資源簡介

中小學教育資源及組卷應用平臺
信息技術 2.4 機器學習
課題 機器學習 單元 第二單元 學科 信息技術 年級 九年級
教材分析 信息技術是一門知識性、技能性與創新性相結合的學科。現階段，信息技術教育的理念已發生了質的飛躍，從單純的技能訓練上升為全面的信息素養的培養。教材以提高全體學生信息素養、養成學生自主學習意識和能力、培養學生數字化創新精神，從生活中發現問題、明確任務、確立目標、分析任務。在探究過程中逐步找到解決問題的方法。實用的小技巧，適時點撥關鍵操作。旨在幫助學生掌握信息時代生存與發展必須的基礎知識和基礎技能，養成信息意識、計算思維、數字化學習與創新、信息社會責任的核心素養。
教學目標 1、信息意識：能夠了解機器學習的基本概念、原理和技術，并理解其在現實世界中的應用。2、計算思維：能夠利用機器學習方法來分析和處理大規模的數據集，從中發現模式和趨勢。3、數字化學習與創新：能夠使用機器學習軟件和編程工具來探索和實驗不同的算法和數據集。4、信息社會責任：能夠認識到機器學習系統可能存在的偏見和歧視，并采取相應的措施來減輕其影響。
重點 一、體驗機器學習二、認識機器學習的方式三、機器學習對人們生活的影響
難點 1、機器學習對人們生活的影響
教學過程
教學環節 教師活動 學生活動 設計意圖
導入新課 1、馬寧逛商場時，智能機器人走到他身邊，問他想去幾層，想買什么，還會和他閑聊，馬寧既好奇，又興奮。智能機器人能與人們交流對話，智能翻譯機能進行不同語言的翻譯，計算機程序能戰勝九段圍棋高手，這些成果都得益于計算機具備了學習能力。2、人們將能讓計算機自主學習的技術稱為機器學習。通過機器學習，計算機能模擬人類的學習活動，從數據中獲得知識，并能對事物進行預測和判斷。機器學習是人工智能領域的核心技術，是使計算機具有智能的重要途徑，其應用遍及人工智能的各個領域。 觀看視頻了解生活中的機器學習。 幫助學生理解人工智能機器學習的含義打開課堂
講授新課 一、活動1：體驗機器學習0.AI可以基于車輛的屬性精準識別車輛的品牌、車型、車系等信息。讓我們來體驗一下吧!1、請你打開人工智能平臺，體驗 AI識車2、拍攝或導入圖片，試一試 AI能否識別這些車輛信息3、請你談一談體驗后的感受，你認為 AI識別車輛信息可以應用在生活中的哪些場景助力知識人類智慧的形成離不開學習，比如我們挑選一個成熟的好西瓜時，往往基于我們原來吃西瓜的經驗，根據西瓜的色澤、根蒂、被拍打時的聲音來進行判斷。機器的智能同樣離不開學習，如果把預測一個西瓜的成熟度的任務交給機器，讓機器通過學習能夠根據西瓜的屬性(色澤、根蒂、被拍打時的聲音)來進行判斷，從而給出建議，就可以說機器能夠完成挑選西瓜這一特定的任務。計算機實現這一決策的過程就是機器學習人們遇到問題時，會依據這個問題所涉及的知識或者在以往類似的處理經驗中選擇最佳方式。這種通過思考，歸納經驗，得出一定的規律，并尋找解決問題路徑的做法，無疑是人類智慧的體現機器學習的目的是把人類思考和歸納經驗的過程轉換為機器通過對數據的處理計算得出問題解決模型的過程。機器通過分析大量的訓練數據提取訓練數據的特征，建立解決問題的模型，然后經過更多數據的驗證,不斷修正模型，最終得出問題解決模型，獲得解決問題的智能。人類學習過程與計算機學習過程的對比如圖 所示人和機器通過學習都能產生知識，但一個產生于人的大腦，而另一個則產生于機器二、活動2 認識機器學習的方式1、隨著大數據的發展和計算機性能的不斷提升，機器學習已經廣泛應用于數據挖掘、搜索引擎、電子商務、自動駕駛、天氣預測、醫學診斷等眾多領域。