高中信息技术选修5教案-1.2.4 机器学习1-教科版
文档属性
| 名称 | 高中信息技术选修5教案-1.2.4 机器学习1-教科版 |  | |
| 格式 | docx | ||
| 文件大小 | 156.9KB | ||
| 资源类型 | 教案 | ||
| 版本资源 | 教科版 | ||
| 科目 | 信息技术（信息科技） | ||
| 更新时间 | 2021-01-11 14:15:04 | ||
图片预览
文档简介
课程名称
1.2.4机器学习
科目
信息技术
教学对象
高一
课时
1课时
?
?
?
?
一、教材内容分析
本节内容“机器学习”是教育科学出版社《人工智能初步》第一章“初识人工智能”第二节的知识点。人工智能已在很多领域应用，而机器学习作为人工智能发展过程中必不可少的技术，是现代学生需要了解的。计算机是人类发明的一个信息处理工具，人脑也是一个处理信息的器官，计算机是如何代替人脑完成一些事情，来模拟人类的智能，模仿大脑的学习的，我将用机器学习与人类学习的类比，来展开比较，并通过相关的案例进行分析。
二、教学目标（知识，技能，情感态度、价值观）
【知识与技能】
了解机器学习的概念及其应用举例。
了解神经网络，通过与大脑神经元相比较，初步了解机器是如何学习的。
【过程与方法】
通过“人机大战”视频欣赏，激发学生了解人工智能、机器学习的兴趣。
通过类比的方法，讨论人类学习与机器学习，让学生进一步了解机器是如何学习的。
欣赏机器学习的使用案例视频，加深对机器学习的应用的了解。
【情感态度与价值观】
激发学生对人工智能、机器学习的浓厚兴趣。
体会到机器学习的应用价值，培养正确的信息分析与应用观点。
学会分析问题、辩证地思考问题，提高科学素养。
三、学习者特征分析
在学习本节课之前，学生对智能机器人的了解可能仅仅是科幻片电影中的，如《人工智能》、《机械公敌》、《终结者》等电影中的机器人，在影片情节中，这些智能机器人，通过自身的“机器学习”，将自身智能提升至超过人类智能。高一学生已经具有独立的意识思维，通过自主学习、加深学习去思考，机器超过人类是否有可能，进而被激起学习兴趣。
四、教学策略选择与设计
讨论法、讲授法?
五、教学环境及资源准备
机房、极域电子教室
六、教学过程
教学过程
教师活动
学生活动
设计意图及资源准备
一、引导
导入：
播放《人机大战》的视频，考虑ALPHAGO为何会赢？引出人工智能、深度学习，进而引出本节课题。
观看视频，并回答：①ALPHAGO为何会赢？②是哪个公司研发的？③猜猜今天的讲课题目？
以视频导入吸引学生的眼球，激发学生的学习兴趣。
二、阔谈“学习”
1.一起穿越童年，牙牙学语
提问：学习，是一个什么过程？
教师：讲解人类的学习——记忆与学习（Memory & Learning）（板书）
从神经科学的角度来说，学习（Learning）定义为将经验（Experience）编码进记忆（Memory）的过程。鱼的记忆只有 7 秒，没有记忆的学习不是智能，鱼永远是只能在水里游的鱼。记忆指导学习，学习增强记忆。
人类从刀耕火种，婴儿从呱呱落地，“学习→ 记忆→学习”贯穿着社会与个体。对于社会，古书典籍让经验得到记忆；对于个体，大脑皮层让知识得到记忆。
2.举例：狗狗学数字（趣味图呈现）
提问：是否养过宠物狗，并训练它？狗狗怎样才能学会某种技能（提问有养狗经验的同学），--“信心的激励”。那我们让机器学习，需要进行鼓励、激励么？
观看“看图识字”图片，用低趣的东西吸引学生梦回童年。
回答：陈述人类学习的过程。
陈述训练狗狗的过程。
先从“人类学习”来理解学习，再从“动物学习”来理解学习的过程，引出“机器是最听话的”，不需要鼓励，让学生对“机器学习”更生亲密之感！
三、教机器“学识字”，默默体验
1.通过课件给学生呈现（一种类似于人类学习的）机器学习汉字的某种算法。
