资源简介

中小学教育资源及组卷应用平台
信息技术 2.4 机器学习
课题 机器学习 单元 第二单元 学科 信息技术 年级 九年级
教材分析 信息技术是一门知识性、技能性与创新性相结合的学科。现阶段，信息技术教育的理念已发生了质的飞跃，从单纯的技能训练上升为全面的信息素养的培养。教材以提高全体学生信息素养、养成学生自主学习意识和能力、培养学生数字化创新精神，从生活中发现问题、明确任务、确立目标、分析任务。在探究过程中逐步找到解决问题的方法。实用的小技巧，适时点拨关键操作。旨在帮助学生掌握信息时代生存与发展必须的基础知识和基础技能，养成信息意识、计算思维、数字化学习与创新、信息社会责任的核心素养。
教学目标 1、信息意识：能够了解机器学习的基本概念、原理和技术，并理解其在现实世界中的应用。2、计算思维：能够利用机器学习方法来分析和处理大规模的数据集，从中发现模式和趋势。3、数字化学习与创新：能够使用机器学习软件和编程工具来探索和实验不同的算法和数据集。4、信息社会责任：能够认识到机器学习系统可能存在的偏见和歧视，并采取相应的措施来减轻其影响。
重点 一、体验机器学习二、认识机器学习的方式三、机器学习对人们生活的影响
难点 1、机器学习对人们生活的影响
教学过程
教学环节 教师活动 学生活动 设计意图
导入新课 1、马宁逛商场时，智能机器人走到他身边，问他想去几层，想买什么，还会和他闲聊，马宁既好奇，又兴奋。智能机器人能与人们交流对话，智能翻译机能进行不同语言的翻译，计算机程序能战胜九段围棋高手，这些成果都得益于计算机具备了学习能力。2、人们将能让计算机自主学习的技术称为机器学习。通过机器学习，计算机能模拟人类的学习活动，从数据中获得知识，并能对事物进行预测和判断。机器学习是人工智能领域的核心技术，是使计算机具有智能的重要途径，其应用遍及人工智能的各个领域。 观看视频了解生活中的机器学习。 帮助学生理解人工智能机器学习的含义打开课堂
讲授新课 一、活动1：体验机器学习0.AI可以基于车辆的属性精准识别车辆的品牌、车型、车系等信息。让我们来体验一下吧!1、请你打开人工智能平台，体验 AI识车2、拍摄或导入图片，试一试 AI能否识别这些车辆信息3、请你谈一谈体验后的感受，你认为 AI识别车辆信息可以应用在生活中的哪些场景助力知识人类智慧的形成离不开学习，比如我们挑选一个成熟的好西瓜时，往往基于我们原来吃西瓜的经验，根据西瓜的色泽、根蒂、被拍打时的声音来进行判断。机器的智能同样离不开学习，如果把预测一个西瓜的成熟度的任务交给机器，让机器通过学习能够根据西瓜的属性(色泽、根蒂、被拍打时的声音)来进行判断，从而给出建议，就可以说机器能够完成挑选西瓜这一特定的任务。计算机实现这一决策的过程就是机器学习人们遇到问题时，会依据这个问题所涉及的知识或者在以往类似的处理经验中选择最佳方式。这种通过思考，归纳经验，得出一定的规律，并寻找解决问题路径的做法，无疑是人类智慧的体现机器学习的目的是把人类思考和归纳经验的过程转换为机器通过对数据的处理计算得出问题解决模型的过程。机器通过分析大量的训练数据提取训练数据的特征，建立解决问题的模型，然后经过更多数据的验证,不断修正模型，最终得出问题解决模型，获得解决问题的智能。人类学习过程与计算机学习过程的对比如图 所示人和机器通过学习都能产生知识，但一个产生于人的大脑，而另一个则产生于机器二、活动2 认识机器学习的方式1、随着大数据的发展和计算机性能的不断提升，机器学习已经广泛应用于数据挖掘、搜索引擎、电子商务、自动驾驶、天气预测、医学诊断等众多领域。应用领域不同，机器学习的方式也不同，人们通常将机器学习的方式分为四大类:监督学习、非监督学习、半监督学习和强化学习。2、查阅相关资料，讨论不同应用场景中的机器学习主要运用了哪种方式实现了什么功能.并且填入下列表中助力知识---监督学习当孩子开始认识事物时，父母给他一些苹果和橘子(目标值)，并告诉他苹果是什么样的，有哪些特征(特征值)，橘子是什么样的，有哪些特征(特征值)。