摘要: 随着数字化和智能化新兴产业对实践型、创新型和复合型人才的迫切需求，传统的以理论知识灌输为主的工科专业课程教学很难培养出满足新兴产业需求的高素质人才。“机器学习与数据挖掘”课程是高校计算机类专业的新兴技术综合课程，涵盖了概率论、统计学、算法设计和算法复杂度理论等多个学科知识，具有“建设周期短、前瞻性强；数学理论难度高、课程内容繁重；实践导向性强，课程需持续更新”等特点，能够培养学生将复杂实际问题转化为数据挖掘问题的能力，为学生未来在数智赋能领域发挥关键作用奠定坚实的基础。传统的课程教学存在课程内容滞后、多维度立体资源匮乏、课程群交叉融合不足、实践应用导向缺失、跨学科师资协同能力不足等问题。为此，课程团队基于多学科交叉融合教育理念，构建了全面深入的课程教学改革体系。一是重构进阶式模块化教学内容，将课程内容按难易程度分为基础理论、核心技术和创新实践三大模块，并遵循“理论奠基—技术进阶—应用创新”的递进逻辑，各模块再细分为初级、中级和高级3个层次，按照“基础认知—综合应用—前沿探索”逐级跃升，构建渐进式知识体系。二是打造涵盖自编讲义、微课视频、案例库及云端编程环境的立体化资源库，依托超星学习通、希冀平台实现在线学习与项目协作，有效支撑学生对抽象概念的直观理解与深度认知，破解资源匮乏对学生学习成效的制约。三是通过校企协同指导、以赛促学、开展前沿专题讲座等形式，打造产学研一体化育人模式，构建创新创业与科研教育协同新生态。四是通过跨学科项目串联课程群内各知识点，构建项目驱动型跨学科融合教学模式，培养学生高阶思维、创新能力与跨学科协作能力。五是组建由统计学研究人员、计算机科学研究人员、企业专家等组成的跨学科教师团队，优化课程考核与学生成果评价机制。六是实施“八进”课程思政实施策略，将课程思政理念融入教学质量标准、教材、教案、课堂、作业、课程资源、教学评价，让思政教育全面渗透教学各个环节，落实全方位育人要求。课程建设实践取得了积极成效，增强了学生的学习兴趣和科技创新实践能力，课程教学质量不断提升，促进教学成果交流共享。