疫情时代背景下，院校时常面临“停课不停学”的情况，新颖的多媒体网课形式愈发受到高校师生的欢迎。而这实际上却对教师备课提出更高的要求，在录课时需要充分考虑学生的潜在疑问，作出尽可能完备的阐释，尤其是涉及实践内容的课程更需精心设计在线的课程活动以培养学生的实践能力。
本课程是计算机类专业的一门重要的专业课程，期望学生通过本课程的学习能掌握统计模式识别的基本理论和基础算法，熟悉模式识别的主要研究内容、研究方向和研究方法，具备利用所学知识解决模式识别方面的实际问题的基本能力。为此，除了课程简介相关的引言部分，我设计的课节主要包括聚类分析、判别函数、统计判别、特征提取和选择、人工神经网络等经典内容。
从授课效果来看，学生留言反馈积极，表示网课形式的课程可以反复观看、变速听讲、随时暂停思考，更贴合个性化教学的理念。特别地，在聚类、神经网络等内容的授课中，我还借助百度飞桨的AI Studio平台发布一些简单的实践项目任务，比如使用K-means聚类算法筛实现鸢尾花聚类、波士顿房价预测、手写数字识别等。具体地，我会先描述这些经典机器学习任务的需求，继而对完成该任务所需的步骤进行引导式分析，从数据准备到模型搭建、再到模型的训练与评估都附有完整的代码示例及详细注释。AI Studio平台的一大亮点特色在于网页版便可自定义配置机器学习环境，同时支持逐行编译代码，还允许在线用户免费使用计算资源训练模型，非常适用于这样微小型机器学习项目的示例演示。学生登陆该网页版平台后，即可凭课程号加入我的课程，翻阅项目示例，在线运行代码训练模型，还能根据自己的需求修改相应的功能代码模块以实现其他类似的任务。AI Studio为这样的半开放式课程活动提供了卓越的实践平台，使得教师极为便捷地对实践项目进行实现思路及程序编写方面的指导，同时许多学生也反馈说很喜爱这样的教学互动形式，因为在平台上不仅能快速掌握实践任务的思路，还能实时编译运行编写的代码，更能清晰理解每一步骤的作用与意义。此外，一些实践兴趣浓厚的同学还尝试更换训练数据集，按照课上的讲解进行自定义图片数据集的预处理，继而用于分类模型的训练，也取得了不错的效果。
整体而言，学生们都很喜爱本课程授课形式，非常乐意参与AI Studio平台上的实践活动，利用平台实现自己的创意想法，在此也很感激AI Studio平台对网课开展的支持。