资源简介

中小学教育资源及组卷应用平台
第2.9课《人工智能中的机器学习》教学设计
课题 人工智能中的机器学习 单元 第二单元 学科 信息技术 年级 八年级
核心素养目标 信息意识：能够了解机器学习的发展脉络，理清从统计方法到深度学习的演进，以及有监督、无监督学习的核心概念与应用场景。计算思维：能够理解机器学习 “数据驱动” 的基本原理，对比分析有监督与无监督学习的逻辑差异，体会模型训练解决问题的过程。数字化学习与创新：能够通过智能语音助手等工具体验机器学习，收集资料制作发展史电子作品，创新探究技术应用方式。信息社会责任：能够认识到机器学习在智能客服、邮件过滤等领域的价值，同时关注数据隐私与信息安全，理解技术应用的伦理规范。
教学重点 能够了解机器学习的发展脉络，理清从统计方法到深度学习的演进，以及有监督、无监督学习的核心概念与应用场景。
教学难点 能够认识到机器学习在智能客服、邮件过滤等领域的价值，同时关注数据隐私与信息安全，理解技术应用的伦理规范。
教学过程
教学环节 教师活动 学生活动 设计意图
导入新课 第2.9课 人工智能中的机器学习一、新知引入1、学习目标: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。（播放视频） 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 观视频思考 AI 学习能力与智能客服优化逻辑 聚焦机器学习核心价值
讲授新课 新知讲解：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。一、机器学习的基本原理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、改善或通问题求解模型;随着训练量的增加，能够在遇到情误时进行自我校正，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，首先需要输人大量的猫图片，经过对旅特征进行学习后，具有识别图片内容否为为猫的能力，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。知识链接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)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，它共实是一个函数。二、有监督学习与无监督学习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为一类(红高士),2,6为一类(青苹果),3,4为一类(蛇果)。三、机器学习的应用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。机器学习是这些个人助理的重要组成都分，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。亲身体验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。使用语音助手时，先说出指令，设备会通过语音识别将声音转为文字；再由自然语言处理理解你的意图，比如查天气、设闹钟；后台 AI 算法从知识库中匹配答案或调用功能；最后通过语音合成把结果念出来。整个过程靠人工智能算法完成 “听 — 懂 — 思考 — 回答”，模拟与人对话的交互体验。客服中心往住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债给客户。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，邮件服务器后合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。教你一招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呕动下，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。四、随堂作业1.简述有监督学习和无监督学习的区别和联系。答：有监督学习与无监督学习是机器学习的两大核心类型。区别在于，有监督学习使用带标签的标注数据，模型依托已知答案学习输入与输出的映射关系，多用于分类、回归、预测等任务；无监督学习采用无标签数据，无需人工标注，由模型自主挖掘数据内在规律与结构，常用于聚类、降维、关联分析。二者联系紧密，同属数据驱动的机器学习方法，均需提取数据特征完成训练，实际应用中常相互配合，共同支撑人工智能场景落地。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。答：小组分工协作，专人负责搜集史料、梳理脉络、设计制作。按时间线整理机器学习发展史：从 1956 年达特茅斯会议奠定基础，到符号主义兴盛，再到统计学习崛起，直至深度学习时代的爆发，标注关键人物、算法与里程碑事件。用 PPT 或思维导图制作电子作品，清晰呈现演进阶段。组内分享时，成员分板块讲解，交流各阶段技术特点与变革逻辑，深化对学科发展的整体认知。四、课堂练习完成课堂练习22-24页。五、拓展延伸1、机器学习（观看视频）2、监督学习应用3、无监督学习价值4、机器学习安全 用 “猫图片识别” 案例，理解数据驱动模型训练分析 “y=f (x)” 函数映射，举例模型应用场景对比带 / 无标签数据训练，列举对应应用场景列举智能客服 / 垃圾邮件过滤，分析技术价值尝试设置邮件智能过滤规则，验证过滤效果简述两类学习区别联系，梳理核心特征完成 22-24 页课堂练习观看视频拓展认知 明晰机器学习核心逻辑深化模型本质认知掌握两类学习核心差异体会技术与生活融合提升数字化工具使用能力检验知识理解程度提升学生协作归纳能力巩固学生知识掌握程度
课后作业 1、对比有监督与无监督学习的区别，举例说明生活里的机器学习实际应用。 布置作业 拓展学生的学习能力
课堂板书 观看板书 强调教学重点内容。
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31张PPT)
第二单元 第9节
人工智能中的机器学习
（浙教版）八年级
下
1
核心素养目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
核心素养目标
信息意识
计算思维
数字化学习与创新
信息社会责任
能够认识到机器学习在智能客服、邮件过滤等领域的价值，同时关注数据隐私与信息安全，理解技术应用的伦理规范。
能够通过智能语音助手等工具体验机器学习，收集资料制作发展史电子作品，创新探究技术应用方式。
能够理解机器学习 “数据驱动” 的基本原理，对比分析有监督与无监督学习的逻辑差异，体会模型训练解决问题的过程。
能够了解机器学习的发展脉络，理清从统计方法到深度学习的演进，以及有监督、无监督学习的核心概念与应用场景。
03
新知讲解
第九节：人工智能中的机器学习
学习目标
