资源简介

(共16张PPT)
情境导入：
本单元主题：智能技术初体验
机器学习可以使计算机模拟或者实现人类的学习行为，以获取新的知识或技能。从人工智能诞生之初，人们就希望计算机能够像人一样，可以从获取的信息和过往的经验中学习，能实现自我学习与提高能力，从而解决实际问题。
人工智能的学习能力会超过人类的学习能力吗
如何让人工智能客服更加聪明，不会答非所问
《第9课 人工智能中的机器学习》
2023年浙教版 八年级下册
-第2单元 智能技术初体验 -
珠珠老师
信息科技 课件
2022新版课标内容
1
活动1：机器学习的基本原理
2
活动2：有监督学习与无监督学习
《目录》
信息科技
3
活动3：机器学习的应用
01
机器学习的基本原理
活动1
01.知识点讲解
在传统计算机编程中，一般是通过程序明确告诉计算机每一步应该做什么。在机器学习中，没有给计算机明确详细的指令，仅给了数据和算法模型，让机器研究问题、解决问题，从而让机器能够适应新问题、不断进化和持续学习。
机器学习是一种基于机器学习模型的计算机程序，通过对大量的数据和经验进行学习，以获得、改善或逼近问题求解模型;随着训练量的增加，能够在遇到错误时进行自我校正，从中获取规律,最后找到解决某类问题的一个最合适的模型。举例来说，在识别一张图片内容是否为猫的机器学习系统中，首先需要输入大量的猫图片，经过对猫特征进行学习后，具有识别图片内容是否为猫的能力，就说明该机器已经学成了一个判断图片内容是否为猫的模型。
活动1：机器学习的基本原理
01
01.知识点讲解
01
模型 机器学习的过程称为训练，学习的结果称为模型。一个已经训练好的模型，可以被理解成一个函数:y=f(x)。把数据（对应其中的x)输入进去，得到输出结果（对应其中的y)。这个输出结果可能是一个数值，也可能是一个标签，它会告诉我们一些事情。比如，用猫和非猫数据训练出了猫分类器。这个分类器就是分类模型，它其实是一个函数。
助力知识
活动1：机器学习的基本原理
02
有监督学习与无监督学习
活动2
01.知识点讲解
活动2：有监督学习与无监督学习
02
机器学习的方法主要有:有监督学习和无监督学习。
有监督学习要拿一组已经知道类别的数据，即带标签的数据进行学习，之后再利用学习得到的知识去对新的数据进行判断。举例来说，在识别是否为猫的系统中，训练模型时，需要将每个图片打上标签，表示当前图片是猫或者非猫。如图9-1所示就是一个识别是否为猫的模型。
01.知识点讲解
活动2：有监督学习与无监督学习
02
无监督学习，指计算机通过学习无标签数据，即机器并不知道学习数据的类别，从中提取能够将数据进行分类的特征，并根据特征的不同，将数据分割为不同的类的过程。如图9-2所示的6个样本，机器经过学习后发现可以用于区别的特征有颜色和外形,根据这两个特征的不同，可以将6个样本分为3类，1，5为类(红富士)，2，6为一类（青苹果)，3，4为一类（蛇果)。
03
机器学习的应用
活动3
01.知识点讲解
活动3：机器学习的应用
03
生活中有很多关于机器学习的应用，可能大家正在以某种方式使用它，但却不知道它的存在。例如:虚拟个人助理、智能客服、垃圾邮件过滤等，如图9-3所示。
虚拟个人助理，可以通过语音指令为人类提供各种各样的帮助，如播放音乐、打开电子邮件、查询天气等。机器学匀是这些个人助理的重要组成部分，通过机器学习，个人助理能够更了解用户的需求，从而提供更符合用户需求的个性化服务。
01.知识点讲解
活动3：机器学习的应用
03
客服中心往往推荐客户优先使用智能客服。当客户提出需求时，智能客服从相应的数据库中提取信息反馈给客户。与此同时，随着互动的深入能够更好地理解客户需求，为客户提供更人性化的服务。
