斯坦福十年AI课程分析：课程数量涨两倍，吴恩达深度学习课最受欢迎

作者：mickey

众所周知，人工智能正在改变着世界，而要说其中的引领者，斯坦福大学一定有一席之地。

多年来，斯坦福大学不仅产出了人工智能方面的许多重大研究突破，还培养了不少教职员工，成为了该领域的开拓者。从李飞飞教授到吴恩达教授，都在斯坦福大学任教，也成为了一代ai人的人工智能启蒙人。

最近，斯坦福Daily’s Data Team数据团队精心设计了一个课题，对十年来斯坦福所有与人工智能有关的计算机科学课程进行了分析，想要了解这个行业是如何变化的，以一窥这个行业十年来的发展。

AI相关课程的数量增长图

分析后，团队得到了一些非常有趣的结论，比如：

一起看看还有哪些精彩发现。

人工智能课程数量和学生数量都在增加

在过去的十年中，计算机科学系的人工智能课程以及在校学生的数量都在增加。人数规模显着增加，许多课程直到2020年都是学校最热的课程选择。

在过去的十年中，与人工智能相关的计算机科学课程总数从25个类别增加到77个类别，增长了两倍多。在2014年首次跃升后，自2015年以来，课程的数量一直稳定增长。增长最快的是最近的学年，即2018年至2020年。

在过去10年中，与机器学习相关的课程数量一直保持最高水平。机器学习还提供了相对恒定的课程数量，从少于10种增加到将近40种。这可能是因为其他类别（例如自然语言处理或深度学习）属于机器学习的大类。

2014年斯坦福，首次提供了与深度学习相关的课程，但课程数量迅速超过了自然语言处理和计算机视觉课程。自2016年以来，自然语言处理课程的增长速度也越来越快，而计算机视觉课程的增长速度却越来越慢。

课程门类变化趋势也很有趣，其中，人工智能基础课程最多，不过，跨AI子主题的课程也更多。

胜者为王：许多热门课程的规模进一步扩大

尽管提供的课程数量大量增加，但入学率最高的课程（其中许多课程强调机器学习）的排名仍相对稳定。但是，其中许多类别的规模成倍增加。

比如吴恩达教授大热的机器学习课程CS229：机器学习是过去10年来最受欢迎的课程，从2010-11年的318名学生增加到2019-20年的869名学生。同样火爆的还有计算机科学课程：人工智能：原理与技术，以及CS 109：计算机科学家概论，都从不到300名学生增加到700多名学生。

增长的驱动因素是学生需求的爆炸性增长。

计算机科学和语言学系教授，斯坦福人工智能实验室（SAIL）主任Christopher Manning博士说：“这显然是所有学生需求驱动的，这只是反映了最近在AI方面取得的巨大突破以及学生学习这一知识的巨大热情。”

需求增加的部分原因是学习计算机科学的学生数量增加，尤其是专门研究人工智能的学生。

斯坦福计算机科学系教授兼教育副主席 Mehran Sahami说：“在过去的十年中，我们当然已经看到学生对计算机科学专业的兴趣大大增加了。” 他估计，自2007年以来，该专业已增长了300％至400％，成为斯坦福大学最受欢迎的本科专业。

在计算机科学系中存在的多个方向中，选择人工智能方向的是最多的。

Sahami说：“我们已经看到AI方向的规模随着时间的推移而增加，这是目前最受欢迎的方向，与硕士课程类似。”

此外，计算机科学系以外的学生越来越多地在该系学习人工智能课程。

“博士学位的数量开始有所增加。各个部门的学生都需要机器学习技能，”Manning说，例如正在学习商业、教育或法律的学生。

另一方面，CS 223A：《机器人学概论》曾在2010-11年度排名第五，在该课程中排名下降。虽然在2010-11年度有92名学生入学，但在2019-20年度只有64名学生入学。

CS 224N（以前是自然语言处理，现在是带深度学习的自然语言处理）和李飞飞老师的CS 231N课程：用于视觉识别的卷积神经网络，这门课程的注册人数在2016-17年达到顶峰，之后略有下降，尽管课程仍然相对受欢迎。CS 224N在达到顶峰的那年改掉了课程名称。

“ [2010年代中期左右]，我们开始为NLP和[计算机]视觉课程提供深度学习内容。然后突然之间，自然语言处理和[计算机]视觉正在教500到600名学生上课，”Manning说。

还出现了新的流行类，例如CS 230：深度学习。该课程首次出现在2017-18学年，自开设以来，一直以来已有800多名学生。

Manning认为，如今在本科生中很受欢迎的许多人工智能课程“最初主要是作为研究生水平的AI课程（设计的）”。

一直很受欢迎的课程CS 229最初也是为进行机器学习研究的博士生设计的。

Manning说：“这反映了直到几年前班级的性质，当时班级主要是像老式的数学班一样在黑板上写字。”

上升源自学生需求和整个行业的变化

在相关报告中，数据分析团队也采访了人工智能领域的学生，询问了他们决定走这个方向的各种原因。Nik Marda是21级修读计算机科学的大二研究生，他说他对政治和数学一直怀有双重兴趣，而这也让她期待未来可以从事人工智能政策制定相关工作。

Manan Shah是计算机科学领域大四本科生，他说他参加了使用深度神经网络在医学和健康领域的多个研究竞赛。Shah说：“我一直认为，使用AI可以完成很多有意义的事情。”

Sahami表示，该学院更多的招生可以为学生提供更多的课程，并帮助“满足了更多的学生需求”。Sahami说，学生兴趣和教职员工人数的增长“表明了计算机科学这一领域的重要性日益提高。”

Manning认为，2010年也是“更多事情开始发生”的时候。“我认为基本上是AI开始成功-会有各种各样的机器学习投入使用的时间。”

“在2000年代的十年中，发生了第一次真正的变化。因此，在人工智能中极大地强调了概率模型，而概率被视为在不确定的世界中对不确定的思维进行建模的方式，”Manning补充道。“在那之后，我们开始看到机器学习的兴起。”

Manning还提到“从2010年开始，又发生了另一次巨变” ——神经网络方法和深度学习方法。Manning说：“现在，这两种方法已经席卷了一切，包括斯坦福大学的大部分课程，而且大多数研究人员现在都在使用神经网络进行人工智能处理。”

“斯坦福大学的AI类课程开设并非一帆风顺，” Marda补充说。“它们在某种程度上受到行业的推动；它们与行业有关；它们被其他人使用。我认为所有这些都会影响我们所看到的增长。”

参考链接：

The rise of AI in Stanford’s CS curricula

本文为专栏文章，来自：大数据文摘，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/82345.html 。