2022年安徽省高中新課程新教材優(yōu)質(zhì)課評(píng)選 PAGEPAGE8項(xiàng)目九了解手寫數(shù)字識(shí)別——體驗(yàn)人工智能采集數(shù)據(jù)、建立模型、驗(yàn)證模型——機(jī)器學(xué)習(xí)的一般過(guò)程安徽省馬鞍山市第二中學(xué)鄭蒲港分?？椎驴　窘滩姆治觥勘竟?jié)課內(nèi)容是信息技術(shù)必修1《數(shù)據(jù)與計(jì)算》第四單元《人工智能初步》中的項(xiàng)目九了解手寫數(shù)字識(shí)別——體驗(yàn)人工智能。本項(xiàng)目的教學(xué)目的是了解什么是人工智能，什么是機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)的一般過(guò)程，計(jì)算機(jī)如何進(jìn)行手寫數(shù)字識(shí)別，人工智能發(fā)展對(duì)社會(huì)的作用及影響。本節(jié)課內(nèi)容是了解什么是機(jī)器學(xué)習(xí)、了解機(jī)器學(xué)習(xí)的一般過(guò)程，是整個(gè)項(xiàng)目的難點(diǎn)，尤其在數(shù)據(jù)采集、建立模型部分，涉及到很多陌生的概念和代碼。【學(xué)情分析】通過(guò)項(xiàng)目二的學(xué)習(xí)，學(xué)生已經(jīng)對(duì)數(shù)據(jù)編碼有所了解。通過(guò)項(xiàng)目六的學(xué)習(xí)，學(xué)生已經(jīng)對(duì)python基礎(chǔ)知識(shí)有所掌握。在本單元上一節(jié)課中，學(xué)生知道了人工智能的含義，了解了人工智能的發(fā)展，對(duì)人工智能技術(shù)的應(yīng)用非常感興趣，但是對(duì)人工智能技術(shù)本身仍缺乏了解。本節(jié)課理論知識(shí)較多，學(xué)生理解起來(lái)會(huì)感覺(jué)到有些困難?！竞诵乃仞B(yǎng)】信息意識(shí)：能夠根據(jù)解決問(wèn)題的需要，自覺(jué)、主動(dòng)地尋求恰當(dāng)?shù)姆绞将@取與處理信息。計(jì)算思維：能夠采用計(jì)算機(jī)領(lǐng)域的學(xué)科方法界定問(wèn)題、抽象特征、建立結(jié)構(gòu)模型、合理組織數(shù)據(jù)?！窘虒W(xué)目標(biāo)】1.通過(guò)分析數(shù)據(jù)采集及數(shù)據(jù)預(yù)處理的方法、分析MNIST數(shù)據(jù)集的組成，增強(qiáng)信息意識(shí)。2.在使用python程序進(jìn)行機(jī)器學(xué)習(xí)建立模型的過(guò)程中，了解人工智能的思想方法，促進(jìn)計(jì)算思維的形成與發(fā)展。3.通過(guò)了解機(jī)器學(xué)習(xí)的概念、體驗(yàn)機(jī)器學(xué)習(xí)的一般過(guò)程，提升對(duì)人工智能技術(shù)作用的認(rèn)識(shí)，發(fā)展信息社會(huì)責(zé)任?！窘虒W(xué)重難點(diǎn)】1.重點(diǎn)：了解機(jī)器學(xué)習(xí)的概念、體驗(yàn)機(jī)器學(xué)習(xí)的一般過(guò)程。2.難點(diǎn)：理解采集數(shù)據(jù)的方法和作用、調(diào)試參數(shù)建立模型的過(guò)程。【教學(xué)準(zhǔn)備】軟硬件環(huán)境：64位操作系統(tǒng)的多媒體機(jī)房、pythonIDLE、python第三方庫(kù)、MNIST數(shù)據(jù)集。教學(xué)素材：讀入MNIST數(shù)據(jù)集并將其中的二進(jìn)制數(shù)據(jù)轉(zhuǎn)換成圖像格式文件的python代碼、建立手寫數(shù)字識(shí)別模型的python代碼、教學(xué)網(wǎng)頁(yè)、教學(xué)應(yīng)用游戲小程序?！窘虒W(xué)過(guò)程】環(huán)節(jié)教師活動(dòng)學(xué)生活動(dòng)設(shè)計(jì)意圖（一）激趣導(dǎo)入，引出課題1.