教师：上图是一个“决策树”的机器学习方法，是根据汉字的特征规律来识字的过程，当我们给计算机“看”了“由、甲、申”这三个新汉字及其特征后，计算机就像小朋友那样，总结并记住了新的规律，“认识”了更多的汉字。这个过程，就是一种最基本的机器学习。
13335091440提问：这种机器学习的方法是不是很简单？你们是不是都能通过这种方法让机器学习任何东西了？
——其实，这类似于“编程”的过程，符合一定的判断条件（得到结论）
2.让机器能更好地学习——汉字图像
这种基于决策树的学习方法太简单了，很难扩展，也很难适应现实世界的不同情况。于是，科学家和工程师们陆续发明出了许许多多不同的机器学习方法。再看下面的例子：
提问：这是一个坐标轴形成的空间，这些点有没有规律？
教师：这个是把汉字“由”、“甲”、“申”的特征，包括有没有出头，笔画间的位置关系等，映射到某个特定空间里的一个点。也就是说，训练数据集中，这三个字的大量不同写法，在计算机看来就变成了空间中的一大堆点。只要我们对每个字的特征提取得足够好，空间中的一大堆点就会大致分布在三个不同的范围里。
提问：可否在一个平面上无限延伸？能否拓展？
教师：机器进一步学习
58420987425这时，让计算机观察这些点的规律，看能不能用一种简明的分割方法（比如在空间中画直线），把空间分割成几个相互独立的区域，尽量使得训练数据集中每个字对应的点都位于同一个区域内。如果这种分割是可行的，就说明计算机“学”到了这些字在空间中的分布规律，为这些字建立了模型。
板书：建模
提问：空间可否扩展？
?体验“机器学习”的一个过程，思考这是学的什么字？（小组讨论）
思考：如何让机器更好、更进一步地学习
回答：多维空间
用“教机器学识字”来模拟一个机器学习的过程，进而让学生对“机器学习”有初步了解；
编程中的决策树，再引出机器“自主学习”（建模）。
四、学习得用脑，谈谈电“脑”—神经网络
1.呈现生物学中的“神经元”，引出“神经网络”
75565189230提问1：这是什么？
教师1：在高中生物课里见过这个图，这个是神经元（生物）的一个基本构造。它的基本工作原理是通过它的树突从其他的神经元获得信号输入，再经过轴突处理，最后通过突触把信号传递给其他的神经元。
提问2：怎么能让记忆增强呢？
——记忆是神经元之间的默契
教师2：通过反复记忆，有些长的神经细胞的轴突可以从脑部发出，延伸到你的四肢。许多这样的长的神经的轴突束在一起，组成了肉眼看到的神经。
2.呈现第一代神经网络：
1943年，心理学家沃伦?麦卡洛克和数理逻辑学家沃尔特?皮茨基于这个最基本的大脑功能单位设计了最早的人工神经元的数学模型。这个数学模型的发表也标志了人工神经网络研究时代的开始。
教师：举个例子如果一个人工神经元的阈值是5，并且有10个输入联结，那么当这10个输入中超过5个为“1”的时候，这个人工神经元就会对联结在它后面的神经元输出“1”。（板书）
-5080-1208405缺点：工作方式就固定了
3. 改进后的神经网络：
1956年弗兰克?罗森布拉特进一步改善了人工神经元设计，增加了类似于人脑的学习机制，这个模型叫做感知器（Perceptron）
8572514605教师：不同之处就是在每个输入信号上面都加了一个权重，用来反映两个人工神经元的联结程度。通过调整这个权重的数值的大小，这个模型就能模仿大脑的学习方式来控制一个人工神经元与另外一个人工神经元的联结。
回忆生物课程中的“神经元”，回答如何增强记忆。
利用课程整合，进行知识迁移，进而加深对“神经网络”的理解。
五、机器学习案例展示，一起剖析
1.谷歌搜索：让学生进一步去GOOGLE在人工智能方面的研究。
2.啤酒与尿布——欣赏视频，思考“大数据的个性化营销”
3.思考：如何利用“机器学习帮我买到好吃的水果”？
观看视频，并思考“如何买到好吃的水果”!
