《人工智能初步》教学设计.doc

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
龙源期刊网 《人工智能初步》教学设计 作者:高士娟 曹恒来 来源:《中国信息技术教育》2018年第24期 ????????● 学习内容分析 ????????人工智能是通过智能机器延伸,增强人类改造自然和治理社会能力的新兴技术。近年来,人工智能技术已经被广泛应用于各行各业,并将在信息社会中发挥越来越重要的作用。人工智能诞生之初,以逻辑表达和启发式搜索算法为代表;20世纪80年代初,由于专家系统和神经网络技术的新进展,人工智能的浪潮再度兴起;当前,机器学习成为实现人工智能的主流方法,具体包括监督学习、无监督学习和强化学习三种方式。 ????????● 学习者分析 ????????本课的学习对象是高一学生,其对知识的获取已经开始由感性认识提升到理性认识,已经具有一定的研究能力,喜欢新鲜事物。在日常的学习和生活中,他们或多或少地接触过人工智能技术的应用。但是,他们对人工智能的了解更多停留于日常学习和生活中的所见所闻,对人工智能的原理及人工智能的实现方法知之甚少,运用人工智能方法解决问题的意识不足、能力较弱。 ????????● 学习目标 ????????(1)了解什么是人工智能,知道人工智能的典型应用。 ????????(2)理解人工智能技术的核心是机器学习。 ????????(3)掌握监督学习、无监督学习和强化学习的基本工作原理。 ????????(4)了解机器学习中的KNN算法、聚类算法。 ????????● 教学重点与难点 ????????监督学习、无监督学习和强化学习的基本工作原理。 ????????● 教学过程 ????????1.初探尊容:人工智能与机器学习 ????????观看人工智能宣传片(如图1所示),关注视频中人工智能的具体应用。 ????????学生讨论:①人工智能的具体应用:指纹解锁、计算机博弈、智能机器人、智能家居等。②在这些应用中,人工智能是如何解决问题的? ????????人脸识别:根据输入的照片,判断照片中的人是谁。 ????????语音识别:根据说话的音频信号,判断说话的内容。 ????????金融应用:根据一支股票过去的价格和交易信息,预测它未来的价格走势。 ????????围棋对弈:根据当前的盘面形势,预测选择某个落子的胜率。 ????????教师小结:人工智能解决问题的方式就是根据给定的输入做出判断及预测。人工智能是人类智能的算法实现,人类智能的核心是学习,因此人工智能的核心也应是学习。人工智能的上述应用大多数是通过机器学习来实现的,它已经成为人工智能的主流方法。机器学习从学习方式上可分为监督学习、无监督学习和强化学习。 ????????设计意图:这是一个快速变迁的时代,在这一切便利与舒适的背后,是一场正在深刻地改变我们的生活与社会的科技浪潮——人工智能。但是,学生对人工智能的认知还停留在日常学习和生活中的所见所闻,对人工智能的了解也是有局限的。通过观看视频,从人工智能具体的应用总结出人工智能解决问题的方式,即根据给定的输入做出判断及预测,这个能力的获得必须通过学习来完成,从而引出机器学习。 ????????2.定制模型:理解监督学习 ????????从手机识别植物引入,提出定制图像识别模型。 ????????活动1:使用百度的EasyDL定制猫狗识别的图像分类模型。 ????????(1)教师演示创建个性化图像分类模型的方法与步骤,如图2所示。 ????????(2)上传猫和狗的图片进行训练和校验,记录不同版本模型校验结果的置信度,比较不同训练数据量情况下,所训练模型的识别准确率,填入表1中。 ????????(3)指导学生研究上传的数据集的构成。 ????????教师小结:①给予计算机的训练数据集既有输入数据,又有对应的输出数据,然后训练一个模型,用于对新输入的数据生成合理的预测。在训练的过程中,预测量的真实值通过提供反馈对学习过程起到了监督的作用,这样的学习方式称为监督学习。②训练的有效数据量越大,图像的识别率越高。猫、狗的声音和爪子截然不同,如图3所示,生活中常通过sound(声音)和claws(爪子)两个特征来判断。如果将声音和爪子转换成特征向量表示在坐标系中,圆形表示猫,三角形表示狗,在机器学习中如何判断一个新加入样本star的分类呢?最邻近规则分类算法(KNN)是一种常用的方法,如果一个样本与k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别。如k=3时,与star最近的三个点中有两个是圆形,所以star是猫。当然,这个模型中猫狗的特征提取是比较复杂的。 ????????设计意图:监督学习中典型的例子是识别,故而从识别植物入手,激发学生兴趣,引出训练猫狗识别模型的学习活动,借助百度的EasyDL定制化图像识别模型,经历监督学习的过程。从数据集的构成发现,监督学习既有

您可能关注的文档

文档评论(0)

寒傲似冰 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8071104010000026

1亿VIP精品文档

相关文档