经过父母的不断介绍，这个孩子知道了苹果和橘子的区别，如果孩子在看到苹果和橘子时做出错误的判断,父母就会指出错误的原因(人工干预)。经过不断地学习，再见到苹果和橘子时，孩子立即就可以做出正确的判断。孩子逐渐认识事物的过程就属于监督学习、监督学习是针对有标记数据的机器学习，要求学习的数据有明确的标签。机器先基于这些有标记的数据建立合适的模型，再选择合适的算法对模型进行训练，通过训练总结出自己的判断方法，当收到“新的问题”时,可以给出较好的判断结果。监督学习的学习与应用过程如图 所示监督学习需要人工标记数据，因此需要大量的人工成本，但同时也使模型具有较高的准确性。监督学习除了可以应用于垃圾邮件过滤，还广泛应用于手机垃圾短信拦截、照片的智能分类、病虫害的识别等助力知识—非监督学习同样的孩子，在一开始认识事物时，父母会给他一些苹果和橘子，但是并不告诉他哪个是苹果，哪个是橘子，而是让他根据两个事物的特征自行判断。孩子会把苹果和橘子分成两个组，下次再给他一个苹果时，他会把苹果分到苹果组中，而不是橘子组非监督学习又称无监督学习，它与监督学习最大的区别在于非监督学习使用的数据没有标签，这就意味着非监督学习在完成数据收集后，需要对数据进行预处理，从这些数据中总结出数据特征后，才能加以利用。非监督学习的学习与应用过程如图所示尽管采用非监督学习得到的应用没有监督学习那么高的准确性，但由于其无须对数据标记标签，因此节省了大量的人工成本。非监督学习应用在生活中的各个领域，比如智能家居系统通过非监督学习分析客户的用电模式、居住习惯等，打造动态家居环境，从而降低能源消耗，提高居住舒适度 助力知识—半监督学习医疗的信息化产生了大量的电子病历，然而很多时候出于对个人隐私或者医学诊断难度的考虑，有些电子病历没有明确的标签，没有明确的病症归类。这时，使用监督学习和非监督学习已经不能满足需求，因此半监督学习就有了用武之地半监督学习选择有限的、有标记的电子病历进行监督学习，然后让未标记的电子病历和有标记的电子病历进行比对，通过学习判断病人之间是否存在相似性，如果存在，则归为一种病症。这种方式解决了电子病历存在数据缺陷时无法进行医学诊断的难题半监督学习是监督学习与非监督学习相结合的一种学习方法，它使用少量的有标记数据和大量的未标记数据进行学习。半监督学习先对一部分有标记的数据进行监督学习，再对剩下的未标记数据进行分类，从而完成识别工作半监督学习的思想是在少量有标记数据的情况下，通过在学习过程中引入未标记样本,以此来避免传统监督学习在训练数据不足(学习不充分)时导致性能(或模型)退化的问题。半监督学习的学习与应用过程如图所示半监督学习降低了人工成本，同时具有较高的准确性，因此越来越受到人们的重视。半监督学习的研究成果除了用于医学诊断，还广泛应用于自然语言处理、数字图像处理、视频与文本分类等领域助力知识—强化学习美国波士顿动力公司研发的机械狗没有车轮和履带，采用四条机械腿行走，除了可以爬楼梯，还可以穿越崎岖地形。我们都知道，当人直立行走时，可以本能地使用各种技巧控制身体，保持平衡，从而以合理的身姿和步距行走，而机械狗要通过不断调整平衡参数和步距才能习得合理的步行策略当机械狗保持正常站立时给予正向反馈信息，摔倒时则给予负向反馈信息，根据反馈信息优化并不断强化步行策略，直到可以直立行走。机械狗能够在复杂地形中成功行走是强化学习的结果强化学习又称增强学习，即通过不断与环境互动(不断试错)来更新决策。强化学习的核心是通过积极奖励(强化信号)来强化最佳行为或行动。采用强化学习可以通过某种方法知道你离正确答案是越来越近还是越来越远(即建立和使用奖惩函数)。在这种学习模式下，输入的数据直接反馈到模型，模型根据反馈结果立刻做出调整强化学习的过程大致可以分为三个步骤: 第一步，将环境初始化为一个状态，主体把状态输入给算法;第二步，主体执行算法，输出动作;第三步。