Python与机器学习（第2版）（微课版） 教案 第08-15讲 数据挖掘模块：身高与体重数据分析（分类器）II- 创新综合模块：期末考查

《数据挖掘应用》课程教案《数据挖掘应用》课程教案第08讲数据挖掘模块：身高与体重数据分析（分类器）II一、教学设计授课对象大数据2201班授课课时3课时（120分钟）授课周次9授课形式理实一体授课地点知行楼106授课课次8教学目标知识目标进一步掌握机器学习、监督学习、分类的基本概念；（阿里云“1+X”大数据分析与应用中级5.1.1、5.1.2）掌握决策树、随机森林分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据分析的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等。能力目标会使用sklearn中的算法DecisionTreeClassifier、RandomTree实现分类分析；（重点：阿里云“1+X”大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的算法DecisionTreeClassifier、SVC实现分类分析；教学难点掌握决策树、随机森林分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：什么是机器学习？有哪些方法？有监督学习与分类方法回顾LogisticRegression的使用理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生精益求精、开拓创新的工匠精神；提升团队协作能力、沟通能力知识讲授（10min）知识讲授：介绍有监督学习与分类决策树的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。演示讲解（15min）操作演示：DecisionTreeClassifier的使用步骤讲解：代码填写与可视化展示上机练习（15min）布置练习：模型使用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（15min）知识讲授：随机森林的原理介绍操作演示：随机森林分类器的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（20min）布置练习：模型应用与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（10min）知识讲授：SVC线性分类器进阶使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（15min）布置练习：模型应用与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（10min）总结提高：知识点回顾，不同方法的异同，并巩固所学（归纳式教学法）四个分类器的区别与联系作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。课后整理1.教室通风；2.教室整理；3.卫生打扫。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“身高与体重数据分析（分类器）II”课程中，教学设计与实践环节均较为完善，但仍有一些细节可以进一步优化以提升教学效果。以下是对此次课程的反思与改进建议：反思：理论与实践的融合度：虽然采用了理实一体的授课形式，但在实际教学过程中，理论讲解与上机练习之间的过渡有时不够流畅，导致学生在实践环节中对理论知识的应用存在些许困惑。学生参与度与课堂互动：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度仍有待提高，这可能影响了整体的教学氛围和学生的学习体验。作业设计的针对性与反馈机制：课后作业的布置虽然与授课重点相关，但可能缺乏足够的针对性，且作业反馈的及时性和详细程度有待进一步提升。改进：增强理论与实践的融合度：在理论讲解后，立即安排相关的上机练习，确保学生能够及时将理论知识应用于实践中。设计一些引导性的问题或案例，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度与课堂互动：引入更多的小组讨论、角色扮演等互动环节，增加学生之间的交流与合作。设计一些具有挑战性的任务或竞赛，激发学生的学习兴趣和参与度。优化作业设计与反馈机制：根据学生的实际情况和学习需求，设计更具针对性和层次性的课后作业。加快作业批改的速度，并及时向学生提供详细的反馈和建议，以便他们能够及时了解自己的学习成果和不足。通过这些反思与改进，可以进一步提升“身高与体重数据分析（分类器）II”课程的教学效果和学生的学习体验，确保学生能够更加扎实地掌握所学知识和技能。

《数据挖掘应用》课程教案第09讲数据挖掘模块：身高与体重数据分析（分类器）一、教学设计授课对象大数据2201班授课课时3课时（120分钟）授课周次10授课形式理实一体授课地点知行楼106授课课次9教学目标知识目标进一步掌握机器学习、监督学习、分类的基本概念；（阿里云“1+X”大数据分析与应用中级5.1.1、5.1.2）掌握支持向量机、神经网络分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据挖掘的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等；掌握模型评估报告的生成方法并理解各具体指标的含义。能力目标会使用sklearn中的支持向量机、神经网络算法等实现分类分析；（重点：阿里云“1+X”大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的支持向量机、神经网络算法实现分类分析；教学难点掌握神支持向量机、神经网络分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：什么是机器学习？有哪些方法？