以形象生动的视频来展现机器学习的应用，让学生产生进一步深度学习去了解的动力。
六、总结
1. 什么是机器学习？
概念：让计算机从大量的数据中学习到相关的规律和逻辑,然后利用学习来的规律来预测以后的未知事物。
2. 机器学习与人类思考的类比：
?理解机器学习的概念、学习过程与人类的比较，了解神经网络
以图片来总结，更形象
七、教学反思
1.2.4机器学习
科目
信息技术
教学对象
高一
课时
1课时
?
?
?
?
一、教材内容分析
本节内容“机器学习”是教育科学出版社《人工智能初步》第一章“初识人工智能”第二节的知识点。人工智能已在很多领域应用，而机器学习作为人工智能发展过程中必不可少的技术，是现代学生需要了解的。计算机是人类发明的一个信息处理工具，人脑也是一个处理信息的器官，计算机是如何代替人脑完成一些事情，来模拟人类的智能，模仿大脑的学习的，我将用机器学习与人类学习的类比，来展开比较，并通过相关的案例进行分析。
二、教学目标（知识，技能，情感态度、价值观）
【知识与技能】
了解机器学习的概念及其应用举例。
了解神经网络，通过与大脑神经元相比较，初步了解机器是如何学习的。
【过程与方法】
通过“人机大战”视频欣赏，激发学生了解人工智能、机器学习的兴趣。
通过类比的方法，讨论人类学习与机器学习，让学生进一步了解机器是如何学习的。
欣赏机器学习的使用案例视频，加深对机器学习的应用的了解。
【情感态度与价值观】
激发学生对人工智能、机器学习的浓厚兴趣。
体会到机器学习的应用价值，培养正确的信息分析与应用观点。
学会分析问题、辩证地思考问题，提高科学素养。
三、学习者特征分析
在学习本节课之前，学生对智能机器人的了解可能仅仅是科幻片电影中的，如《人工智能》、《机械公敌》、《终结者》等电影中的机器人，在影片情节中，这些智能机器人，通过自身的“机器学习”，将自身智能提升至超过人类智能。高一学生已经具有独立的意识思维，通过自主学习、加深学习去思考，机器超过人类是否有可能，进而被激起学习兴趣。
四、教学策略选择与设计
讨论法、讲授法?
五、教学环境及资源准备
机房、极域电子教室
六、教学过程
教学过程
教师活动
学生活动
设计意图及资源准备
一、引导
导入：
播放《人机大战》的视频，考虑ALPHAGO为何会赢？引出人工智能、深度学习，进而引出本节课题。
观看视频，并回答：①ALPHAGO为何会赢？②是哪个公司研发的？③猜猜今天的讲课题目？
以视频导入吸引学生的眼球，激发学生的学习兴趣。
二、阔谈“学习”
1.一起穿越童年，牙牙学语
提问：学习，是一个什么过程？
教师：讲解人类的学习——记忆与学习（Memory & Learning）（板书）
从神经科学的角度来说，学习（Learning）定义为将经验（Experience）编码进记忆（Memory）的过程。鱼的记忆只有 7 秒，没有记忆的学习不是智能，鱼永远是只能在水里游的鱼。记忆指导学习，学习增强记忆。
人类从刀耕火种，婴儿从呱呱落地，“学习→ 记忆→学习”贯穿着社会与个体。对于社会，古书典籍让经验得到记忆；对于个体，大脑皮层让知识得到记忆。
2.举例：狗狗学数字（趣味图呈现）
提问：是否养过宠物狗，并训练它？狗狗怎样才能学会某种技能（提问有养狗经验的同学），--“信心的激励”。那我们让机器学习，需要进行鼓励、激励么？
观看“看图识字”图片，用低趣的东西吸引学生梦回童年。
回答：陈述人类学习的过程。
陈述训练狗狗的过程。
先从“人类学习”来理解学习，再从“动物学习”来理解学习的过程，引出“机器是最听话的”，不需要鼓励，让学生对“机器学习”更生亲密之感！
三、教机器“学识字”，默默体验
1.通过课件给学生呈现（一种类似于人类学习的）机器学习汉字的某种算法。
教师：上图是一个“决策树”的机器学习方法，是根据汉字的特征规律来识字的过程，当我们给计算机“看”了“由、甲、申”这三个新汉字及其特征后，计算机就像小朋友那样，总结并记住了新的规律，“认识”了更多的汉字。这个过程，就是一种最基本的机器学习。