环境对这个动作进行评价反馈，最终向主体输出正向反馈或负向反馈。强化学习的学习过程如图所示强化学习正在改变人类社会的方方面面，比如基于强化学习的游戏 AI已经开始超越人类选手,基于强化学习的控制算法也已经应用于自动驾驶、无人机飞行等领域活动3 机器学习对人们生活的影响机器学习技术在生产生活的很多领域都有应用。结合自己的生活经验，上网查阅资料，谈谈机器学习在计算机视觉、智能语音和自然语言处理领域的应用场景及对生活的影响。下面列举一些生活运用。助力知识-计算机视觉人主要是通过视觉认识世界的。计算机视觉是利用计算机及相关设备对人类视觉系统的一种模拟。形象地说，就是给机器安装上“眼睛”(照相机、摄像头等成像设备)和“大脑”(算法)，让机器能像人那样观察和认识世界机器学习大大提升了计算机视觉应用的性能，包括人脸识别、图片分类、物体识别等，为计算机在医疗、教育、工业等领域的应用提供了强大的技术支持 助力知识-智能语音人们通过“说”来表达自己的思想以及传递情感。机器通过“学习”依靠语音识别、自然语言理解等技术也能“听”“说”。随着机器学习的发展，智能语音技术在普通环境下的准确度，提高到了足以投入实际生活应用的高度。在语音识别方面，智能语音系统在机器学习的帮助下，可以让计算机在噪声较多的环境中，依然能够准确识别一个人的声音，从而慢慢接近人分辨声音的能力在语音合成方面，智能语音系统在机器学习的帮助下，可以把指定的文字内容以不同人的声音读出来。这些进步使得智能语音渐渐成为人与计算机的主要交流方式助力知识-自然语言处理自然语言处理是指利用人类交流所使用的自然语言与机器进行交互通信的技术。通过人为地对自然语言进行处理，使计算机能够读取并理解自然语言。机器学习使自然语言处理系统的性能得到显著提高。随着互联网的普及，自然语言数字化程度日益提高自然语言的海量数据给机器学习提供了充足的学习资源，促使自然语言技术得到了飞速发展，在生活中的应用也越来越多，如搜索引警、对话机器人、机器翻译等三、活动4 拓展延伸1、讨论完成：我们生活中有哪些机器学习，有什么作用？2、讨论完成：机器学习四种方式以及运用场景？四、项目实施1、智能识别是机器学习的主要应用领域之一。虽然要识别之物千千万万，但识别的原理却基本相同。在本节的项目实施中，我们通过机器识别手写数字，体验机器识别的一般过程。2、打开人工智能平台的“识别手写数字”模型。3、准备数据:请你打开机器学习工具，收集同学们的各种手写数字图片，或从网络上下载别人整理好的 mnist手写体数据集4、载入手写体数据集5、训练模型:用手写体数据集中的一部分数据训练“识别手写数字”模型6、验证模型:手写一个数字，用“识别手写数字”模型进行验证，看看计算机是否能准确识别出所写的数字7、思考实验过程中准备的手写数字图片的多少与识别准确率的关系？五、巩固练习1、机器学习的类型主要有 ________、________、__________、____________ 。2 判断下列说法是否正确项目总结与评价 1、项目总结: 请同学们对照本单元思维导图进行总结。看看自己已完全掌握哪些知识，还有哪些知识未掌握 学生通过思考机器学习是如何实现的，为什么机器能够学习学生互相讨论机器学习的四种方式以及各自的含义学生思考回答问题回答机器学习在生活中的运用以及影响学生完成任务学生实践并总结实践的感受。学生根据巩固练习完成题目，加深对知识的理解学生对照本单元思维导图进行总结。 帮助学生打开思路，积极思考机器学习的原因。为后面的知识做准备通过思考讨论，帮助学生了解机器学习到底是如何实现的，以及机器学习的四种方式帮助学生进一步接触机器学习，帮助学生理解机器学习。通过任务的方式，帮助学生养成解决问题能力。培养学生语言组织能力以及对于信息的采集和总结能力帮助学生记忆课堂知识对学过的知识查漏补缺。进一步掌握知识点
布置作业 1、搜索了解机器学习应用场景？2、搜索了解机器学习目前达到什么程度？3、搜索了解机器学习对我们生活的影响？ 完成作业 培养学生查阅资料的能力，分析解决问题的能力
