《机器学习项目开发实战》-教案 项目2 监督学习分类实战-图像分类

《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：项目二任务一项目背景与目标授课班级：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.掌握图像分类的定义、应用场景及其在计算机视觉领域的重要性。2.了解监督学习原理，了解监督学习的基本框架，包括训练集、测试集、特征提取、模型训练和评估等步骤。3.熟悉图像分类流程：了解从数据准备到模型评估的整个图像分类流程。4.了解并掌握图像分类任务中不可或缺的工具，如PythonImagingLibrary、OpenCV、PyTorch和torchvision等。1.能够分析图像分类任务的需求，识别关键问题和挑战。2.能够根据项目需求，合理规划项目实施的步骤和时间。3.能够查阅相关文献，了解图像分类领域的最新进展和技术趋势。1.培养对科学问题的敏感性和好奇心，具备持续学习和探索的精神。2.在项目实践中，学会与团队成员有效沟通，共同协作解决问题，并致力于提升团队协作能力。3.对项目负责，确保项目按时、高质量地完成。教学重点需调研图像分类的应用场景，理解其在实际问题中的重要性。掌握监督学习的基本原理和流程，为后续任务打下理论基础。指定项目实施的详细计划，包括任务分解、时间安排和资源分配。教学难点掌握监督学习的基本原理和流程。了解图像分类的应用场景，理解其在实际问题中的重要性。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：模型应用中的社会价值与科技伦理课程内容：介绍图像分类在各领域的应用场景及应用原理。思政融入点：强调技术应用应围绕社会需求和人民利益，树立技术服务社会的价值导向。引导学生将技术学习与国家发展需求相结合，认识到技术使用需坚守伦理底线，培养技术服从于伦理、工具服务于社会的理性认知。2.课程思政融入点2：跨领域协作中的集体主义与全局思维课程内容：讲解图像分类项目完整流程中各环节的协作需求。思政融入点：强调团队协作在项目成功中的关键作用，培养分工合作的集体主义精神。引导学生树立全局观念，认识到技术方案需兼顾多方面因素，平衡技术先进性与实际实用性，践行实事求是、以人为本的工作理念。3.课程思政融入点3：模型训练中的创新精神与传承担当课程内容：对比不同图像分类算法的迭代逻辑，讲解模型优化的思路和方法。思政融入点：以技术发展的迭代过程阐述创新与继承的关系，引导学生理解在借鉴他人成果基础上进行突破的重要性。传承攻坚克难、自主自强的科研精神，鼓励学生不满足于现有成果，勇于挑战技术难题，树立自主创新的意识。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）教师通过提问学生问题，引出AnaConda和虚拟环境。教师提问学生问题，例如问题是：摄像时机器怎么识别景物是花草还是人像的？猜测下图像识别应该分为哪些步骤？明确本节课的学习目标，让学生带着目标去听课。要求学生学会监督学习的基本原理；要求图像识别的概念和常见的图像源；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）教师根据课件，讲述图像识别是什么。教师根据课件，讲述监督学习的基本原理和流程。监督学习是从标记的训练数据来推断一个功能的机器学习任务。它利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。教师根据课件，讲述常见的图像分类数据集和评估指标。教师根据课件，讲述建模流程。教师根据课件，讲述图像的基本知识。教师根据课件，讲述常见的图像基础处理技能。通过课件展示监督学习的基本原理和流程。通过课件展示常见的图像分类数据集和评估指标。通过课件展示图像的基本知识。通过课件展示常见的图像基础处理技能。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，讲述虚拟环境的创建流程。教师根据课件，讲述数据集选择的原因和理由。教师根据课件，介绍图像预处理功能。总结本次实践发现问题，解答学生疑问。带领学生开始本次实践：创建虚拟环境。带领学生开始本次实践：图像数据预处理。3.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，存在问题时积极提问。巩固知识点加强软件的安装流程知识深化与总结（5分钟）回顾本节课的内容总结难点和重点总结重点难点记录重点难点总结教学重点难点作业布置布置下节课堂知识预习目标。教学反思教研室审核日期院（系）审核日期《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：项目二任务三K近邻（KNN）算法实现授课班级：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K近邻（KNN）算法的基本原理和分类机制。2．掌握KNN算法在图像分类中的应用方法。3．学习如何选择合适的距离度量方法和K值以优化分类效果。1．能够独立实现KNN算法并进行图像分类。2．能够对KNN算法的参数进行调优，提高分类准确率。3．能够分析KNN算法在图像分类中的优势和局限性。1．培养严谨的科学态度和问题解决能力。2．增强团队合作意识和沟通能力。3．提升自主学习和持续改进的能力。教学重点实现KNN算法，包括距离度量的计算和分类决策的制定。对图像数据集进行预处理，包括归一化和特征提取。使用交叉验证等方法评估模型性能，并调整K值以找到最优解。记录实验过程和结果，撰写实验报告。教学难点掌握KNN算法基本原理和流程。了解图像处理的基本概念和流程。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：模型应用中的社会价值与科技伦理课程内容：介绍图像分类在各领域的应用场景及应用原理。