初中信息技术电子工业社版（2022）第五册第2单元 揭示人工智能的奥秘2.4 机器学习获奖课件ppt

这是一份初中信息技术电子工业社版（2022）第五册第2单元 揭示人工智能的奥秘2.4 机器学习获奖课件ppt，文件包含24机器学习课件pptx、24机器学习教案doc、1课前导入视频mp4等3份课件配套教学资源，其中PPT共59页， 欢迎下载使用。

1、信息意识：能够了解机器学习的基本概念、原理和技术，并理解其在现实世界中的应用。2、计算思维：能够利用机器学习方法来分析和处理大规模的数据集，从中发现模式和趋势。3、数字化学习与创新：能够使用机器学习软件和编程工具来探索和实验不同的算法和数据集。4、信息社会责任：能够认识到机器学习系统可能存在的偏见和歧视，并采取相应的措施来减轻其影响。
1、马宁逛商场时，智能机器人走到他身边，问他想去几层，想买什么，还会和他闲聊，马宁既好奇，又兴奋。智能机器人能与人们交流对话，智能翻译机能进行不同语言的翻译，计算机程序能战胜九段围棋高手，这些成果都得益于计算机具备了学习能力。
2、人们将能让计算机自主学习的技术称为机器学习。通过机器学习，计算机能模拟人类的学习活动，从数据中获得知识，并能对事物进行预测和判断。机器学习是人工智能领域的核心技术，是使计算机具有智能的重要途径，其应用遍及人工智能的各个领域。
AI可以基于车辆的属性精准识别车辆的品牌、车型、车系等信息。让我们来体验一下吧!
1、请你打开人工智能平台，体验 AI识车。
2.拍摄或导入图片，试一试 AI能否识别这些车辆信息。
1.人类智慧的形成离不开学习，比如我们挑选一个成熟的好西瓜时，往往基于我们原来吃西瓜的经验，根据西瓜的色泽、根蒂、被拍打时的声音来进行判断。机器的智能同样离不开学习，如果把预测一个西瓜的成熟度的任务交给机器，让机器通过学习能够根据西瓜的属性(色泽、根蒂、被拍打时的声音)来进行判断，从而给出建议，就可以说机器能够完成挑选西瓜这一特定的任务。计算机实现这一决策的过程就是机器学习。
2.人们遇到问题时，会依据这个问题所涉及的知识或者在以往类似的处理经验中选择最佳方式。这种通过思考，归纳经验，得出一定的规律，并寻找解决问题路径的做法，无疑是人类智慧的体现。
3.机器学习的目的是把人类思考和归纳经验的过程转换为机器通过对数据的处理计算得出问题解决模型的过程。机器通过分析大量的训练数据提取训练数据的特征，建立解决问题的模型，然后经过更多数据的验证,不断修正模型，最终得出问题解决模型，获得解决问题的智能。人类学习过程与计算机学习过程的对比如图所示。
4.人和机器通过学习都能产生知识，但一个产生于人的大脑，而另一个则产生于机器。
活动2认识机器学习的方式
1.随着大数据的发展和计算机性能的不断提升，机器学习已经广泛应用于数据挖掘、搜索引擎、电子商务、自动驾驶、天气预测、医学诊断等众多领域。应用领域不同，机器学习的方式也不同，人们通常将机器学习的方式分为四大类:监督学习、非监督学习、半监督学习和强化学习。
2.查阅相关资料，讨论不同应用场景中的机器学习主要运用了哪种方式实现了什么功能.并且填入下列表中。
1、当孩子开始认识事物时，父母给他一些苹果和橘子(目标值)，并告诉他苹果是什么样的，有哪些特征(特征值)，橘子是什么样的，有哪些特征(特征值)。经过父母的不断介绍，这个孩子知道了苹果和橘子的区别，如果孩子在看到苹果和橘子时做出错误的判断,父母就会指出错误的原因(人工干预)。经过不断地学习，再见到苹果和橘子时，孩子立即就可以做出正确的判断。孩子逐渐认识事物的过程就属于监督学习