课堂小结 通过机器学习课程这节课，我们从中学到了丰富的知识和技能，并且有机会将其应用于实践项目中。还能将其应用到更多的实际问题中，更深入地理解了机器学习的概念和技术。 分组总结归纳 锻炼学生的总结能力，逻辑思维、语言表达能力。
板书 一、体验机器学习二、认识机器学习的方式三、机器学习对人们生活的影响 学习、记忆、及勾画知识点 明确教学内容及重点和难点
21世纪教育网 www.21cnjy.com 精品试卷·第 2 页 （共 2 页）
HYPERLINK "http://www.21cnjy.com/" 21世纪教育网(www.21cnjy.com)(共61张PPT)
2.4 机器学习
电子工业出版社 第五册
教学目标
1、信息意识：能够了解机器学习的基本概念、原理和技术，并理解其在现实世界中的应用。
2、计算思维：能够利用机器学习方法来分析和处理大规模的数据集，从中发现模式和趋势。
3、数字化学习与创新：能够使用机器学习软件和编程工具来探索和实验不同的算法和数据集。
4、信息社会责任：能够认识到机器学习系统可能存在的偏见和歧视，并采取相应的措施来减轻其影响。
情境描述
1、马宁逛商场时，智能机器人走到他身边，问他想去几层，想买什么，还会和他闲聊，马宁既好奇，又兴奋。智能机器人能与人们交流对话，智能翻译机能进行不同语言的翻译，计算机程序能战胜九段围棋高手，这些成果都得益于计算机具备了学习能力。
情境描述
2、人们将能让计算机自主学习的技术称为机器学习。通过机器学习，计算机能模拟人类的学习活动，从数据中获得知识，并能对事物进行预测和判断。机器学习是人工智能领域的核心技术，是使计算机具有智能的重要途径，其应用遍及人工智能的各个领域。
情境描述
活动1
体验机器学习
新知讲解
AI可以基于车辆的属性精准识别车辆的品牌、车型、车系等信息。让我们来体验一下吧!
1
1、请你打开人工智能平台，体验 AI识车。
新知讲解
新知讲解
2.拍摄或导入图片，试一试 AI能否识别这些车辆信息。
1
新知讲解
3、请你谈一谈体验后的感受，你认为 AI识别车辆信息可以应用在生活中的哪些场景。
感受：
AI识别车辆能够降低工作量，保证工作质量，给我们生活带来了极大的便利。
应用场景：
1、智能交通管理：可以用于实时监控和管理道路交通
2、停车场管理：帮助自动识别和跟踪进出停车场的车辆
3、安防监控：用于寻找失踪或被盗的车辆。
1
助力知识
1.人类智慧的形成离不开学习，比如我们挑选一个成熟的好西瓜时，往往基于我们原来吃西瓜的经验，根据西瓜的色泽、根蒂、被拍打时的声音来进行判断。机器的智能同样离不开学习，如果把预
测一个西瓜的成熟度的任务交给机器
，让机器通过学习能够根据西瓜的属
性(色泽、根蒂、被拍打时的声音)来
进行判断，从而给出建议，就可以说
机器能够完成挑选西瓜这一特定的任
务。计算机实现这一决策的过程就是机器学习。
助力知识
2.人们遇到问题时，会依据这个问题所涉及的知识或者在以往类似的处理经验中选择最佳方式。这种通过思考，归纳经验，得出一定的规律，并寻找解决问题路径的做法，无疑是人类智慧的体现。
助力知识
1
助力知识
3.机器学习的目的是把人类思考和归纳经验的过程转换为机器通过对数据的处理计算得出问题解决模型的过程。机器通过分析大量的训练数据提取训练数据的特征，建立解决问题的模型，然后经过更多数据的验证,不断修正模型，最终得出问题解决模型，获得解决问题的智能。人类学习过程与计算机学习过程的对比如图所示。
助力知识
4.人和机器通过学习都能产生知识，但一个产生于人的大脑，而另一个则产生于机器。
助力知识
活动2
认识机器学习的方式
新知讲解
1.随着大数据的发展和计算机性能的不断提升，机器学习已经广泛应用于数据挖掘、搜索引擎、电子商务、自动驾驶、天气预测、医学诊断等众多领域。应用领域不同，机器学习的方式也不同，人们通常将机器学习的方式分为四大类:监督学习、非监督学习、半监督学习和强化学习。