13335091440提问：这种机器学习的方法是不是很简单？你们是不是都能通过这种方法让机器学习任何东西了？
——其实，这类似于“编程”的过程，符合一定的判断条件（得到结论）
2.让机器能更好地学习——汉字图像
这种基于决策树的学习方法太简单了，很难扩展，也很难适应现实世界的不同情况。于是，科学家和工程师们陆续发明出了许许多多不同的机器学习方法。再看下面的例子：
提问：这是一个坐标轴形成的空间，这些点有没有规律？
教师：这个是把汉字“由”、“甲”、“申”的特征，包括有没有出头，笔画间的位置关系等，映射到某个特定空间里的一个点。也就是说，训练数据集中，这三个字的大量不同写法，在计算机看来就变成了空间中的一大堆点。只要我们对每个字的特征提取得足够好，空间中的一大堆点就会大致分布在三个不同的范围里。
提问：可否在一个平面上无限延伸？能否拓展？
教师：机器进一步学习
58420987425这时，让计算机观察这些点的规律，看能不能用一种简明的分割方法（比如在空间中画直线），把空间分割成几个相互独立的区域，尽量使得训练数据集中每个字对应的点都位于同一个区域内。如果这种分割是可行的，就说明计算机“学”到了这些字在空间中的分布规律，为这些字建立了模型。
板书：建模
提问：空间可否扩展？
?体验“机器学习”的一个过程，思考这是学的什么字？（小组讨论）
思考：如何让机器更好、更进一步地学习
回答：多维空间
用“教机器学识字”来模拟一个机器学习的过程，进而让学生对“机器学习”有初步了解；
编程中的决策树，再引出机器“自主学习”（建模）。
四、学习得用脑，谈谈电“脑”—神经网络
1.呈现生物学中的“神经元”，引出“神经网络”
75565189230提问1：这是什么？
教师1：在高中生物课里见过这个图，这个是神经元（生物）的一个基本构造。它的基本工作原理是通过它的树突从其他的神经元获得信号输入，再经过轴突处理，最后通过突触把信号传递给其他的神经元。
提问2：怎么能让记忆增强呢？
——记忆是神经元之间的默契
教师2：通过反复记忆，有些长的神经细胞的轴突可以从脑部发出，延伸到你的四肢。许多这样的长的神经的轴突束在一起，组成了肉眼看到的神经。
2.呈现第一代神经网络：
1943年，心理学家沃伦?麦卡洛克和数理逻辑学家沃尔特?皮茨基于这个最基本的大脑功能单位设计了最早的人工神经元的数学模型。这个数学模型的发表也标志了人工神经网络研究时代的开始。
教师：举个例子如果一个人工神经元的阈值是5，并且有10个输入联结，那么当这10个输入中超过5个为“1”的时候，这个人工神经元就会对联结在它后面的神经元输出“1”。（板书）
-5080-1208405缺点：工作方式就固定了
3. 改进后的神经网络：
1956年弗兰克?罗森布拉特进一步改善了人工神经元设计，增加了类似于人脑的学习机制，这个模型叫做感知器（Perceptron）
8572514605教师：不同之处就是在每个输入信号上面都加了一个权重，用来反映两个人工神经元的联结程度。通过调整这个权重的数值的大小，这个模型就能模仿大脑的学习方式来控制一个人工神经元与另外一个人工神经元的联结。
回忆生物课程中的“神经元”，回答如何增强记忆。
利用课程整合，进行知识迁移，进而加深对“神经网络”的理解。
五、机器学习案例展示，一起剖析
1.谷歌搜索：让学生进一步去GOOGLE在人工智能方面的研究。
2.啤酒与尿布——欣赏视频，思考“大数据的个性化营销”
3.思考：如何利用“机器学习帮我买到好吃的水果”？
观看视频，并思考“如何买到好吃的水果”!
以形象生动的视频来展现机器学习的应用，让学生产生进一步深度学习去了解的动力。
六、总结
1. 什么是机器学习？
概念：让计算机从大量的数据中学习到相关的规律和逻辑,然后利用学习来的规律来预测以后的未知事物。
2. 机器学习与人类思考的类比：
?理解机器学习的概念、学习过程与人类的比较，了解神经网络
以图片来总结，更形象
七、教学反思