應用領域不同，機器學習的方式也不同，人們通常將機器學習的方式分為四大類:監督學習、非監督學習、半監督學習和強化學習。2、查閱相關資料，討論不同應用場景中的機器學習主要運用了哪種方式實現了什么功能.并且填入下列表中助力知識---監督學習當孩子開始認識事物時，父母給他一些蘋果和橘子(目標值)，并告訴他蘋果是什么樣的，有哪些特征(特征值)，橘子是什么樣的，有哪些特征(特征值)。經過父母的不斷介紹，這個孩子知道了蘋果和橘子的區別，如果孩子在看到蘋果和橘子時做出錯誤的判斷,父母就會指出錯誤的原因(人工干預)。經過不斷地學習，再見到蘋果和橘子時，孩子立即就可以做出正確的判斷。孩子逐漸認識事物的過程就屬于監督學習、監督學習是針對有標記數據的機器學習，要求學習的數據有明確的標簽。機器先基于這些有標記的數據建立合適的模型，再選擇合適的算法對模型進行訓練，通過訓練總結出自己的判斷方法，當收到“新的問題”時,可以給出較好的判斷結果。監督學習的學習與應用過程如圖 所示監督學習需要人工標記數據，因此需要大量的人工成本，但同時也使模型具有較高的準確性。監督學習除了可以應用于垃圾郵件過濾，還廣泛應用于手機垃圾短信攔截、照片的智能分類、病蟲害的識別等助力知識—非監督學習同樣的孩子，在一開始認識事物時，父母會給他一些蘋果和橘子，但是并不告訴他哪個是蘋果，哪個是橘子，而是讓他根據兩個事物的特征自行判斷。孩子會把蘋果和橘子分成兩個組，下次再給他一個蘋果時，他會把蘋果分到蘋果組中，而不是橘子組非監督學習又稱無監督學習，它與監督學習最大的區別在于非監督學習使用的數據沒有標簽，這就意味著非監督學習在完成數據收集后，需要對數據進行預處理，從這些數據中總結出數據特征后，才能加以利用。非監督學習的學習與應用過程如圖所示盡管采用非監督學習得到的應用沒有監督學習那么高的準確性，但由于其無須對數據標記標簽，因此節省了大量的人工成本。非監督學習應用在生活中的各個領域，比如智能家居系統通過非監督學習分析客戶的用電模式、居住習慣等，打造動態家居環境，從而降低能源消耗，提高居住舒適度 助力知識—半監督學習醫療的信息化產生了大量的電子病歷，然而很多時候出于對個人隱私或者醫學診斷難度的考慮，有些電子病歷沒有明確的標簽，沒有明確的病癥歸類。這時，使用監督學習和非監督學習已經不能滿足需求，因此半監督學習就有了用武之地半監督學習選擇有限的、有標記的電子病歷進行監督學習，然后讓未標記的電子病歷和有標記的電子病歷進行比對，通過學習判斷病人之間是否存在相似性，如果存在，則歸為一種病癥。這種方式解決了電子病歷存在數據缺陷時無法進行醫學診斷的難題半監督學習是監督學習與非監督學習相結合的一種學習方法，它使用少量的有標記數據和大量的未標記數據進行學習。半監督學習先對一部分有標記的數據進行監督學習，再對剩下的未標記數據進行分類，從而完成識別工作半監督學習的思想是在少量有標記數據的情況下，通過在學習過程中引入未標記樣本,以此來避免傳統監督學習在訓練數據不足(學習不充分)時導致性能(或模型)退化的問題。半監督學習的學習與應用過程如圖所示半監督學習降低了人工成本，同時具有較高的準確性，因此越來越受到人們的重視。半監督學習的研究成果除了用于醫學診斷，還廣泛應用于自然語言處理、數字圖像處理、視頻與文本分類等領域助力知識—強化學習美國波士頓動力公司研發的機械狗沒有車輪和履帶，采用四條機械腿行走，除了可以爬樓梯，還可以穿越崎嶇地形。