《机器学习项目开发实战》-教案 项目5 深度神经网络项目实战-人脸识别

《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：项目五任务一项目背景与目标授课班级：24人工智能课时：4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.理解深度学习的概念，特别是神经网络在深度学习中的应用。2.明确人脸识别的基本原理，以及在实际生活中的应用场景。3.掌握神经网络在人脸识别中的应用。1.能够分析人脸识别项目的项目需求以及项目目标。2.能够收集整理本项目所需的人脸数据集。3.能够根据项目需求选择合适的框架进行分析。1.培养学生对技术发展和社会需求的敏感性，提升其在技术与社会交叉领域的分析能力。2.培养学生以目标为导向的思维方式，以及对技术应用价值进行深度思考和评估的能力。3.培养学生的技术认知能力和创新思维，使其能够将技术知识灵活应用于实际问题，并具备探索新技术、新场景的潜力。教学重点调研与分析项目背景，理解项目的重要性与必要性。确定项目目标，包括框架选择、识别准确性等。收集并整理相关数据，为后续项目开展做准备。教学难点熟悉人脸识别的技术原理；掌握人脸识别的实现方式。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）教师通过提问学生问题，引出深度学习。使用手机时，人员识别解锁时怎么实现的呢？明确本节课的学习目标，让学生带着目标去听课。要求学生了解人脸识别的原理和实现方式；要求学生掌握深度学习概念；要求学生掌握神经网络的基本概念和工作原理；要求学生掌握深度学习的项目开发流程；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，讲解人脸识别概念。人脸识别是一种基于人脸特征信息进行身份识别的生物识别技术。它通过分析人脸图像或视频中的面部特征，识别或验证个体身份。教师结合课件，讲解人脸识别技术原理（人脸检测、特征提取和特征匹配）。教师结合课件，讲解人脸识别的应用场景和实现方式。教师结合课件，讲解深度学习的概念及常见模型。通过多层神经网络模拟人脑的学习机制，从数据中自动提取特征并进行模式识别。教师结合课件，讲解神经网络概念和基本结构。教师结合课件，讲解深度学习项目开发流程。通过课件讲述人脸识别概念、原理实现方式。通过课件讲述深度学习概念及常见模型。通过课件讲述神经网络概念和工作原理。通过课件讲述深度学习项目实现流程。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，介绍项目背景和目标。教师根据课件，介绍数据集及获取方式。教师介绍搭建深度学习框架流程和要点。对实施步骤进行总结。带领学生开始本次实践：获取分析数据集并搭建深度学习框架。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，存在问题时积极提问。巩固知识点知识深化与总结（10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.跟随教师完成本次实践，存在问题时积极提问。巩固知识点知识深化与总结（10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，存在问题时积极提问。巩固知识点知识深化与总结（10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：项目五任务五模型评估与可视化授课班级：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）模型性能评估的常用指标，如准确率、损失值等。2.掌握卷积神经网络（CNN）模型训练过程可视化的方法，通过训练过程评估模型性能。3.掌握训练得到的卷积神经网络（CNN）模型保存方法。1.能够使用评估指标对卷积神经网络（CNN）模型性能进行量化分析评估。2.能够使用可视化工具展示卷积神经网络（CNN）模型训练过程，进一步评估模型性能。3.能够保存训练得到的卷积神经网络（CNN）模型。1.具备较强的数据分析能力，能够从评估结果中发现问题。2.具备较强的表达能力，能够清晰展示模型训练结果。3.具备较强的逻辑思维和问题解决能力，能够根据评估结果优化模型。教学重点使用评估指标对模型性能进行量化分析。使用可视化工具展示模型训练结果。对训练的到的模型进行保存，用于后续场景应用。教学难点正确理解模型评估各属性对应的评估项目；掌握模型训练的方法和要点。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