信息技术（第2版）（拓展模块） 教案 项目五 Web和FTP服务器的配置与管理

2/8课题名称人工智能基本知识与社会价值授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备通过信息技术课程基础模块的学习,学生已经理解了新一代信息技术的基本概念，了解了新一代信息技术的技术特点、典型应用和技术融合，掌握了常用搜索引擎的搜索方法，能通过网页、社交媒体等不同信息平台进行信息检索。2.学习特点授课对象都是零零后的学生，在学习方面表现出如下特点：（1）喜好电脑与互联网的应用，线上操作所见即所得可以引发学习兴趣；（2）喜欢情境设定，参与其中，厌烦平淡无奇的说教；（3）乐于接受可视化教学资源，反感静态纸质学习材料；（4）偏爱颗粒化、模块化的学习过程，排斥时间冗长的教学过程。3.信息素养学生通过信息技术课程的学习，具备了基础的信息技术学科素养，但是在人工智能方面仍需进一步拓展、加强二、教学内容1.知识目标2.能力目标3.素养目标1.教学重点八、教学环节教学环节教学内容教学活动策略与意图环节一单元导入(10分钟)【问题导入】问题：你在学习、生活、娱乐中用到过那些人工智能？提示：手机上的人工智能、生活中用到的人工智能、电影中的人工智能等。【学习目标】了解人工智能的概念、基本特征和社会价值。了解人工智能的发展历程，及其在互联网及各传统行业中的典型应用和发展趋势。熟悉机器学习的基本原理、开发流程和开发步骤。了解人工智能涉及的核心技术及部分算法，能使用人工智能相关应用解决实际问题。熟悉人工智能技术应用的常用开发语言、开发框架、集成开发环境以及各种开发平台，了解其特点和适用范围。能辨析人工智能在社会应用中面临的伦理、道德和法律问题。【知识图谱】教师活动1.提出问题，展示一些人工智能应用图片2.介绍本单元的学习目标学生活动2.谈发生在身边的人工智能3.思考记录1.问题教学法：问题导入课程，激发学生对人工智能的好奇心与学习愿望。2.讲授教学法：介绍人工智能概述、单元学习目标和单元知识图谱，使学生了解单元教学内容的全貌教学环节教学内容教学活动策略与意图环节二理解人工智能(15分钟)1.什么是人工智能（1）定义：人工智能（英文缩写为AI）是研究如何应用机器(主要是计算机)来模拟人类某些智能行为的基本理论、方法和技术。（2）解释：通过人工智能技术研究人类智能活动的规律，生产出一种能与人的智能相似的方式做出反应的智能机器。这种智能机器能够通过机器视觉、机器听觉、机器触觉、人机交互等方式来认识周围的环境和需要解决的问题，能够像人一样判断、推理、学习、预测、证明，能够根据要达到的目标进行决策或采取相应的行动。（3）简单归结：人工智能是使用机器模拟人类智能的技术（4）本质：人工智能是对人类思维信息过程的模拟，其主要目的是赋予机器特有的视听说动及大脑抽象思维能力。2.实现思维模拟的两个途径（1）结构模拟（2）功能模拟3.机器智能同人类智能的区别（1）物质基础方面（2）情感、道德、自主意识方面（3）任务的通用性方面（4）任务目标方面4.图灵测试如果一个人和一台机器作为测试对象并与测试者隔开，测试者只能通过类似终端的文本设备向测试对象随意提问，然后根据测试对象给出的答案判别哪个是真人、哪个是机器。经过多轮问答后，如果机器能够让平均每个测试者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有类似人类的智能。5.人工智能的分类（1）弱人工智能（2）强人工智能（3）超人工智能教师活动1.提问“什么是人工智能？”2.讲解历史上各种人工智能定义，启发学生从不同角度思考问题如何判断一台机器是否具有智能？讲解图灵测试6.讲授人工智能分类，着重强调目前人工智能的水平（弱人工智能），强人工智能的困难，超人工智能的科幻性学生活动明确学习任务2.3.积极思考，回答问题4.参与互动讨论5.思考记录1.讲授教学法：多角度介绍人工智能概念，使学生加深对人工智能的理解2.讨论法：通过机器智能同人类智能的区别的问题讨论，促进学生对人工智能概念的理解。3.问题教学法：通过多个提问，引导学生逐步深入认识人工智能的本质教学环节教学内容教学活动策略与意图环节三了解人工智能的基本特征(15分钟)1.机器智能由人类设计并为人类服务智能机器是人设计出来的机器，其中的“智能”按照人设定的算法及其程序代码在人发明的芯片等硬件载体中运行，为人类提供延伸人类能力的服务，实现对人类期望的一些智能行为的模拟2.机器智能本质上体现为计算，基础是数据从本质上说，人工智能是运行于计算机上的程序代码所表现出来的能力，程序代码按照软件算法通过对数据的采集、加工、处理、分析和挖掘，形成有价值的信息流和知识模型并根据给定的输入做出判断或预测，计算和数据使机器获得了智能。3.机器智能具有感知环境、产生反应的能力人工智能具有借助传感器等器件感知外界环境的能力，能够像人一样通过听觉、视觉、触觉等接收来自环境中的各种信息，能够借助按钮、键盘、鼠标、屏幕、手势、体态、表情、力反馈、虚拟现实与增强现实等方式与人交互，能够对外界的输入产生文字、语音、表情、动作等必要的反应，从而影响到环境或人类。4.机器智能拥有学习和适应能力，可以演化迭代人工智能具有一定的随环境、数据或任务变化而自适应调节参数或更新优化模型的能力，可以利用过去的数据和行为去学习其中蕴含的规律或判断规则，以获取新的知识或技能，并不断提高自身的能力。案例：AlphaGo教师活动1.组织学生讨论人工智能的基本特征（提示：人工智能与众不同的地方）2.归纳讨论结果并加以补充完善3.给出机器智能拥有学习和适应能力的案例学生活动。1.讨论法：通过人工智能基本特征讨论，促进学生对人工智能的进一步理解2.案例分析法：通过AlphaGo案例，进一步理解智能的学习和适应能力教学环节教学内容教学活动策略与意图环节四了解人工智能的主要研究领域(25分钟)1.机器学习机器学习就是专门研究计算机怎样模拟或实现人类的学习行为的科学，其目的是让机器能像人一样具有学习的能力。深度学习强化学习2.知识工程以知识为处理对象，研究如何用机器实现知识的获取、表示、推理和决策，其目标是构造出高效的知识处理系统。专家系统知识图谱3.自然语言处理以语言为研究对象，通过建立可计算模型，帮助计算机理解、翻译、生成人类语言，从而实现人与计算机之间用自然语言进行信息交流的目的。自然语言理解自然语言生成4.语音识别与合成语音识别就是让机器通过识别和理解把语音信号转变为相应文字的过程，它与自然语言理解技术相结合，能让机器听懂人的声音。语音合成是让机器通过规则和理解将任意的文本转换成标准流畅的语音输出，从而让机器能够像人一样开口说话。5.计算机视觉计算机视觉是一门关于如何运用计算机来感知、加工和理解客观世界中三维场景的学问。形象地说，就是给计算机安装上眼睛（照相机）和大脑（算法），让计算机具有“看懂”的智能。6.智能机器人将人工智能技术应用于机器人，使机器人具有感知、思考和行动能力。教师活动1.讲授机器学习，介绍两个重要的研究方向及AlphaGo案例2.讲授知识工程，介绍专家系统和知识图谱。案例：学生-课程知识图谱3.