我們都知道，當人直立行走時，可以本能地使用各種技巧控制身體，保持平衡，從而以合理的身姿和步距行走，而機械狗要通過不斷調整平衡參數和步距才能習得合理的步行策略當機械狗保持正常站立時給予正向反饋信息，摔倒時則給予負向反饋信息，根據反饋信息優化并不斷強化步行策略，直到可以直立行走。機械狗能夠在復雜地形中成功行走是強化學習的結果強化學習又稱增強學習，即通過不斷與環境互動(不斷試錯)來更新決策。強化學習的核心是通過積極獎勵(強化信號)來強化最佳行為或行動。采用強化學習可以通過某種方法知道你離正確答案是越來越近還是越來越遠(即建立和使用獎懲函數)。在這種學習模式下，輸入的數據直接反饋到模型，模型根據反饋結果立刻做出調整強化學習的過程大致可以分為三個步驟: 第一步，將環境初始化為一個狀態，主體把狀態輸入給算法;第二步，主體執行算法，輸出動作;第三步。環境對這個動作進行評價反饋，最終向主體輸出正向反饋或負向反饋。強化學習的學習過程如圖所示強化學習正在改變人類社會的方方面面，比如基于強化學習的游戲 AI已經開始超越人類選手,基于強化學習的控制算法也已經應用于自動駕駛、無人機飛行等領域活動3 機器學習對人們生活的影響機器學習技術在生產生活的很多領域都有應用。結合自己的生活經驗，上網查閱資料，談談機器學習在計算機視覺、智能語音和自然語言處理領域的應用場景及對生活的影響。下面列舉一些生活運用。助力知識-計算機視覺人主要是通過視覺認識世界的。計算機視覺是利用計算機及相關設備對人類視覺系統的一種模擬。形象地說，就是給機器安裝上“眼睛”(照相機、攝像頭等成像設備)和“大腦”(算法)，讓機器能像人那樣觀察和認識世界機器學習大大提升了計算機視覺應用的性能，包括人臉識別、圖片分類、物體識別等，為計算機在醫療、教育、工業等領域的應用提供了強大的技術支持 助力知識-智能語音人們通過“說”來表達自己的思想以及傳遞情感。機器通過“學習”依靠語音識別、自然語言理解等技術也能“聽”“說”。隨著機器學習的發展，智能語音技術在普通環境下的準確度，提高到了足以投入實際生活應用的高度。在語音識別方面，智能語音系統在機器學習的幫助下，可以讓計算機在噪聲較多的環境中，依然能夠準確識別一個人的聲音，從而慢慢接近人分辨聲音的能力在語音合成方面，智能語音系統在機器學習的幫助下，可以把指定的文字內容以不同人的聲音讀出來。這些進步使得智能語音漸漸成為人與計算機的主要交流方式助力知識-自然語言處理自然語言處理是指利用人類交流所使用的自然語言與機器進行交互通信的技術。通過人為地對自然語言進行處理，使計算機能夠讀取并理解自然語言。機器學習使自然語言處理系統的性能得到顯著提高。隨著互聯網的普及，自然語言數字化程度日益提高自然語言的海量數據給機器學習提供了充足的學習資源，促使自然語言技術得到了飛速發展，在生活中的應用也越來越多，如搜索引警、對話機器人、機器翻譯等三、活動4 拓展延伸1、討論完成：我們生活中有哪些機器學習，有什么作用？2、討論完成：機器學習四種方式以及運用場景？四、項目實施1、智能識別是機器學習的主要應用領域之一。雖然要識別之物千千萬萬，但識別的原理卻基本相同。在本節的項目實施中，我們通過機器識別手寫數字，體驗機器識別的一般過程。2、打開人工智能平臺的“識別手寫數字”模型。