《机器学习项目开发实战》-教案 项目五任务三 TensorFlow框架选择与应用

《机器学习项目开发实战》课程教学设计课程名称机器学习课程类型专业基础课课程学时64适用专业人工智能、大数据、云计算课程负责人曹梦川软件学院人工智能教研室制定二〇二五年一月《机器学习项目开发实战》课程教学设计课程类别：□公共基础课□专业学习课□拓展学习课☑实践学习课标题：项目五任务三TensorFlow框架选择与应用授课班级：24人工智能课时：2课时授课时间：周五1-4节授课地点：A101教学目标知识目标能力（技能）目标素质目标1.理解TensorFlow框架的架构组成与核心模块。2.探索TensorFlow在构建和训练神经网络模型中的具体应用场景。3.掌握使用TensorFlow框架进行深度学习前的图像预处理方式。1.能够理解TensorFlow框架的架构与核心组件。2.能够基于TensorFlow设计和实现深度学习解决方案满足不同应用场景的需求。3.能够独立完成TensorFlow框架深度学习建模前的图像预处理。1.培养学生对深度学习框架的系统性认知与架构理解能力。2.培养学生将深度学习技术与实际问题相结合的创新能力，拓展解决复杂问题的思路。3.锻炼解决技术实施过程中遇到的实际问题的能力，强化学生实践动手能力和环境适应能力。教学重点学习TensorFlow框架的基本概念与核心功能、核心组件。学习TensorFlow框架在深度学习项目中的应用流程方法。完成TensorFlow框架深度学习建模前的图像预处理工作。教学难点掌握TensorFlow框架的基本概念与核心功能、核心组件；掌握TensorFlow框架在深度学习项目中的应用流程方法。教学方法与手段教学采用教师课堂讲授为主，使用教学PPT讲解教学教材教材：教学资源1.智慧课堂2.教材附带慕课课程思政融入点1.课程思政融入点1：人脸数据采集与处理中的隐私保护意识课程内容：讲解人脸图像数据的采集规范（如授权机制）、预处理（如脱敏处理、数据加密）在模型训练中的基础要求。思政融入点：强调“人脸数据属于敏感个人信息”，引导学生认识到未经授权采集、滥用数据会侵犯他人权益，违背“尊重个人隐私”的道德准则。通过规范数据处理流程，培养“合法合规使用数据”的法治观念，树立“技术发展不能以牺牲隐私为代价”的底线思维，反对为追求模型效果而无视数据伦理的行为。2.课程思政融入点2：网络模型构建与训练中的科学严谨与创新精神课程内容：介绍深度神经网络（如CNN、FaceNet）的结构设计、参数调优（如损失函数选择、迭代次数设置）、模型泛化能力提升方法时。思政融入点：强调“模型的准确性源于对细节的把控”，引导学生理解“每一层网络的设计、每一次参数的调整都影响识别效果”，培养精益求精的科学态度。通过对比不同网络结构在人脸识别中的性能差异，鼓励学生在借鉴经典模型的基础上探索改进方案，传承“勇于突破、追求卓越”的创新精神，反对墨守成规的保守思维。3.课程思政融入点3：技术发展中的人文关怀与社会价值导向课程内容：分析人脸识别技术在特殊群体服务（如帮助走失老人回家）、无障碍设施优化（如辅助残障人士身份验证）等方面的积极作用时。思政融入点：强调“技术的终极价值是服务于人”，引导学生将技术学习与“以人为本”的理念结合，通过技术创新为弱势群体提供便利，体现“科技向善”的人文关怀。同时警示技术应用的潜在风险，培养“平衡技术进步与社会福祉”的全局思维，呼应“构建和谐社会”的时代要求。教学过程设计教学环节（用时）教学内容教师活动学生活动设计意图课程导入（15分钟）明确本节课的学习目标，让学生带着目标去听课。要求学生了解TensorFlow框架的基本概念与核心功能、核心组件；要求学生掌握TensorFlow框架在深度学习项目中的应用流程方法；要求学生掌握TensorFlow框架深度学习建模前的图像预处理工作。教师通过提问学生问题，引出数据分析应用场景集体讨论回答问题引入新课内容新知讲解（一）（30分钟）教师结合课件，讲解TensorFlow特点及应用场景。TensorFlow是由谷歌开发的开源机器学习框架，广泛应用于深度学习和人工智能领域。教师结合课件，讲解TensorFlow基本概念（张量、计算图、会话、变量、占位符）。教师结合课件，讲解TensorFlow核心功能（灵活的计算引擎、自动微分、分布式计算、模型保存与加载、可视化工具、高级API支持）。通过课件讲述TensorFlow特点及应用场景。通过课件讲述TensorFlow基本概念。通过课件讲述TensorFlow核心功能。线上头脑风暴线上一句话答题步骤总结回答新知讲解实训演练（40分钟）回顾上课前的学习目标，并对本节课的重要知识点进行总结。教师根据课件，介绍数据集加载流程。教师根据课件，介绍图像预处理流程。（图像数据归一化、增加通道维度、标签转换为独热编码、查看数据、划分数据集）对实施步骤进行总结。带领学生开始本次实践：获取分析数据集并进行预处理。2.巡回检查，解答学生问题，并总结本次实践发现问题。1.跟