助力知识
应用场景 机器学习的方式 实现的功能
图像识别 无监督学习 机器能够自动识别和分类图像中的对象和模式
自然语言处理 强化学习 文本分类、命名实体识别和情感分析。
推荐系统 监督学习 用户-商品交互数据来发现用户之间的相似性或商品之间的相关性
异常检测 半监督学习 通过学习正常模式或规律来识别与之不符的数据点
思考讨论
2.查阅相关资料，讨论不同应用场景中的机器学习主要运用了哪种方式实现了什么功能.并且填入下列表中。
助力知识
1、当孩子开始认识事物时，父母给他一些苹果和橘子(目标值)，并告诉他苹果是什么样的，有哪些特征(特征值)，橘子是什么样的，有哪些特征(特征值)。经过父母的不断介绍，这个孩子知道
了苹果和橘子的区别，如果孩子在看到苹果
和橘子时做出错误的判断,父母就会指出错误
的原因(人工干预)。经过不断地学习，再见到
苹果和橘子时，孩子立即就可以做出正确的判
断。孩子逐渐认识事物的过程就属于监督学习
助力知识—监督学习
助力知识
2、监督学习是针对有标记数据的机器学习，要求学习的数据有明确的标签。机器先基于这些有标记的数据建立合适的模型，再选择合适的算法对模型进行训练，通过训练总结出自己的判断方法，当收到“新的问题”时,可以给出较好的判断结果。监督学习的学习与应用过程如图 所示
助力知识—监督学习
助力知识
3、监督学习需要人工标记数据，因此需要大量的人工成本，但同时也使模型具有较高的准确性。监督学习除了可以应用于垃圾邮件过滤，还广泛应用于手机垃圾短信拦截、照片的智能分类、病虫害的识别等
助力知识—监督学习
助力知识
1、同样的孩子，在一开始认识事物时，父母会给他一些苹果和橘子，但是并不告诉他哪个是苹果，哪个是橘子，而是让他根据两个事物的特征自行判断。孩子会把苹果和橘子分成两个组，下次再给他一个苹果时，他会把苹果分到苹果组中，而不是橘子组。
助力知识—非监督学习
非监督学习
助力知识
2、非监督学习又称无监督学习，它与监督学习最大的区别在于非监督学习使用的数据没有标签，这就意味着非监督学习在完成数据收集后，需要对数据进行预处理，从这些数据中总结出数据特征后，才能加以利用。非监督学习的学习与应用过程如图所示。
助力知识—非监督学习
助力知识
3、尽管采用非监督学习得到的应用没有监督学习那么高的准确性，但由于其无须对数据标记标签，因此节省了大量的人工成本。非监督学习应用在生活中的各个领域，比如智能家居系统通过非监督学习分析客户的用电模式、居住习惯等，打造动态家居环境，从而降低能源消耗，提高居住舒适度。
助力知识—非监督学习
助力知识
1、医疗的信息化产生了大量的电子病历，然而很多时候出于对个人隐私或者医学诊断难度的考虑，有些电子病历没有明确的标签，没有明确的病症归类。这时，使用监督学习和非监督学习已经不能满足需求，因此半监督学习就有了用武之地。
助力知识—半监督学习
助力知识
2、半监督学习选择有限的、有标记的电子病历进行监督学习，然后让未标记的电子病历和有标记的电子病历进行比对，通过学习判断病人之间是否存在相似性，如果存在，则归为一种病症。这种方式解决了电子病历存在数据缺陷时无法进行医学诊断的难题。
助力知识—半监督学习
助力知识
3、半监督学习是监督学习与非监督学习相结合的一种学习方法，它使用少量的有标记数据和大量的未标记数据进行学习。半监督学习先对一部分有标记的数据进行监督学习，再对剩下的未标记数据进行分类，从而完成识别工作。
助力知识—半监督学习
助力知识
4、半监督学习的思想是在少量有标记数据的情况下，通过在学习过程中引入未标记样本,以此来避免传统监督学习在训练数据不足(学习不充分)时导致性能(或模型)退化的问题。半监督学习的学习与应用过程如图所示。
助力知识—半监督学习
助力知识
