資源簡介

(共12張PPT)
第1單元 機器能預測
第2節(jié) 認識機器學習
八年級 下冊
主要內(nèi)容
知識探究
/01
/02
習題測試
/03
小節(jié)回顧
/04
作業(yè)布置
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
知識探究
項目子任務
了解機器學習的本質(zhì)和實現(xiàn)方式，為項目中的模型構(gòu)建和訓練做準。
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
知識探究
探究內(nèi)容與要求
（1）方法引導：遵循從“簡單到復雜”、從“具體到抽象”的認知規(guī)律
（2）主要內(nèi)容：
　　①機器學習的定義是什么？—— 概念引入
②機器學習的基本流程包含哪些環(huán)節(jié)？——流程解析
③常用的機器學習開發(fā)工具都有哪些？——工具介紹與代碼講解
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
知識探究
知識習得
（1）自主閱讀：以書本P11-18為主，網(wǎng)絡(luò)知識作補充。
（2）知識梳理：
①相對于傳統(tǒng)編程，機器學習是基于______自動推導規(guī)則；機器學習的基本流程包括______和______。
②常見的機器學習任務類型有______和______。
③數(shù)據(jù)集通常劃分為______和______。
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
知識探究
核心素養(yǎng)培育
（1）學會分析:對比分析回歸任務和分類任務不同的特點和適用場景。
輔助分析支架：回歸任務旨在預測一個連續(xù)的數(shù)值，如 ；分類任務則是將數(shù)據(jù)分配到預定義的類別中，像 。可以從任務特點、數(shù)據(jù)需求、模型選擇等方面，對比分析回歸任務和分類任務不同的特點和適用場景。
通過對比分析，我知道了回歸任務和分類任務的區(qū)別。
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
知識探究
核心素養(yǎng)培育
（2）學會論證：在“溫度數(shù)據(jù)的轉(zhuǎn)換”任務中，選擇使用線性回歸算法的合理性。
輔助分析支架：
線性回歸算法與其他復雜算法（如多項式回歸、決策樹回歸等）的主要區(qū)別在于，線性回歸假設(shè)因變量和自變量之間存在 關(guān)系，通過構(gòu)建線性方程來進行預測；而其他復雜算法可以處理更復雜的 關(guān)系。
在 “溫度數(shù)據(jù)的轉(zhuǎn)換”任務中，數(shù)據(jù)具備以下特點：攝氏溫度和華氏溫度之間存在明確的數(shù)學轉(zhuǎn)換關(guān)系，且這種關(guān)系在數(shù)據(jù)上呈現(xiàn)出 分布的特征。
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
知識探究
核心素養(yǎng)培育
（3）學會探究：探究如何利用BaseML工具訓練溫度轉(zhuǎn)換模型。
①復制“溫度轉(zhuǎn)換模型”文件夾到XEDU教學資源目錄下；
②打開Jupyter編輯器.bat，使用Jupyter打開訓練溫度轉(zhuǎn)換模型.ipynb文件；
③輸入數(shù)據(jù)集路徑進行模型訓練和保存，并進行模型應用和驗證。
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
知識探究
核心素養(yǎng)培育
（4）評價反思
①在分析不同算法利弊時，從多個角度進行對比的這種分析方法有什么好處？
②本節(jié)課使用BaseML進行模型訓練和評估，在本地環(huán)境訓練模型要注意什么？
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
習題測試
1.機器學習是一種使計算機能夠（ ），而無須進行明確編程的科學。
A. 休眠 B. 學習 C. 播放音樂 D. 畫畫
2.機器學習的基本流程包括數(shù)據(jù)準備、 、模型訓練與評估和 。
3.簡答題：簡述傳統(tǒng)編程與機器學習的主要區(qū)別。
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
小結(jié)回顧
請同學按照下列提示進行總結(jié)回顧：
1.學到了哪些知識與技能？
2.提升了哪些方面的能力？
3.生成了怎樣的觀點？
01 準備過程
02 整體結(jié)構(gòu)
03 重點說明
04 名詞解釋
作業(yè)布置
1.項目實施作業(yè)
請各小組對項目探究的階段成果進行整理并提交，整理內(nèi)容：
（1）對已選擇的項目數(shù)據(jù)進行初步分析，闡述數(shù)據(jù)特點和可能適合的機器學習任務類型。
（2）使用BaseML工具對項目數(shù)據(jù)進行初步處理和模型訓練的嘗試，記錄遇到的問題和解決方法。
2.課后挑戰(zhàn)作業(yè)（書本P21的“挑戰(zhàn)”部分）

展開更多......

收起↑