《人工智能通识基础》第5章教案 人工智能的关键技术

教案（2024-2025学年第二学期）课程名称《人工智能通识基础》适用专业不限专业课程学分2课程学时32主讲教师xxx使用教材《人工智能通识基础》编写日期2025年2月xxx学院教务处制授课基本信息授课章节（项目）第5章人工智能的关键技术任务1：基础知识认知与决策树的构建授课时间第周星期第节授课班级课次第15次课教学方法案例结合、讨论法、演示法、情景模拟法等课时2学时授课方式理论课☑实验课☑讨论课□习题课□其他□工具多媒体课件、AI教学工具（如豆包、Kimi）教学目标了解理解机器学习、神经网络及深度学习的基本概念与应用；掌握决策树的构建工具与方法，能够应用工具解决实际问题；培养学生的终身学习和自我提升能力。教学重、难点重点：1.机器学习基础概念与决策树模型的构建。2.Excel和KNIME工具的使用。难点：1.决策树模型在实际问题中的应用与优化。2.理解不同机器学习算法的选择及其适用场景。教学过程主要教学内容及步骤课前任务教师上传课前学习资源，设置提问讨论；学生在线上教学平台进行预习，并参与课前讨论；线上考勤【教师】教师在线上教学平台发布签到任务。【学生】学生扫码或者其他形式签到。导入新课环节科技改变生活实例分享请同学们分享生活中遇到的机器学习应用实例，如智能推荐系统、语音识别等。小组讨论，每组选代表分享，教师总结并引出机器学习的重要性。授课环节教学活动1：机器学习基础与决策树概念教学活动：讲解与互动问答提出任务：1.解释机器学习的定义、本质及发展历程。2.介绍决策树的概念、节点类型及构建过程。学生活动：听讲并做笔记。分组讨论决策树与其他机器学习算法的区别，每组选代表分享观点。教学活动2：工具实操——使用Excel构建决策树教学活动：演示与实操提出任务：1.演示如何使用TreePlan插件在Excel中构建决策树。2.学生分组，根据给定案例（如新产品投资决策）自行构建决策树。学生活动：观看教师演示。分组实操，教师巡回指导，解答疑问。教学活动3：工具实操——使用KNIME构建决策树教学活动：演示与实操提出任务：1.演示如何利用KNIME软件导入数据集、预处理数据并构建决策树模型。2.学生根据乳腺癌数据集，尝试在KNIME中构建决策树模型。学生活动：观看教师演示。个人或小组实操，体验KNIME的数据处理与模型构建流程。课堂小结总结回顾总结本节课学到的关键知识点和实操技能。强调机器学习与决策树的重要性及应用前景。作业布置使用KNIME软件，自行寻找一个数据集，构建决策树模型，并分析模型的预测准确率及可能存在的改进空间。教学反思授课基本信息授课章节（项目）第5章人工智能的关键技术任务2：神经网络与深度学习任务3：综合实践授课时间第周星期第节授课班级课次第16次课教学方法案例结合、讨论法、演示法、情景模拟法等课时2学时授课方式理论课☑实验课☑讨论课□习题课□其他□工具多媒体课件、AI教学工具（如豆包、Kimi）教学目标理解神经网络、深度学习的基本原理和结构类型；能够识别并解释不同神经网络结构（如前馈神经网络、卷积神经网络等）的特点；通过实例分析，培养解决实际问题的能力，如使用简单神经网络进行图像分类或文本处理；引导学生思考技术伦理，如数据隐私保护、模型可解释性等，培养责任感。教学重、难点重点：1.神经网络的基本原理与结构类型。2.深度学习的核心技术，包括神经网络架构、激活函数、损失函数与优化算法。难点：理解深度神经网络中的梯度消失问题及其解决方案。教学过程主要教学内容及步骤课前任务教师上传课前学习资源，设置提问讨论；学生在线上教学平台进行预习，并参与课前讨论；线上考勤【教师】教师在线上教学平台发布签到任务。【学生】学生扫码或者其他形式签到。导入新课环节展示AI在日常生活中的应用实例（如人脸识别、智能推荐等），引发学生兴趣。提出任务：引导学生思考这些技术背后的原理，引出神经网络与深度学习的概念。授课环节教学活动1：神经网络基础（教学活动：讲解神经网络的基本原理，展示神经网络模型图，解释节点、权重、激活函数等关键要素。提出任务：分组讨论前馈神经网络与卷积神经网络的区别，并举例说明各自的应用场景。学生活动：小组汇报讨论结果，教师点评并补充。教学活动2：深度学习核心技术教学活动：介绍深度学习的核心技术，包括神经网络架构、激活函数选择、损失函数与优化算法等。提出任务：分析一个具体的深度学习应用案例（如图像识别），探讨其使用的技术及其效果。学生活动：分组分析案例，准备汇报材料，教师引导讨论并总结