电子邮件是人们常用的交流工具，邮件服务器通常具有分类功能。用户收到的每一封新邮件，会被自动筛选为重要邮件、普通邮件、广告邮件和垃圾邮件等。面对垃圾邮件，邮件服务器会使用如内容过滤、标题过滤、常规黑名单过滤等这些基于规则的过滤方法，但根据既有的规则，往往无法过滤掉采用不断翻新花样编辑的垃圾邮件。为此，邮件服务器后台可以使用基于机器学习邮件过滤器，这样的邮件过滤器可以主动学习、不断更新，从而提高过滤效果。
利用智能音响或者智能手机的语言助手，尝试让机器人帮你实现一项任务，体会聊天机器人的工作原理。
实践探究
01.知识点讲解
03
助力知识
通过设置邮件过滤规则，可以自定义邮件服务器对邮件的过滤功能。选用邮件服务时，可以选择具有智能过滤功能的邮件服务器。
活动3：机器学习的应用
在当前的人工智能研究和实践中，大量机器学习技术被引人并不断发展。各种算法模型在大数据的驱动下，取得了越来越多的研究成果，机器学习已经成为当前实现人工智能的一个重要途径。但是，机器学习需要的大量数据来源于人们的学习、生产、生活，这些数据可能涉及一些个人隐私，所以需要同时关注信息安全。
1．简述有监督学习和无监督学习的区别和联系。
*2．以小组为单位，收集并整理机器学习的发展史，制作成电子作品，组内分享和交流。
>
巩固练习
1
活动1：机器学习的基本原理
2
活动2：有监督学习与无监督学习
《总结》
信息科技
3
活动3：机器学习的应用
《感谢观看》
- Thank for Viewing -
珠珠老师
2023年浙教版 八年级下册《第9课 人工智能中的机器学习》教学设计
教学内容分析
本节课是2023年浙教版出版的八年级下册第二单元第5课。本节课分为三个活动：“机器学习的基本原理”“有监督学习与无监督学习”“机器学习的应用”三部分内容组成。学生通过小组合作探究学习逐步掌握本节课的知识点，具备一定的小组合作能力、探究能力、创新能力等，提升信息社会责任，综合提升信息素养。
教学目标及核心素养指向
1、通过对机器学习的案例探究和应用体验,初步理解机器学习的基础原理和方法。（信息意识、计算思维） 2、了解机器学习的应用（信息意识、计算思维、数字化学习与创新、信息社会责任）
教学重难点
教学重点： 通过对机器学习的案例探究和应用体验,初步理解机器学习的基础原理和方法。 设计原因：理解机器学习的基础原理和方法是本节课的主要内容，知识点的渗透需要作为重点内容。 教学难点： 了解机器学习的应用 设计原因：了解机器学习此部分对学生来说难度较高，应作为难点内容。
教学过程
1、情境导入（3分钟）
教师活动 学生活动
情境引入：机器学习可以使计算机模拟或者实现人类的学习行为，以获取新的知识或技能。从人工智能诞生之初，人们就希望计算机能够像人一样，可以从获取的信息和过往的经验中学习，能实现自我学习与提高能力，从而解决实际问题。 人工智能的学习能力会超过人类的学习能力吗 如何让人工智能客服更加聪明，不会答非所问 学生听教师引导生活中的案例,学生讨论，回答提问
设计意图： 激发学生对人工智能的学习兴趣并快速进入学习状态。
2、新知讲授（35分钟）
教师活动 学生活动
