机器基础及学习 1

一、教案基本信息·课程名称：机器学习（Python+sklearn+TensorFlow2.0）·章节名称：第1章绪论·建议课时：4学时·教材来源：王衡军编著，清华大学出版社，2026第2版二、学情分析本课程一般在本科高年级或研究生第一学期开设，学生已具备高等数学、线性代数、概率论、Python程序设计等先修知识，但对机器学习的整体框架认识不清，对"机器学习与人工智能、深度学习、神经网络的关系"易混淆，对"监督/无监督/半监督"分类理解较浅。学习本章前，学生对人工智能的历史和现状有零散认知（如AlphaGo），但缺乏系统性梳理；对算法的工程实现没有接触过sklearn、TensorFlow等框架。本章是全书导论，重在建立全景认知，激发学习兴趣，为后续章节铺垫。三、教学重点与难点【重点】机器学习、深度学习、神经网络、人工智能、模式识别、数据挖掘六者之间的层次关系【重点】监督学习、无监督学习、半监督学习三类学习范式的本质区别与典型任务【重点】聚类、分类、回归、标注四类模型的任务定位和典型应用场景【难点】训练集、验证集、测试集的划分原则与各自作用（特别是验证集不参与训练的工程意义）【难点】从符号学习到统计学习的范式转换及其背后的数学基础（概率论/线性代数/最优化）四、教学准备（一）硬件1.多媒体教室1间（容纳50人，配备投影仪、扩音系统）2.学生机房1间（50台PC，预装Windows10/macOS），可上互联网3.教师演示机1台（建议配置i7/16GB/1080p显示屏）（二）软件平台1.Python3.10+（含Anaconda发行版，自带JupyterNotebook）2.scikit-learn1.3+3.TensorFlow2.10+/Keras4.NumPy/Pandas/Matplotlib/SciPy/SymPy5.浏览器（Chrome/Edge，用于访问JupyterHub或GoogleColab）（三）课件1.教学课件《机器学习-01-绪论.pptx》（46张，含1.1/1.2/1.3三小节）2.本章示例代码（ch01_demo_*.py，含sklearn第一个KMeans跑通示例）（四）学习资料1.教材《机器学习》第2版·第1章2.周志华《机器学习》（西瓜书）第1章（推荐配套阅读）3.AndrewNgCS229LectureNotes1（英文进阶）五、教学方法1.讲授法：本章以教师讲授为主线，系统阐述机器学习的发展历史、六者关系、三类学习范式，建立全景认知2.演示法：现场运行sklearn第一个KMeans聚类示例（鸢尾花数据集），让学生直观感受机器学习的工作流程3.案例法：以"AlphaGo击败人类围棋冠军"为主案例，贯穿1.1机器学习是什么+1.2机器学习算法两节4.讨论法：设置开放问题"AI会不会取代人类？"引导学生辩证思考（呼应思政章节"富强民主文明和谐"主题）5.对比法：用表格对比符号学习vs统计学习、监督vs无监督vs半监督，帮助学生建立分类体系六、教学过程第1课时：课程导入与机器学习是什么·时长：50分钟（45讲授+5演示）教师活动：1.用2016/2017AlphaGo案例导入，引出"机器学习是AI的核心要素"

2.讲授机器学习的定义：举一反三能力/统计学习范式

3.板书六者关系图：人工智能⊃机器学习⊃神经网络⊃深度学习

4.演示：现场运行sklearn第一个鸢尾花KMeans示例

5.简要回顾符号学习与统计学习的差异学生活动：1.听讲、做笔记

2.观察AlphaGo案例视频片段（PPTslide4-5）

3.跟随教师在Jupyter中敲第一个sklearn程序

4.课后思考："举一反三"和"死记硬背"的本质区别第2课时：机器学习算法与学习范式·时长：50分钟教师活动：1.讲授机器学习算法三要素：数据、模型、损失函数

2.详细对比监督/无监督/半监督三类学习范式

3.详细对比聚类/分类/回归/标注四类模型

4.重点讲清训练集/验证集/测试集的划分（结合sklearn.model_selection）

5.板书"机器学习任务地图"（监督—分类/回归；无监督—聚类/降维）学生活动：1.听讲、记录三类范式的判别准则

2.在课堂上口头回答：给出一个任务，判断属于监督/无监督/分类/回归/聚类

3.现场打开sklearn.model_selection文档，观察train_test_split函数签名第3课时：课程内容总览与学习路径·时长：50分钟教师活动：1.简要介绍本课程12章的章节地图（聚类—第二章、分类—第四章、回归—第三章、神经网络—第七章、深度学习—第八章…）

