人工智能通识课教程 教案 项目6-2 了解算法 教学设计

项目6任务2了解算法教学分析教学内容了解算法所属章节项目6智能引擎任务2授课人数授课班级授课地点授课学时2课时授课形式工学一体化所选教材《人工智能通识课教程》教学资源线上资源文心一言、豆包等AI平台，神经网络科普资源线下资源多媒体机房、A4纸/铅笔/剪刀（真人卷积）、糖果（聚类实验）、教学课件其他资源任务工单、评价表、算法对比图示内容分析本任务围绕机器学习核心算法展开，介绍KNN算法、K均值聚类算法、人工神经网络（生物/人工神经元、前馈网络）与卷积神经网络（CNN）的原理与应用，通过生活化实践理解算法工作机制。学情分析知识和技能基础1.已了解机器学习基础概念

2.具备基本数学运算能力

3.对神经网络缺乏直观认识认知和实践能力1.对算法原理有探究欲

2.形象思维较强

3.对矩阵运算理解较弱学习特点1.偏好体验式、游戏化学习

2.喜欢动手实验与展示

3.乐于小组协作教学目标知识目标1.了解KNN、K均值聚类、人工神经网络与卷积神经网络的原理

2.理解生物神经元与人工神经元的对应关系

3.掌握CNN看图识脸的工作过程能力目标1.能够用生活案例解释KNN与K均值聚类

2.能够描述人工神经元加权求和与激活过程

3.能够说明CNN卷积与池化操作素质目标1.养成从算法视角审视AI应用的习惯

2.培养批判性思维与理性剖析AI能力边界

3.提升独立思考与前瞻意识教学重点重点人工神经网络与卷积神经网络（CNN）的原理解决措施通过“带伞”案例、看图识脸类比、真人卷积实验强化理解教学难点难点神经网络权重调整与卷积层特征提取过程解决措施分层剖析、真人卷积体验、图示讲解教法项目教学法，案例教学法，演示法。学法小组探究合作法，练习法。教学策略1.课前：发布任务场景，学生预习相关基础知识，完成讨论思考题。

2.课中：情境导入—新知讲解—操作演示—技能训练—总结反思。

3.课后：拓展更多AI工具与创作实践，完善并提交作品。评价策略采用过程性评价与结果性评价相结合的方式，涵盖课堂参与度、实操完成度、作品质量、小组互评等维度。教学过程（一）课前准备课前准备教师活动1.发布“搞懂AI核心算法”任务场景和学习资料

2.布置课前讨论题（算法在机器学习中的核心能力）学生活动1.阅读任务场景，明确目标

2.思考并讨论算法作用设计意图通过问题情境导入，让学生提前了解算法，激发探究欲（二）课中学习第1课时环节一

情景导入

（5分钟）教学内容情境导入，明确“亲手搞懂AI核心算法”目标教师活动1.播放小明探究AI算法案例

2.提出任务与学习目标

3.引导思考算法如何“学会”思考学生活动1.观看案例，理解情境

2.思考算法学习机制

3.明确学习任务设计意图通过人物情境导入，激发对算法原理的探究兴趣环节二

新知讲解

（10分钟）教学内容讲解KNN与K均值聚类算法原理教师活动1.讲解KNN“近邻投票”原理与电影分类案例

2.讲解K均值聚类的四步过程

3.对比监督与无监督学生活动1.听讲并记录关键概念

2.理解聚类迭代过程

3.区分两类算法设计意图通过系统讲解，掌握经典算法原理，为后续奠基环节三

操作演示

（10分钟）教学内容演示人工神经元“今天要不要带伞”加权求和与激活过程教师活动1.演示人工神经元输入/权重/偏置/激活函数

2.计算“带伞”案例总分

3.讲解生物与人工神经元对比学生活动1.观察计算过程

2.理解加权求和与激活

3.对比两类神经元设计意图通过案例演示，让抽象神经元运算具象化，加深理解环节四

技能训练

（15分钟）教学内容分组完成“生活中的K均值聚类”糖果分类实操（落实重点）教师活动1.组织分组用糖果模拟K均值聚类

2.巡回指导初始化与迭代

3.提问真实应用场景学生活动1.分组完成糖果聚类实验

2.记录迭代过程

3.联想抖音/淘宝聚类应用设计意图通过动手实验，将聚类算法转化为直观体验，强化理解课间休息10分钟（师生沟通、答疑）第2课时环节五

技能提升

（10分钟）教学内容深入人工神经网络与卷积神经网络（CNN）原理教师活动1.讲解前馈网络结构与CNN看图识脸

2.演示卷积（放大镜）与池化操作

3.对比普通网络与CNN学生活动1.理解网络层次结构

2.理解卷积与池化作用

3.思考CNN优势设计意图通过深入剖析，建立神经网络整体认知环节六

任务检测

（15分钟）教学内容“真人卷积”识别同学，辨析CNN工作过程（突破难点）教师活动1.组织“真人卷积”拼贴实验

2.引导对比不同人数耗时

3.讲解CNN特征提取学生活动1.参与拼贴识别实验

2.记录并对比耗时

3.总结CNN工作方式设计意图通过体验式任务，突破难点，直观理解CNN机制环节七

总结反思

（15分钟）教学内容总结提升，养成算法视角审视AI的习惯教师活动1.总结本课算法体系

2.引导反思“AI背后用什么算法”

3.布置作业学生活动1.梳理总结收获

2.反思算法驱动思维

3.分享体会设计意图通过总结反思，培养从算法视角审视AI的批判性思维板书设计了解算法

中心主题：机器学习核心算法

一、KNN（近邻投票）与K均值聚类（迭代分组）

二、人工神经元（输入·权重·偏置·激活）

三、人工神经网络（前馈/循环/图网络）

四、卷积神经网络CNN（卷积+池化→看图识脸）作业布置1.用生活案例说明KNN或K均值聚类的工作原理，提交学习平台。

2.查找一个CNN应用实例，写一段不少于100字的说明。（三）课后提升课后提升教学内容课后拓展—