3、準備數據:請你打開機器學習工具，收集同學們的各種手寫數字圖片，或從網絡上下載別人整理好的 mnist手寫體數據集4、載入手寫體數據集5、訓練模型:用手寫體數據集中的一部分數據訓練“識別手寫數字”模型6、驗證模型:手寫一個數字，用“識別手寫數字”模型進行驗證，看看計算機是否能準確識別出所寫的數字7、思考實驗過程中準備的手寫數字圖片的多少與識別準確率的關系？五、鞏固練習1、機器學習的類型主要有 ________、________、__________、____________ 。2 判斷下列說法是否正確項目總結與評價 1、項目總結: 請同學們對照本單元思維導圖進行總結。看看自己已完全掌握哪些知識，還有哪些知識未掌握 學生通過思考機器學習是如何實現的，為什么機器能夠學習學生互相討論機器學習的四種方式以及各自的含義學生思考回答問題回答機器學習在生活中的運用以及影響學生完成任務學生實踐并總結實踐的感受。學生根據鞏固練習完成題目，加深對知識的理解學生對照本單元思維導圖進行總結。 幫助學生打開思路，積極思考機器學習的原因。為后面的知識做準備通過思考討論，幫助學生了解機器學習到底是如何實現的，以及機器學習的四種方式幫助學生進一步接觸機器學習，幫助學生理解機器學習。通過任務的方式，幫助學生養成解決問題能力。培養學生語言組織能力以及對于信息的采集和總結能力幫助學生記憶課堂知識對學過的知識查漏補缺。進一步掌握知識點
布置作業 1、搜索了解機器學習應用場景？2、搜索了解機器學習目前達到什么程度？3、搜索了解機器學習對我們生活的影響？ 完成作業 培養學生查閱資料的能力，分析解決問題的能力
課堂小結 通過機器學習課程這節課，我們從中學到了豐富的知識和技能，并且有機會將其應用于實踐項目中。還能將其應用到更多的實際問題中，更深入地理解了機器學習的概念和技術。 分組總結歸納 鍛煉學生的總結能力，邏輯思維、語言表達能力。
板書 一、體驗機器學習二、認識機器學習的方式三、機器學習對人們生活的影響 學習、記憶、及勾畫知識點 明確教學內容及重點和難點
21世紀教育網 www.21cnjy.com 精品試卷·第 2 頁 （共 2 頁）
HYPERLINK "http://www.21cnjy.com/" 21世紀教育網(www.21cnjy.com)(共61張PPT)
2.4 機器學習
電子工業出版社 第五冊
教學目標
1、信息意識：能夠了解機器學習的基本概念、原理和技術，并理解其在現實世界中的應用。
2、計算思維：能夠利用機器學習方法來分析和處理大規模的數據集，從中發現模式和趨勢。
3、數字化學習與創新：能夠使用機器學習軟件和編程工具來探索和實驗不同的算法和數據集。
4、信息社會責任：能夠認識到機器學習系統可能存在的偏見和歧視，并采取相應的措施來減輕其影響。
情境描述
1、馬寧逛商場時，智能機器人走到他身邊，問他想去幾層，想買什么，還會和他閑聊，馬寧既好奇，又興奮。智能機器人能與人們交流對話，智能翻譯機能進行不同語言的翻譯，計算機程序能戰勝九段圍棋高手，這些成果都得益于計算機具備了學習能力。
情境描述
2、人們將能讓計算機自主學習的技術稱為機器學習。通過機器學習，計算機能模擬人類的學習活動，從數據中獲得知識，并能對事物進行預測和判斷。機器學習是人工智能領域的核心技術，是使計算機具有智能的重要途徑，其應用遍及人工智能的各個領域。
情境描述
活動1
體驗機器學習
新知講解
AI可以基于車輛的屬性精準識別車輛的品牌、車型、車系等信息。讓我們來體驗一下吧!
