项目九 了解机器学习中的数据采集与预处理课件-2025-2026学年沪科版高中信息技术必修一

信息技术 高中一年级 沪科版 第四章第二节 了解机器学习中的 数据采集与预处理 广西南宁市马山县第三高级中学 韦春亦 1  目 录 CONTENTS 课程重难点 重点:1.数据在机器学习流程中的核心作用：通过MNIST数据集的划分理解它的不同用途。 2.数据预处理的核心——向量化：理解将图像像素矩阵转换为一维数组的必要性与方法。 难点:1.区分“验证集”与“测试集”在模型训练与评估中的不同角色。 2.将图像的视觉信息与计算机处理的数值信息建立联系，理解“向量化”的本质。 情境导入 热点引路 1 初探流程明晰概念 2 深度探究一 数据的向量化 3 实践体验代码验证 4 融会贯通总结提升 5 作业设计 6 2  情境导入 热点引路 1 3 4 探讨题目 同学们，这些‘聪明’的AI模型，它们的‘智慧’是从何而来？ 是靠程序员一条条指令编码出来的吗？ 模型的智慧源于对海量数据的学习 5 多种多样的数据 各种各样的模型 多种字体 各种颜色 不同大小 复杂背景 ？ 问题的预处理 数据的采集 6  初探流程 明晰概念 2 数据采集→建立模型→验证模型→评估模型→应用模型 回顾与讲解：数据是起点和根基。 7     初探流程 明晰概念 2 8  初探流程 明晰概念 2 9  初探流程 明晰概念 2 1 WHAT是什么： 70000张手写数字灰度图。 2 WHERE怎么来： 250人书写，人工标注 （“标注”是给数据贴标签，是监督学习的关键） 3 HOW怎么用： 详细讲解数据集的划分 10  初探流程 明晰概念 2 （1）WHAT是什么： 70000张手写数字灰度图。 11  初探流程 明晰概念 2 （2）WHERE怎么来： 250人书写，人工标注 数字1 数字3 数字5 数字7 数字0 数字2 数字4 数字6 数字8 数字9 12  初探流程 明晰概念 2 Ⅰ 训练集 (Train, 55000)：用于“学习”，建立模型。 （3）HOW怎么用： 详细讲解数据集的划分 Ⅱ 验证(Validation, 5000)：用于“模拟考试”，初步验证和调参。 Ⅲ 测试集 (Test, 10000)：用于“最终大考”，客观评估模型性能。 13  深度探究一 数据的向量化 3 探究向量化的必要性与方法 14  深度探究一 数据的向量化 3 000000·····000000 28x28=784位 15  深度探究一 数据的向量化 3 一维数组 是许多机器学习算法的标准输入格式，简化了数据处理流程和模型结构。 为什么 要将矩阵 转化为一维数组？ 16  深度探究一 数据的向量化 3 方法相同， 只是矩阵中的数值 只有0和1， 拉平后的一维数组 同样由0和1构成。 如果是二值图像，该如何完成向量化？ 17  实践体验 代码验证 4 编程实现数据读取与可视化 通过代码的实践操作， 让学生亲眼见证“向量”如何变回“图像”， 深刻理解了数据向量化， 建立坚实的数据理性认识。 18  实践体验 代码验证 4 运行配套代码mnist_explorer.py 从训练集中随机取出一张图片的向量，通过reshape和matplotlib库将其还原为图像并显示。 运行配套代mnist_explorer.py 用 input_data.read_data_sets 读取MNIST数据。 运行配套代mnist_explorer.py 同时打印出该图片对应的标签。 （1）演示 19  实践体验 代码验证 4 （2）实践 挑战任务： 尝试修改代码，显示验证集或测试集中的图片；尝试显示一张二值化处理后的图片 （将灰度值大于0.5的 设为1，否则为0） 学生动手运行代码，观察并记录输出。 20  实践体验 代码验证 4 展示成果 互相点评 （3）分享与点评 21  融会贯通 总结提升 5 构建完整的知识闭环强化课堂记忆 22  融会贯通 总结提升 5 （1）回顾总结    23 AI热点 机器学习流程 MNIST数据集 数据预处理（向量化） 代码实践  5 时代 热点 强调 核心 发展 展望 2025年AI热门大模型，它们正是依赖于比MNIST庞大亿万倍的数据和更复杂的预处理技术。 数据的质量（如标注准确性、多样性）直接决定AI的天花板，未来在数据科学领域深入探索。 数据就是AI的石油，预处理更像是是炼油厂。没有高质量的数据和精心的预处理，再先进的算法也无法发挥其作用与威力。 （2）价值升华 融会贯通 总结提升 24  作业设计 6 通过讨论AI大模型对海量数据的需求，辩证地思考数据应用可能初步建立负责任地使用数据和发展AI技术的责任感。 【基础性作业】 与 【拓展性作业】 25 【基础性作业】 1.在智慧中小学平台完成本课的课后练习题， 主要考查数据集划分、向量化等核心概念。 2.撰写一段学习反思（100-150字），描述你对“数据是AI基石”这句话的新理解，并提交至平台。  作业设计 6 26 【拓展性作业】 方案A（理论研究）：调研除MNIST外，计算机视觉领域另一个著名的开源数据集（如CIFAR-10），试着撰写一份简短的调研报告，比较它与MNIST的异同。 方案B（编程实践）：修改课堂代码，尝试将MNIST的灰度图像全部转换为二值图像，并统计数字‘0’和‘1’在训练集中各有多少个样本。 （选做，鼓励完成。）  作业设计 6 27  下课 28 $