讲授自然语言处理，演示中英文翻译4.讲授语音识别与合成，演示语音转换文本5.讲授计算机视觉，演示计算机视觉处理结果6.讲授智能机器人，演示机器人行走学生活动2.动手操作一些演示案例。3.思考记录1.讲授教学法：通过介绍人工智能的主要研究领域，使学生了解人工智能主要包含的内容及应用范围，初步了解人工智能各学科之间的关系2.案例分析及演示：通过案例分析及演示人工智能各个研究领域的典型应用，使学生能够初步辨识身边的哪些产品使用了哪方面的人工智能技术教学环节教学内容教学活动策略与意图环节五了解人工智能的社会价值(15分钟)1.解放劳动生产力随着人工智能在各行各业的普及应用，越来越多的工作岗位将被人工智能取代，人类摆脱了简单、繁复的日常工作，能从事更轻松、更有意义的工作并获得更多的休闲时光，现有劳动力将得到极大解放。2.提高医疗水平人工智能可以在许多方面颠覆性地提升人类战胜疾病的能力。3.提升社会治理能力将人工智能运用于社会治理中，可以降低社会治理成本，提升治理效率，减少治理干扰，实现精准决策。4.改善生存条件人工智能技术可以改善人类生存条件，为人类提供安全环境。5.解决人类面临的严重问题环境污染、能源危机等问题是人类面临的巨大挑战，关乎世界的发展和人类的命运，而人工智能技术能为解决人类面临的这些严重问题提供颠覆性的解决方案。6.认识自然与社会规律人工智能正在逐步走入科研领域，帮助人类探索未知，认识自然与社会规律。7.优化生活品质人工智能可以改变人类的生活方式，优化生活品质。教师活动1.组织学生讨论人工智能的社会价值2.给出人工智能的一些应用实例启发引导学生3.将学生在讨论中提出的一些应用实例归纳到某个方面的社会价值中4.总结讨论结果并加以补充完善学生活动。1.讨论法：通过人工智能社会价值讨论，提高学生对人工智能社会价值的认识2.启发式教学：通过给出人工智能的一些应用实例，引导学生探索人工智能社会价值教学环节教学内容教学活动策略与意图环节六考核评价与教师小结(10分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.回顾学习内容九、反思与改进成功之处：不足之处：2/7课题名称人工智能发展历程、应用领域和发展趋势授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生初步理解了人工智能的定义、基本特征，了解了人工智能的社会价值，初步了解了人工智能一些主要的研究领域，熟悉了一些人工智能产品，2.学习特点授课对象都是零零后的学生，在学习方面表现出如下特点：（1）喜好电脑与互联网的应用，线上操作所见即所得可以引发学习兴趣；（2）喜欢情境设定，参与其中，厌烦平淡无奇的说教；（3）乐于接受可视化教学资源，反感静态纸质学习材料；（4）具有较强的求知欲，希望比较全面地了解人工智能应用。3.信息素养学生具备了基础的信息技术学科素养，对人工智能有了一定的了解，逐步二、教学内容1.知识目标2.能力目标3.素养目标1.教学重点八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(10分钟)【问题导入】1.什么是人工智能？2.人工智能主要研究领域有哪些？【学习目标】了解人工智能的概念、基本特征和社会价值；了解人工智能的发展历程和发展趋势；了解人工智能在互联网及各传统行业中的典型应用。教师活动1.提出问题，借此回顾上次课所讲内容2.介绍本单元的学习任学生活动2.思考记录1.问题教学法：复习上次课主要内容2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二了解人工智能发展历程(20分钟)1.人工智能诞生介绍达特茅斯会议情况。会议确定了人工智能的名称和任务，其主题抓住了许多重要问题的焦点，今天的许多经典定义都能在这次会议中找到起源，因此这是一次具有历史意义的重要会议，标志着人工智能正式诞生。2.第一次浪潮（1956—1974）自达特茅斯会议之后的近20年间，人工智能的研究在机器学习、问题求解、专家系统、定理机器证明及人工智能语言等方面都取得了许多引人瞩目的成就。但随后人工智能发展遭遇了无法克服的基础性障碍，许多机构逐渐停止了对人工智能研究的资助，人工智能遭遇了第一次低谷。3.第二次浪潮（1980--1987）专家系统遍地开花，人工神经网络等技术取得新的进展。但随后专家系统所存在的知识领域狭窄、知识获取困难、适应性差和测试维护复杂等问题逐渐暴露出来，专家系统开始在商界失宠，人工智能在遭遇了一系列财政问题后进入了第二次低谷。4.第三次浪潮（1993至今）2006年，加拿大多伦多大学的科学家杰弗里·辛顿（GeoffreyHinton）提出深度学习。2012年，由辛顿和他的两名学生设计的深度卷积神经网络AlexNet在大规模视觉识别挑战赛上一举夺魁，并将图像分类任务在1000个类别上的top5错误率降至15.3%，比第二名领先10.8%。至此，深度学习引爆了新一轮人工智能发展。教师活动学生活动讲授教学法：用讲故事的方法叙述人工智能的发展历程，揭示人工智能发展的曲折性，引导学生面对困难勇于创新，同时增强学生对人工智能技术的进一步理解教学环节教学内容教学活动策略与意图环节三了解人工智能在互联网及各传统行业中的典型应用(30分钟)1.人工智能在互联网行业中的应用（1）智能搜索引擎（2）智能推送（3）智能移动支付（4）智能客服2.人工智能在工业领域中的应用（1）日常检修（2）生产线设备参数优化（3）质量检测（4）仓储物流3.人工智能在农业领域中的应用（1）现场监测（2）评估农作物和土壤（3）农业机器人4.人工智能在安防领域中的应用（1）警用方向（2）民用方向智能楼宇工业园区监控家用安防教师活动1.组织学生分组查阅、讨论人工智能在各行业中的典型应用2.给出互联网行业、工业领域、农业领域、安防领域中的一些典型应用实例启发引导学生3.与学生共同讨论分析典型应用案例中使用了哪些方面的人工智能技术4.总结讨论结果并加以补充完善学生活动1.讨论法：通过人工智能在各行业中的典型应用讨论，开拓学生视野，培养良好的数字化学习和交流沟通能力2.案例分析法：通过分析典型应用案例，使学生能够辨识一些人工智能典型应用中使用了哪方面的人工智能技术教学环节教学内容教学活动策略与意图环节四了解人工智能的发展趋势(15分钟)1.实现跨媒体分析推理未来人工智能将逐步向人类智能感知靠近，模仿人类综合利用视觉、语言、听觉、触觉等全维度感知信息，突破跨媒体统一表征、关联理解与知识挖掘等技术，实现跨媒体的认知、学习、推理、设计、创作、预测等功能。2.基于网络的群体智能技术开始萌芽未来人工智能将从单个智能体向基于互联网的群体智能转变。群体智能具有统筹优化、鲁棒性强和信息共享高效等优点，可以实现基于群智感知的知识获取和开放动态环境下的群智融合与增强，可以支撑覆盖全球的大规模群体感知、协同与演化。3.自主智能系统成为新兴发展方向随着生产制造智能化改造升级的需求日益凸显和自主无人系统智能技术的发展，通过嵌入智能系统对现有的机械设备和系统进行改造升级成为更加务实的选择。