有监督学习与分类方法回顾LogisticRegression的使用朴素贝叶斯的使用决策树的应用理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。养学生求卓越、精益求精的创新精神；一步提升沟通能力、自我学习能力。知识讲授（15min）知识讲授：试题讲解各类方法的实现步骤SVM支持向量机的原理介绍核函数胡使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。讨论提问操作难点讨论，举手提问，解决问题。演示通过演示，初步掌握重点。上机通过练习，逐步突破难点。上机练习（15min）布置练习：模型使用数据可视化展示演示讲解（20n）操作演示：多维特征的分类应用演示步骤讲解：性别、体重、身高三项数据判定肥胖上机练习（20min）布置练习：模型使用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（10min）知识讲授：不同方法的模型效果比较说明适用性思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（15min）布置练习：模型建立与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（15min）总结提高：知识点回顾，不同方法的异同，并巩固所学（归纳式教学法）四个分类器的区别与联系作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。课后整理1.教室通风；2.教室整理；3.卫生打扫。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“身高与体重数据分析（分类器）”课程中，教学设计与实践环节均得到了较好的执行，但仍有一些方面可以进行优化以提升教学效果。以下是对此次课程的反思与改进建议：反思：理论与实践的融合度：虽然采用了理实一体的授课形式，但在实际教学过程中，理论讲解与上机练习之间的衔接有时不够流畅，导致学生在实践环节中对理论知识的应用存在些许困惑。学生参与度：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度仍有待提高，这影响了整体的教学氛围和学生的学习体验。作业设计的针对性：课后作业的布置虽然与授课重点相关，但可能缺乏足够的针对性，导致学生在完成作业时感到迷茫。改进：增强理论与实践的融合度：在理论讲解后，立即安排相关的上机练习，确保学生能够及时将理论知识应用于实践中。设计一些引导性的问题或案例，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度：引入更多的小组讨论、角色扮演等互动环节，增加学生之间的交流与合作，提高课堂活跃度。设计一些具有挑战性的任务或竞赛，激发学生的学习兴趣和参与度。优化作业设计：根据学生的实际情况和学习需求，设计更具针对性和层次性的课后作业，确保作业与课堂内容紧密相关。提供更多的作业示例和解析，帮助学生更好地理解作业要求并完成作业。通过这些反思与改进，可以进一步提升“身高与体重数据分析（分类器）”课程的教学效果和学生的学习体验。在未来的教学中，将继续关注学生的学习需求，不断优化教学方法和手段，以更好地实现教学目标。

《数据挖掘应用》课程教案第10讲数据挖掘模块：鸢尾花分类一、教学设计授课对象大数据2201班授课课时3课时（120分钟）授课周次11授课形式理实一体授课地点知行楼106授课课次10教学目标知识目标理解k近邻、随机森林、多层感知机、神经网络的基本原理和基本概念；进一步掌握数据分析与挖掘的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、Sklearn、Matplotlib等；（重点）初步掌握KNeighborsClassifier、RandomForestClassifier和MLPClassifier类的应用、相关参数意义及调参方法。能力目标会使用Sklearn中的KNeighborsClassifier、RandomForestClassifier和MLPClassifier类实现分类应用；会使用Tensorflow设计和训练简单的神经网络模型；会调整分类模型的参数实现分类效果的优化。素质目标厚植“中国特色”的传统文化根脉，坚定文化自信；善于观察，增强对大自然及生活的热爱；精准分类，细心改进模型的参数，尽心完成模型的部署，培养精益求精的品质意识。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成数据分类与预测技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了数据的回归分析、分类分析，掌握了基本的数据挖掘技术学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点各类方法的理解与使用教学难点数据可视化与图形设置教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（5min）知识回顾：上一节练习讲解理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生会正确对待数据，提升严谨细致的作风；会根据应用举一反三，培养开拓创新的精神。知识讲授（15min）知识讲授：KNN概念讲解模型实现步骤数据可视化的实现步骤思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（10min）操作演示：易错点步骤讲解：代码填写与可视化展示上机练习（25min）布置练习：KNN模型应用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。知识讲授（10min）知识讲授：练习中的问题说明思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（10min）操作演示：操作要点步骤讲解：随机森林的基本概念方法的应用模型评估演示通过演示，初步掌握重点。