第四单元　项目9 了解手写数字识别-体验人工智能（2）教案　2022—2023学年沪科版（2019）高中信息技术必修1

2019沪教版高中信息技术——必修1《数据与计算》 项目九 了解手写数字识别 ——体验人工智能（2） 学习目标： · 了解什么是人工智能及机器学习。 · 了解人工智能的发展。 · 认识人工智能对社会的作用及影响。 · 了解机器学习的一般过程。 教学重点难点： 重点：人工智能技术及机器学习的概念，机器学习的一般过程，人工智能对社会的作用及影响。 难点：机器学习的一般过程。 教学准备： 软硬件环境：机房、Python3编译环境、第三方库Numpy、MNIST数据集。 教学素材：人工智能应用图文和视频资料。读入MNIST数据集并将其中的二进制文件数据转换成图像格式文件的Python代码，建立并应用手写数值识别模型的Python代码。 教学过程： 教学环节 导案 学案 设计意图 新课导入 回顾上节课的知识，提问： 1、什么是人工智能？什么是机器学习？ 2、人工智能的发展阶段？ 展示一组学生不熟悉字体的文字图片，让学生辨识。然后给出相应的答案。 再展示一组相似的图片让学生辨认，然后给出答案。 辨认、思考、回答 培养学生独立思考能力，引入今天的课题。 1、模拟机器学习的过程 提问： 如此重复多少遍后，你能够认识这种字体的文字？ 你是怎样记忆并作出判断的？ 引导学生通过活动理解手写数字识别的学习过程。 辨认、思考、回答 培养学生自主学习能力 模拟机器学习的过程。 活动9.1 尝试理解图片向量化、二进制文件转图片文件以及手写识别模型和检验的原理和过程。 1、 数据的采集 2、 数据的预处理 MNIST数据集可直接在MNIST数据集官方网站下载。在Python语言中，有一些第三方工具，可用来方便地读入 MNIST数据集，并直接完成向量化。 MNIST=input_data.read_data_sets("MNIST_data"， one_hot=True) input_data.read_ data_sets函数会自动将MNIST数据集划分为Train、Validation和Test三个数据集。设置one_hot=True,可以将标注信息转化为本项目中所使用的手写数字识别算法的标准格式。 培养自主学习能力，了解MNSITS数据采集的处理过程。 活动9.2 建立手写数字识别模型并进行验证 建立手写数字识别模型的过程，就是对 Train集合进行训练的