2.介绍机器学习相关工作三类：算法、工程、数据；说明本课程偏算法理解+工程实践

3.演示Python/sklearn/TensorFlow2.0环境搭建

4.推荐学习路径：基础章节（1-4）→进阶章节（5-8）→前沿章节（9-12）

5.答疑+布置第一次课后作业学生活动：1.听讲、对照PPTslide42-45熟悉全书结构

2.在自己电脑上跟着敲一遍示例代码

3.加入课程交流群（作者王衡军老师维护）

4.课后作业：sklearn跑通鸢尾花KMeans聚类+提交截图第4课时：本章小结与思政升华·时长：50分钟教师活动：1.用5分钟回顾本章三大核心概念：六者关系、三类范式、四类模型

2.思政升华：富强民主文明和谐+人工智能在实现国家富强中的角色（呼应PPTslide28）

3.引出下一章：聚类是无监督学习的代表任务（第二章预告）

4.课堂小测验（5道选择题，10分钟）

5.布置课后延伸任务（见第九节）学生活动：1.回顾本章要点，记录疑问

2.完成课堂小测验

3.课后完成延伸任务七、课程思政本章思政主线为"富强、民主、文明、和谐——人工智能在实现国家富强征途中的角色"。通过PPTslide28的"社会主义核心价值观"自然切入，结合2020年新冠疫情中AI抗疫的实例（无感通行、AI测温、疫情问询机器人、防疫指挥平台），让学生认识到：（1）机器学习不是西方国家的专属技术，中国在计算机视觉、自然语言处理等领域已处于国际第一梯队；（2）学好机器学习课程，将来可以为国家和人民发挥更大的光和热，实现个人价值与国家需要的统一；（3）以"霍金警告AI威胁论"为反面案例，引导学生辩证看待技术伦理——技术本身无善恶，关键在于使用者的价值观，要做负责任的AI从业者。通过这一章节，让学生在建立机器学习全景认知的同时，厚植家国情怀，树立科技报国的志向。八、板书设计板书设计第一章绪论一、机器学习在AI中的定位┌─────────────────┐│人工智能（AI）│└────────┬────────┘↓┌─────────────────┐│机器学习（ML）│←本课程核心└────────┬────────┘↓┌─────────────────┐│神经网络→深度学习│└─────────────────┘二、三类学习范式监督学习（标签数据）→分类/回归无监督学习（无标签）→聚类/降维半监督学习（小部分标签+大量无标签）三、数据集划分训练集（训练模型）→验证集（调参）→测试集（最终评估）四、本课程12章地图1绪论→2聚类→3回归→4分类→5特征工程→6概率模型与标注→7神经网络→8深度学习→9GAN→10强化学习→11大语言模型→12对抗样本九、课后延伸1.阅读周志华《机器学习》（西瓜书）第1章，对比本科教材视角与研究生教材视角的差异2.在GoogleColab上免费跑通scikit-learn官方入门教程（KMeans+DecisionTree两个例子），提交JupyterNotebook到课程群3.观看AndrewNgCS229Lecture1视频（前30分钟），用中文写一段500字的学习笔记（提交到课程群）4.调研中国机器学习领域的代表企业（百度、阿里、腾讯、字节、商汤、旷视、依图）各1个落地案例，下节课分享5分钟5.在sklearn官方文档中查找KMeans算法对应的API，写出train_test_split函数的完整参数说明十、教学反思与改进1.本章首次课，学生对"六者关系"的掌握情况需要通过第2周课堂测验验证；如普遍混淆，下次课需用15分钟专门对比复习2.演示sklearn第一个示例时，机房网络偶尔不稳定导致pipinstall失败，下次课前需提前安装好，并在U盘备份示例代码3.思政环节（slide28）的引入时机偏后，部分学生在最后10分钟注意力下降，下次可前置到第1课时导入环节4.关于"AI是否取代人类"的开放讨论，学生参与度高但容易跑题，需设置更明确的讨论边界（建议下节课设3个具体子问题）5.课程交流群的运营效果需持续跟进，确保学生在课外有问题时能及时