上机练习（15min）布置练习：随机森林模型应用模型评估实现动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，掌握重点。知识讲授（10min）知识讲授：神经网络的基本概念神经网络的应用模型评估思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（15min）布置练习：神经网络模型应用模型评估实现动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（5min）总结提高：知识点回顾，并巩固所学（归纳式教学法）作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。课后整理1.教室通风；2.教室整理；3.卫生打扫。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“鸢尾花分类”课程中，教学设计与实施均体现了理实一体的教学理念，但在实际操作过程中，仍有一些方面可以进行优化以提升教学效果。以下是对此次课程的反思与改进建议：反思：理论与实践的衔接：虽然课程采用了理实一体的形式，但在实际教学中，理论讲解与上机练习之间的过渡有时不够流畅，导致学生在实践环节中对理论知识的应用存在困惑。学生参与度与互动性：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度仍有待提高，且学生之间的互动交流相对较少，影响了整体的教学氛围。作业设计的层次性：课后作业的布置虽然与授课重点相关，但可能缺乏足够的层次性，未能充分满足不同水平学生的需求。改进：优化理论与实践的衔接：在理论讲解后，立即安排相关的上机练习，确保学生能够及时将理论知识应用于实践中。设计一些引导性的问题或案例，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度与互动性：引入更多的小组讨论、角色扮演等互动环节，增加学生之间的交流与合作，提高课堂活跃度。鼓励学生提出自己的问题和见解，促进师生之间的互动与交流。优化作业设计：根据学生的实际情况和学习需求，设计更具层次性的课后作业，包括基础题、进阶题和挑战题，以满足不同水平学生的需求。提供更多的作业示例和解析，帮助学生更好地理解作业要求并完成作业。通过这些反思与改进，可以进一步提升“鸢尾花分类”课程的教学效果和学生的学习体验。在未来的教学中，将继续关注学生的学习需求，不断优化教学方法和手段，以更好地实现教学目标。

《数据挖掘应用》课程教案第11讲数据挖掘模块：肥胖分类分析一、教学设计授课对象大数据2201班授课课时3课时（120分钟）授课周次12授课形式理实一体授课地点知行楼106授课课次11教学目标知识目标熟练掌握k近邻、随机森林、多层感知机、神经网络的基本原理和基本概念；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、Sklearn、Matplotlib等；（重点）进一步掌握KNeighborsClassifier、RandomForestClassifier和MLPClassifier类的应用、相关参数意义及调参方法。能力目标会熟练使用Sklearn中的KNeighborsClassifier、RandomForestClassifier和MLPClassifier类实现分类应用；会熟练使用Tensorflow设计和训练简单的神经网络模型；会调整分类模型的参数实现分类效果的优化。素质目标厚植“中国特色”的传统文化根脉，坚定文化自信；善于观察，增强对大自然及生活的热爱；精准分类，细心改进模型的参数，尽心完成模型的部署，培养精益求精的品质意识。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成数据分类与预测技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了数据的回归分析、分类分析，掌握了基本的数据挖掘技术学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点各类方法的理解与使用教学难点数据可视化与图形设置教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（5min）知识回顾：上一节练习讲解理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生会正确对待数据，提升严谨细致的作风；会根据应用举一反三，培养开拓创新的精神。随堂测（15min）随堂测验项目1-5的知识点检测积极做答独立思考，积极参与回答。演示讲解（10min）操作演示：实验报告易错点步骤讲解：代码填写与可视化展示思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。上机练习（25min）布置练习：KNN模型应用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。知识讲授（10min）知识讲授：肥胖分类练习中的问题说明思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（10min）操作演示：操作要点步骤讲解：随机森林的基本概念肥胖分类应用模型评估演示通过演示，初步掌握重点。上机练习（15min）布置练习：随机森林模型肥胖分类应用模型评估实现动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，掌握重点。知识讲授（10min）知识讲授：神经网络的基本概念神经网络的应用模型评估思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（15min）布置练习：神经网络模型应用模型评估实现动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（5min）总结提高：知识点回顾，并巩固所学（归纳式教学法）作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。