在此引导下，无人车间、智能工厂、自动驾驶、智能机器人将蓬勃发展，自主智能系统正成为人工智能的重要发展及应用方向。4.人机协同催生混合增强智能形态人类智能和人工智能各有所长，两种智能具有很强的互补性。因此，把人的认知模型引入人工智能系统，形成人机协同的混合增强智能形态是人工智能一个非常重要的发展趋势。在混合增强智能形态下，人可以接受机器的信息，机器也可以读取人的信号，两者相互作用，互相促进，共同完成更加复杂多变的任务，进而大幅提高人类智力活动能力。教师活动1.讲授人工智能的发展趋势2.与学生互动，畅想人工智能的未来应用场景3.与学生互动讨论人工智能产业发展及个人职业规划学生活动2.积极思考，。3.思考记录1.讲授人工智能的发展趋势，使学生了解人工智能主要技术发展方向，准备迎接人工智能发展带来的挑战2.讨论法：通过与学生互动式讨论，畅想未来人工智能的应用场景，拓宽学生思路，进一步激发学生对人工智能的兴趣教学环节教学内容教学活动策略与意图环节五考核评价与教师小结(15分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结九、反思与改进成功之处：不足之处：2/7课题名称机器学习的基本原理与开发流程授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生了解了人工智能的概念、基本特征、社会价值、和，初步了解了人工智能一些主要的研究领域，熟悉了一些人工智能产品，2.学习特点授课对象在学习方面表现出如下特点：（1）喜欢具体实例，厌烦抽象理论；（2）乐于接受可视化教学资源，反感静态纸质学习材料；（3）喜欢人工智能，具有较强的求知欲，希望进一步了解人工智能的基本原理。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容机器学习项目1.知识目标2.能力目标3.素养目标1.教学重点八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(10分钟)【问题导入】什么是机器学习？说明：机器学习目前是主流的人工智能方法，人工智能技术的应用开发主要集中于机器学习技术的开发及应用，机器学习已成为新一代人工智能技术的典型代表，因此，后面课程主要围绕机器学习相关内容展开。【学习目标】教师活动1.提出问题，回顾以前所学内容2.介绍本单元的学习任学生活动2.思考记录1.问题教学法：复习机器学习概念，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二学习机器学习的基本原理(20分钟)1.机器学习主要任务是什么？利用以往的经验优化系统自身的性能，其目标就是要利用过去的历史数据通过学习算法对模型进行训练，使模型越来越符合数据中蕴含的规律或规则，最终得出性能良好的问题解决模型。2.什么是模型？机器学习旨在从历史数据中寻找一个特定输入和预期输出的功能函数f(x)，该函数在机器学习领域又被称为模型，它可以根据给定的输入做出判断或预测。在机器翻译中，模型可以根据一段英文文字输出相应的汉字；在语音识别中，模型可以根据语音信号判断出说话的内容；在人脸识别应用中，模型可以根据输入的照片判断出照片中的人是谁；在围棋博弈中，模型可以根据当前的棋谱局势预测下一步“最佳”走法的落子位置。3.怎样建模？（1）找到一个“好用”的模型（2）用历史数据训练模型4.归纳（1）面向过去找规律；（2）根据归纳出来的规律面向未来做预测。教师活动学生活动讲授教学法：用问题引导，用图示讲授机器学习的任务、模型、建模过程，引导学生逐步理解机器学习的基本原理教学环节教学内容教学活动策略与意图环节三学习机器学习分类(15分钟)1.监督学习2.无监督学习聚类3.监督学习中的分类任务与回归任务（1）分类任务输出离散值例：图像分类（2）回归任务输出连续值例：气温预测教师活动1.通过案例讲解监督学习2.通过案例讲解无监督学习3.提问：监督学习和无监督学习的区别4.通过案例讲解分类任务与回归任务学生活动案例分析法：通过分析典型应用案例，使学生能够区分监督学习和无监督学习、分类任务和回归任务的不同点教学环节教学内容教学活动策略与意图环节四学习机器学习项目开发流程与步骤(30分钟)1.明确目标（1）明确需要解决什么问题；（2）了解实际业务场景问题；（3）判断问题的性质；（4）确定性能要求；（5）可行性分析。2.准备数据（1）数据收集（2）数据探索（3）数据预处理（4）数据标注3.选择模型（1）建立基准（2）训练多种模型（3）评估并比较性能（4）调整功能与特征（5）选择最合适模型4.准备数据（1）划分数据集（2）训练优化模型（3）验证泛化能力（4）评估模型5.上线运行（1）模型集成（2）模型部署（3）模型监控（4）模型维护教师活动1.给出机器学习项目开发流程图2.按照开发流程图所示顺序讲授机器学习项目开发流程与步骤学生活动2.积极思考，记录讲授教学法：围绕开发流程图讲授机器学习项目开发流程与步骤，使学生建立总体的流程框架和具体的步骤顺序教学环节教学内容教学活动策略与意图环节五考核评价与教师小结(15分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结九、反思与改进成功之处：不足之处：2/7课题名称决策树授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生理解了机器学习的基本原理，熟悉了机器学习项目开发流程与步骤，能够区分监督学习和无监督学习的不同点2.学习特点授课对象在学习方面表现出如下特点：（1）喜好电脑与互联网的应用，线上操作所见即所得可以引发学习兴趣；（2）喜欢情境设定，厌烦平淡无奇的说教；（3）乐于接受可视化教学资源，反感静态纸质学习材料；（4）具有较强的求知欲，希望了解一些具体的人工智能方法。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容1.知识目标2.能力目标3.素养目标1.教学重点八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(10分钟)【问题导入】什么是监督学习？分类任务主要解决什么问题？分类问题的一般形式决策树用途【学习目标】教师活动1.提出问题，回顾以前所学内容并引申出分类问题和决策树2.介绍本单元的学习任学生活动2.思考记录1.问题教学法：复习监督学习概念，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二介绍决策树案例(10分钟)决策树案例：学习状态预测问题在教学过程中，教师常常需要通过学生的日常表现推知学生的学习状态。这一场景就可以被建模为监督学习问题。1.特征取值范围2.训练集教师活动学生活动1.案例分析法：学习状态预测问题案例是贯穿本次授课始终的案例，通过此案例，可以帮助学生具体形象地理解决策树2.结合案例讲解特征值、样本、标签等基本概念教学环节教学内容教学活动策略与意图环节三学习决策树基本原理(10分钟)1.