活动1：机器学习的基本原理 知识讲解 在传统计算机编程中，一般是通过程序明确告诉计算机每一步应该做什么。在机器学习中，没有给计算机明确详细的指令，仅给了数据和算法模型，让机器研究问题、解决问题，从而让机器能够适应新问题、不断进化和持续学习。 机器学习是一种基于机器学习模型的计算机程序，通过对大量的数据和经验进行学习，以获得、改善或逼近问题求解模型;随着训练量的增加，能够在遇到错误时进行自我校正，从中获取规律,最后找到解决某类问题的一个最合适的模型。举例来说，在识别一张图片内容是否为猫的机器学习系统中，首先需要输入大量的猫图片，经过对猫特征进行学习后，具有识别图片内容是否为猫的能力，就说明该机器已经学成了一个判断图片内容是否为猫的模型。 重点知识 模型 机器学习的过程称为训练，学习的结果称为模型。一个已经训练好的模型，可以被理解成一个函数:y=f(x)。把数据（对应其中的x)输入进去，得到输出结果（对应其中的y)。这个输出结果可能是一个数值，也可能是一个标签，它会告诉我们一些事情。比如，用猫和非猫数据训练出了猫分类器。这个分类器就是分类模型，它其实是一个函数。 活动2：有监督学习与无监督学习 知识讲解 机器学习的方法主要有:有监督学习和无监督学习。 有监督学习要拿一组已经知道类别的数据，即带标签的数据进行学习，之后再利用学习得到的知识去对新的数据进行判断。举例来说，在识别是否为猫的系统中，训练模型时，需要将每个图片打上标签，表示当前图片是猫或者非猫。如图9-1所示就是一个识别是否为猫的模型。 无监督学习，指计算机通过学习无标签数据，即机器并不知道学习数据的类别，从中提取能够将数据进行分类的特征，并根据特征的不同，将数据分割为不同的类的过程。如图9-2所示的6个样本，机器经过学习后发现可以用于区别的特征有颜色和外形,根据这两个特征的不同，可以将6个样本分为3类，1，5为类(红富士)，2，6为一类（青苹果)，3，4为一类（蛇果)。 活动3：机器学习的应用 知识讲解 生活中有很多关于机器学习的应用，可能大家正在以某种方式使用它，但却不知道它的存在。例如:虚拟个人助理、智能客服、垃圾邮件过滤等，如图9-3所示。 虚拟个人助理，可以通过语音指令为人类提供各种各样的帮助，如播放音乐、打开电子邮件、查询天气等。机器学匀是这些个人助理的重要组成部分，通过机器学习，个人助理能够更了解用户的需求，从而提供更符合用户需求的个性化服务。 客服中心往往推荐客户优先使用智能客服。当客户提出需求时，智能客服从相应的数据库中提取信息反馈给客户。与此同时，随着互动的深入能够更好地理解客户需求，为客户提供更人性化的服务。 电子邮件是人们常用的交流工具，邮件服务器通常具有分类功能。用户收到的每一封新邮件，会被自动筛选为重要邮件、普通邮件、广告邮件和垃圾邮件等。面对垃圾邮件，邮件服务器会使用如内容过滤、标题过滤、常规黑名单过滤等这些基于规则的过滤方法，但根据既有的规则，往往无法过滤掉采用不断翻新花样编辑的垃圾邮件。为此，邮件服务器后台可以使用基于机器学习邮件过滤器，这样的邮件过滤器可以主动学习、不断更新，从而提高过滤效果。 重点知识 通过设置邮件过滤规则，可以自定义邮件服务器对邮件的过滤功能。选用邮件服务时，可以选择具有智能过滤功能的邮件服务器。 在当前的人工智能研究和实践中，大量机器学习技术被引人并不断发展。各种算法模型在大数据的驱动下，取得了越来越多的研究成果，机器学习已经成为当前实现人工智能的一个重要途径。但是，机器学习需要的大量数据来源于人们的学习、生产、生活，这些数据可能涉及一些个人隐私，所以需要同时关注信息安全。 学生通过教师的讲解，以小组合作的方式，开展探讨交流，完成任务 活动1：机器学习的基本原理 小组合作探究 1.与同伴交流机器学习的原理。 活动2：有监督学习与无监督学习 小组合作探究 梳理有监督学习与无监督学习内容。 活动3：机器学习的应用 小组合作探究 1.利用智能音响或者智能手机的语言助手，尝试让机器人帮你实现一项任务，体会聊天机器人的工作原理。
设计意图: 培养学生独立思考的能力，提高核心素养。
3、课堂小结（7分钟）
教师活动 学生活动
