信息技术（第2版）（拓展模块）教案 拓展模块5 5.5 应用开发实例

2/7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