利用在线与开源机器学习工具包推动可持续工程的未来
计算机与社会
2023-04-25 v1
摘要
近来，国家层面推动在从材料科学中的先进断裂力学到土木与环境工程领域的土壤与水质检测等所有学科中，使用机器学习（ML）与人工智能（AI）来推进工程技术。利用AI，特别是机器学习，工程师可通过训练好的模型与传感器实现自动化并减少处理或人工标注时间，同时保持统计可重复性。Edge Impulse 为工程学科设计了一款支持开源 TinyML 的 Arduino 教育工具包。本文讨论了工程教育工作者在课堂中利用 ML 工具包的各种应用与做法。我们提供了深入的实施指南及相关的学习成果，重点关注环境工程课堂。我们讨论了面向大一与大三工程学生的四门标准环境工程课程中的五个具体示例。目前全国范围内极少有项目利用机器学习工具包来培养面向工业与学术职业的下一代受过 ML 与 AI 教育的工程师。本文将指导教育工作者使用简单、廉价、开源的工具以及来自在线平台（与 Edge Impulse 合作）的技术辅助，将 ML/AI 设计并融入工程课程（课程本身无需特定 AI 或 ML 方向）。
引用
@article{arxiv.2304.11175,
title = {Utilizing Online and Open-Source Machine Learning Toolkits to Leverage the Future of Sustainable Engineering},
author = {Andrew Schulz and Suzanne Stathatos and Cassandra Shriver and Roxanne Moore},
journal= {arXiv preprint arXiv:2304.11175},
year = {2023}
}
备注
11 pages,2 figures, A.S. and S.S. are co-first authors