决策树决策树是一个预测模型，其每一个内部（非叶子）结点表示一个决策特征（属性）ai，每一条边代表某个特征的一个可能取值，而每一个叶子结点则表示一个学习状态的分类结果“好”或“差”。从根结点到叶子结点的一条路径代表了一个决策过程的测试序列，一个数据点从根结点进入决策树后，会根据其特征值选择一条这样的路径，最终进入某个叶子结点代表的分类类别并得到最终的分类结果。2.决策树示例教师活动1.讲授决策树基本原理2.组织学生讨论如何手工建立案例所示的决策树学生活动1.讲授法：结合示例讲授决策树基本原理，使学生能够初步理解决策树的组织结构和决策原理2.讨论法：通过讨论如何手工建立案例所示的决策树，使学生对决策树有进一步了解，为讲解算法做好铺垫教学环节教学内容教学活动策略与意图环节四学习决策树基本算法(25分钟)1.基本思路决策树的训练过程就是根据训练集D生成一颗决策树的过程，其算法递归式自顶向下生成决策树，从根结点开始，每次生成一个叶子结点或者选择一个特征a生成内部结点。根结点处包含所有训练样本D，而之后的每个内部结点都会根据特征取值对属于该结点的样本集合进行一次划分。2.已知//数据来自训练样本集训练样本集D={(x1,y1),(x2,y2),…,(xn,yn)}//数据来自特征名称特征集A={a1,a2,…,ad}//数据来自特征取值范围特征值V={a1:{优秀,良好,较差},a2:{按时完成,不能完成},a3:{集中,一般,分散},a4:{高,低}}类别值Y={“好”,“差”}3.函数ID3(D,A)具体的决策树训练算法见拓展模块5中图5-16教师活动1.讲授构建决策树基本思路2.讲授构建决策树算法的已知条件3.讲授具体算法学生活动2.积极思考3.思考记录讲授法：结合案例讲授决策树构建算法，使学生能够逐步了解决策树的训练过程教学环节教学内容教学活动策略与意图环节五学习信息增益(15分钟)1.如何定义最优特征a*？为了能够尽快达到分类目标，希望位置越高的内部结点的决策特征对训练样本集合的分类能力越强。一个分类能力强的决策特征，其划分后的每个子集中的样本类别应该趋近一致，也就是说随着划分过程不断进行，分支结点的样本子集“纯度”应该越来越高。怎样度量一个结点上样本集合的“纯度”？2.信息熵信息熵是信息论中广泛使用的一个度量标准，它可以度量任意样本集合的“纯度”。Ent(D)=-p1log2p1–p2log2p2信息熵越大，正反例样本的比例越均匀，类别越不一致，样本的纯度越低，当正反例数量相同时，信息熵为1，达到最大值。反之，信息熵越小，样本类别越趋于一致，样本的纯度越高，当集合D中样本属于同一类别（都是正例或都是反例）时，信息熵为0，达到最小值。例：计算训练集对应的集合D的信息熵E怎样度量特征划分训练样本能力？3.信息增益一个特征的信息增益就是使用这个特征划分样本集合而导致的信息熵降低程度，在数学上可以定义为：Gain教师活动1.提问：如何定义最优特征a*？2.讲解选择最优特征的目标3.提问：怎样度量一个结点上样本集合的“纯度”？4.讲授信息熵概念，举例如何计算5.提问：怎样度量特征划分训练样本能力？6.讲授信息增益概念，举例如何计算学生活动启发式教学法和问题教学法相结合：通过不断提出问题解决问题，引导学生理解如何利用信息增益选择最优特征教学环节教学内容教学活动策略与意图环节六演示测试和评估(10分钟)1.测试集T={(良好,按时完成,一般,低,好),(较差,不能完成,一般,低,差)}2.测试路径3.测试评估正确率100%教师活动学生活动手工检测操作：利用测试数据手工检测决策树运行结果，使学生进一步理解决策树的主要功能。教学环节教学内容教学活动策略与意图环节七考核评价与教师小结(10分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结九、反思与改进成功之处：不足之处：2/8课题名称贝叶斯分类器与人工神经网络授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生进一步理解了机器学习的基本原理，了解了决策树算法，对机器学习算法开发流程有了进一步认识2.学习特点授课对象在学习方面表现出如下特点：（1）喜欢情境设定，厌烦平淡无奇的说教；（2）乐于接受可视化教学资源，反感静态纸质学习材料；（3）具有较强的求知欲，希望了解一些具体的机器学习算法。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容1.知识目标2.能力目标3.素养目标1.教学重点八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(5分钟)【问题导入】决策树算法开发流程是什么？【学习目标】教师活动1.提出问题，回顾以前所学内容2.介绍本单元的学习目标学生活动2.思考记录1.问题教学法：复习决策树算法开发流程，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二学习贝叶斯分类器(20分钟)1.概率随机事件出现的可能性大小，表示为P（A）。例：根据案例训练集数据计算学习状态为好的概率。P2.概率分布随机变量取值的概率规律，即随机变量各种可能结果发生的概率。3.条件概率条件概率是指事件A在另外一个事件B已经发生条件下的发生概率，表示为P（A|B）。例：根据案例训练集数据计算学习状态为“好”条件下考试成绩良好的可能性。P4.机器学习模型的概率表示模型f(x)是一个有关概率分布的函数，它在观测到输入数据x的条件下，会输出最有可能的y，数学表示为f例：对于案例训练集数据中的学习状态判断问题，已知一个学生考试成绩良好，能按时完成作业，课上注意力一般，出勤率低，需要判断其学习状态。该问题可表达为以下形式并选取其中较大者的学习状态作为判断结果。P(学习状态=好|(考试成绩=良好，作业完成情况=按时完成，课上注意力=一般，出勤率=低))P(学习状态=差|(考试成绩=良好，作业完成情况=按时完成，课上注意力=一般，出勤率=低))5.贝叶斯定理P6.贝叶斯分类器f7.朴素贝叶斯分类器fx教师活动学生活动1.案例分析法：学习状态预测问题案例是贯穿贝叶斯分类器始终的案例，通过此案例，可以帮助学生具体理解叶斯分类器算法2.结合案例讲解贝叶斯分类器中的基本概念3.概率、概率分布、条件概率等基本概念讲解要为后面的内容做好铺垫4.推演模型的概率表示到朴素贝叶斯分类器，使学生理解前后的逻辑关系教学环节教学内容教学活动策略与意图环节三朴素贝叶斯分类器计算示例(15分钟)朴素贝叶斯分类器应用举例例：以案例训练样本集合，判断一个考试成绩良好、能按时完成作业、课上注意力一般、出勤率低的学生的学习状态。解：1．计算学习状态为“好”条件下的各项概率估计值PPPPP根据朴素贝叶斯公式，可以得到P(学习状态=好2.计算学习状态为“差”条件下的各项概率估计值。P学习状态=差=PPP根据朴素贝叶斯公式，可以得到P(学习状态=差结论：比较以上两个计算结果，学习状态好的计算结果更大，因此判定该学生的学习状态为好。教师活动1.