信息技术(第2版)(拓展模块)教案 拓展模块5 5.3常用核心技术 .docx

信息技术(第2版)(拓展模块)教案 拓展模块5 5.3常用核心技术 .docx

  1. 1、本文档共30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

PAGE2/NUMPAGES7

《拓展模块55.3常用核心技术》教案1

课题名称

决策树

授课类型

理实一体

授课对象

一年级学生

授课课时

2课时

所授课程

信息技术(拓展模块)

授课地点

多媒体实训室

所授教材

《信息技术—拓展模块》,人民邮电出版社,张丹阳主编。

一、学情分析

本课程授课对象为高职各专业大一学生,课程开设在大一第2学期,学生在知识储备、学习特点和信息素养的情况如下:

1.知识与技能储备

学生理解了机器学习的基本原理,熟悉了机器学习项目开发流程与步骤,能够区分监督学习和无监督学习的不同点。

2.学习特点

授课对象在学习方面表现出如下特点:

(1)喜好电脑与互联网的应用,线上操作所见即所得可以引发学习兴趣;

(2)喜欢情境设定,厌烦平淡无奇的说教;

(3)乐于接受可视化教学资源,反感静态纸质学习材料;

(4)具有较强的求知欲,希望了解一些具体的人工智能方法。

3.信息素养

学生具备了基础的信息技术学科素养,有一定的信息意识和信息行动能力,有了初步的工程意识。

二、教学内容

本节课选自拓展模块5人工智能--5.3.1决策树,主要介绍决策树的基本原理和算法。

1.分类问题

2.训练集

3.基本原理

4.基本算法

5.信息增益

6.测试和评估

三、教学目标

1.知识目标

(1)了解决策树的基本原理;

(2)了解决策树的基本算法;

(3)了解信息熵的基本概念,知道信息增益在决策树中的作用;

(4)加深对机器学习基本原理的理解。

2.能力目标

(1)能够叙述决策树的基本原理;

(2)能够使用一个决策树输入数据得出决策结果。

3.素养目标

(1)培养基本的计算思维;

(2)培养良好的数字化学习和交流沟通能力。

四、教学重难点

1.教学重点

决策树基本原理与基本算法。

2.教学难点

决策树基本算法与信息增益。

五、教学准备

1.教学环境

计算机实训室(与互联网连接的计算机、投影仪、黑板)。

2.教学用具

电子教室相关软件、学习通。

3.教学材料

(1)拓展模块55.3常用核心技术教案1

(2)拓展模块55.3常用核心技术课件

(3)微课拓展模块55.3.1-1决策树的基本原理

微课拓展模块55.3.1-2决策树的基本算法

微课拓展模块55.3.1-3信息增益与测试评估

(4)Excel训练数据集

(5)常用核心算法学习笔记

(6)拓展模块5人工智能课后考核评价试题

六、教学策略

教法:讲授教学法问题教学法讨论法案例法启发式教学

学法:听讲学习法自主探究法问题学习法

依托学习通学习资源、练习题和学习笔记导图等保证学习过程的顺利实施。

七、教学流程

八、教学环节

教学

环节

教学内容

教学活动

策略与意图

环节一

课程回顾与学习目标

(10分钟)

【问题导入】

什么是监督学习?

分类任务主要解决什么问题?

分类问题的一般形式

决策树用途

【学习目标】

了解决策树的基本原理;

了解决策树的基本算法;

加深对机器学习基本原理的理解。

教师活动

1.提出问题,回顾以前所学内容并引申出分类问题和决策树

2.介绍本单元的学习任务

学生活动

1.认真回顾机器学习概念,听取教师讲授内容

2.思考记录

1.问题教学法:复习监督学习概念,为本次课程做好铺垫

2.讲授教学法:介绍学习目标,使学生明确本次课的要求

教学

环节

教学内容

教学活动

策略与意图

环节二

介绍决策树案例(10分钟)

决策树案例:学习状态预测问题

在教学过程中,教师常常需要通过学生的日常表现推知学生的学习状态。这一场景就可以被建模为监督学习问题。

1.特征取值范围

2.训练集

教师活动

(1)提出决策树案例:学习状态预测问题

(2)讲解案例的特征取值范围

(3)讲解案例的训练样本

学生活动

1.认真听取教师讲授内容

2.积极思考

3.思考记录

1.案例分析法:学习状态预测问题

案例是贯穿本次授课始终的案例,通过此案例,可以帮助学生具体形象地理解决策树

2.结合案例讲解特征值、样本、标签等基本概念

教学

环节

教学内容

教学活动

策略与意图

环节三

学习决策树基本原理(10分钟)

1.决策树

决策树是一个预测模型,其每一个内部(非叶子)结点表示一个决策特征(属性)ai,每一条边代表某个特征的一个可能取值,而每一个叶子结点则表示一个学习状态的分类结果“好”或“差”。从根结点到叶子结点的一条路径代表了一个决策过程的测试序列,一个数据点从根结点进入决策树后,会根据其特征值选择一条这样的路径,最终进入某个叶子结点代表的分类类别并得到最终的分类结果。

2.决策树示例

教师活动

1.讲授决策树基本原理

2.组织学生讨论如何手工建立案例所示的决策树

学生活动

1.认真听取教师

您可能关注的文档

文档评论(0)

xiaobao + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档