2、监督学习是针对有标记数据的机器学习，要求学习的数据有明确的标签。机器先基于这些有标记的数据建立合适的模型，再选择合适的算法对模型进行训练，通过训练总结出自己的判断方法，当收到“新的问题”时,可以给出较好的判断结果。监督学习的学习与应用过程如图 所示
3、监督学习需要人工标记数据，因此需要大量的人工成本，但同时也使模型具有较高的准确性。监督学习除了可以应用于垃圾邮件过滤，还广泛应用于手机垃圾短信拦截、照片的智能分类、病虫害的识别等
1、同样的孩子，在一开始认识事物时，父母会给他一些苹果和橘子，但是并不告诉他哪个是苹果，哪个是橘子，而是让他根据两个事物的特征自行判断。孩子会把苹果和橘子分成两个组，下次再给他一个苹果时，他会把苹果分到苹果组中，而不是橘子组。
2、非监督学习又称无监督学习，它与监督学习最大的区别在于非监督学习使用的数据没有标签，这就意味着非监督学习在完成数据收集后，需要对数据进行预处理，从这些数据中总结出数据特征后，才能加以利用。非监督学习的学习与应用过程如图所示。
3、尽管采用非监督学习得到的应用没有监督学习那么高的准确性，但由于其无须对数据标记标签，因此节省了大量的人工成本。非监督学习应用在生活中的各个领域，比如智能家居系统通过非监督学习分析客户的用电模式、居住习惯等，打造动态家居环境，从而降低能源消耗，提高居住舒适度。
1、医疗的信息化产生了大量的电子病历，然而很多时候出于对个人隐私或者医学诊断难度的考虑，有些电子病历没有明确的标签，没有明确的病症归类。这时，使用监督学习和非监督学习已经不能满足需求，因此半监督学习就有了用武之地。
2、半监督学习选择有限的、有标记的电子病历进行监督学习，然后让未标记的电子病历和有标记的电子病历进行比对，通过学习判断病人之间是否存在相似性，如果存在，则归为一种病症。这种方式解决了电子病历存在数据缺陷时无法进行医学诊断的难题。
3、半监督学习是监督学习与非监督学习相结合的一种学习方法，它使用少量的有标记数据和大量的未标记数据进行学习。半监督学习先对一部分有标记的数据进行监督学习，再对剩下的未标记数据进行分类，从而完成识别工作。
4、半监督学习的思想是在少量有标记数据的情况下，通过在学习过程中引入未标记样本,以此来避免传统监督学习在训练数据不足(学习不充分)时导致性能(或模型)退化的问题。半监督学习的学习与应用过程如图所示。
5、半监督学习降低了人工成本，同时具有较高的准确性，因此越来越受到人们的重视。半监督学习的研究成果除了用于医学诊断，还广泛应用于自然语言处理、数字图像处理、视频与文本分类等领域。
1、美国波士顿动力公司研发的机械狗没有车轮和履带，采用四条机械腿行走，除了可以爬楼梯，还可以穿越崎岖地形。我们都知道，当人直立行走时，可以本能地使用各种技巧控制身体，保持平衡，从而以合理的身姿和步距行走，而机械狗要通过不断调整平衡参数和步距才能习得合理的步行策略。
2、当机械狗保持正常站立时给予正向反馈信息，摔倒时则给予负向反馈信息，根据反馈信息优化并不断强化步行策略，直到可以直立行走。机械狗能够在复杂地形中成功行走是强化学习的结果。
3、强化学习又称增强学习，即通过不断与环境互动(不断试错)来更新决策。强化学习的核心是通过积极奖励(强化信号)来强化最佳行为或行动。采用强化学习可以通过某种方法知道你离正确答案是越来越近还是越来越远(即建立和使用奖惩函数)。在这种学习模式下，输入的数据直接反馈到模型，模型根据反馈结果立刻做出调整。
