初中人工智能校本课 第5课 人工智能深度学习 教案.docxVIP

初中人工智能校本课第5课人工智能深度学习教案

教学环节

教学活动

学生活动

设计意图

时间

课程导入

展示生活中深度学习的应用场景，如智能语音助手（小爱同学、讯飞翻译）、人脸识别解锁手机、自动驾驶汽车识别道路和行人等，提问学生是否使用过或见过这些应用，引发学生对深度学习算法的兴趣，引出本节课主题。

1.认真观看教师展示的图片和视频，观察生活中深度学习的应用场景。

2.积极参与课堂互动，分享自己使用智能语音助手、人脸识别等功能的经历，如“用语音助手查询天气”“人脸识别解锁手机很方便”。

3.思考教师提出的问题，大胆说出自己对这些应用背后技术的好奇和疑问，如“手机怎么知道是我的脸？”。

从学生熟悉的生活场景切入，让学生直观感受深度学习算法的实用性和趣味性。通过分享和提问激发学生的学习兴趣和探索欲望，自然引入教学内容。

5分钟

知识讲解

1.深度学习基础概念

解释深度学习是机器学习的一个分支，通过构建具有很多层的神经网络模型，让计算机自动从大量数据中学习特征和规律，举例说明如让计算机通过学习海量图片，学会识别不同物体。2.深度学习原理

数据准备：收集大量与任务相关的数据，如训练图像识别模型需收集各类物体图片。

网络训练：神经网络通过不断调整内部参数（权重和偏置），减少预测结果与真实结果的误差，这个过程像学生通过不断练习改正错误，提升解题能力。

模型应用：训练好的模型可对新数据进行预测或分类，如识别新拍摄的图片内容。3.常见深度学习算法

卷积神经网络（CNN）：常用于图像识别，以“图像侦探”比喻，介绍其通过卷积层提取图像特征，池化层简化信息，全连接层做出判断。

循环神经网络（RNN）：适用于处理序列数据，如语音、文本，类比成“记忆链条”，能记住前面的信息辅助处理后面的内容。长短时记忆网络（LSTM）：作为RNN的改进版，解决长序列数据记忆问题，比喻为“智能记忆库”，能选择性记住重要信息。

1.认真听讲，结合教师给出的图片识别例子，在笔记本上记录深度学习的概念关键词，如“机器学习分支”、“多层神经网络”、“自动学习规律”。

2.原理学习

数据准备：分组讨论在训练“动物识别模型”时，需要收集哪些数据，每组派代表分享观点，如“要收集各种动物不同角度、不同姿态的图片”。

网络训练：观看教师展示的神经网络训练动画，小组内交流讨论神经网络如何调整参数，用自己的语言描述训练过程，如“像调整拼图的位置，让结果更准确”。

模型应用：思考并回答教师提问，训练好的人脸识别模型还能应用在哪些场景，如“门禁系统”、“考试监考”。

3.网络结构学习CNN：通过观察教师展示的CNN处理图像的示意图，小组合作绘制简单的CNN结构流程图，标注各层功能，选派代表上台讲解。

RNN和LSTM：阅读教师发放的资料卡片，结合语音识别和文本翻译的例子，在小组内讨论RNN和LSTM的区别，用比喻或故事的形式向其他同学解释。

以多样化的学生活动，如记录笔记、小组讨论、观看动画、绘制流程图、阅读资料等，让学生主动参与知识学习，将抽象概念与生活实例、动手操作结合，降低学习难度，培养学生的自主学习、合作探究和知识应用能力。

25分钟

实践探究

1.探究任务布置：使用在线简易深度学习平台TeachableMachine，已简化操作流程，讲解平台操作方法，包括选择数据类型（图像、语音等）、上传训练数据、训练模型、测试模型步骤。布置探究任务。

任务一：选择图像数据类型，上传自己绘制或收集的简单图形（如圆形、三角形、正方形）图片，训练图像分类模型，探究不同数据数量对模型准确率的影响。

任务二：选择语音数据类型，录制不同语气的“你好”语音（开心、生气、平静），训练语音情感分类模型，分析模型识别的准确性和局限性。

2.分组探究实践：学生分组，制定探究计划，明确分工（如数据收集员、模型训练员、结果测试员、记录员等），按照任务要求进行实践操作，记录实验过程和数据。

3.数据分析与讨论

各小组对数据进行分析，总结实验结论，思考实验中遇到的问题及解决方法。

小组间交流分享探究成果，共同探讨深度学习在实际应用中的优势和不足。

1.认真学习平台操作方法，在教师指导下，小组合作完成平台的初步操作尝试。2.小组讨论制定详细的探究计划，明确每个成员的具体任务和职责，按照计划有序开展探究实验。如数据收集员负责收集或绘制符合要求的数据，模型训练员按照步骤训练模型，结果测试员用新数据测试模型，记录员详细记录实验过程和数据。3.在实验过程中，积极思考数据数量、数据质量等因素对实验结果的影响，及时记录实验现象和问题，小组内共同讨论解决方案。

4.运用图表工具对实验数据进行整理和分析，形成可视化的实验结论。在小组交流环节，主动分享