信息技術（第2版）（拓展模塊）教案 拓展模塊5 5.3常用核心技術

2/7課題名稱決策樹授課類型理實一體授課對象授課課時所授課程授課地點所授教材一、學情分析本課程授課對象為高職各專業(yè)大一學生，課程開設在大一第2學期，學生在知識儲備、學習特點和信息素養(yǎng)的情況如下：1.知識與技能儲備學生理解了機器學習的基本原理，熟悉了機器學習項目開發(fā)流程與步驟，能夠區(qū)分監(jiān)督學習和無監(jiān)督學習的不同點2.學習特點授課對象在學習方面表現(xiàn)出如下特點：（1）喜好電腦與互聯(lián)網的應用，線上操作所見即所得可以引發(fā)學習興趣；（2）喜歡情境設定，厭煩平淡無奇的說教；（3）樂于接受可視化教學資源，反感靜態(tài)紙質學習材料；（4）具有較強的求知欲，希望了解一些具體的人工智能方法。3.信息素養(yǎng)學生具備了基礎的信息技術學科素養(yǎng)，二、教學內容1.知識目標2.能力目標3.素養(yǎng)目標1.教學重點八、教學環(huán)節(jié)教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)一課程回顧與學習目標(10分鐘)【問題導入】什么是監(jiān)督學習？分類任務主要解決什么問題？分類問題的一般形式決策樹用途【學習目標】教師活動1.提出問題，回顧以前所學內容并引申出分類問題和決策樹2.介紹本單元的學習任學生活動2.思考記錄1.問題教學法：復習監(jiān)督學習概念，為本次課程做好鋪墊2.講授教學法：介紹學習目標，使學生明確本次課的要求教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)二介紹決策樹案例(10分鐘)決策樹案例：學習狀態(tài)預測問題在教學過程中，教師常常需要通過學生的日常表現(xiàn)推知學生的學習狀態(tài)。這一場景就可以被建模為監(jiān)督學習問題。1.特征取值范圍2.訓練集教師活動學生活動1.案例分析法：學習狀態(tài)預測問題案例是貫穿本次授課始終的案例，通過此案例，可以幫助學生具體形象地理解決策樹2.結合案例講解特征值、樣本、標簽等基本概念教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)三學習決策樹基本原理(10分鐘)1.決策樹決策樹是一個預測模型，其每一個內部（非葉子）結點表示一個決策特征（屬性）ai，每一條邊代表某個特征的一個可能取值，而每一個葉子結點則表示一個學習狀態(tài)的分類結果“好”或“差”。從根結點到葉子結點的一條路徑代表了一個決策過程的測試序列，一個數(shù)據點從根結點進入決策樹后，會根據其特征值選擇一條這樣的路徑，最終進入某個葉子結點代表的分類類別并得到最終的分類結果。2.決策樹示例教師活動1.講授決策樹基本原理2.組織學生討論如何手工建立案例所示的決策樹學生活動1.講授法：結合示例講授決策樹基本原理，使學生能夠初步理解決策樹的組織結構和決策原理2.討論法：通過討論如何手工建立案例所示的決策樹，使學生對決策樹有進一步了解，為講解算法做好鋪墊教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)四學習決策樹基本算法(25分鐘)1.基本思路決策樹的訓練過程就是根據訓練集D生成一顆決策樹的過程，其算法遞歸式自頂向下生成決策樹，從根結點開始，每次生成一個葉子結點或者選擇一個特征a生成內部結點。根結點處包含所有訓練樣本D，而之后的每個內部結點都會根據特征取值對屬于該結點的樣本集合進行一次劃分。2.已知//數(shù)據來自訓練樣本集訓練樣本集D={(x1,y1),(x2,y2),…,(xn,yn)}//數(shù)據來自特征名稱特征集A={a1,a2,…,ad}//數(shù)據來自特征取值范圍特征值V={a1:{優(yōu)秀,良好,較差},a2:{按時完成,不能完成},a3:{集中,一般,分散},a4:{高,低}}類別值Y={“好”,“差”}3.函數(shù)ID3(D,A)具體的決策樹訓練算法見拓展模塊5中圖5-16教師活動1.講授構建決策樹基本思路2.講授構建決策樹算法的已知條件3.講授具體算法學生活動2.積極思考3.思考記錄講授法：結合案例講授決策樹構建算法，使學生能夠逐步了解決策樹的訓練過程教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)五學習信息增益(15分鐘)1.如何定義最優(yōu)特征a*？為了能夠盡快達到分類目標，希望位置越高的內部結點的決策特征對訓練樣本集合的分類能力越強。一個分類能力強的決策特征，其劃分后的每個子集中的樣本類別應該趨近一致，也就是說隨著劃分過程不斷進行，分支結點的樣本子集“純度”應該越來越高。怎樣度量一個結點上樣本集合的“純度”？2.信息熵信息熵是信息論中廣泛使用的一個度量標準，它可以度量任意樣本集合的“純度”。