资源简介

单元基本信息
单元教学主题 第二单元 机器能识别 单元课时 6
单元项目情境与任务 在某些地区，农作物经常受到不同虫害的侵袭，导致产量下降。请同学们应用所学的生物学知识和深度学习技术识别多种昆虫，帮助家乡的农民监测农作物虫害情况，减少经济损失。
单元学习目标 1.知识技能 （1）知道全连接神经网络和深度学习的概念及应用，能够说出全连接神经网络是如何连接的。 （2）知道卷积神经网络的训练和推理步骤和过程，明白训练工具的操作步骤。 （3）知道图像分类任务的操作和应用流程，明白数据集的格式规范。 2.素养指向 （1）信息意识：能够认识到人工智能对人类社会的影响，并应用于项目问题的解决。 （2）计算思维：能够根据农作物虫害的真实情况，设计出解决问题的方案。 （3）数字化学习与创新：能够通过网络或大语言模型收集、整理与使用相关资料，协同解决相关项目问题。 （4）信息社会责任：能够主动运用人工智能技术帮助学生解决农场虫害侵扰的问题。
单元教学整体规划 项目活动 对应课题 拟解决的项目子问题或子任务 课时
项目筹备 第1课 神经网络与深度学习 规划项目实施方案 1
知识探究 了解深度学习的基本概念，以为项目实施储备知识
第2课 卷积神经网络及其应用 了解卷积神经网络的重要性，以为项目实施储备知识 1
第3课 用深度学习实现图像分类 了解图像分类数据集制作流程并训练模型，为项目实施储备知识 2
整理展示 第4课 跨学科活动：昆虫的识别 科学规范地制作并实施项目“昆虫的识别” 2
项目实施
课题名称 第1课 神经网络与深度学习
课时目标 1.合理规划项目实施方案，能够基于小组情况与实验室条件进行规划。 2.知道感知机模型的结构和原理，能够说出不同感知机的区别。 3.知道全连接神经网络的应用，能够说出深度学习的优势和应用场景。
教学准备 网络计算机
导学过程 意图说明
一、项目筹备 1.展示单元项目情境：略 2.提出单元项目任务：你会如何规划项目方案？ （1）提供项目方案范例 学习知识实施步骤预期成果认识神经网络和深度学习 认识卷积神经网络 训练深度神经网络 模型的评估与部署 搭建全连接神经网络分类模型 用EasyTrain训练LeNet模型 昆虫数据的收集与整理 用MMEdu训练一个昆虫识别模型，完成模型转换并部署神经网络和深度学习的认识（PPT格式） 一个昆虫数据集（ZIP格式） 能完成模型训练并部署（视频、模型） 项目报告（PDF格式）
小组名姓名角色职责学生A组长负责项目统筹、监督与管理学生B成员负责进行数据集制作与文档学生C成员负责模型训练与评估学生D成员负责模型部署与软硬件测试
（2）引导开展自主规划 　　　——要求以小组为单位，基于自身情况进行规划，并将结果填入下表1、表2。 表1 项目实施规划 学习知识实施步骤预期成果
表2 小组合作分工 小组名姓名角色职责
（3）各小组汇报展示交流 　　　——展示小组规划成果，交流规划缘由。 知识探究 1.项目子问题或任务引入 ——收集与深度学习相关的专业知识与工具，来为“昆虫的识别”作知识储备。 2.探究内容与要求 （1）方法引领：遵循“概念→结构→原理→......”认知规律 （2）主要内容： ①人工神经网络的起源？——人工智能发展历程 　　②人工神经网络的发展？——多种神经网络 　　③从浅层学习到深度学习？——深度神经网络的优势 3.知识习得 （1）自主阅读：以书本P38-46为主，网络知识作补充 （2）知识梳理： ①1943年提出的“_M-P模型_”模型，解释了如何通过神经元连接与网络进行逻辑计算。 ②人工神经网络的发展经历了_单层感知机_、_多层感知机_、_全连接神经网络_这几类发展。 ③深度神经网络的优势主要体现在将 自动提取特征 和 训练模型分类识别 两个步骤融合在深度神经网络中。 4.核心素养培育 （1）学会分析:以“昆虫的识别”为例，它如何实现识别与应用？ 辅助分析支架：要实现“昆虫的识别”的图像分类功能，选择传统机器学习难以实现，需要使用深度学习模型。 （2）学会解释:哪一种人工智能模型更适合项目“昆虫的识别”？ 辅助分析支架：ImageNet挑战赛显示了深度学习模型的强大，我们可以考虑采用相关模型实现。 （3）对学科方法、工具或作品进行评价反思 请谈谈深度学习与大数据技术、机器高速运算能力的关系？ 习题测试 1.根据你对人工神经网络的理解，请填空 （1）神经网络：多层神经网络由 、 和 组成。 （2）模型搭建：神经网络中不同 之间的 进行连接，形成了模型。 参考答案： （1）输入层、隐藏层、输出层。 （2）层、神经元。 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？ 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）项目方案与小组分工表 （2）常见深度学习工具的优势比较、使用说明及其评价 2.课后挑战作业（书本P46的“挑战”部分） 略

展开更多......

收起↑