師：今天的課程從觀看一個(gè)短視頻開(kāi)始。放播《2022世界人工智能大會(huì)“鼎文識(shí)別”技術(shù)》視頻，了解人工智能在中國(guó)古代文字識(shí)別中的應(yīng)用。2.師：這個(gè)視頻是2022人工智能大會(huì)上文字識(shí)別的最新應(yīng)用，能夠把彎曲的鼎上的古代文字識(shí)別出來(lái)。從常用漢字識(shí)別到古代文字識(shí)別，識(shí)別正確率從低到越來(lái)越高，這是機(jī)器學(xué)習(xí)的結(jié)果。本節(jié)課我們一起來(lái)了解機(jī)器學(xué)習(xí)，以及機(jī)器學(xué)習(xí)的一般過(guò)程的前三個(gè)步驟：采集數(shù)據(jù)、建立模型、驗(yàn)證模型。3.什么是機(jī)器學(xué)習(xí)呢？請(qǐng)同學(xué)們?cè)谡n本134頁(yè)找一找答案。機(jī)器學(xué)習(xí)（machinelearning）是一門研究學(xué)習(xí)算法的學(xué)問(wèn)，它利用已有的數(shù)據(jù)來(lái)建立模型，再用模型去解決未知的問(wèn)題。1.認(rèn)真觀看。2.了解本節(jié)課課題。3.學(xué)習(xí)機(jī)器學(xué)習(xí)的概念。通過(guò)視頻，激發(fā)學(xué)生學(xué)習(xí)興趣，了解人工智能的最新成果，感受中國(guó)文化的魅力，引出本節(jié)課的課題，明確本課的內(nèi)容——機(jī)器學(xué)習(xí)及其一般過(guò)程的前三個(gè)步驟。（二）課程主線：機(jī)器學(xué)習(xí)的一般過(guò)程1.師：機(jī)器是怎么學(xué)習(xí)的？機(jī)器學(xué)習(xí)的一般過(guò)程是什么呢？機(jī)器學(xué)習(xí)和人類學(xué)習(xí)類似，我們先來(lái)看看人類學(xué)習(xí)的一般過(guò)程。2.師：鄭蒲港分校地處農(nóng)村，學(xué)校周圍和校園內(nèi)都有農(nóng)田，不同的季節(jié)會(huì)有不同的作物，老師為了認(rèn)識(shí)它們，上網(wǎng)找了很多圖片，包括：花生、蘿卜、南瓜……今天也想讓同學(xué)們也認(rèn)識(shí)認(rèn)識(shí)它們。老師制作了一個(gè)游戲程序，我們一起來(lái)玩一玩。老師想請(qǐng)一位同學(xué)上臺(tái)來(lái)完成游戲。（請(qǐng)同學(xué)上臺(tái)）游戲規(guī)則：運(yùn)行【游戲】識(shí)別作物，點(diǎn)擊【學(xué)習(xí)/下一次】生成圖片，進(jìn)行學(xué)習(xí)，每次學(xué)習(xí)后點(diǎn)擊【驗(yàn)證】測(cè)試正確率。學(xué)習(xí)完成后，老師將通過(guò)大屏幕展示圖片，進(jìn)行測(cè)試。3.師：游戲時(shí)間到，我們一起來(lái)測(cè)試下能識(shí)別幾種吧。4.師：結(jié)合大家的體驗(yàn)，整個(gè)人類學(xué)習(xí)過(guò)程包括：準(zhǔn)備圖片、多次看圖片、自我驗(yàn)證、測(cè)試、實(shí)物識(shí)別。機(jī)器學(xué)習(xí)的一般過(guò)程也類似包括：采集數(shù)據(jù)、建立模型、驗(yàn)證模型、評(píng)估模型、應(yīng)用模型。即用采集到的數(shù)據(jù)進(jìn)行訓(xùn)練，以建立一個(gè)模型，再對(duì)模型進(jìn)行驗(yàn)證和評(píng)估，然后投入應(yīng)用。1.傾聽(tīng)。2.認(rèn)真聽(tīng)講，玩游戲。3.參與測(cè)試。4.回顧游戲過(guò)程，了解人類學(xué)習(xí)的一般過(guò)程，對(duì)比機(jī)器學(xué)習(xí)的一般過(guò)程。