布置任务：以案例训练样本集合，判断一个考试成绩良好、能按时完成作业、课上注意力一般、出勤率低的学生的学习状态2.提示完成任务的具体方法3.点评学生完成任务情况学生活动任务驱动法：通过学生自己动手完成任务，使学生进一步理解朴素贝叶斯分类器的算法教学环节教学内容教学活动策略与意图环节四学习神经元(25分钟)1.神经元结构2.神经元基本原理（1）线性变换u（2）常用的激活函数（3）神经元数学模型y（4）神经元工作原理教师活动1.运用图示讲解神经元结构2.运用图示讲解神经元基本原理学生活动2.积极思考3.思考记录讲授法：通过图示讲授神经元，使学生能够具体形象地了解神经元结构及其工作原理教学环节教学内容教学活动策略与意图环节五学习前馈神经网络结构(15分钟)1.前馈神经网络结构2.前馈神经网络的训练教师活动1.运用图示讲解前馈神经网络结构2.运用图示讲解前馈神经网络的训练过程学生活动讲授法：通过图示讲授前馈神经网络，使学生能够具体形象地了解前馈神经网络结构及其训练过程教学环节教学内容教学活动策略与意图环节六考核评价与教师小结(10分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结九、反思与改进成功之处：不足之处：2/8课题名称卷积神经网络授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生了解了3种机器学习模型，对机器学习常用核心技术有了进一步认识2.学习特点授课对象在学习方面表现出如下特点：（1）喜欢情境设定，厌烦平淡无奇的说教；（2）乐于接受可视化教学资源，反感静态纸质学习材料；（3）具有较强的求知欲，希望进一步了解目前广泛应用的深度学习算法。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容1.知识目标2.能力目标3.素养目标1.教学重点 八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(15分钟)【问题导入】1.神经元结构、模型、工作原理是什么？2.怎样训练前馈神经网络？【学习目标】教师活动1.提出问题，回顾上次课中人工神经网络所学内容2.介绍本单元的学习目标学生活动2.思考记录1.问题教学法：复习人工神经网络，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二学习卷积神经网络结构(30分钟)1.输入层2.卷积层（1）卷积核（2）卷积运算3.池化层4.全连接层5.输出层（1）线性回归问题，可以直接使用线性函数作为输出以便能够获得一个连续值；（2）多类别分类问题，通常使用softmax函数作为输出层的激活函数以便确定输入所属类别。教师活动1.运用图示讲解卷积神经网络输入层功能2.运用图示和动画讲解卷积核和卷积运算3.运用图示讲解池化操作4.运用图示讲解全连接层结构5.运用图示讲解输出层功能学生活动2.积极思考3.思考记录讲授法：通过图示讲授卷积神经网络结构，使学生能够具体形象地了解卷积神经网络各层的作用教学环节教学内容教学活动策略与意图环节三学习卷积神经网络的基本原理(20分钟)1.卷积核如何提取特征（1）卷积核与特征匹配（2）特征图2.池化的功能3.多层卷积抽取复杂特征教师活动1.问题：计算机如何识别字母X？2.运用图示讲解卷积核如何提取X特征3.运用图示讲解池化的功能4.运用实例讲解多层卷积如何抽取复杂特征学生活动2.积极思考3.思考记录讲授法：通过图示和实例讲解特征的提取，使学生能够具体形象地了解卷积神经网络的基本原理教学环节教学内容教学活动策略与意图环节四学习卷积神经网络的训练(15分钟)案例：用卷积神经网络识别5种交通工具步骤：①初始化所有卷积核元素，使用随机值设置参数；②向网络输入一张训练图像；③计算输出误差；④根据输出误差值，使用梯度下降算法按反向传播方向更新所有卷积核的权重值以及其他参数值；⑤对训练数据中所有的图像重复步骤②～④,直至完成训练。教师活动学生活动案例分析法：通过识别交通工具案例，使学生能够具体形象地了解卷积神经网络的训练过程教学环节教学内容教学活动策略与意图环节五考核评价与教师小结(10分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结

九、反思与改进成功之处：不足之处：2/7课题名称人工智能开发平台授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生有一定的Python编程基础，对机器学习中一些核心技术和部分算法有了较全面的了解2.学习特点授课对象在学习方面表现出如下特点：（1）喜欢动手实践，厌烦平淡无奇的说教；（2）乐于接受可视化教学资源，反感静态纸质学习材料；（3）具有较强的求知欲，希望能够应用人工智能技术解决一些实际问题。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容本节课选自拓展模块5人工智能--5.4人工智能开发平台和5.5.1图像分类中部分内容，主要介绍机器学习开发框架、集成开发环境和开发平台。1.机器学习开发框架2.人工智能集成开发环境3.人工智能开发平台1.知识目标了解其特点和适用范围2.能力目标3.素养目标1.教学重点 八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(15分钟)【问题导入】Python语言的主要特点？【学习目标】教师活动1.提出问题，回顾Python语言所学内容2.介绍本单元的学习目标学生活动2.思考记录1.问题教学法：回顾Python语言，为本次及后面课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二学习机器学习开发框架(15分钟)1.什么是开发框架开发框架是一个可复用的软件架构解决方案，它规定了应用的体系结构，阐明软件体系结构中各层次间及其层次内部各组件间的依赖关系、责任分配和控制流程，表现为一组接口、抽象类以及实例间协作的方法，为组件复用提供了上下文关系。2.TensorFlowTensorFlow是一个由Google公司于2015年开发完成的开源的机器学习框架，是目前最热门的机器学习框架之一，其主要特点是灵活、成熟、通用、便捷。3.PyTorchPyTorch是一个由Facebook人工智能研究院开发的开源的机器学习框架，是继TensorFlow之后最受欢迎的机器学习框架，其主要特点如下：（1）用法贴近Python，比TensorFlow更容易上手；（2）简洁高效，具有灵活易用的接口；（3）具有动态计算图机制；（4）具有高维数组、自动求导、神经网络模块3个联系紧密的抽象层次；（5）提供了完整的文档与循序渐进的指南。4.PaddlePaddle框架PaddlePaddle框架是由百度开发的开源深度学习框架，其主要特点如下：（1）兼容动态图和静态图两种编程方案；（2）提供了大量的预训练模型；（3）具备大规模工业实践能力；（4）便于深度学习技术在各种场景下的应用。5.