5、半监督学习降低了人工成本，同时具有较高的准确性，因此越来越受到人们的重视。半监督学习的研究成果除了用于医学诊断，还广泛应用于自然语言处理、数字图像处理、视频与文本分类等领域。
助力知识—半监督学习
A*算法
1、美国波士顿动力公司研发的机械狗没有车轮和履带，采用四条机械腿行走，除了可以爬楼梯，还可以穿越崎岖地形。我们都知道，当人直立行走时，可以本能地使用各种技巧控制身体，保持平衡，从而以合理的身姿和步距行走，而机械狗要通过不断调整平衡参数和步距才能习得合理的步行策略。
助力知识—强化学习
A*算法
2、当机械狗保持正常站立时给予正向反馈信息，摔倒时则给予负向反馈信息，根据反馈信息优化并不断强化步行策略，直到可以直立行走。机械狗能够在复杂地形中成功行走是强化学习的结果。
助力知识—强化学习
A*算法
3、强化学习又称增强学习，即通过不断与环境互动(不断试错)来更新决策。强化学习的核心是通过积极奖励(强化信号)来强化最佳行为或行动。采用强化学习可以通过某种方法知道你离正确答案是越来越近还是越来越远(即建立和使用奖惩函数)。在这种学习模式下，输入的数据直接反馈到模型，模型根据反馈结果立刻做出调整。
助力知识—强化学习
A*算法
4、强化学习的过程大致可以分为三个步骤: 第一步，将环境初始化为一个状态，主体把状态输入给算法;第二步，主体执行算法，输出动作;第三步。环境对这个动作进行评价反馈，最终向主体输出正向反馈或负向反馈。强化学习的学习过程如图所示。
助力知识—强化学习
A*算法
5、强化学习正在改变人类社会的方方面面，比如基于强化学习的游戏 AI已经开始超越人类选手,基于强化学习的控制算法也已经应用于自动驾驶、无人机飞行等领域。
助力知识—强化学习
活动3
机器学习对人们生活的影响
新知讲解
1、机器学习技术在生产生活的很多领域都有应用。结合自己的生活经验，上网查阅资料，谈谈机器学习在计算机视觉、智能语音和自然语言处理领域的应用场景及对生活的影响。下面列举一些生活运用。
助力知识
机器学应用领域 应用场景及影响
计算机视觉 1、火车站进站刷脸，使进站检票更便捷。
2、手机人脸解锁，使用手机更加便捷
3、医疗影像分析，够辅助诊断疾病，提高医疗效率
4、视频监控和行为分析，提高公共安全和管理效率。
新知讲解
助力知识
机器学应用领域 应用场景及影响
智能语音 1、语音助手和智能家居，促进了智能家居的普及。
2、语音搜索和推荐，通过语音来进行网络搜索，获取所需信息。
3、自动语音识别和翻译，促进跨语言交流与理解。
4、电话客服和智能机器人，提高了客户服务效率，减少了人力成本。
新知讲解
助力知识
机器学应用领域 应用场景及影响
自然语言处理 1、机器翻译，促进跨语言交流和合作。
2、文本分类和情感分析，可以帮助判断文本中的情感倾向。
3、信息抽取和知识图谱，提供更准确、个性化的信息服务。
4、自动摘要和文本生成，自动生成文章、推文、作曲等任务。
新知讲解
助力知识
助力知识-计算机视觉
1、人主要是通过视觉认识世界的。计算机视觉是利用计算机及相关设备对人类视觉系统的一种模拟。形象地说，就是给机器安装上“眼睛”(照相机、摄像头等成像设备)和“大脑”(算法)，让机器能像人那样观察和认识世界。
助力知识
助力知识-计算机视觉
2、机器学习大大提升了计算机视觉应用的性能，包括人脸识别、图片分类、物体识别等，为计算机在医疗、教育、工业等领域的应用提供了强大的技术支持。
助力知识
1、人们通过“说”来表达自己的思想以及传递情感。机器通过“学习”依靠语音识别、自然语言理解等技术也能“听”“说”。随着机器学习的发展，智能语音技术在普通环境下的准确度，提高到了足以投入实际生活应用的高度。在语音识别方面，智能语音系统在机器学习的帮助下，可以让计算机在噪声较多的环境中，依然能够准确识别一个人的声音，从而慢慢接近人分辨声音的能力。
助力知识-智能语音
助力知识
2、在语音合成方面，智能语音系统在机器学习的帮助下，可以把指定的文字内容以不同人的声音读出来。这些进步使得智能语音渐渐成为人与计算机的主要交流方式。
