《人工智能基础与应用》教案 项目二 人工智能基石：撑门拄户.doc

PAGE2

PAGE2

PAGE9

PAGE9

课题

项目二人工智能基石：撑门拄户

课时

2课时（90min）

教学目标

知识技能目标：

（1）了解人工智能的核心支柱——数据、算法和算力。

（2）了解机器学习、深度学习、知识图谱、自然语言处理、计算机视觉等人工智能的主要技术。

（3）能够使用人工智能工具处理数据。

（4）能够使用人工智能工具分析数据。

思政育人目标：

（1）提高分析问题和解决问题的能力，养成良好的学习和工作习惯。

（2）培养探索精神，激发学习兴趣，提高创新能力。

教学重难点

教学重点：人工智能的数据、算法、算力。

教学难点：了解并应用人工智能的主要技术。

教学方法

问答法、讨论法、讲授法、演示法

教学用具

电脑、投影仪、多媒体课件、教材

教学过程

主要教学内容及步骤

课前任务

【教师】布置课前任务，和学生负责人取得联系，将学生分组并分工，完成课前任务

请各组组长组织组员查找相关资料或扫码观看微课视频，讨论并回答下列问题：

问题1：传统人工智能研究的三大核心内容是什么？

问题2：__________是使计算机具有智能的根本途径，__________是计算机获取外

部信息的根本途径。

问题3：数据、算法、算力与人工智能之间的关系分别是什么？

问题4：请列举5个人工智能的主要技术。

【学生】完成课前任务

考勤

【教师】清点上课人数，记录好考勤

【学生】班干部报请假人员及原因

教学过程

任务一探究人工智能的核心支柱

问题导入

【教师】提出以下问题：

请大家讨论一下，人工智能的快速发展的核心要素是什么？

【学生】思考、举手回答

【教师】通过学生的回答引入要讲的知识

传授新知

一、人工智能的“能量供给”——数据

【教师】通过多媒体讲解数据的相关知识

1．数据的定义与分类

数据（data）是对客观事物属性的描述，是记录下来的某种可以识别的符号，在计算机科学中是指所有能输入到计算机中并能被计算机程序处理的介质的总称。

根据在人机交互中的呈现方式不同，数据主要可分为数值数据、文本数据、语音数据、图像数据、视频数据等。

?【高手点拨】数据相关术语

根据结构的不同，数据可分为结构化数据、非结构化数据、半结构化数据。

?【提示】据互联网数据中心的调查报告显示，企业中80%的数据都是非结构化或半结构化数据，并且这些非结构化或半结构化数据还在逐年增长。

2．数据的作用

在经济方面，通过对数据深入挖掘并加以应用，企业能够更准确地理解市场趋势和民众需求，从而制订更精准的商业策略，推动经济发展。

在社会治理方面，数据驱动的新型治理模式使政府能够更主动地为民众提供服务，推动社会和谐发展。

在科学研究方面，通过对大量数据进行分析和处理，研究人员能够发现新的知识和规律，推动科技进步。

人工智能的学习与优化完全依赖于数据，更大的数据量及更高质量的数据能够显著提升人工智能系统的性能。随着数据量的不断增长，人工智能需要不断提升其计算能力，以便更加高效地处理和分析这些海量数据，这也间接促进了人工智能的发展。

3．数据处理流程

数据是信息的载体。数据本身没有意义，只有在对数据进行解释和处理后，它才能被转化为有用的信息，进而为决策或研究提供依据。

（1）数据采集

?【拓展阅读】物联网

?【教师】引导同学扫码观看视频

?【学生】观看——物联网

?【教师】总结视频内容，讲述物联网的定义和应用

（2）数据预处理

?【提示】“脏”数据的定义

?【教师】引导同学扫码观看视频

?【学生】观看——数据预处理的方法

?【教师】总结视频内容，讲述数据预处理的方法

（3）数据存储与管理

（4）数据挖掘与分析

（5）数据展示与应用

4．大数据

大数据（bigdata）又称巨量资料，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要采用新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据的特征通常被概括为“5V”：大量、高速、多样、价值、真实性

?【提示】大数据的多变性（Variability）

……（详见教材）

【学生】聆听、记录、理解

二、人工智能的“核心动力”——算法

【教师】通过多媒体讲解算法的相关知识

1．算法的定义与特点

算法（algorithm）就是解题的方法。从计算机的角度看，算法是指由若干条指令组成的有穷序列。

算法的特点：输入、输出、有穷性、确定性、可行性

2．算法的实现步骤

算法作为解决问题的核心工具，其重要性不言而喻。算法的实现步骤主要包括问题分析、数据准备、算法设计、编程实现、结果验证、算法优化等。

3．算法与模型

常见的人工智能算法包括线性回归、逻辑回归、决策树、支持向量机等。

通过在特定数据集上应用算法进行训练，我们可以得到人工智能模型，并运用这些模型对新数