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。
03
新知讲解
第九节：人工智能中的机器学习
03
新知讲解
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
03
新知讲解
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。
03
新知讲解
一、机器学习的基本原理
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，从而让机能够适应新问题，不断进化和持续学习。
03
新知讲解
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、改善或通问题求解模型;随着训练量的增加，能够在遇到情误时进行自我校正，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，首先需要输人大量的猫图片，经过对旅特征进行学习后，具有识别图片内容否为为猫的能力，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。
03
新知讲解
知识链接
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)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，它共实是一个函数。
03
新知讲解
二、有监督学习与无监督学习
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。
03
新知讲解
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为一类(红高士),2,6为一类(青苹果),3,4为一类(蛇果)。
03
新知讲解
三、机器学习的应用
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。
03
新知讲解
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。机器学习是这些个人助理的重要组成都分，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。
03
新知讲解
亲身体验
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。
使用语音助手时，先说出指令，设备会通过语音识别将声音转为文字；再由自然语言处理理解你的意图，比如查天气、设闹钟；后台 AI 算法从知识库中匹配答案或调用功能；最后通过语音合成把结果念出来。
整个过程靠人工智能算法完成 “听 — 懂 — 思考 — 回答”，模拟与人对话的交互体验。
03
新知讲解
客服中心往住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债给客户。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。
03
新知讲解
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，邮件服务器后合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。
03
新知讲解
教你一招
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。
03
新知讲解
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呕动下，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。
03
新知讲解
随堂练习
1.简述有监督学习和无监督学习的区别和联系。
有监督学习与无监督学习是机器学习的两大核心类型。区别在于，有监督学习使用带标签的标注数据，模型依托已知答案学习输入与输出的映射关系，多用于分类、回归、预测等任务；无监督学习采用无标签数据，无需人工标注，由模型自主挖掘数据内在规律与结构，常用于聚类、降维、关联分析。二者联系紧密，同属数据驱动的机器学习方法，均需提取数据特征完成训练，实际应用中常相互配合，共同支撑人工智能场景落地。
03
新知讲解
随堂练习
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。
小组分工协作，专人负责搜集史料、梳理脉络、设计制作。按时间线整理机器学习发展史：从 1956 年达特茅斯会议奠定基础，到符号主义兴盛，再到统计学习崛起，直至深度学习时代的爆发，标注关键人物、算法与里程碑事件。用 PPT 或思维导图制作电子作品，清晰呈现演进阶段。组内分享时，成员分板块讲解，交流各阶段技术特点与变革逻辑，深化对学科发展的整体认知。
04
课堂练习
一、选择题
1、有监督学习训练时使用的数据是（ ）
A. 带标签数据 B. 无标签数据
C. 随机数据 D. 空白数据
2、无监督学习的主要特点是（ ）
A. 有明确答案标签 B. 自主挖掘数据规律
C. 只能做分类任务 D. 依赖人工标注
A
B
04
课堂练习
3、语音助手把声音转成文字依靠的是（ ）
A. 语音合成 B. 语音识别
C. 数据加密 D. 图像识别
4、下列属于无监督学习应用的是（ ）
A. 房价预测 B. 数据聚类
C. 垃圾邮件分类 D. 人脸识别
B
B
04
课堂练习
二、判断题
1、有监督学习需要依靠带标签的标注数据训练模型。（ ）
2、无监督学习不需要人工标注数据，可自主学习数据结构。（ ）
3、聊天机器人只需要语音合成就能完成交互任务。（ ）
4、机器学习是人工智能的重要核心技术之一。（ ）
5、分类、回归任务通常属于有监督学习。（ ）
√
X
√
√
√
05
拓展延伸
机器学习
05
拓展延伸
监督学习应用
有监督学习是机器学习主流方式，依托标注数据训练模型，广泛用于图像识别、语音转写、房价预测、垃圾邮件过滤等场景。模型通过学习已知规律，对新数据做出精准判断，是生活中多数智能应用的核心技术，实用性强、落地场景丰富。
05
拓展延伸
无监督学习价值
无监督学习无需数据标注，能自主挖掘数据内在结构与关联，常用于用户聚类、数据降维、关联规则挖掘。可降低数据标注成本，发现隐藏规律，在大数据分析、用户画像构建中发挥关键作用，是复杂数据处理的重要技术。
05
拓展延伸
机器学习安全
机器学习依托海量数据训练，需重视数据隐私与算法安全。要防范数据泄露、算法偏见等问题，规范数据采集与模型使用，遵循伦理准则。保障技术公平透明，才能让机器学习安全、健康地服务于生活与生产各领域。
08
板书设计
人工智能中的机器学习
一、机器学习的基本原理
二、有监督学习与无监督学习
三、机器学习的应用
课后作业:
1、对比有监督与无监督学习的区别，举例说明生活里的机器学习实际应用。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