课后整理1.教室通风；2.教室整理；3.卫生打扫。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“肥胖分类分析”课程中，教学设计与实施均展现出了理实一体的特点，但在实际操作过程中，仍有几个方面可以进行优化以提升教学效果。以下是对此次课程的反思与改进建议：反思：理论与实践的衔接：尽管课程采用了理实一体的形式，但在部分环节，理论讲解与上机练习之间的过渡不够自然，导致学生在实践时对理论知识的应用感到困惑。学生参与度：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度仍有待提高，这影响了整体的教学氛围和学生的学习效果。作业设计的层次性：课后作业的布置虽然与授课重点相关，但缺乏足够的层次性，未能充分满足不同水平学生的需求。改进：优化理论与实践的衔接：在理论讲解后，立即安排相关的上机练习，确保学生能够及时将理论知识应用于实践中。设计一些引导性的问题或案例，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度：引入更多的小组讨论、角色扮演等互动环节，增加学生之间的交流与合作，提高课堂活跃度。鼓励学生提出自己的问题和见解，促进师生之间的互动与交流，同时及时给予反馈和肯定，增强学生的参与感。优化作业设计：根据学生的实际情况和学习需求，设计更具层次性的课后作业，包括基础题、进阶题和挑战题，以满足不同水平学生的需求。在作业布置时，明确作业的目的和要求，提供相关的参考资料和提示，帮助学生更好地完成作业。通过这些反思与改进，可以进一步提升“肥胖分类分析”课程的教学效果和学生的学习体验。在未来的教学中，将继续关注学生的学习需求，不断优化教学方法和手段，以更好地实现教学目标。

《数据挖掘应用》课程教案第12讲数据挖掘模块：观影用户聚类分析一、教学设计授课对象大数据2201班授课课时3课时（120分钟）授课周次13授课形式理实一体授课地点知行楼106授课课次12教学目标知识目标理解无监督学习、聚类的基本原理和基本概念了解常用的聚类方法及其适用性（阿里云“1+X”大数据分析与应用中级5.1.2）掌握sklearn包中常见聚类实现DBSCAN、KMeans的使用（重点）进一步掌握数据分析与挖掘常用包NumPy、Pandas、sklearn、Matplotlib的使用方法能力目标会使用sklearn包中的DBSCAN、KMeans类实现聚类应用（重点：阿里云“1+X”大数据分析与应用中级5.2.3）会调整聚类分析模型的参数实现分类效果的优化（难点：大数据工程技术人员国家职业技能标准中级6.3.2）会使用Matplotlib、seaborn等包实现聚类效果的可视化素质目标物以类聚，人以群分，引导学生向最好的学习，做更好的自己，缩小和优秀同学间的差异不断迭代，寻求最优聚类质心，引导学生在学习中不断探索，培养精益求精的工匠精神分析聚类算法的优缺点，培养学生的辩证思维，更全面地认识、解决问题学情分析知识水平通过前面学习，同学已基本理解了数据分析的基本流程，会使用编程工具完成数据分析与数据挖掘，能会使用机器学习方法解决回归与分类问题技能水平经过前期学习，学生对算法应用场景和职业素养有了一定的认知积累，完成了人工智能的应用，掌握了基本数据分析、挖掘方法和常用的机器学习分类算法学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点聚类BDSCANK-Means教学难点聚类中心个数的确定方法教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（15min）知识回顾：什么是机器学习？有哪些方法？什么是有监督学习分类方法回顾LogisticRegression:逻辑回归Bayes:朴素贝叶斯DecisionTree:决策树SVM:支持向量机理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生会正确对待数据，提升严谨细致的作风；会根据应用举一反三，培养开拓创新的精神。知识讲授（7min）知识讲授：介绍无监督学习与聚类思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（13min）操作演示：易错点步骤讲解：使用BDSCAN聚类确定质心个数DBSCAN().fit_predict(data)上机练习（20min）布置练习：代码填写与可视化展示模型建立数据可视化展示seaborn动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。知识讲授（10min）知识讲授：K-Means方法简介思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（10min）操作演示：操作要点步骤讲解：使用K-Means对相似数据进行聚类演示通过演示，初步掌握重点。上机练习（20min）布置练习：电影评分数据分析聚类应用练习动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，掌握重点。知识讲授（5min）知识讲授：质心个数的影响思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（10min）布置练习：结果比较与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（10min）总结提高：知识点回顾，并巩固所学（归纳式教学法）两个方法的关联性分析作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。课后整理1.教室通风；2.教室整理；3.卫生打扫。