助力知识-智能语音
助力知识
助力知识-自然语言处理
1、自然语言处理是指利用人类交流所使用的自然语言与机器进行交互通信的技术。通过人为地对自然语言进行处理，使计算机能够读取并理解自然语言。机器学习使自然语言处理系统的性能得到显著提高。随着互联网的普及，自然语言数字化程度日益提高。
助力知识
助力知识-自然语言处理
2、自然语言的海量数据给机器学习提供了充足的学习资源，促使自然语言技术得到了飞速发展，在生活中的应用也越来越多，如搜索引警、对话机器人、机器翻译等。
活动4
拓展延伸
拓展延伸
1、讨论完成：我们生活中有哪些机器学习，有什么作用？
机器学习 作用
推荐系统 推荐系统利用机器学习算法分析用户行为和偏好，向用户提供个性化的产品、服务或内容建议。
垃圾邮件过滤 机器学习可用于垃圾邮件过滤，通过对已知的垃圾邮件和非垃圾邮件进行学习。
金融风险评估 机器学习可以分析大量金融数据，预测潜在的风险和欺诈行为。
自然语言处理 机器学习在自然语言处理（NLP）中扮演着重要角色。
拓展延伸
2、讨论完成：机器学习四种方式以及运用场景？
方式 运用场景
监督学习 图像分类、垃圾邮件过滤、预测销售额等
非监督学习 括聚类分析、异常检测、推荐系统等
强化学习 智能游戏、机器人控制、自动驾驶等
半监督学习 文本分类、图像分割等
项目实施
智能识别是机器学习的主要应用领域之一。虽然要识别之物千千万万，但识别的原理却基本相同。在本节的项目实施中，我们通过机器识别手写数字，体验机器识别的一般过程。
项目实施
1、打开人工智能平台的“识别手写数字”模型。
项目实施
2、准备数据:请你打开机器学习工具，收集同学们的各种手写数字图片，或从网络上下载别人整理好的 mnist手写体数据集。
3、载入手写体数据集。
项目实施
4、训练模型:用手写体数据集中的一部分数据训练“识别手写数字”
模型。
项目实施
5、验证模型:手写一个数字，用“识别手写数字”模型进行验证，看看计算机是否能准确识别出所写的数字。
项目实施
6、思考实验过程中准备的手写数字图片的多少与识别准确率的关系？
答：
手写数字图片的数量与识别准确率之间存在一种正相关关系。通常情况下，增加训练样本的数量可以提高机器学习模型的泛化能力和准确性。加训练数据量可以帮助模型更好地理解数据的整体分布，从而提高准确率。
巩固练习
1 机器学习的类型主要有 ________、________、
__________、____________
答案是：监督学习、非监督学习，半监督学习、强化学习
巩固练习
2 .1判断下列说法是否正确
1、监督学习的训练数据是无标签的，以准确分类数据或预测结果。（ ）
2、无监督学习的训练数据是有标签的,训练目标是能对观察值进行分类或者区分等。（ ）
×
×
巩固练习
2 .2判断下列说法是否正确
3、半监督学习是在训练期间使用较小的标签化数据集,以指导从较大的未标签化数据集进行分类和特征提取。( )
4、强化机器学习是一种行为机器学习模型,此模型通过不断试错进行学习。（ ）
×
√
助力知识
项目总结与评价
1、项目总结: 请同学们对照本单元思维导图进行总结。看看自己已完全掌握哪些知识，还有哪些知识未掌握。
课堂总结
通过机器学习课程这节课，我们从中学到了丰富的知识和技能，并且有机会将其应用于实践项目中。还能将其应用到更多的实际问题中，更深入地理解了机器学习的概念和技术。
板书设计
机器学习
一、体验机器学习
二、认识机器学习的方式
三、机器学习对人们生活的影响
课后作业
1、搜索了解机器学习应用场景？
2、搜索了解机器学习目前达到什么程度？
3、搜索了解机器学习对我们生活的影响？
谢谢
21世纪教育网（www.21cnjy.com)
中小学教育资源网站
兼职招聘：
https://www.21cnjy.com/recruitment/home/admin

展开更多......

收起↑