4、强化学习的过程大致可以分为三个步骤: 第一步，将环境初始化为一个状态，主体把状态输入给算法;第二步，主体执行算法，输出动作;第三步。环境对这个动作进行评价反馈，最终向主体输出正向反馈或负向反馈。强化学习的学习过程如图所示。
5、强化学习正在改变人类社会的方方面面，比如基于强化学习的游戏 AI已经开始超越人类选手,基于强化学习的控制算法也已经应用于自动驾驶、无人机飞行等领域。
活动3机器学习对人们生活的影响
1、机器学习技术在生产生活的很多领域都有应用。结合自己的生活经验，上网查阅资料，谈谈机器学习在计算机视觉、智能语音和自然语言处理领域的应用场景及对生活的影响。下面列举一些生活运用。
1、人主要是通过视觉认识世界的。计算机视觉是利用计算机及相关设备对人类视觉系统的一种模拟。形象地说，就是给机器安装上“眼睛”(照相机、摄像头等成像设备)和“大脑”(算法)，让机器能像人那样观察和认识世界。
2、机器学习大大提升了计算机视觉应用的性能，包括人脸识别、图片分类、物体识别等，为计算机在医疗、教育、工业等领域的应用提供了强大的技术支持。
1、人们通过“说”来表达自己的思想以及传递情感。机器通过“学习”依靠语音识别、自然语言理解等技术也能“听”“说”。随着机器学习的发展，智能语音技术在普通环境下的准确度，提高到了足以投入实际生活应用的高度。在语音识别方面，智能语音系统在机器学习的帮助下，可以让计算机在噪声较多的环境中，依然能够准确识别一个人的声音，从而慢慢接近人分辨声音的能力。
2、在语音合成方面，智能语音系统在机器学习的帮助下，可以把指定的文字内容以不同人的声音读出来。这些进步使得智能语音渐渐成为人与计算机的主要交流方式。
1、自然语言处理是指利用人类交流所使用的自然语言与机器进行交互通信的技术。通过人为地对自然语言进行处理，使计算机能够读取并理解自然语言。机器学习使自然语言处理系统的性能得到显著提高。随着互联网的普及，自然语言数字化程度日益提高。
2、自然语言的海量数据给机器学习提供了充足的学习资源，促使自然语言技术得到了飞速发展，在生活中的应用也越来越多，如搜索引警、对话机器人、机器翻译等。
智能识别是机器学习的主要应用领域之一。虽然要识别之物千千万万，但识别的原理却基本相同。在本节的项目实施中，我们通过机器识别手写数字，体验机器识别的一般过程。
1、打开人工智能平台的“识别手写数字”模型。
2、准备数据:请你打开机器学习工具，收集同学们的各种手写数字图片，或从网络上下载别人整理好的 mnist手写体数据集。3、载入手写体数据集。
4、训练模型:用手写体数据集中的一部分数据训练“识别手写数字”模型。
5、验证模型:手写一个数字，用“识别手写数字”模型进行验证，看看计算机是否能准确识别出所写的数字。
1 机器学习的类型主要有 ________、________、__________、____________
答案是：监督学习、非监督学习，半监督学习、强化学习
2 .1判断下列说法是否正确
1、监督学习的训练数据是无标签的，以准确分类数据或预测结果。（ ）2、无监督学习的训练数据是有标签的,训练目标是能对观察值进行分类或者区分等。（ ）
2 .2判断下列说法是否正确
3、半监督学习是在训练期间使用较小的标签化数据集,以指导从较大的未标签化数据集进行分类和特征提取。( )4、强化机器学习是一种行为机器学习模型,此模型通过不断试错进行学习。（ ）
1、项目总结: 请同学们对照本单元思维导图进行总结。看看自己已完全掌握哪些知识，还有哪些知识未掌握。
通过机器学习课程这节课，我们从中学到了丰富的知识和技能，并且有机会将其应用于实践项目中。还能将其应用到更多的实际问题中，更深入地理解了机器学习的概念和技术。