特点及适用范围TensorFlow稳定性高，性能好，成熟完善，适宜工业应用开发；PyTorch简洁高效、灵活易用，适合研究人员、初学者、中小规模项目开发；PaddlePaddle框架最大的特点是高效易用、功能丰富，在特定的技术场景下，开发者只要根据自己的数据修改一些超参数就能训练好模型，特别有利于深度学习模型的分析和使用。教师活动1.讲解开发框架的主要作用2.介绍TensorFlow及其特点3.介绍PyTorch及其特点4.介绍PaddlePaddle框架及其特点5.介绍各种框架的适用范围学生活动2.积极思考3.思考记录讲授法：通过介绍3种常用框架，使学生了解各种框架的特点及适用范围，为学生选择框架打下一定的基础教学环节教学内容教学活动策略与意图环节三学习集成开发环境(30分钟)1.PyCharmPyCharm是由JetBrains公司打造的一款专门面向Python的全功能集成开发环境，它带有代码编写、语法高亮、代码跳转、智能提示、自动完成、调试、单元测试、项目管理和版本控制等一整套可以帮助用户在使用Python进行开发时提高效率的工具，为使用Python开发新一代人工智能软件提供了一组非常好的开发工具。2.JupyterNotebookJupyterNotebook是一个基于Web的交互式计算开发环境。它能将实时运行的代码、叙事性的文本、数学方程和可视化内容全部组合到一个易于共享的文档中，可以在其中编辑文档、编写程序、运行代码和展示结果，非常适合人工智能的相关研究及教学展示。教师活动1.介绍两种集成开发环境的功能和适用范围2.启动PyCharm，编写、运行一个简单的Python程序3.给出图像分类源代码，要求学生在PyCharm中输入、运行该程序4.指导学生完成Python程序编写调试学生活动2.跟随老师一起编写、运行Python程序3.完成练习4.操作要点记录四步教学法：通过四步教学法，使学生熟悉PyCharm开发环境，能够在PyCharm中开发Python程序教学环节教学内容教学活动策略与意图环节四学习开发平台(20分钟)1.什么是人工智能开发平台人工智能开发平台通常架设在云上，以硬件架构、软件框架为基础，将算力资源、核心框架、基础模型、开发工具、API或SDK、开源代码、学习资源、社区等集成在一起开放给开发人员，形成全方位、全流程的开发环境，极大地简化了AI开发过程，降低了AI的开发和使用门槛，满足了不同开发层次的需要。2.飞桨开发平台飞桨(PaddlePaddle)是百度自主研发的开源的深度学习开发平台。它集深度学习框架、基础模型库、端到端开发套件、工具组件和服务平台于一体，拥有兼顾灵活性和高性能的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计及系统化服务支持的五大优势。3.智能钛机器学习平台智能钛机器学习平台是腾讯公司基于腾讯云的强大计算能力为开发者打造的一站式机器学习开发平台。平台内置丰富的算法组件，支持多种算法框架，满足多种AI应用场景的需求，为用户提供了从数据接入、数据清洗、数据标注、模型构建、模型训练、模型评测、模型部署、在线服务、服务监控、应用编排和AI应用开发等全链路开发平台套件。4.AI开发平台ModelArtsModelArts是面向开发者的一站式人工智能开发平台，由华为公司研发。ModelArts提供全流程的AI开发服务，可以为机器学习与深度学习提供海量的数据预处理及交互式智能标注、大规模的分布式训练、自动化的模型生成，具有按需部署端-边-云模型能力，能够帮助用户快速创建和部署模型，管理全周期的AI工作流，实现系统的平滑、稳定和可靠运行。5.如何选择开发框架和平台？如果算法创新力度大，应用场景变化多，需要开发者自己完成算法设计、算法实现、算法训练、算法验证等步骤，一般应根据问题的技术特点选择合适的开发框架和集成开发环境进行软件开发；相反，如果应用问题比较典型，现有的技术能够完全解决这些问题，则应该选择已有的人工智能平台来完成软件开发。教师活动1.讲解什么是人工智能开发平台2.介绍3个典型开发平台的功能3.浏览飞桨开发平台4.讲解、演示安装百度飞桨软件包5.讲解、演示安装预训练模型6.组织讨论如何选择开发框架和平台学生活动1.理实一体：通过边讲解边操作使学生能够熟悉开发平台的主要功能2.讨论法：通过如何选择开发框架和平台讨论，使学生进一步理解开发框架和开发平台各自适用范围教学环节教学内容教学活动策略与意图环节五考核评价与教师小结(10分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结九、反思与改进成功之处：不足之处：课题名称图像分类和文本分类授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生熟悉了Python及开发环境，了解了飞桨等开发平台功能，对卷积神经网络的原理有了一定的了解，能使用PyCharm开发Python程序2.学习特点授课对象在学习方面表现出如下特点：（1）喜欢动手实践，厌烦平淡无奇的说教；（2）乐于接受可视化教学资源，反感静态纸质学习材料；（3）具有较强的求知欲，希望能够应用人工智能技术解决一些实际问题。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容本节课选自拓展模块5人工智能--5.5.1图像分类和5.5.2文本分类，主要介绍图像分类和文本分类的应用开发。1.图像分类2.循环神经网络3.文本分类1.知识目标2.能力目标3.素养目标1.教学重点 八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(10分钟)【问题导入】卷积神经网络主要由哪些层组成？各层的主要功能是什么？【学习目标】教师活动1.提出问题，回顾卷积神经网络各层的主要功能2.介绍本单元的学习目标学生活动2.思考记录1.问题教学法：回顾卷积神经网络，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二分析图像分类程序(20分钟)1.VGG16网络结构2.图像分类程序分析教师活动1.介绍VGG16网络结构2.启动PyCharm，打开图像分类源代码3.逐条讲解程序代码4.展示分析运行结果学生活动2.逐条操作运行3.思考记录1.讲授法：通过回顾对比介绍VGG16网络结构，使学生了解VGG16的性能特点2.理实一体：通过边讲解边操作使学生能够在实际中理解图像分类程序每条语句的作用教学环节教学内容教学活动策略与意图环节三学习循环神经网络(25分钟)1.文本分类问题文本分类问题是自然语言处理领域里的一个基本任务，它要求根据一段不定长的文本内容来判断文本相应的类别，也就是说，文本分类任务要求模型将句子、段落等输入文本序列映射成一个和任务相关的标签。文本分类的分类对象不再是一个像素矩阵，而是一个汉字或单词序列，因此，前馈神经网络不适合处理这类变长的序列数据。2.循环神经网络定义循环神经网络（英文缩写RNN）是一类以序列数据为输入，在序列的演进方向进行递归且所有循环单元按链式连接的神经网络。