思政融入点：强调技术应用应围绕社会需求和人民利益，树立技术服务社会的价值导向。引导学生将技术学习与国家发展需求相结合，认识到技术使用需坚守伦理底线，培养技术服从于伦理、工具服务于社会的理性认知。2.课程思政融入点2：跨领域协作中的集体主义与全局思维课程内容：讲解图像分类项目完整流程中各环节的协作需求。思政融入点：强调团队协作在项目成功中的关键作用，培养分工合作的集体主义精神。引导学生树立全局观念，认识到技术方案需兼顾多方面因素，平衡技术先进性与实际实用性，践行实事求是、以人为本的工作理念。3.课程思政融入点3：模型训练中的创新精神与传承担当课程内容：对比不同图像分类算法的迭代逻辑，讲解模型优化的思路和方法。思政融入点：以技术发展的迭代过程阐述创新与继承的关系，引导学生理解在借鉴他人成果基础上进行突破的重要性。传承攻坚克难、自主自强的科研精神，鼓励学生不满足于现有成果，勇于挑战技术难题，树立自主创新的意识。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）教师通过提问学生问题，引出图像识别和监督学习。教师提问学生问题，例如问题是：摄像时机器怎么识别景物是花草还是人像的？猜测下图像识别应该分为哪些步骤？明确本节课的学习目标，让学生带着目标去听课。要求学生学会监督学习的基本原理；要求图像识别的概念和常见的图像源；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）教师根据课件，讲述图像识别是什么。教师根据课件，讲述KNN算法基础知识。KNN算法的基本思想是通过在训练数据集中找到与测试样本最邻近的K个样本，然后基于这K个“邻居”的信息来预测测试样本的类别或数值。教师根据课件，讲述常见的距离度量方法。包括：1.欧式距离、曼哈顿距离、余弦相似度。教师根据课件，讲述K值选定的原则和方法。教师根据课件，讲述图像的基本知识。教师根据课件，讲述常见的图像基础处理技能。通过课件展示KNN算法基础知识。通过课件展示常见的距离度量方法。通过课件展示K值选定的原则和方法。通过课件展示图像的基本知识。通过课件展示常见的图像基础处理技能。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，讲述KNN模型创建流程。教师根据课件，讲述KNN模型调优的流程，确定最优K值。总结本次实践发现问题，解答学生疑问。带领学生开始本次实践：创建KNN模型并进行优化确定最优K值。3.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，存在问题时积极提问。巩固知识点加强软件的安装流程知识深化与总结（5分钟）回顾本节课的内容总结难点和重点总结重点难点记录重点难点总结教学重点难点作业布置布置下节课堂知识预习目标。教学反思教研室审核日期院（系）审核日期《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：项目二任务四决策树算法应用授课班级：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．理解决策树算法的基本原理和分类过程。2．学习决策树在特征选择和模型复杂度控制中的作用。3．掌握如何使用决策树进行图像分类。1．能够运用决策树算法对图像数据进行分类。2．能够对决策树模型进行训练、评估和优化。3．能够解释决策树模型的分类结果和决策过程。1．培养独立分析问题和解决问题的能力。2．增强团队协作和沟通能力，能够在项目中承担相应的责任。3．培养批判性思维，能够对算法的性能进行客观评价。教学重点准确理解图像分类任务的需求和目标。独立完成数据预处理和特征提取工作。实现决策树算法，并进行模型训练和调优。使用合适的评价指标对模型性能进行评估，并撰写详细的报告。教学难点掌握决策树算法的基本原理和流程。了解决策树算法的优缺点和适用场景。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：模型应用中的社会价值与科技伦理课程内容：介绍图像分类在各领域的应用场景及应用原理。思政融入点：强调技术应用应围绕社会需求和人民利益，树立技术服务社会的价值导向。引导学生将技术学习与国家发展需求相结合，认识到技术使用需坚守伦理底线，培养技术服从于伦理、工具服务于社会的理性认知。2.课程思政融入点2：跨领域协作中的集体主义与全局思维课程内容：讲解图像分类项目完整流程中各环节的协作需求。思政融入点：强调团队协作在项目成功中的关键作用，培养分工合作的集体主义精神。引导学生树立全局观念，认识到技术方案需兼顾多方面因素，平衡技术先进性与实际实用性，践行实事求是、以人为本的工作理念。3.课程思政融入点3：模型训练中的创新精神与传承担当课程内容：对比不同图像分类算法的迭代逻辑，讲解模型优化的思路和方法。思政融入点：以技术发展的迭代过程阐述创新与继承的关系，引导学生理解在借鉴他人成果基础上进行突破的重要性。传承攻坚克难、自主自强的科研精神，鼓励学生不满足于现有成果，勇于挑战技术难题，树立自主创新的意识。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）教师通过提问学生问题，决策树知识。教师提问学生问题，例如问题是：有没有了解过决策树算法？机器学习是如何实现特征选择分类的？明确本节课的学习目标，让学生带着目标去听课。要求学生学会监督学习的基本原理；要求图像识别的概念和常见的图像源；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）教师根据课件，讲述图像识别是什么。教师根据课件，讲述决策树基础知识。决策树是一种常用的机器学习算法，主要用于分类和回归任务。它通过一系列的决策规则来预测目标变量的值。教师根据课件，讲述决策树的构建步骤。教师根据课件，讲述决策树关键概念与公式。教师根据课件，讲述决策树的优缺点和适用场景。通过课件展示决策树概念和实