Ent(D)=-p1log2p1–p2log2p2信息熵越大，正反例樣本的比例越均勻，類別越不一致，樣本的純度越低，當正反例數(shù)量相同時，信息熵為1，達到最大值。反之，信息熵越小，樣本類別越趨于一致，樣本的純度越高，當集合D中樣本屬于同一類別（都是正例或都是反例）時，信息熵為0，達到最小值。例：計算訓練集對應的集合D的信息熵E怎樣度量特征劃分訓練樣本能力？3.信息增益一個特征的信息增益就是使用這個特征劃分樣本集合而導致的信息熵降低程度，在數(shù)學上可以定義為：Gain教師活動1.提問：如何定義最優(yōu)特征a*？2.講解選擇最優(yōu)特征的目標3.提問：怎樣度量一個結點上樣本集合的“純度”？4.講授信息熵概念，舉例如何計算5.提問：怎樣度量特征劃分訓練樣本能力？6.講授信息增益概念，舉例如何計算學生活動啟發(fā)式教學法和問題教學法相結合：通過不斷提出問題解決問題，引導學生理解如何利用信息增益選擇最優(yōu)特征教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)六演示測試和評估(10分鐘)1.測試集T={(良好,按時完成,一般,低,好),(較差,不能完成,一般,低,差)}2.測試路徑3.測試評估正確率100%教師活動學生活動手工檢測操作：利用測試數(shù)據手工檢測決策樹運行結果，使學生進一步理解決策樹的主要功能。教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)七考核評價與教師小結(10分鐘)1.通過學習通課程平臺，完成本小節(jié)的考核評價測試試題。2.通過學習通課程平臺教師端，匯總分析考核評價的總體情況3.教師小結九、反思與改進成功之處：不足之處：2/8課題名稱貝葉斯分類器與人工神經網絡授課類型理實一體授課對象授課課時所授課程授課地點所授教材一、學情分析本課程授課對象為高職各專業(yè)大一學生，課程開設在大一第2學期，學生在知識儲備、學習特點和信息素養(yǎng)的情況如下：1.知識與技能儲備學生進一步理解了機器學習的基本原理，了解了決策樹算法，對機器學習算法開發(fā)流程有了進一步認識2.學習特點授課對象在學習方面表現(xiàn)出如下特點：（1）喜歡情境設定，厭煩平淡無奇的說教；（2）樂于接受可視化教學資源，反感靜態(tài)紙質學習材料；（3）具有較強的求知欲，希望了解一些具體的機器學習算法。3.信息素養(yǎng)學生具備了基礎的信息技術學科素養(yǎng)，二、教學內容1.知識目標2.能力目標3.素養(yǎng)目標1.教學重點八、教學環(huán)節(jié)教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)一課程回顧與學習目標(5分鐘)【問題導入】決策樹算法開發(fā)流程是什么？【學習目標】教師活動1.提出問題，回顧以前所學內容2.介紹本單元的學習目標學生活動2.思考記錄1.問題教學法：復習決策樹算法開發(fā)流程，為本次課程做好鋪墊2.講授教學法：介紹學習目標，使學生明確本次課的要求教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)二學習貝葉斯分類器(20分鐘)1.概率隨機事件出現(xiàn)的可能性大小，表示為P（A）。例：根據案例訓練集數(shù)據計算學習狀態(tài)為好的概率。P2.概率分布隨機變量取值的概率規(guī)律，即隨機變量各種可能結果發(fā)生的概率。3.條件概率條件概率是指事件A在另外一個事件B已經發(fā)生條件下的發(fā)生概率，表示為P（A|B）。例：根據案例訓練集數(shù)據計算學習狀態(tài)為“好”條件下考試成績良好的可能性。P4.機器學習模型的概率表示模型f(x)是一個有關概率分布的函數(shù)，它在觀測到輸入數(shù)據x的條件下，會輸出最有可能的y，數(shù)學表示為f例：對于案例訓練集數(shù)據中的學習狀態(tài)判斷問題，已知一個學生考試成績良好，能按時完成作業(yè)，課上注意力一般，出勤率低，需要判斷其學習狀態(tài)。該問題可表達為以下形式并選取其中較大者的學習狀態(tài)作為判斷結果。P(學習狀態(tài)=好|(考試成績=良好，作業(yè)完成情況=按時完成，課上注意力=一般，出勤率=低))P(學習狀態(tài)=差|(考試成績=良好，作業(yè)完成情況=按時完成，課上注意力=一般，出勤率=低))5.貝葉斯定理P6.貝葉斯分類器f7.樸素貝葉斯分類器fx教師活動學生活動1.案例分析法：學習狀態(tài)預測問題案例是貫穿貝葉斯分類器始終的案例，通過此案例，可以幫助學生具體理解葉斯分類器算法2.結合案例講解貝葉斯分類器中的基本概念3.概率、概率分布、條件概率等基本概念講解要為后面的內容做好鋪墊4.推演模型的概率表示到樸素貝葉斯分類器，使學生理解前后的邏輯關系教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)三樸素貝葉斯分類器計算示例(15分鐘)樸素貝葉斯分類器應用舉例例：以案例訓練樣本集合，判斷一個考試成績良好、能按時完成作業(yè)、課上注意力一般、出勤率低的學生的學習狀態(tài)。