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“观影用户聚类分析”课程中，教学设计与实施均展现出了理实一体的特点，但在实际操作过程中，仍有几个方面可以进行优化以提升教学效果。以下是对此次课程的反思与改进建议：反思：理论与实践的结合度：尽管课程采用了理实一体的形式，但在部分环节，理论讲解与上机练习之间的衔接不够流畅，导致学生在实践时对理论知识的应用感到有些困惑。学生参与度与互动性：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度仍有待提高，这影响了整体的教学氛围和学生的学习效果。同时，学生之间的互动交流也有待加强。作业设计的层次性与针对性：课后作业的布置虽然与授课重点相关，但缺乏足够的层次性，未能充分满足不同水平学生的需求。同时，作业与课堂内容的关联性也有待加强。改进：优化理论与实践的结合：在理论讲解后，立即安排相关的上机练习，确保学生能够及时将理论知识应用于实践中。设计一些引导性的问题或案例，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度与互动性：引入更多的小组讨论、角色扮演等互动环节，增加学生之间的交流与合作，提高课堂活跃度。鼓励学生提出自己的问题和见解，促进师生之间的互动与交流，同时及时给予反馈和肯定，增强学生的参与感和自信心。设立奖励机制，对于积极参与课堂互动、提出有见地问题的学生给予一定的奖励，以激发学生的积极性。优化作业设计与针对性：根据学生的实际情况和学习需求，设计更具层次性的课后作业，包括基础题、进阶题和挑战题，以满足不同水平学生的需求。在作业布置时，明确作业的目的和要求，提供相关的参考资料和提示，帮助学生更好地完成作业。加强作业与课堂内容的关联性，确保作业能够巩固和拓展课堂所学的知识点和技能。通过这些反思与改进，可以进一步提升“观影用户聚类分析”课程的教学效果和学生的学习体验。在未来的教学中，将继续关注学生的学习需求，不断优化教学方法和手段，以更好地实现教学目标。

《数据挖掘应用》课程教案第13讲数据挖掘模块：手写体识别应用一、教学设计授课对象大数据2201班授课课时3课时（120分钟）授课周次14授课形式理实一体授课地点知行楼106授课课次13教学目标知识目标进一步掌握数字图像读取与处理的方法；了解模式识别、文字识别技术的基本概念与原理；进一步掌握支持向量机、神经网络等机器学习方法在图像识别领域的应用；进一步理解支持向量机、神经网络关键参数的意义及调参方法。能力目标会对MNIST数据集中的文件数据格式进行解读与查看；会对图像数据进行数据集切分；会使用sklearn包中的LinearSVC、MLPClassifier实现数字手写体识别；（重难点：阿里云“1+X”大数据分析与应用高级5.3.2、大数据工程技术人员国家职业技能标准中级6.3.2）会对手写体识别中模型关键参数进行调参；会使用适当的方式评估不同模型的优劣。（难点：大数据工程技术人员国家职业技能标准中级6.3.4）素质目标宣扬中国传统文化和中国汉字的博大精深，进一步提升文化自信；追求高识别准确率，进一步强化精益求精的劳动意识和工匠精神；提升技术增效的意识，强化学生科技报国的实践能力。学情分析知识水平通过前面学习，同学已基本理解了数据挖掘的基本流程，会使用编程工具完成数据挖掘应用技能水平经过前期学习，学生对大数据分析与挖掘应用场景和职业素养有了一定的认知积累，完成了多种分类与回归应用，掌握了基本的数据挖掘技术学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点人工智能与模式识别教学难点手写体识别应用与实现教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课程导入（8min）课程导入：自动驾驶技术理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生具备吃苦耐劳的劳模精神、担当精神和家国情怀。知识讲授（7min）知识讲授：人工智能机器学习思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。知识讲授（5min）知识讲授：人工智能应用与发展知识讲授（5min）知识讲授：模式识别演示讲解（10min）操作演示：手写体识别数据简介步骤讲解：数据简介图片数据读取模型训练与应用结果可视化上机练习（25min）布置练习：使用SVM对数字手写体进行识别动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。改进练习（10min）布置练习：模型评估知识讲授（5min）知识讲授：模型训练与应用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（5min）操作演示：使用神经网络对数字手写体进行识别演示通过演示，初步掌握重点。上机练习（20min）布置练习：使用神经网络对数字手写体进行识别动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，掌握重点。改进修正（10min）布置练习：改进要求，模型比较内容讲授（5min）知识讲授：项目介绍主题准备提交要求思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。总结应用（5min）总结提高：知识点回顾，并巩固所学（归纳式教学法）两个方法的关联性分析作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。课后整理1.教室通风；2.教室整理；3.卫生打扫。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“手写体识别应用”课程中，整体教学设计与实践环节均较为完善，但仍存在一些可以进一步优化与改进的空间：反思：理论与实践的结合度：虽然课程中设置了多个上机练习环节，但部分学生反映，在实践过程中对于如何将理论知识灵活运用到手写体识别中仍感困惑，理论与实践的结合度有待加强。