通過(guò)游戲，更加有趣的讓學(xué)生了解人類學(xué)習(xí)的一般過(guò)程，通過(guò)人類學(xué)習(xí)的一般過(guò)程和機(jī)器學(xué)習(xí)的一般過(guò)程對(duì)比，過(guò)渡到新知識(shí)。學(xué)生游戲后自我總結(jié)，再知識(shí)講解，更加有利于學(xué)生理解。（三）進(jìn)入主線：數(shù)據(jù)采集及預(yù)處理【數(shù)據(jù)采集】1.師：那每一個(gè)過(guò)程又具體做了什么呢？下面我們就一起來(lái)詳細(xì)了解一下。本節(jié)課只了解機(jī)器學(xué)習(xí)的一般過(guò)程中前三個(gè)步驟：采集數(shù)據(jù)、建立模型、驗(yàn)證模型。圖片的識(shí)別對(duì)于計(jì)算機(jī)來(lái)說(shuō)難度有點(diǎn)大，我們以最簡(jiǎn)單的識(shí)別手寫數(shù)字0-9為案例。機(jī)器學(xué)習(xí)的一般過(guò)程中，第一步數(shù)據(jù)采集是機(jī)器學(xué)習(xí)的基礎(chǔ)，采集到的數(shù)據(jù)將應(yīng)用到建立模型、驗(yàn)證模型、評(píng)估模型中。2.師問(wèn)：如果我們想讓機(jī)器識(shí)別出0-9這10個(gè)數(shù)字，我們先要讓機(jī)器知道什么？3.師：0長(zhǎng)什么樣？1長(zhǎng)什么樣？……針對(duì)手寫數(shù)字識(shí)別，人們開(kāi)發(fā)了可用于機(jī)器學(xué)習(xí)的MNIST數(shù)據(jù)集。【MNIST數(shù)據(jù)集的組成】4.師：什么是MNIST數(shù)據(jù)集呢？MNIST數(shù)據(jù)集來(lái)自美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究所,我們可以從網(wǎng)站上下載到MNIST數(shù)據(jù)集，包含四個(gè)部分，下載后如圖：解壓后如圖：包含包含10,000個(gè)樣本包含10,000個(gè)標(biāo)簽包含60,000個(gè)樣本包含60,000個(gè)標(biāo)簽由250個(gè)人手寫的不同數(shù)字構(gòu)成。采集了70000張從0到9這10個(gè)數(shù)字的樣本圖片，所有圖片由人工完成標(biāo)注。7000070000張60000張10000張10000張5000張55000張70000張圖片進(jìn)行了詳細(xì)的劃分，用到后面的各個(gè)步驟中。首先分為訓(xùn)練樣本和測(cè)試樣本。然后，訓(xùn)練樣本分為Train（訓(xùn)練）集合用于建立模型，Validation（驗(yàn)證）集合用于驗(yàn)證模型。測(cè)試樣本分為Test（測(cè)試）集合用于評(píng)估模型。5.師：那么MNIST數(shù)據(jù)集到底是什么樣的呢？我們完成【活動(dòng)一】查看MNIST數(shù)據(jù)集中的樣本圖片。[活動(dòng)一]利用python程序[MNIST_img.py]查看MNIST數(shù)據(jù)集中的樣本圖片（1）用pythonIDLE打開(kāi)（2）運(yùn)行程序，查看結(jié)果（3）自我總結(jié)請(qǐng)學(xué)生描述看到的結(jié)果：0-9十個(gè)文件夾、每個(gè)文件夾里是對(duì)應(yīng)的數(shù)字圖片、數(shù)字在圖片正中間、圖片很小……【數(shù)據(jù)的預(yù)處理】6.師問(wèn)：為什么不能直接用采集的圖片呢？7.師：因?yàn)闄C(jī)器學(xué)習(xí)中輸入的樣本都是要進(jìn)行數(shù)值計(jì)算的。因此，需要將圖片變成數(shù)值向量，叫做圖片的向量化。過(guò)程如下：首先，圖片被轉(zhuǎn)換成28*28像素的灰度圖像，所以我們看到的圖片很小。每個(gè)像素點(diǎn)用一個(gè)灰度值表示，0表示白色，1表示黑色，中間各個(gè)級(jí)別的灰色用0-1之間的小數(shù)表示，比如數(shù)字1表示成右圖。然后，把下一行接在上一行的后面，形成了784個(gè)數(shù)的數(shù)組，這樣就完成了圖片的向量化。