解：1．計算學習狀態(tài)為“好”條件下的各項概率估計值PPPPP根據樸素貝葉斯公式，可以得到P(學習狀態(tài)=好2.計算學習狀態(tài)為“差”條件下的各項概率估計值。P學習狀態(tài)=差=PPP根據樸素貝葉斯公式，可以得到P(學習狀態(tài)=差結論：比較以上兩個計算結果，學習狀態(tài)好的計算結果更大，因此判定該學生的學習狀態(tài)為好。教師活動1.布置任務：以案例訓練樣本集合，判斷一個考試成績良好、能按時完成作業(yè)、課上注意力一般、出勤率低的學生的學習狀態(tài)2.提示完成任務的具體方法3.點評學生完成任務情況學生活動任務驅動法：通過學生自己動手完成任務，使學生進一步理解樸素貝葉斯分類器的算法教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)四學習神經元(25分鐘)1.神經元結構2.神經元基本原理（1）線性變換u（2）常用的激活函數(shù)（3）神經元數(shù)學模型y（4）神經元工作原理教師活動1.運用圖示講解神經元結構2.運用圖示講解神經元基本原理學生活動2.積極思考3.思考記錄講授法：通過圖示講授神經元，使學生能夠具體形象地了解神經元結構及其工作原理教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)五學習前饋神經網絡結構(15分鐘)1.前饋神經網絡結構2.前饋神經網絡的訓練教師活動1.運用圖示講解前饋神經網絡結構2.運用圖示講解前饋神經網絡的訓練過程學生活動講授法：通過圖示講授前饋神經網絡，使學生能夠具體形象地了解前饋神經網絡結構及其訓練過程教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)六考核評價與教師小結(10分鐘)1.通過學習通課程平臺，完成本小節(jié)的考核評價測試試題。2.通過學習通課程平臺教師端，匯總分析考核評價的總體情況3.教師小結九、反思與改進成功之處：不足之處：2/8課題名稱卷積神經網絡授課類型理實一體授課對象授課課時所授課程授課地點所授教材一、學情分析本課程授課對象為高職各專業(yè)大一學生，課程開設在大一第2學期，學生在知識儲備、學習特點和信息素養(yǎng)的情況如下：1.知識與技能儲備學生了解了3種機器學習模型，對機器學習常用核心技術有了進一步認識2.學習特點授課對象在學習方面表現(xiàn)出如下特點：（1）喜歡情境設定，厭煩平淡無奇的說教；（2）樂于接受可視化教學資源，反感靜態(tài)紙質學習材料；（3）具有較強的求知欲，希望進一步了解目前廣泛應用的深度學習算法。3.信息素養(yǎng)學生具備了基礎的信息技術學科素養(yǎng)，二、教學內容1.知識目標2.能力目標3.素養(yǎng)目標1.教學重點 八、教學環(huán)節(jié)教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)一課程回顧與學習目標(15分鐘)【問題導入】1.神經元結構、模型、工作原理是什么？2.怎樣訓練前饋神經網絡？【學習目標】教師活動1.提出問題，回顧上次課中人工神經網絡所學內容2.介紹本單元的學習目標學生活動2.思考記錄1.問題教學法：復習人工神經網絡，為本次課程做好鋪墊2.講授教學法：介紹學習目標，使學生明確本次課的要求教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)二學習卷積神經網絡結構(30分鐘)1.輸入層2.卷積層（1）卷積核（2）卷積運算3.池化層4.全連接層5.輸出層（1）線性回歸問題，可以直接使用線性函數(shù)作為輸出以便能夠獲得一個連續(xù)值；（2）多類別分類問題，通常使用softmax函數(shù)作為輸出層的激活函數(shù)以便確定輸入所屬類別。教師活動1.運用圖示講解卷積神經網絡輸入層功能2.運用圖示和動畫講解卷積核和卷積運算3.運用圖示講解池化操作4.運用圖示講解全連接層結構5.運用圖示講解輸出層功能學生活動2.積極思考3.思考記錄講授法：通過圖示講授卷積神經網絡結構，使學生能夠具體形象地了解卷積神經網絡各層的作用教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)三學習卷積神經網絡的基本原理(20分鐘)1.卷積核如何提取特征（1）卷積核與特征匹配（2）特征圖2.池化的功能3.多層卷積抽取復雜特征教師活動1.問題：計算機如何識別字母X？2.運用圖示講解卷積核如何提取X特征3.運用圖示講解池化的功能4.運用實例講解多層卷積如何抽取復雜特征學生活動2.積極思考3.思考記錄講授法：通過圖示和實例講解特征的提取，使學生能夠具體形象地了解卷積神經網絡的基本原理教學環(huán)節(jié)教學內容教學活動策略與意圖環(huán)節(jié)四學習卷積神經網絡的訓練(15分鐘)案例：用卷積神經網絡識