学生参与度与互动性：课程中的讨论和提问环节，学生的参与度与互动性有待提升，尤其是对于一些具有挑战性的问题，学生往往表现出畏难情绪。教学节奏的把控：部分环节的时间分配不够精细，导致一些重要内容的讲解和练习时间略显紧张，影响了教学效果和学生的掌握程度。改进：深化理论与实践的融合：在理论讲授后，增加一些针对手写体识别的实例分析，帮助学生更好地理解理论知识如何应用于实际操作。设计更具针对性的上机练习，确保学生能够在实践中充分应用和巩固所学知识，例如提供手写体识别的样例数据集，让学生亲自动手进行训练和测试。提升学生参与度与互动性：在讨论和提问环节，设置更多具有启发性和引导性的问题，激发学生的兴趣和参与度，同时给予适当的提示和引导，降低问题的难度。鼓励学生之间的互助合作，通过小组合作的形式完成任务，提升互动性，同时培养学生的团队协作精神。精细把控教学节奏：对课程时间进行更细致的划分，确保每个环节都有充足的时间进行深入的讲解和充分的练习。考虑在课前导学环节增加一些预习任务，以减轻课堂时间压力，确保重点环节有足够的时间进行深入讲解和实操演练。通过上述反思与改进，可以进一步提升“手写体识别应用”课程的教学效果和学习体验，使学生能够更好地掌握手写体识别的相关知识和技能，并应用于实际生活中。同时，也可以培养学生的实践能力和团队协作精神，为未来的职业发展打下坚实的基础。

《数据挖掘应用》课程教案第14讲创新综合模块：智能产线应用一、教学设计授课对象大数据2201班授课课时3课时（120分钟）授课周次15授课形式理实一体知行楼106授课课次14教学目标知识目标了解数据采集设备安装、调试方法；掌握图像数据采集和标注方法；掌握图像数据预处理方法，特别是对图像增强方法的理解；（重点：阿里云大数据分析与应用职业技能等级标准中级）理解图像智能识别算法原理；掌握模型部署和应用验证流程。（大数据工程技术人员国家职业技术技能标准中级6.3）能力目标会安装、调试数据采集设备；会规范采集图像数据并做标注；会选用图是增强方法对图像数据进行预处理；懂得变通设计算法识别产品合格性；（重难点：阿里云大数据分析与应用职业技能等级标准中级5.3.2）会应用模型实现智能分拣和调参。素质目标精心搭建，承崇尚劳动的精神；精细采集，持精益求精的态度；精密处理，树数据质量的意识；精准分类，有创新增效的担当；精品展示，守赋能强国的使命。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成数据挖掘应用技能水平经过前期学习，学生对数据挖掘应用场景和职业素养有了一定的认知积累，完成了回归分析、分类预测与关联规则，掌握了基本的机器学习技术学生特点对新技术和前沿的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点卷积神经网络的结构与原理图像增强方法教学难点工件视觉检测应用教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（5min）知识回顾：复习：视觉检测理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。实训平台工业互联网实训平台下的JupyterNotobook工具。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。让学生具备严谨细致的工作作风和精益求精的工匠精神。内容讲解（10min）随堂测验人工智能技术计算机视觉在工业领域的应用浙江省工业大数据算法比赛积极做答独立思考，积极参与回答。演示讲解（15min）操作演示：项目介绍数据准备：不同数据集的作用步骤讲解：数据的切分过程思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。上机练习（15min）布置练习：数据集切分：训练集与验证集数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。演示讲解（10min）操作演示：操作要点步骤讲解：模型设计与构建思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（15min）布置练习：卷积神经网络的设计与构建动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，掌握重点。知识讲授（5min）知识讲授：模型训练思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（10min）布置练习：卷积神经网络模型训练动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（5min）知识讲授：测试集的准备（数据增强方法）模型评估思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（10min）布置练习：数据增强形成数据集2基于新数据集的模型训练动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（5min）知识讲授：模型再训练与优化思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（12min）布置练习：卷积神经网络模型评估动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（3min）总结提高：知识点回顾，并巩固所学（归纳式教学法）作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。课后整理1.教室通风；2.教室整理；3.卫生打扫。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“智能产线应用”课程中，整体教学设计与实践环节均较为完善，但仍存在一些可以进一步优化与改进的空间，以下是针对此次课程的反思与改进建议：反思：理论与实践的融合度：尽管课程中设置了