1
1、請你打開人工智能平臺，體驗 AI識車。
新知講解
新知講解
2.拍攝或導入圖片，試一試 AI能否識別這些車輛信息。
1
新知講解
3、請你談一談體驗后的感受，你認為 AI識別車輛信息可以應用在生活中的哪些場景。
感受：
AI識別車輛能夠降低工作量，保證工作質量，給我們生活帶來了極大的便利。
應用場景：
1、智能交通管理：可以用于實時監控和管理道路交通
2、停車場管理：幫助自動識別和跟蹤進出停車場的車輛
3、安防監控：用于尋找失蹤或被盜的車輛。
1
助力知識
1.人類智慧的形成離不開學習，比如我們挑選一個成熟的好西瓜時，往往基于我們原來吃西瓜的經驗，根據西瓜的色澤、根蒂、被拍打時的聲音來進行判斷。機器的智能同樣離不開學習，如果把預
測一個西瓜的成熟度的任務交給機器
，讓機器通過學習能夠根據西瓜的屬
性(色澤、根蒂、被拍打時的聲音)來
進行判斷，從而給出建議，就可以說
機器能夠完成挑選西瓜這一特定的任
務。計算機實現這一決策的過程就是機器學習。
助力知識
2.人們遇到問題時，會依據這個問題所涉及的知識或者在以往類似的處理經驗中選擇最佳方式。這種通過思考，歸納經驗，得出一定的規律，并尋找解決問題路徑的做法，無疑是人類智慧的體現。
助力知識
1
助力知識
3.機器學習的目的是把人類思考和歸納經驗的過程轉換為機器通過對數據的處理計算得出問題解決模型的過程。機器通過分析大量的訓練數據提取訓練數據的特征，建立解決問題的模型，然后經過更多數據的驗證,不斷修正模型，最終得出問題解決模型，獲得解決問題的智能。人類學習過程與計算機學習過程的對比如圖所示。
助力知識
4.人和機器通過學習都能產生知識，但一個產生于人的大腦，而另一個則產生于機器。
助力知識
活動2
認識機器學習的方式
新知講解
1.隨著大數據的發展和計算機性能的不斷提升，機器學習已經廣泛應用于數據挖掘、搜索引擎、電子商務、自動駕駛、天氣預測、醫學診斷等眾多領域。應用領域不同，機器學習的方式也不同，人們通常將機器學習的方式分為四大類:監督學習、非監督學習、半監督學習和強化學習。
助力知識
應用場景 機器學習的方式 實現的功能
圖像識別 無監督學習 機器能夠自動識別和分類圖像中的對象和模式
自然語言處理 強化學習 文本分類、命名實體識別和情感分析。
推薦系統 監督學習 用戶-商品交互數據來發現用戶之間的相似性或商品之間的相關性
異常檢測 半監督學習 通過學習正常模式或規律來識別與之不符的數據點
思考討論
2.查閱相關資料，討論不同應用場景中的機器學習主要運用了哪種方式實現了什么功能.并且填入下列表中。
助力知識
1、當孩子開始認識事物時，父母給他一些蘋果和橘子(目標值)，并告訴他蘋果是什么樣的，有哪些特征(特征值)，橘子是什么樣的，有哪些特征(特征值)。經過父母的不斷介紹，這個孩子知道
了蘋果和橘子的區別，如果孩子在看到蘋果
和橘子時做出錯誤的判斷,父母就會指出錯誤
的原因(人工干預)。經過不斷地學習，再見到
蘋果和橘子時，孩子立即就可以做出正確的判
斷。孩子逐漸認識事物的過程就屬于監督學習
助力知識—監督學習
助力知識
2、監督學習是針對有標記數據的機器學習，要求學習的數據有明確的標簽。機器先基于這些有標記的數據建立合適的模型，再選擇合適的算法對模型進行訓練，通過訓練總結出自己的判斷方法，當收到“新的問題”時,可以給出較好的判斷結果。監督學習的學習與應用過程如圖 所示
助力知識—監督學習
助力知識
