理医工专业共20项实验，向所有同学开放共享，只需一块屏幕、点点鼠标，就能获取沉浸式学习体验。

在线怎么上艺术类课程？在iLab新技术助力下，艺术现场也能隔空映照进学子生活，点击画作，就能走进一个新的光影世界。“这和传统授课的方式是完全不一样的。”艺术教育中心教师赵阳解释，艺术是动态的，这一平台不只是对原作的模仿，在交互设计过程中，我们也考虑到了原作本身想要传递的信息。

基础医学院也“有备而来”。自2020年以来，学院打造了一批数字切片和3D大体标本。突破传统实物切片需要在显微镜下观看，以及过去大体标本只能看到一个横截面的限制，学生可以在iLab上通过移动鼠标，轻松观察到数字切片和3D大体标本的全貌，身临其境地进行学习。“通过应用这种新技术，可以想看哪里看哪里，想放多大放多大，达到和实验室上课一样的效果，也有利于学生的理解。”基础医学“强基计划”“基础学科拔尖学生培养计划”工作委员会执行主任程训佳介绍。

在上海海洋大学准封闭管理期间，学校有700多名教师加入“泛雅教学平台技术答疑群”，23位职能部门工作人员建立“在线教学保障工作小组”，维护205间多媒体教室、16间机房语音室平稳运行。 在此期间，学校本科生开课2448门次，786名教师参与授课，研究生开课180门次，133名教师参与授课，10289名本科生，3124名研究生，31名国际学生在校坚持学习。

线上科研不停步

云端关怀给学生吃下“定心丸”

不论是清晨的体育场、白天的线上课堂还是深夜的实验室，校园里拼搏的身影依旧奔忙。

“老师，我的毕业设计遇到困难，怎么办？”刚启动线上教学时，上海海洋大学工程学院教师张莉君就接到了来自学生的求助电话。当时张莉君在校外，暂时不能进校，她立刻联系了在学校实验室的康剑梁老师，请他协助一起现场进行视频指导。

在实验过程当中，还出现了不少“插曲”。比如，设备出了一些小故障，不能正常启动。张莉君回忆，幸好供货商马上通过视频进行技术指导，解决了故障。就这样靠着“云端”视频，师生一直忙到深夜。当学生完成了实验以后，大家才长长地舒了一口气。记者了解到，准封闭管理期间，上海海洋大学学生的毕业设计均得以正常进行。一组参加学科竞赛的学生也在远程连线指导下把作品赶制了出来，确保在截止日期前交出作品。来自导师的给力指导和云端关怀，让不少学生悬着的心逐渐放下，吃下了一颗“定心丸”。

在传统课堂之外，华东师范大学研究生导师们充分发挥线上组会、云端读书会、交流会等的凝聚力，开展各类学术研讨活动，推进成果分享，引导同学们互相学习，合理安排科研进度。

图说：导师们每天面向全网举办三场知识直播普惠大众

马克思主义学院中共党史系汇聚师资优势，主动筹建论文写作实训系列活动，加强研究生论文写作基本功训练，助推科研产出。活动不仅邀请资深C刊编辑、资料搜集达人、前沿学者作为授课师资，还按照课程形式谋划和设计，分设3个版块，按照4期固定活动，分别开展会诊论文、写作辅导、交流心得。“获益匪浅！”马克思主义学院2021级硕士研究生杨文星表示，通过实训，自己不仅对学术论文写作的规范更明晰了，还开拓了写作思路。“最重要的是，我的论文经过一个周期的修改，有了不少改进，个人的学术写作能力也有提升。”

在华东师大，科研指导形式多样，云端空中讲堂 也营造了浓郁的学术氛围。政治与国际关系学院组织举办“拥抱春风”系列学术讲座 ，聚焦各二级学科的前沿问题，由冯绍雷、刘擎、吴冠军等7名博士生导师主讲，营造“云”端学术氛围。物理与电子科学学院每晚举办的“研究生量子网络交流会”吸引50余名学生积极参与 ，让研究生在寝室不孤单，加强“云”上学术交流。

近期，通信与电子工程学院2020级电子信息专业硕士研究生胡沂婷正在积极备战第十七届中国研究生电子设计竞赛。为不影响实验进度，她将“实验室”搬到宿舍，争分夺秒。“刘一清老师线上悉心指导，学校师生志愿者为我们做好了贴心的后勤保障，之前为比赛制定的项目计划依旧顺利展开，工作能够逐步落实。我们也会努力为有爱的华东师大再添荣光！”

作者：吴金娇

编辑：储舒婷

图片：受访方供图

你的毕设有救了！如何3个月搞定机器学习项目？

作者 | Tim Rocktäschel

译者 | Sambodhi

编辑 | Vincent

出处丨 AI 前线

每年都会有学生与我们联系，寻求从事短期机器学习研究项目的机会。到目前为止，我们已经监督了很多这样的短期研究项目，我们注意到，我们给出的一些建议遵循了一些重复的原则。在本文中，我们分享一些自认为对硕士论文项目或机器学习暑期研究实习的好建议。本文所提到的这些建议，肯定不会是全面的，而是强调了我们反复多次目睹的那些陷阱。例如，我们不会讨论如何选择一个好的项目，也不会讨论如何进行机器学习研究项目。我们给出的一些建议，通常是用于机器学习，特别是深度学习、强化学习的研究项目。然而，其中一些建议，只对那些只有三个月的短期项目才有重要的意义，而当你刚刚开始三到五年的博士学位之旅时，这些建议就没那么重要了。

