高中信息技术：项目九人工智能初步教学设计.docx

人工智能初步

——手写数字识别

一、课题：人工智能初步

二、课时：1课时

三、教材分析：

本节内容选自高中信息技术必修一中的人工智能初步。在此之前学生已经学习过python语言，故学习和体验中不再讲解python语言。本节内容主要以体验的形式对人工智能的概念和机器学习的初步概念进行了解。

四、学情分析：

学生为高一学生，对信息技术的操作有一定了解，但对信息的加工和处理过程未有过多的探讨，因而教学重点应放在人工智能体验和对机器学习的机理的理解。

五、教学目标

1、 能初步了解人工智能和机器学习的概念。

2、 能知python语言中图片向量化的方法。

3、能描述机器学习的一般过程。

4、能成功在python环境下安装第三方工具包和运行实例。

5、了解卷积神经网络来建立和验证模型的基本思想

六、教学重点：体验手写数字识别，感受人工智能，描述机器学习的一般过程。

七、教学难点：了解机器学习，深度学习的基本原理与本程序中用到的算法。

八、教学方法：项目教学法，自主探究法、小组协作探究法

九、项目准备：

学生：按2人或4人一组分好小组，每组准备一只小话筒。

教师：准备好课件、导学案、素材、练习题、微课。

机房电脑安装好python开发环境。

十、教学过程

教学环节

教师活动

学生活动

备注

一、导入

老师出示一段“百度AI”的视频，学生观看，惊叹之余，老师给出问题：

视频中使用了哪些人工智能的技术？

说说你们身边常见的人工智能的技术？。

出示课题：人工智能。

3、用教师机让学生检验语音输入法和人脸识别程序，亲身感受身边的人工智能，引入到课题。

这节课我们就来了解下机器是如何进行学习的

观看影片，感受人工智能的来临，思考并回答问题

5分钟

学生自主学习导学案

一、学生学习导学案，完成第一节内容：

独立完成学习,能够回答以下问题：

1、什么是人工智能？

2、什么是机器学习？

3、什么是深度学习？

小组讨论，思考以下问题：

1、机器要如何才能识别手写数字？

2、机器要识别手写数字要几个步骤完成？

老师小结：

人工智能并不神秘，它已经出现在许多日常生活应用中。但是由于人工智能都是藏在各种应用背后，很多人并不知道这些应用已经由人工智能来支持了。例如，购物网站，达到了“千人千面”的“个性化”推荐效果。又如，诞生于20世纪的搜索引擎，近年来在人工智能的推动下，正从单纯的网页搜索和网页导航功能，提升到智能问答、智能助理和智能搜索的新层次。这些人工智能应用通常会不断地从经验学习中改善算法的性能，使自己变得越来越智能，越来越强大。这类经验驱动的人工智能方法统称为机器学习。

要进行机器学习，先要采集大量的数据。随着大数据时代的来临，大规模数据的积累被提升到了战略高度。有了长期积累的、特征丰富的数据，就能训练出性能优越的模型。一般的机器学习的过程为：用采集到的数据进行训练，以建立一个模型，再对模型进行验证和评估，然后投入应用。当我们开始学习编程的时候，第一件事往往是学习打印HelloWorld。就好比编程入门有HelloWorld，机器学习入门有MNIST。MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片。接下来我们就来了解下MNIST

学生结合问题，有针对性的进行学习，掌握人工智能的概念，什么是机器学习和深度学习。

学习完成之后小组讨论机器要如何识别手写数字，分哪几个步骤

10分钟

三、教师介绍MNIST数据集

教师引入MNIST数据集：是一个计算机视觉数据集，它包含70000张从0到9手写数字的样本图片，由250个人手定的不同数学构成。MNIST是一个非常有名的手写体数字识别数据集，在很多资料中，这个数据集都会被用作深度学习的入门样例。

其中每一张图片代表0-9中的一个数字，所有的数字都出现在图片的正中间，这些图片并非二值图像，而是灰度图像。每张图片包含28X28个像素点，每个像素点用一个灰度值表示，不能直接用于机器学习，必须先要量化。可以用一个数字数组来表示这张图片。

Python语中，有一些第三方工具，可以用来方便地读入mnist数据集，并直接将其量化。

input_data.read_data_sets(MNIST_data,one_hot=True)

学生结合导学案，了解MNIST数据集，知道图片转化成数字的原理是分解像素点，然后用灰度值表示

知道Python中如何导入数据集

2分钟

四、学生体验活动（一）

活动一：要进行机器学习，先要采集大量数据。

上机实训：在Python语言中，依次运行下发“素材”文件内体验1_1到体验1_3

准备工作：

用pip安装tensorflow库和Matplotlib库，检查python运行环境

pipinstalltensorflow

pipinstall