以數(shù)字1為例子：在python語(yǔ)言中，通過(guò)代碼可以方便地讀入MNIST數(shù)據(jù)集，并直接完成向量化。input_data.read_data_set函數(shù)會(huì)自動(dòng)將MNIST數(shù)據(jù)集劃分為Train、Validation和Test三個(gè)集合。MNIST_data表示數(shù)據(jù)集的位置。設(shè)置one_hot=True，是將標(biāo)注信息轉(zhuǎn)化成一種標(biāo)準(zhǔn)格式。有關(guān)one_hot的詳細(xì)內(nèi)容，可以參考導(dǎo)學(xué)網(wǎng)頁(yè)中的相關(guān)頁(yè)面。1.認(rèn)真聽(tīng)講。2.思考、討論、回答。3.傾聽(tīng)。4.思考、認(rèn)真、仔細(xì)聽(tīng)講。5.自學(xué)互學(xué)、主動(dòng)動(dòng)手、積極思考、嘗試總結(jié)。6.傾聽(tīng)，思考。7.認(rèn)真聽(tīng)講。下面的課程內(nèi)容以“機(jī)器學(xué)習(xí)的一般過(guò)程”為主線展開(kāi)，以手寫數(shù)字識(shí)別為案例。數(shù)據(jù)采集是機(jī)器學(xué)習(xí)的基礎(chǔ)，非常重要。先請(qǐng)學(xué)生思考如果要自己采集，會(huì)采用什么樣的方法，引出MNIST數(shù)據(jù)集的內(nèi)容。從MNIST數(shù)據(jù)集的文件類型開(kāi)始，介紹其組成，包括由來(lái)、數(shù)量等。再詳細(xì)介紹這些圖片的分類、數(shù)量和用途，為后面機(jī)器學(xué)習(xí)全過(guò)程中使用數(shù)據(jù)集做鋪墊。為了更加形象的看到數(shù)據(jù)集的內(nèi)容，設(shè)計(jì)了[活動(dòng)一]，運(yùn)行課本的素材程序“MNIST_img.py”查看MNIST數(shù)據(jù)集中的樣本圖片，并在觀看后思考總結(jié)MNIST數(shù)據(jù)集中圖片的特征。一方面熟悉了python軟件的使用，另一方面在思考總結(jié)的結(jié)果中引出下一個(gè)內(nèi)容【數(shù)據(jù)預(yù)處理】。數(shù)據(jù)預(yù)處理部分涉及到灰度圖像、圖片向量化等概念，結(jié)合圖示、python代碼進(jìn)行講解，幫助學(xué)生理解，一些知識(shí)點(diǎn)放在《導(dǎo)學(xué)網(wǎng)頁(yè)》中，根據(jù)學(xué)生的理解程度，供學(xué)生自學(xué)。（四）主線難點(diǎn)：建立模型1.師問(wèn)：采集數(shù)據(jù)結(jié)束后，第二個(gè)步驟是建立模型。2.師：建立模型的過(guò)程就是對(duì)Train集合進(jìn)行訓(xùn)練的過(guò)程。首先要選擇合適的學(xué)習(xí)算法，然后利用學(xué)習(xí)算法對(duì)樣本進(jìn)行訓(xùn)練?！緦W(xué)習(xí)算法】3.師關(guān)于學(xué)習(xí)算法，我們需要簡(jiǎn)單的知道兩個(gè)概念，一個(gè)是深度學(xué)習(xí)，它在提取特征方面表現(xiàn)的很強(qiáng)大，另一個(gè)是卷積神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)寫CNN，在圖像分類上表現(xiàn)出色。通過(guò)前面的課程，我們已經(jīng)知道了人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)這些概念了，它們直接到底是什么關(guān)系呢？我們可以用一個(gè)圖示來(lái)表示。卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的算法之一，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的一種途徑?！窘⒛Ｐ汀?.