3.循环神经网络结构4.循环神经网络隐藏层内部结构5.用于文本情感分析的循环神经网络结构情感分析是一类特殊的文本分类任务，它根据一段文本判断该文本是正面评价还是负面评价。教师活动1.讲授文本分类问题，引出循环神经网络2.给出循环神经网络定义3.运用图示讲解循环神经网络结构4.运用图示讲解循环神经网络隐藏层内部结构5.运用图示讲解文本情感分析的循环神经网络结构学生活动2.积极思考3.思考记录讲授法：通过图示讲授循环神经网络，使学生能够具体形象地了解循环神经网络的基本原理教学环节教学内容教学活动策略与意图环节四分析文本分类程序(25分钟)1.什么是LSTM为了解决长距离依赖问题，在标准循环神经网络的基础上进行改造得到长短时记忆网络(简称LSTM)，该网络模型可以实现长时记忆，是目前最流行的一种解决方案。2.文本情感分类程序分析3.分类结果分析测试语句:这是一部波澜壮阔的史诗测试结果:positive正面概率:0.8632负面概率:0.1368测试语句:这家餐厅不好吃测试结果:negative正面概率:0.0811负面概率:0.9189教师活动1.讲解LSTM主要解决的问题，说明Senta提供LSTM等3种不同的模型结构2.启动PyCharm，打开文本情感分类程序源代码3.逐条讲解程序代码4.展示分析运行结果学生活动1.讲授法：通过讲解LSTM主要解决的问题，使学生了解实际应用循环神经网络的方法2.理实一体：通过边讲解边操作使学生能够在实际中理解文本情感分类程序每条语句的作用教学环节教学内容教学活动策略与意图环节五考核评价与教师小结(10分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结九、反思与改进成功之处：不足之处：1/5课题名称语音识别授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生熟悉了Python及开发环境，了解了飞桨等开发平台功能，对循环神经网络的原理有了一定的了解，能使用PyCharm开发Python程序2.学习特点授课对象在学习方面表现出如下特点：（1）喜欢动手实践，厌烦平淡无奇的说教；（2）乐于接受可视化教学资源，反感静态纸质学习材料；（3）具有较强的求知欲，希望能够应用人工智能技术解决一些实际问题。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容本节课选自拓展模块5人工智能--5.5.3语音识别，主要介绍语音识别的基本原理和预训练模型的简单应用。1.语音识别的基本原理2.预训练模型应用1.知识目标2.能力目标3.素养目标1.教学重点 八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(5分钟)【问题导入】循环神经网络结构是怎样的？【学习目标】教师活动1.提出问题，回顾循环神经网络2.介绍本单元的学习目标学生活动2.思考记录1.问题教学法：回顾循环神经网络，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二学习语音识别的基本原理(15分钟)1.语音识别任务识别语音信号并转化为相应的文字，其任务可以被认为是帧序列到文字序列之间的转换。2.语音识别过程①分帧②提取特征③语音转换④路径搜索⑤归一处理⑥挑选正确文字教师活动1.讲授语音识别基本任务2.运用图示讲解语音识别过程学生活动2.积极思考3.思考记录讲授法：通过图示讲授语音识别过程，使学生能够具体形象地了解语音识别的基本原理教学环节教学内容教学活动策略与意图环节三分析语音识别程序(20分钟)1.简要介绍预训练模型以语音帧序列为输入，汉字或英文字母序列为输出。其中，每一帧由归一化的声谱图作为特征向量进行表征，模型以多层双向RNN结构为核心完成序列之间的转换，语音端和文字端分别加入卷积和全连接层帮助进一步提取特征。2.语音识别程序分析3.展示运行结果打开文本文件，检查程序运行结果。教师活动1.简要介绍预训练模型2.启动PyCharm，打开语音识别程序源代码3.逐条讲解程序代码4.在demo_audio.wav文件中录制一段语音5.运行程序6.展示运行结果学生活动1.讲授法：通过讲解预训练模型，使学生了解实际使用的语音预训练模型2.理实一体：通过边讲解边操作使学生能够在实际中理解语音识别每条语句的作用教学环节教学内容教学活动策略与意图环节四检查评估(5分钟)检查评估学生操作运行结果九、反思与改进成功之处：不足之处：课题名称人工智能与伦理道德授课类型理实一体授课对象授课课时所授课程授课地点所授教材一、学情分析本课程授课对象为高职各专业大一学生，课程开设在大一第2学期，学生在知识储备、学习特点和信息素养的情况如下：1.知识与技能储备学生了解人工智能的基本概念、基本特征、社会价值、发展历程、发展趋势、应用领域、核心技术及部分算法，熟悉机器学习的基本原理和开发流程，2.学习特点授课对象都是零零后的学生，在学习方面表现出如下特点：（1）喜好电脑与互联网的应用；（2）喜欢情境设定，参与其中，厌烦平淡无奇的说教；（3）思想活跃，具有较强的求知欲。3.信息素养学生具备了基础的信息技术学科素养，二、教学内容1.知识目标2.能力目标3.素养目标1.教学重点八、教学环节教学环节教学内容教学活动策略与意图环节一课程回顾与学习目标(5分钟)【问题导入】在新一代人工智能中数据起什么样的作用？【学习目标】学会辨析人工智能在社会应用中面临的伦理、道德和法律问题。教师活动1.提出问题，回顾以前所讲内容2.介绍本单元的学习目标学生活动2.思考记录。1.问题教学法：复习以前内容，为本次课程做好铺垫2.讲授教学法：介绍学习目标，使学生明确本次课的要求教学环节教学内容教学活动策略与意图环节二讨论人工智能应用中存在的伦理道德和法律问题(20分钟)1.自动驾驶技术涉及的伦理和法律问题（1）面临的伦理困境典型案例：“隧道难题”（2）对传统的法律法规提出的挑战典型案例：美国一名横穿马路的女子被优步自动驾驶汽车撞伤之后不幸身亡。2.人工智能发展可能会侵犯个人信息权和隐私（1）数据掌控者基于碎片数据提取个人信息形成“用户画像”，个人很可能失去了对自身隐私的控制，一些隐私甚至可能处于随时被窥探的状态；（2）不法分子贩卖数据获取利益，严重侵犯个人的信息权。3.人工智能可能会产生算法偏见算法决策是在用过去预测未来，来自训练数据或算法设计人员的价值观嵌入可能导致算法偏见，而过去的偏见作为系统反馈可能会强化这种错误，从而使算法倾向于将偏见固化并在未来得到加强。4.人工智能对社会公平的影响（1）信息的不对称、不透明以及信息知识技术门槛，客观上会导致并加剧信息壁垒、数字鸿沟等违背社会公平原则的现象与趋势；（2）人工智能引发的失业问题。5.人工智能产生的权利不对称问题借助人工智能了解人的偏好和行为甚至超过用户对自己的了解，企业可以利用这种巨大的权利不对称达到自己的目的，而用户则在不知不觉中处于弱势地位。教师活动1.组织学生分组讨论人工智能在社会应用中面临哪些伦理、道德和法律问题2.