《机器学习项目开发实战》-教案 项目五任务四 CNN模型构建与训练

《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：项目五任务四CNN模型构建与训练授课班级：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.掌握卷积神经网络（CNN）模型构建的流程步骤。2.掌握卷积神经网络（CNN）模型构建的方法原理。3.掌握卷积神经网络（CNN）模型的性能评估方式。1.能够根据图像识别任务需求，设计和构建卷积神经网络（CNN）模型。2.能够对训练得到的卷积神经网络（CNN）进行性能评估。3.能够掌握卷积神经网络（CNN）完成图像识别任务的全流程。1.通过学习CNN模型结构及其在图像识别中的应用，提升分析问题和抽象建模的能力，形成对深度学习技术的系统性认知。2.通过对CNN模型构建与训练过程的学习，培养严谨的科学态度和解决复杂问题的能力，提高技术创新意识。3.通过研究CNN模型的特点，培养知识迁移能力和批判性思维，能够灵活应对不同场景下的深度学习挑战。教学重点基于TensorFlow搭建卷积神经网络（CNN）模型。对构建的卷积神经网络（CNN）模型实施编译。实施卷积神经网络（CNN）模型的训练。教学难点理解CNN概念和原理；掌握CNN模型的构建流程和要点。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CNN基础知识（概念、核心组件、工作原理、优势特点和应用场景等）；要求学生掌握CNN模型构建流程；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CNN基础知识（基本概念、核心组件、工作原理、优势特点、应用场景）。卷积神经网络（CNN）是一种专门用于处理具有网格结构数据（如图像、视频）的深度学习模型。教师结合课件，讲解CNN模型构建流程。（数据准备、模型构建、模型编译、模型训练、模型评估、模型优化、模型部署）通过课件讲述CNN基础知识。通过课件讲述CNN模型构建流程。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CNN模型构建流程及CNN模型具体结构。教师根据课件，介绍CNN名编译方法。教师根据课件，介绍CNN名部署方式。对实施步骤进行总结。带领学生开始本次实践：CNN模型构建、编译及训练。2.巡回检查，解答学生问题，并总结本次实践发现问题。1.跟随教师完成本次实践