1 主要陷阱：

1.1 假设你的代码没有 bug

众所周知，机器学习，特别是深度学习和强化学习模型很难进行调试。为了让你了解无数的犯错方式，你可以看看 Andrej Karpathy 发的推文：https://twitter.com/karpathy/status/1013244313327681536 。

我们所有人，哪怕是更资深的研究人员，总是会犯这样的错误。这些错误之所以难以察觉，是因为模型即使有缺陷也仍然可以进行学习并产生有意义的输出。bug 可能会给你的模型带来微秒的变化，并且这些 bug 大多数只会在运行时才会显现。因此可以说，你所能做的最槽糕的事情就是假设你的代码不包含任何错误 。

区分一个机器学习研究者是高效的还是低效的，是要看他们对自己的代码持什么样的态度。

如果你的默认假设是代码可能有问题，那么你将会更加仔细地检索 bug。一行一行地检查代码，并仔细检查中间输出。如果可能的话，将它们进行可视化呈现。张量的形状是否合适？它们是否被正确地初始化、克隆或分离？在模型训练期间监控梯度并注意 NaN。通过设置随机数生成的种子对编写单元测试并使实验结果复现可能有所帮助。

有关神经网络调试的更多小贴士，请参阅 Goodfellow 等人所著的《Deep Learning》一书中第 11.5 章节：Debugging Strategies（调试策略）（http://www.deeplearningbook.org/contents/guidelines.html）

1.2 只看最终的评估指标

虽然你的项目的目标可能只是实现某些评估指标上的改进，但更重要的是，你应该充分了解模型的工作原理以及取得改进的原因。尤其是在项目的早期阶段，最终评估指标包含的信息很少，但这些信息对迭代和开发算法或者模型却非常有用。

相反，要提出更为深入的问题，并开发出有用的信息诊断方法。如果你已经引入了门控（gating）或注意力机制（attention mechanism），你的模型是否真的利用了它？在你所提出的模型创新中，哪些实际上有助于整体性能的提高？你做过消融研究（ablation study）吗？你的模型需要多少训练样本或轮数（epoch）才能达到合理的性能？和你使用的基线有何区别？你的模型在哪些测试实例上表现良好或很差？它们是否存在系统差异？你的结果对于超参数的变化有多稳健？能够从模型的隐藏状态来预测重要特征吗？

请牢记这一点：你的研究和项目报告并非是要让研究社区了解你所做的一切与先前最先进的技术相比的一些微小的改进，而是要帮助我们来理解这个领域。这个领域的其他人会想知道哪些是有效的，哪些是无效的，以及你的哪些发现可以应用于他们的问题 。

1.3 尝试随机变化且无清晰的预期

在当前的深度学习库中，通过添加更多组件、层和优化技巧，很容易使模型变得更加复杂。但是，当你对代码或模型进行更改时，你至少应该对为何这些更改有用有一个直觉。同样，当你进行实验时，你也应该对这个实验结果有清晰的预期。你期望绘制的结果是什么样子的，它们会告诉你什么呢？当你发现自己的模型没有按照预期的方式进行时，这一点就显得尤为重要了。

那么，你现在更有可能看到 bug 的症状，因此，扩展你的模型并不能有助于找到这个 bug，甚至可能使隔离问题变得更加困难。在使你的模型变得更为复杂之前，请先深入了解它可能存在的问题。此外，请记住，在你的报告中必须证明你所做的是正确的。评估你的报告的人，对理解你的思考过程会有兴趣的。

如果你不能制定一个研究假设，并向自己解释为何你做所的事情应该起作用，那么其他任何人很有可能也不能复现你的项目结果。

1.4 过于复杂

我们经常看到上进心强的学生在遇到难题时毫不退缩，马上尝试复杂的解决方案。可是这样子，如果出现问题的话，就很难进行分析。

相反，应该要扪心自问：应该起作用的最小的东西是什么？模型能学会记住一个小数据集吗？如果只使用几个参数时，它能学到什么？在单个训练实例而不是批量实例进行训练时，代码是否有效？我们期望看到的最简单的泛化形式是什么？我们期望失败的简单基线是什么？什么是基线的最小扩展才能使它工作？

1.5 迭代太慢

实验可能需要很长时间。特别是深度学习和强化学习在积累大量随机种子时，可能会耗费大量的时间。因此，在短期项目的过程中，不要过早地陷入缓慢的迭代周期是很重要的。使用简单的环境来调试你的模型，并实现对你的想法进行概念验证，这些都可以在个人计算机上运行。

