课题名称 第2课 认识机器学习 课时目标 1.深入理解机器学习的定义，掌握其与传统编程的区别。 2.熟练掌握机器学习的基本过程，包括模型训练和推理阶段。 3.能够根据给定的问题选择合适的算法，并使用BaseM工具进行简单的模型训练和评估。 教学准备 计算机、XEdu工具、相关数据集、教学课件 导学过程 意图说明 一、知识探究 1.项目子任务引入 ———了解机器学习的本质和实现方式，为项目中的模型构建和训练做准。 2.探究内容与要求 （1）方法引导：遵循从“简单到复杂”、从“具体到抽象”的认知规律，先通过生活中常见的例子引入抽象概念，再逐步深入讲解复杂的技术原理和操作流程。 （2）主要内容： ①机器学习的定义是什么？——— 概念引入 ②机器学习的基本流程包含哪些环节？———流程解析 ③常用的机器学习开发工具都有哪些？———工具介绍与代码讲解 3.知识习得 （1）自主阅读：引导学生以书本相关章节（如教材中关于机器学习基础知识和BaseML工具使用的章节）为主，网络知识作补充，自主阅读学习。在学生阅读过程中，教师巡视并解答学生遇到的疑问，引导学生关注重点内容。 （2）知识梳理： ①相对于传统编程，机器学习是基于_____自动推导规则；机器学习的基本流程包括_____和_____。 ②常见的机器学习任务类型有_____和 。 ③数据集通常划分为_____和_____。 4.核心素养培育 （1）学会分析:对比分析回归任务和分类任务不同的特点和适用场景。 辅助分析支架：回归任务旨在预测一个连续的数值，如 ；分类任务则是将数据分配到预定义的类别中，像 。可以从任务特点、数据需求、模型选择等方面，对比分析回归任务和分类任务不同的特点和适用场景。 学会论证:在“温度数据的转换”这一任务中，选择使用线性回归算法的合理性。公网页 辅助分析支架：线性回归算法与其他复杂算法（如多项式回归、决策树回归等）的主 要区别在于，线性回归假设因变量和自变量之间存在 关系， 通过构建线性方程来进行预测；而其他复杂算法可以处理更复杂的 关系。在 “温度数据的转换”任务中，数据具备以下特 点：摄氏温度和华氏温度之间存在明确的数学转换关系，且这种关系 在数据上呈现出 分布的特征。 学会探究：探究如何利用BaseML工具训练温度转换模型。 ①复制“温度转换模型”文件夹到XEDU教学资源目录下； ②打开Jupyter编辑器.bat，使用Jupyter打开训练温度转换模型.ipynb文件； ③输入数据集路径进行模型训练和保存，并进行模型应用和验证。 （4）对学科方法、工具或作品进行评价反思 ①在分析不同算法利弊时，从多个角度进行对比的这种分析方法有什么好处？ ②本节课使用BaseML进行模型训练和评估，在本地环境训练模型要注意什么？ 二、习题测试 1.机器学习是一种使计算机能够（ ），而无须进行明确编程的科学。 A. 休眠 B. 学习 C. 播放音乐 D. 画画 2.机器学习的基本流程包括数据准备、 、模型训练与评估和 。 3.简答题：简述传统编程与机器学习的主要区别。 三、小结回顾 请同学按照下列提示进行总结回顾： 1.学到了哪些知识与技能？ 2.提升了哪些方面的能力？ 3.生成了怎样的观点？ 四、布置作业 1.项目实施作业 请各小组对项目探究的阶段成果进行整理并提交，整理内容： （1）对已选择的项目数据进行初步分析，阐述数据特点和可能适合的机器学习任务类型。 （2）使用 BaseML 工具对项目数据进行初步处理和模型训练的尝试，记录遇到的问题和解决方法。 2.课后挑战作业 使用多种回归算法训练“投石落地距离”预测模型，对比不同算法的效果，尝试编写代码，将不同算法对应的 R2值填入表3，相关资源见资源包。 表3 投石模型训练效果对比及总结分析 算法R2值线性回归（LinearRegression） 多项式回归（Polynomial） 支持向量机 ... ...
~~ 您好，已阅读到文档的结尾了 ~~