3、監督學習需要人工標記數據，因此需要大量的人工成本，但同時也使模型具有較高的準確性。監督學習除了可以應用于垃圾郵件過濾，還廣泛應用于手機垃圾短信攔截、照片的智能分類、病蟲害的識別等
助力知識—監督學習
助力知識
1、同樣的孩子，在一開始認識事物時，父母會給他一些蘋果和橘子，但是并不告訴他哪個是蘋果，哪個是橘子，而是讓他根據兩個事物的特征自行判斷。孩子會把蘋果和橘子分成兩個組，下次再給他一個蘋果時，他會把蘋果分到蘋果組中，而不是橘子組。
助力知識—非監督學習
非監督學習
助力知識
2、非監督學習又稱無監督學習，它與監督學習最大的區別在于非監督學習使用的數據沒有標簽，這就意味著非監督學習在完成數據收集后，需要對數據進行預處理，從這些數據中總結出數據特征后，才能加以利用。非監督學習的學習與應用過程如圖所示。
助力知識—非監督學習
助力知識
3、盡管采用非監督學習得到的應用沒有監督學習那么高的準確性，但由于其無須對數據標記標簽，因此節省了大量的人工成本。非監督學習應用在生活中的各個領域，比如智能家居系統通過非監督學習分析客戶的用電模式、居住習慣等，打造動態家居環境，從而降低能源消耗，提高居住舒適度。
助力知識—非監督學習
助力知識
1、醫療的信息化產生了大量的電子病歷，然而很多時候出于對個人隱私或者醫學診斷難度的考慮，有些電子病歷沒有明確的標簽，沒有明確的病癥歸類。這時，使用監督學習和非監督學習已經不能滿足需求，因此半監督學習就有了用武之地。
助力知識—半監督學習
助力知識
2、半監督學習選擇有限的、有標記的電子病歷進行監督學習，然后讓未標記的電子病歷和有標記的電子病歷進行比對，通過學習判斷病人之間是否存在相似性，如果存在，則歸為一種病癥。這種方式解決了電子病歷存在數據缺陷時無法進行醫學診斷的難題。
助力知識—半監督學習
助力知識
3、半監督學習是監督學習與非監督學習相結合的一種學習方法，它使用少量的有標記數據和大量的未標記數據進行學習。半監督學習先對一部分有標記的數據進行監督學習，再對剩下的未標記數據進行分類，從而完成識別工作。
助力知識—半監督學習
助力知識
4、半監督學習的思想是在少量有標記數據的情況下，通過在學習過程中引入未標記樣本,以此來避免傳統監督學習在訓練數據不足(學習不充分)時導致性能(或模型)退化的問題。半監督學習的學習與應用過程如圖所示。
助力知識—半監督學習
助力知識
5、半監督學習降低了人工成本，同時具有較高的準確性，因此越來越受到人們的重視。半監督學習的研究成果除了用于醫學診斷，還廣泛應用于自然語言處理、數字圖像處理、視頻與文本分類等領域。
助力知識—半監督學習
A*算法
1、美國波士頓動力公司研發的機械狗沒有車輪和履帶，采用四條機械腿行走，除了可以爬樓梯，還可以穿越崎嶇地形。我們都知道，當人直立行走時，可以本能地使用各種技巧控制身體，保持平衡，從而以合理的身姿和步距行走，而機械狗要通過不斷調整平衡參數和步距才能習得合理的步行策略。
助力知識—強化學習
A*算法
2、當機械狗保持正常站立時給予正向反饋信息，摔倒時則給予負向反饋信息，根據反饋信息優化并不斷強化步行策略，直到可以直立行走。機械狗能夠在復雜地形中成功行走是強化學習的結果。
助力知識—強化學習
A*算法
3、強化學習又稱增強學習，即通過不斷與環境互動(不斷試錯)來更新決策。強化學習的核心是通過積極獎勵(強化信號)來強化最佳行為或行動。采用強化學習可以通過某種方法知道你離正確答案是越來越近還是越來越遠(即建立和使用獎懲函數)。在這種學習模式下，輸入的數據直接反饋到模型，模型根據反饋結果立刻做出調整。
