人工智能導(dǎo)論（通識版）教案04模塊2 技術(shù)探究 任務(wù)2：機器學習與深度學習

課程教案首頁No.4授課題目模塊2技術(shù)探究任務(wù)2：機器學習與深度學習教學單元學時2［√］4［］教學目標［知識目標］：了解機器學習和深度學習的概念及常用場景；理解機器學習的在智能識物方面的應(yīng)用；［能力目標］：能夠正確識別并應(yīng)用機器學習產(chǎn)品、能夠正確識別并應(yīng)用深度學習產(chǎn)品。［素質(zhì)目標］：提高自主學習的能力提高團隊合作的能力提高語言表達能力重點難點能夠正確識別并應(yīng)用機器學習產(chǎn)品、能夠正確識別并應(yīng)用深度學習產(chǎn)品。教學方法自主學習法、講授法、體驗法。能力訓練（作業(yè)）完成慕課平臺資源學習與習題任務(wù)。教學體會授課班級授課時間及地點年月日（星期）第節(jié)，樓室年月日（星期）第節(jié)，樓室年月日（星期）第節(jié)，樓室年月日（星期）第節(jié)，樓室年月日（星期）第節(jié)，樓室課程教案用紙教學環(huán)節(jié)教學內(nèi)容備注復(fù)習反饋反饋作業(yè)完成情況，通過反饋作業(yè)，起到復(fù)習的作用。5’導(dǎo)入新課提出一個具體工作任務(wù)：下載并打開手機中的百度App，點擊搜索框后面的相機圖標選擇“識萬物”選項，分別用3-5種不同物體測試其識別成功率。分析哪些物體是可以被準確識別的，哪些物體在識別時會出現(xiàn)誤差，并分析原因。閱讀本節(jié)內(nèi)容，用機器學習理念去理解此功能在應(yīng)用中的誤差。讓學生帶著任務(wù)進入學習。3’視頻導(dǎo)入觀看視頻，思考：什么是專家系統(tǒng)？專家系統(tǒng)應(yīng)用在生活的哪些場景中？近些年，機器學習這個詞經(jīng)常被應(yīng)用。思考：什么是機器學習？機器學習在我們身邊有哪些應(yīng)用呢？10’知識探索以互動方式完成以下知識的學習：任務(wù)2科普機器學習2.2.1什么是機器學習1．機器學習的幾種定義常見的三種機器學習的定義：（1）機器學習是一門人工智能的科學，該領(lǐng)域的主要研究對象是人工智能，特別是如何在經(jīng)驗學習中改善具體算法的性能。（2）機器學習是對能通過經(jīng)驗自動改進的計算機算法的研究。（3）機器學習是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機程序的性能標準。2．機器學習的發(fā)展歷程3．機器學習的研究現(xiàn)狀2.2.2機器學習的類型幾十年來，研究發(fā)表的機器學習的方法種類很多，根據(jù)強調(diào)側(cè)面的不同可以有多種分類方法。1．基于學習策略的分類2．基于學習方法的分類3．基于學習方式的分類4．基于數(shù)據(jù)形式的分類5．基于學習目標的分類2.2.3機器學習的常見算法2.3暢談深度學習1.深度學習概述深度學習是一類模式分析方法的統(tǒng)稱，就具體研究內(nèi)容而言，主要涉及三類方法：(1)基于卷積運算的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，即卷積神經(jīng)網(wǎng)絡(luò)(CNN)。(2)基于多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)，包括自編碼(Autoencoder)以及近年來受到廣泛關(guān)注的稀疏編碼兩類(SparseCoding)。(3)以多層自編碼神經(jīng)網(wǎng)絡(luò)的方式進行預(yù)訓練，進而結(jié)合鑒別信息進一步優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值的深度置信網(wǎng)絡(luò)(DBN)。2．深度學習的特點3．深度學習典型模型典型的深度學習模型有卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetwork)、DBN和堆棧自編碼網(wǎng)絡(luò)(stackedauto-encodernetwork)模型等，下面對這些模型進行描述。4．深度學習訓練過程（1）自下上升的非監(jiān)督學習（2）自頂向下的監(jiān)督學習5．深度學習的應(yīng)用深度學習的主要在計算機視覺、語音識別、自然語言處理等領(lǐng)域。（1）計算機視覺（2）語音識別（3）自然語言處理等其他領(lǐng)域7.2深度學習框架在開始深度學習項目之前，選擇一個合適的框架是非常重要的，因為選擇一個合適的框架能起到事半功倍的作用。研究者們使用各種不同的框架來達到他們的研究目的，側(cè)面印證出深度學習領(lǐng)域百花齊放。全世界最為流行的深度學習框架有PaddlePaddle、Tensorflow、Caffe、Theano、MXNet、Torch和PyTorch。2.3.3神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，簡寫為ANNs）也簡稱為神經(jīng)網(wǎng)絡(luò)（NNs）或稱作連接模型（ConnectionModel），它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進行分布式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的。1．概述2．研究內(nèi)容神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容相當廣泛，反映了多學科交叉技術(shù)領(lǐng)域的特點。主要的研究工作集中在以下幾個方面：（1）生物原型（2）建立模型（3）算法3．神經(jīng)網(wǎng)絡(luò)分類4．神經(jīng)網(wǎng)絡(luò)特點5．神經(jīng)網(wǎng)絡(luò)的工作原理6．神經(jīng)網(wǎng)絡(luò)發(fā)展歷史7．神經(jīng)網(wǎng)絡(luò)常見的工具在眾多的神經(jīng)網(wǎng)絡(luò)工具中，NeuroSolutions始終處于業(yè)界領(lǐng)先位置。它是一個可用于windowsXP/7高度圖形化的神經(jīng)網(wǎng)絡(luò)開發(fā)工具。其將模塊化，基于圖標的網(wǎng)絡(luò)設(shè)計界面，先進的學習程序和遺傳優(yōu)化進行了結(jié)合。該款可用于研究和解決現(xiàn)實世界的復(fù)雜問題的神經(jīng)網(wǎng)絡(luò)設(shè)計工具在使用上幾乎無限制。8．神經(jīng)網(wǎng)絡(luò)的研究方向神經(jīng)網(wǎng)絡(luò)的研究可以分為理論研究和應(yīng)用研究兩大方面。說明：授課中通過視頻體驗等環(huán)節(jié)，加深學生對于知識的理解。35’任務(wù)實施教師下發(fā)任務(wù)書（根據(jù)需要，可選擇在慕課平臺下發(fā)）明確任務(wù)要求，完成過程，提交形式。學生按任務(wù)書要求，完成實踐任務(wù)。教師巡視，指導(dǎo)學生完成任務(wù)的同時，加深對于知識的理解