師：我們可以使用python語(yǔ)言通過(guò)卷積神經(jīng)網(wǎng)絡(luò)來(lái)建立和驗(yàn)證模型。具體步驟為導(dǎo)入庫(kù)、讀取數(shù)據(jù)集、構(gòu)建CNN網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練、存儲(chǔ)模型。其中最重要的是訓(xùn)練過(guò)程，訓(xùn)練過(guò)程的主要代碼是這一部分：第一行參數(shù)10000是設(shè)置訓(xùn)練次數(shù)為10000次，第二行參數(shù)100是設(shè)置每次進(jìn)行訓(xùn)練的圖片數(shù)量，第三參數(shù)200是設(shè)置顯示間隔，顯示出當(dāng)前訓(xùn)練次數(shù)下的識(shí)別正確率。最后一行進(jìn)行訓(xùn)練，并且得出模型。由于卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過(guò)程中選取訓(xùn)練樣本的隨機(jī)性，每次得到的結(jié)果不會(huì)完全相同。訓(xùn)練結(jié)果如下：5.師：下面，我們完成【活動(dòng)二】體驗(yàn)訓(xùn)練過(guò)程。通過(guò)修改python程序[CNN_MNIST.py]中的參數(shù)，看看不同參數(shù)的訓(xùn)練結(jié)果是什么樣的。[活動(dòng)二]利用python程序[CNN_MNIST.py]體驗(yàn)訓(xùn)練過(guò)程（1）用pythonIDLE打開(kāi)（2）運(yùn)行程序，觀看結(jié)果（3）設(shè)置不同參數(shù)，多次觀看結(jié)果（4）自我總結(jié)6.師：通過(guò)修改參數(shù)我們可以發(fā)現(xiàn)：訓(xùn)練次數(shù)越多，正確率越高。每次送入訓(xùn)練的圖片數(shù)越多，正確率越高。1.傾聽(tīng)。2.認(rèn)真聽(tīng)講。3.仔細(xì)聽(tīng)講。4.認(rèn)真觀看、聽(tīng)講。5.自學(xué)互學(xué)、主動(dòng)動(dòng)手、積極思考、嘗試總結(jié)。6.思考、傾聽(tīng)。建立模型是機(jī)器學(xué)習(xí)中的一個(gè)難點(diǎn)。首先，介紹建立模型的概念，引出深度學(xué)習(xí)算法和卷積神經(jīng)網(wǎng)絡(luò)算法。接著，為了讓學(xué)生更加直觀的看到建立模型中神經(jīng)網(wǎng)絡(luò)的構(gòu)建，打開(kāi)課本的素材程序“CNN_MNIST.py”，結(jié)合代碼進(jìn)行講解。最后，同樣結(jié)合代碼講解訓(xùn)練過(guò)程，通過(guò)修改參數(shù)得到更加準(zhǔn)確的結(jié)果。為了增強(qiáng)學(xué)生對(duì)建立模型過(guò)程的體驗(yàn)，加深不同訓(xùn)練參數(shù)對(duì)訓(xùn)練正確率的理解，設(shè)計(jì)了[活動(dòng)二]，修改課本的素材程序“MNIST_img.py”中訓(xùn)練次數(shù)、每次送入卷積神經(jīng)網(wǎng)絡(luò)的圖片數(shù)量等參數(shù)，觀察訓(xùn)練過(guò)程和結(jié)果，并嘗試總結(jié)其中的規(guī)律。（五）繼續(xù)主線：驗(yàn)證模型師：隨著訓(xùn)練的不斷繼續(xù)，模型的識(shí)別正確率也不斷得到提升。當(dāng)前訓(xùn)練次數(shù)下模型的識(shí)別正確率是通過(guò)Validation（驗(yàn)證）集合計(jì)算得到的，這個(gè)過(guò)程就是驗(yàn)證模型。認(rèn)真聽(tīng)講。驗(yàn)證模型也是機(jī)器學(xué)習(xí)中的一個(gè)環(huán)節(jié)，但不是重點(diǎn)，因此簡(jiǎn)單介紹。（六）課堂總結(jié)1.師：通過(guò)本節(jié)課的學(xué)習(xí)，我們看到人工智能的最新應(yīng)用，明白了機(jī)器學(xué)習(xí)的