有时一个简单的矩阵游戏或网格世界实验都可以提供有用的想法验证。有时你还可使用 MDP 的精确值函数来测试算法思想，而不必纠缠于梯度估计、Actor-Critic 训练等等。在进行大规模实验时，要简化启动实验和检查结果的流程。在实验完成全部过程之前检查这些结果，看看性能是否平稳。在基础设施上投资，在开始时可能会耗费大量时间，但在项目结束时会有所回报。在分析结果时，要渴望得到有用的信息。

2 一些建议

2.1 在项目开始之前先了解背景和相关工作

我们通常会在正式开始的日期前几个月就分发项目。其原因是：

另外还有一个原因是，我们通常会提出一些研究项目，如果这个项目取得成功，我们有可能会在机器学习领域发表相关论文。虽然我们知道学生在一个学期内会有很多事情要去做，但我们通常都会鼓励你们至少提前开始阅读相关文献。理想情况下，当你开始为项目全职工作时，你应该知道要做什么，它如何与现有方法相关联，并且知道如何做到这一点。这也是熟悉你所选择的机器学习框架的好时机！（我们推荐 PyTorch！）

2.2 使用版本控制

你确实应该在研究代码和项目报告中使用版本控制。没有什么比在截止日期前丢掉繁忙工作日更糟糕的事儿了。如果你还没有使用版本控制，那就去 GitHub 注册账户吧。作为学生，你可以得到免费的私人存储库（https://education.github.com/pack）。如果你尚未了解版本控制，那么现在就去学习，你以后会感谢你自己现在的做法。

2.3 使用随机重复进行评估

在学术界，你不可能在项目期间访问多个 GPU。然而，尤其是在深度强化学习中，重要的是不要从单个或几个实验中得出聒噪的结论。理想情况下，你希望多次进行实验，并如前所述，得到不同初始条件和超参数的健壮性的感觉。

2.4 在整个项目中尽早开始写作并始终如一

如果你正在进行一个硕士项目，你的工作将会基于你的书面报告进行评估，而不是基于你已做出但没有足够时间来写清楚的杰出工作。尽早开始写作，不要低估传播你的研究成果的努力。

清晰的陈述你的目标、假设和贡献，让读者跟随你的思路。解释你设计选择并清晰地讨论你的发现。理想情况下，你应该在项目过程中始终如一地编写报告。这样，你就会强迫自己去考虑接下来的步骤，当截止日期临近时，你就不大可能会忘记项目中任何重要的信息。

2.5 当你需要帮助时，要积极主动寻求帮助

尽管你的老板都是大忙人，但要记住，他们来这里就是为了帮助你的。千万不要因为遇到问题，因为不敢寻求帮助而陷入困境，以致无法参加下次会议，记住，当你需要帮助的时候，请尽管找你的老板 。你要积极、主动安排好会议并准备好你想要提前讨论的结果、代码或报告。好好利用你的老板，记得不要惊慌！作为过来人，我们都经历过这一切，我们深知这可能是一次令人生畏的经历，特别是如果你的工作前景或者你的博士申请的成功依赖于这个研究项目的话。我们真的希望你能够取得成功。

原文链接：

https://rockt.github.io/2018/08/29/msc-advice

相关问答

物联网毕设项目有很多,其中包括智能家居系统、智能医疗系统、智能农业系统、智能交通系统、智能环境监测系统等。这些毕设项目通常需要使用传感器、微控制器...

底层方向1.网络方向可以研究目前市面上有哪些新的网络协议或者论文,你可以去尝试读取论文,并给予编程语言的具体实现,或者某些协议已经有了具体实现,你可以...

几乎每年我都要带几个本科生做毕业设计,今年我提交了两个题目,一个是基于机器学习的智能诊疗系统的设计与实现,另一个题目是基于机器学习的识别系统的设计与实...

您好,在毕设选题原因中,一般需要写明以下几个方面:1.研究的背景和意义:介绍研究的背景和意义,说明该课题对于解决实际问题或推动学科发展的重要性。2.现...

意思是:毕设,全称为毕业设计,是指在高等院校同学进行学业结束前,必需完成的一项设计任务。毕设是对同学在校期间所学学问的综合应用和实践,是对同学综合素养...

看你们在大学期间的发展了,因为这个专业面还是比较宽的,偏软偏硬或者搞网络都可以,看你在大学期间的兴趣所在,钻研好一个方向,做一个好的毕设,出来...

动画制作技术,从当年的高精尖,目前已经花落粉丝大众家,技术门槛大大降低。我们来看几个方面:第一,新手做动画,要先搞清楚自己要做什么?技术要求需要达到...

这是一个非常好的问题,作为一名计算机专业的教育工作者,我来回答一下。首先,对于物联网工程专业的学生来说,在选择毕业设计题目时,要考虑到自身的知识结构...这...

电子信息工程已经涵盖很广的范围。电话交换局里怎样处理各种电话信号,手机是怎样传递我们的声音甚至图象,我们周围的网络怎么样传递数据,甚至信息化...

说点实际应用方面:1-外观检测,对于一些对表面光洁度要求较高的物体进行外观检测,比如某金属零件有无划痕。2-外形尺寸检测,视觉传感器像素尺寸仅有几μm,...