总结本课内容： 活动1：机器学习的基本原理 活动2：有监督学习与无监督学习 活动3：机器学习的应用 学生一同回答并梳理知识
设计意图： 帮助学生梳理本节课知识，加深学生对知识的理解。(共1张PPT)
学习单
211
活动1：机器学习的基本原理
与同伴交流机器学习的原理。
思考与讨论
班级：8年__班
组别：______
2
活动2：有监督学习与无监督学习
梳理有监督学习与无监督学习内容。
思考与讨论
3
活动3：机器学习的应用
利用智能音响或者智能手机的语言助手，尝试让机器人帮你实现一项任务，体会聊天机器人的工作原理。
实践探究《第9课 人工智能中的机器学习》作业设计
作业分析
作业类型 基础型作业 探究型作业 实践型作业 跨学科综合作业
作业类别 课时作业 单元作业 学期作业
应用场景 课前预习 课中练习 课后作业
作业对象 全体学生作业 学生根据情况可选作业
设计思路 本作业设计旨在通过填空题、选择题和实践题三种题型，全面检验学生对机器学习基本概念、算法及应用的理解。通过填写关键信息、选择正确答案以及动手实践，学生能够巩固所学知识，提升实际操作能力，为深入学习人工智能领域打下基础。
作业内容
一、填空题【难度等级：★★★★】
1. 机器学习是人工智能的一个分支，它指的是计算机系统通过______来不断改善自身性能的过程。
2. 在机器学习中，常用的数据集通常被划分为______集、______集和______集，以用于训练、验证和测试模型。
3. 监督学习是机器学习中的一种方法，它要求提供带有______的样本数据，以便模型能够学习从输入到输出的映射关系。
4. 在非监督学习中，模型通过寻找数据中的______或______来发现数据的内在结构和规律。
5. 为了评估机器学习模型的性能，通常使用______、______等指标来衡量模型的预测准确性和泛化能力。
二、选择题【难度等级：★★★】
1. 机器学习的主要目的是什么？
A. 替代人类工作
B. 让计算机拥有自我意识
C. 使计算机系统能够自动改进其性能
D. 提高计算机的运行速度
2. 在机器学习中，用于训练模型的数据集通常不包含哪种数据？
A. 输入数据
B. 输出数据
C. 错误数据
D. 标签数据
3. 监督学习与非监督学习的主要区别是什么？
A. 监督学习需要标签数据，非监督学习不需要
B. 监督学习用于分类，非监督学习用于聚类
C. 监督学习可以预测未来，非监督学习不能
D. 监督学习速度慢，非监督学习速度快
4. 在评估机器学习模型时，以下哪个指标通常用来衡量模型的准确性？
A. 运行时间
B. 数据集大小
C. 准确率
D. 代码行数
5. 机器学习中的过拟合现象通常指的是什么？
A. 模型在训练数据上表现良好，但在新数据上表现不佳
B. 模型训练时间过长
C. 模型需要的数据量太大
D. 模型复杂度太低，无法捕捉数据的特征
三、实践题【难度等级：★★★★★】
1. 请使用一个简单的机器学习算法（如线性回归或K近邻）对一组数据进行分类或回归预测，并解释你所选择的算法的工作原理。你需要提供数据集的描述、算法的实现步骤以及最终结果的解释。
2. 尝试使用Python编程语言及其机器学习库（如scikit-learn）来实现一个简单的机器学习项目。你可以选择一个分类或回归问题，并使用适当的机器学习算法来解决它。请写出你的代码，并解释每一步的作用。
3. 在互联网上搜索一个实际应用机器学习的场景（如图像识别、语音识别、推荐系统等），并详细描述该场景中机器学习是如何应用的。请解释所使用的机器学习算法、数据集、以及算法如何帮助解决实际问题。

展开更多......

收起↑