助力知識—強化學習
A*算法
4、強化學習的過程大致可以分為三個步驟: 第一步，將環境初始化為一個狀態，主體把狀態輸入給算法;第二步，主體執行算法，輸出動作;第三步。環境對這個動作進行評價反饋，最終向主體輸出正向反饋或負向反饋。強化學習的學習過程如圖所示。
助力知識—強化學習
A*算法
5、強化學習正在改變人類社會的方方面面，比如基于強化學習的游戲 AI已經開始超越人類選手,基于強化學習的控制算法也已經應用于自動駕駛、無人機飛行等領域。
助力知識—強化學習
活動3
機器學習對人們生活的影響
新知講解
1、機器學習技術在生產生活的很多領域都有應用。結合自己的生活經驗，上網查閱資料，談談機器學習在計算機視覺、智能語音和自然語言處理領域的應用場景及對生活的影響。下面列舉一些生活運用。
助力知識
機器學應用領域 應用場景及影響
計算機視覺 1、火車站進站刷臉，使進站檢票更便捷。
2、手機人臉解鎖，使用手機更加便捷
3、醫療影像分析，夠輔助診斷疾病，提高醫療效率
4、視頻監控和行為分析，提高公共安全和管理效率。
新知講解
助力知識
機器學應用領域 應用場景及影響
智能語音 1、語音助手和智能家居，促進了智能家居的普及。
2、語音搜索和推薦，通過語音來進行網絡搜索，獲取所需信息。
3、自動語音識別和翻譯，促進跨語言交流與理解。
4、電話客服和智能機器人，提高了客戶服務效率，減少了人力成本。
新知講解
助力知識
機器學應用領域 應用場景及影響
自然語言處理 1、機器翻譯，促進跨語言交流和合作。
2、文本分類和情感分析，可以幫助判斷文本中的情感傾向。
3、信息抽取和知識圖譜，提供更準確、個性化的信息服務。
4、自動摘要和文本生成，自動生成文章、推文、作曲等任務。
新知講解
助力知識
助力知識-計算機視覺
1、人主要是通過視覺認識世界的。計算機視覺是利用計算機及相關設備對人類視覺系統的一種模擬。形象地說，就是給機器安裝上“眼睛”(照相機、攝像頭等成像設備)和“大腦”(算法)，讓機器能像人那樣觀察和認識世界。
助力知識
助力知識-計算機視覺
2、機器學習大大提升了計算機視覺應用的性能，包括人臉識別、圖片分類、物體識別等，為計算機在醫療、教育、工業等領域的應用提供了強大的技術支持。
助力知識
1、人們通過“說”來表達自己的思想以及傳遞情感。機器通過“學習”依靠語音識別、自然語言理解等技術也能“聽”“說”。隨著機器學習的發展，智能語音技術在普通環境下的準確度，提高到了足以投入實際生活應用的高度。在語音識別方面，智能語音系統在機器學習的幫助下，可以讓計算機在噪聲較多的環境中，依然能夠準確識別一個人的聲音，從而慢慢接近人分辨聲音的能力。
助力知識-智能語音
助力知識
2、在語音合成方面，智能語音系統在機器學習的幫助下，可以把指定的文字內容以不同人的聲音讀出來。這些進步使得智能語音漸漸成為人與計算機的主要交流方式。
助力知識-智能語音
助力知識
助力知識-自然語言處理
1、自然語言處理是指利用人類交流所使用的自然語言與機器進行交互通信的技術。通過人為地對自然語言進行處理，使計算機能夠讀取并理解自然語言。機器學習使自然語言處理系統的性能得到顯著提高。隨著互聯網的普及，自然語言數字化程度日益提高。
助力知識
助力知識-自然語言處理