给出一些人工智能在社会应用中出现的伦理、道德和法律问题的典型案例，从而启发引导学生3.总结讨论结果并加以补充完善学生活动通过互联网1.讨论法：通过人工智能在社会应用中面临哪些伦理、道德和法律问题的讨论，开拓学生视野，培养良好的数字化学习和交流沟通能力2.案例分析法：通过分析典型应用案例，使学生能够辨析人工智能在社会应用中面临的伦理、道德和法律问题教学环节教学内容教学活动策略与意图环节三讨论解决问题的方法(10分钟)1.公平共享在提供人工智能产品和服务时，应充分尊重和帮助弱势群体、特殊群体，并根据需要提供相应替代方案，使均等的智能服务惠及不同地区、不同行业和不同群体，让全体人民公平共享人工智能带来的益处。2.尊重个人的知情权、同意权和选择权完善个人同意授权和数据撤销机制，依照合法、正当、必要和诚信原则处理个人信息，反对任何窃取、篡改、泄露和其他非法收集与利用个人信息的行为。3.加强人工智能管理和伦理道德教育（1）增强企业社会责任感和企业个人自律意识，加强人工智能研发相关活动的自我约束和自我管理，不从事违背伦理道德的人工智能研发；（2）在数据采集和算法开发中，加强伦理审查，充分考虑差异化诉求，避免可能存在的数据与算法偏见。4.提升透明性在人工智能算法设计、实现、应用等环节提升透明性、可解释性、可理解性、可靠性、可控性，逐步实现人工智能系统可验证、可审核、可监督、可追溯、可预测、可信赖。5.遵守伦理和法律规范在开发人工智能系统或产品时，既要遵守相应的法律法规，也要将伦理道德原则融入到技术领域。教师活动1.组织学生分组讨论解决人工智能应用中伦理、道德和法律问题的方法2.给出一些相关法律法规的提示3.总结讨论结果并加以补充完善学生活动讨论法：通过讨论解决人工智能应用中伦理、道德和法律问题的方法，使学生，同时培养学生良好的数字化学习和交流沟通能力教学环节教学内容教学活动策略与意图环节四考核评价与教师小结(10分钟)1.通过学习通课程平台，完成本小节的考核评价测试试题。2.通过学习通课程平台教师端，汇总分析考核评价的总体情况3.教师小结7/7九、反思与改进成功之处：不足之处：拓展模块5人工智能课后考核评价试题及参考答案第1次课人工智能基本知识与社会价值一、判断题1.人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门技术科学。（）答案：正确2.人工智能是一个影响面极广的关键共性科学问题,也是一个战略前沿技术。（）答案：正确3.就目前人工智能实践上来说，人工智能本质上就是建立在数据基础上的软件程序。（）答案：正确4.人工智能的英文缩写是AI。（）答案：正确5.目前，人工智能表现出来的智力水平已经远远超过人类的智力水平。（）答案：错误6.弱人工智能又称为通用人工智能。（）答案：错误二、单选题1.（）不属于人工智能的研究范围。答案：CA.语音识别B.自然语言处理C.物联网D.专家系统2.人工智能的研究范围不包括（）。答案：AA.云计算B.机器学习C.知识图谱D.计算机视觉三、多选题1.人工智能的基本特征有（）。答案：A、C、DA.人工智能由人类设计并为人类服务。B.机器人的外貌必须酷似人类。C.人工智能具有感知环境、产生反应的能力。D.人工智能拥有学习和适应能力。2.人工智能的智力水平能达到或超过人类的智力水平的有（）。答案：A、CA.强人工智能B.弱人工智能C.超人工智能D.通过图灵测试

第2次课人工智能发展历程、应用领域和发展趋势一、判断题1.1980年，以深度卷积神经网络为主要标志的人工智能取得新的突破。（）答案：错误2.ImageNet含有15万张图片，1000个类别，每张图片上的物体都做了类别标签。（）答案：错误3.对于人脸识别，深度卷积神经网络超过了人类的识别能力。（）答案：正确4.“人脸打卡”是人工智能在安防领域中的应用。（）答案：正确5.利用智能移动支付技术，服务器可以根据客户的兴趣、行为、偏好将合适的信息定期自动推送到客户手机上。答案：错误6.进入21世纪，深度学习技术的广泛应用引发了人工智能第三次高潮。答案：正确二、单选题1.“人工智能”概念是在（）年提出的。  答案：BA.1955B.1956C.1957D.19582.（）技术可以判定一个植物是杂草和密度过大的植株。答案：CA.机器人技术B.自然语言理解技术C.计算机视觉D.语音识别技术三、多选题1.人工智能有望在（）方面迎来新的快速发展。 答案：A、B、CA.实现跨媒体分析推理B.基于网络的群体智能技术C.自主智能系统D.物体识别技术2.（）属于人工智能在互联网行业中的应用。答案：A、C、DA.智能搜索引擎B.工业园区监控C.智能推送D.智能移动支付

第3次课机器学习一、判断题1.训练优化模型不需要通过算法调整模型参数。（）答案：错误2.训练好的模型可以根据给定的输入做出判断或预测。（）答案：正确3.监督学习不需要带标签的数据集。（）答案：错误4.在训练模型时，只需要将数据集划分为训练集和验证集。（）答案：错误5.无监督学习中最重要的算法是聚类算法。（）答案：正确6.机器学习主要任务就是利用以往的经验优化系统自身的性能。（）答案：正确二、单选题1.（）是正确的机器学习项目开发流程。答案：BA.明确目标、选择算法、训练模型、准备数据、上线运行。B.明确目标、准备数据、选择算法、训练模型、上线运行。C.明确目标、准备数据、训练模型、选择算法、上线运行。D.明确目标、准备数据、选择算法、上线运行、训练模型。2.（）的训练数据样本必须由输入对象和监督信号组成。答案：CA.机器学习B.无监督学习C.监督学习D.强化学习三、多选题1.可以测试模型泛化能力的数据集包括（）。答案：A、DA.验证集B.参数集C.训练集D.测试集2.机器学习主要做（）。答案：A、CA.面向过去找规律。B.构建特征空间。C.根据归纳出来的规律面向未来做预测。D.选择算法。

第4次课决策树一、判断题1.决策树模型适用于解决具有连续输出值的监督学习问题。（）答案：错误2.信息熵越大，样本的纯度越高。（）答案：错误3.从决策树根结点到叶子结点的一条路径代表了一个决策过程。（）答案：正确4.决策树模型是一种具有可解释性的树形机器学习模型。（）答案：正确二、单选题1.决策树上的每一个叶子结点表示（）。答案：CA.决策特征B.特征值C.分类结果D.决策过程2.当集合D中样本属于同一类别时，信息熵为（）。答案：BA.-1B.0C.0.5D.13.在一组特征中，决策树最优特征是信息增益（）的特征。答案：AA.最大B.最小C.中间D.任意4.如果决策树测试集中有10个样本，其中9个样本测试结果正确，1个样本测试结果错误，则决策树在这个测试集上的正确率是（）。答案：BA.100%B.90%C.50%D.10%第5次课贝叶斯分类器与人工神经网络一、判断题1.神经元数学模型只有逼近线性函数的能力。（）答案：错误2.朴素贝叶斯分类器假设了属性条件独立。（）答案：正确3.神经网络的学习就是改变神经元中参数的过程。（）答案：正确4.前馈神经网络不能表达复杂的逻辑策略。（）答案：错误5.前馈神经网络每层神经元只与前一层的神经元相连。（）答案：正确二、单选题1.以下哪个不