课件编号19249864

第四单元《人工智能初步》《第 3 课时 验证、评估和应用模型》教学设计 沪科版(2019)高中信息技术必修1

日期:2024-06-10 科目:信息技术 类型:高中教案 查看:94次 大小:116519Byte 来源:二一课件通
预览图 1/3
第四,单元,人工智能初步,第 3 课时 验证、评估和应用模型,教学设计,科版
  • cover
高中新课程新教材优质课评选 项目九 了解手写数字识别———体验人工智能 第 3 课时 验证、评估和应用模型 【教材分析】 本节内容选自必修 1《数据与计算》第四单元人工智能初步, 项目九了解手写数字识别———体验人工智能。 前面的学习已经完成了机器学习中的采集数据和建立模型步骤, 本节课将根据测试 结果, 反复调整寻求模型的更优参数, 实现模型的验证和评估。通过识别学生手写的数 字实现对模型的应用, 体验其他书写输入的使用过程, 为下一课时人工智能的发展与应 用做铺垫。 【学情分析】 通过前两次课的学习, 学生对人工智能已经有了一定的了解和认识, 知道了机器学 习的一般过程, 能够独立完成数据采集, 并对采集到的数据进行训练, 以建立一个模型。 本节课继续学习如何验证、评估和应用模型。由于高一年级学生本身积极热情、求知欲 强, 所以通过一个“求助 ”更能激发学生的学习兴趣, 顺利引出本节课的主题, 并围绕 着解决“求助”展开一系列活动。 【学习重点】 (1)会通过修改 python 代码的参数提升测试正确率。 (2)能够用建立的模型识别手写的数字 (3)会使用 word 中的墨迹公式识别手写数学公式。 【学习难点】 会修改 python 代码的参数,并寻找模型的更优参数。 【开放性学习环境】 软硬件环境:网络机房、电子教室、手写板、 python 等软件。 教学素材:教学课件、学习网页等。 1 【学习目标】 通过课时的学习,使学生: (1)通过修改 python 代码的参数进行模型的训练, 寻求模型的更优参数(计算思 维)。 (2)学会使用建立的模型识别手写数字图片(数字化学习与创新)。 (3)利用 word 中的墨迹公式识别手写数学公式(数字化学习与创新)。 (4)体验多种手写识别功能, 感受人工智能带给我们生活的便利(信息社会责任)。 【教学过程】 教学 环节 教师活动 学生活动 设计 意图 创设 情景 同学们, 数学老师现在有一个紧急求助, 需要我们 帮忙解决, 一个 word 文档和一张图片, 要求把图片上 手写的数学公式输入到 Word 文档对应的题目空白处。 这对于同学们来说不算难题吧?请同学们帮助老师解 决这个求助。 【学生尝试完成求助任务】 【交流讨论】如果使用上节课同学们建立的手写数 字识别模型能否识别出图片上的数学公式呢?今天我 1.观察 Word 文档和图 片上手写的数学表达 式,思考能否使用之前 学过的 Word 文档的知 识来解决。 2.学生通过之前学过 的 Word 文档知识无法 完成数学公式输入。 3.交流讨论如何解决 这个求助。(截图插 入?使用手写数字识 别模型?等等) 用数学 老师的 求助创 设 情 景, 吸 引学生 的注意 力, 引 出上节 课建立 的 模 型, 为 今天要 学习的 内容做 铺垫。 2 高中新课程新教材优质课评选 们就一起来尝试。 验证 评估 模型 【教师提问】我们上节课学习了机器学习的一般 过程,同学们还记得机器学习都包含哪几个步骤吗? 【学生回答】 我们已经完成了数据采集和建立模型部分。这个 模型能否帮助我们解决今天的问题呢?根据机器学习 的一般过程,如果想应用模型,必须要先验证和评估 模型。所以我们今天要学习的就是验证、评估和应用 模型。 【教师演示操作】 打开“手写数字识别”文件夹,打开 CNN_MNIST.py,通过修改参数,对模型进行训练,使 模型的测试正确率不断提升。这其实就是我们上节课 学习的深度学习和它的主要算法之一卷积神经网络。 深度学习中,小批量的训练样本被不断地送入到 卷积神经网络中进行训练,然后利用验证样本测试当 前迭代次数下的测试正确率,并根据结果反复调整参 数,寻求更优的模型。训练代码如下(部分): 测试结果如下: 【学生操作:验证和评估模型,并使用截图软件 把测试结果上传给老师。】 1.复 习 回 ... ...

~~ 您好,已阅读到文档的结尾了 ~~