2、自然語言的海量數據給機器學習提供了充足的學習資源，促使自然語言技術得到了飛速發展，在生活中的應用也越來越多，如搜索引警、對話機器人、機器翻譯等。
活動4
拓展延伸
拓展延伸
1、討論完成：我們生活中有哪些機器學習，有什么作用？
機器學習 作用
推薦系統 推薦系統利用機器學習算法分析用戶行為和偏好，向用戶提供個性化的產品、服務或內容建議。
垃圾郵件過濾 機器學習可用于垃圾郵件過濾，通過對已知的垃圾郵件和非垃圾郵件進行學習。
金融風險評估 機器學習可以分析大量金融數據，預測潛在的風險和欺詐行為。
自然語言處理 機器學習在自然語言處理（NLP）中扮演著重要角色。
拓展延伸
2、討論完成：機器學習四種方式以及運用場景？
方式 運用場景
監督學習 圖像分類、垃圾郵件過濾、預測銷售額等
非監督學習 括聚類分析、異常檢測、推薦系統等
強化學習 智能游戲、機器人控制、自動駕駛等
半監督學習 文本分類、圖像分割等
項目實施
智能識別是機器學習的主要應用領域之一。雖然要識別之物千千萬萬，但識別的原理卻基本相同。在本節的項目實施中，我們通過機器識別手寫數字，體驗機器識別的一般過程。
項目實施
1、打開人工智能平臺的“識別手寫數字”模型。
項目實施
2、準備數據:請你打開機器學習工具，收集同學們的各種手寫數字圖片，或從網絡上下載別人整理好的 mnist手寫體數據集。
3、載入手寫體數據集。
項目實施
4、訓練模型:用手寫體數據集中的一部分數據訓練“識別手寫數字”
模型。
項目實施
5、驗證模型:手寫一個數字，用“識別手寫數字”模型進行驗證，看看計算機是否能準確識別出所寫的數字。
項目實施
6、思考實驗過程中準備的手寫數字圖片的多少與識別準確率的關系？
答：
手寫數字圖片的數量與識別準確率之間存在一種正相關關系。通常情況下，增加訓練樣本的數量可以提高機器學習模型的泛化能力和準確性。加訓練數據量可以幫助模型更好地理解數據的整體分布，從而提高準確率。
鞏固練習
1 機器學習的類型主要有 ________、________、
__________、____________
答案是：監督學習、非監督學習，半監督學習、強化學習
鞏固練習
2 .1判斷下列說法是否正確
1、監督學習的訓練數據是無標簽的，以準確分類數據或預測結果。（ ）
2、無監督學習的訓練數據是有標簽的,訓練目標是能對觀察值進行分類或者區分等。（ ）
×
×
鞏固練習
2 .2判斷下列說法是否正確
3、半監督學習是在訓練期間使用較小的標簽化數據集,以指導從較大的未標簽化數據集進行分類和特征提取。( )
4、強化機器學習是一種行為機器學習模型,此模型通過不斷試錯進行學習。（ ）
×
√
助力知識
項目總結與評價
1、項目總結: 請同學們對照本單元思維導圖進行總結。看看自己已完全掌握哪些知識，還有哪些知識未掌握。
課堂總結
通過機器學習課程這節課，我們從中學到了豐富的知識和技能，并且有機會將其應用于實踐項目中。還能將其應用到更多的實際問題中，更深入地理解了機器學習的概念和技術。
板書設計
機器學習
一、體驗機器學習
二、認識機器學習的方式
三、機器學習對人們生活的影響
課后作業
1、搜索了解機器學習應用場景？
2、搜索了解機器學習目前達到什么程度？
3、搜索了解機器學習對我們生活的影響？
謝謝
21世紀教育網（www.21cnjy.com)
中小學教育資源網站
兼職招聘：
https://www.21cnjy.com/recruitment/home/admin

展開更多......

收起↑