主题六：机器学习（3课时）
| 站点: | 科创教育数字化教学平台 |
| 课程: | 人工智能教学指南与实操（小学） |
| 图书: | 主题六：机器学习（3课时） |
| 打印: | 访客用户 |
| 日期: | 2025年06月5日 星期四 11:57 |
1. 概览
描述 | 学习目标 | 时间 |
向学生介绍分类的概念。通过探索百度的EasyDL AI平台，学生可以了解有监督的机器学习。然后要求学生建立一个猫狗分类器，但在不知不觉中得到了一个有偏见的数据集。当分类器对猫的效果比对狗更好时，学生就有机会重新训练他们的分类器使用他们自己的新数据集。 | 1.c 2.c | 3 小时 |
3. 教学指南
教学要点：
让学生理解分类问题，了解训练数据在分类精确度中的作用。
教学材料：
- 幻灯片
- 学习单×3
- 电脑（笔记本电脑最佳）
- 狗/猫卡片
教师活动：
导入：还记得我们上节课讨论的人工智能的定义吗？我们谈到的三个组成部分是什么？
【等待学生回答数据集、学习算法、预测】
在监督机器学习的系统中，计算机是通过例子进行学习的。你们见过父母教婴幼儿学习颜色吗？他们通常和孩子一起坐在一本印有彩色形状或动物的纸板书上，指着图片说这是“棕色的熊”或“红色的鸟”。这种方法的思想就是孩子们将通过这些标记的例子学习。
但今天我们的重点是分类，谁能举出一些你生活中用到的或在学校学到的关于分类的例子呢？
好的，现在我给大家介绍一些分类技术的示例：
- 人脸检测——是不是人脸？
- 垃圾邮件检测——是不是垃圾邮件？
- 手写检测之将支票存入银行——是26个字母还是10个数字之一？
现在让我们建立我们自己的分类器吧。现在我来演示百度EasyDL AI平台。
百度EasyDL AI平台使用教程微课：
现在你们来试试！与同伴一起按照教程进行操作，并记录在老师刚刚分发的活动表上。我会四处走走看看每个人的进度。
【给学生大概5-8分钟的实践。你可以四处走走，提示学生：请学生告知他们的训练和数据集测试。当他们改变姿势时发生了什么？与同伴一起出现在相框里会发生什么？】
讨论：
- 如果你只训练一个类别会怎样？
- 随着你的数据集增大会出现怎样的结果？
- 当你测试数据集和训练数据集不一样时怎么办？
很好，现在我们要用一个新版本的百度EasyDL AI平台来建立一个猫-狗分类器。
【至少演示一个分类器】
【给学生一些时间去建立他们的分类器并记录信息】
你们的分类器运行得如何？
提示：
为什么你认为它对猫/狗更有效？
【给学生一些时间重新整理他们的数据集】
现在每个人的分类器工作得如何？
提示：
【播放性别阴影面部检测视频】
讨论：
乔伊在视频中提出了什么问题？
如果学生需要提示，就提问乔伊所用的技术是否对所有人都一样。
为什么这是一个问题？
乔伊建议我们如何处理这个问题？
如果学生需要提示，询问他们在百度EasyDL AI平台活动期间是如何改进分类算法的。
可选（时间允许且教室环境安全的条件下）：
你如何找到图像以更好地管理数据集？
乔伊研究的人脸识别系统的最大问题是，它们在处理肤色较深的女性面孔时不如较白的男性面孔。但并非每个人都不是男性就是女性，而那些面部识别系统无法捕捉到这一点。这是我们在分类时始终需要注意的事，以确保我们的分类不会将任何人排除在外。
4. 监督机器学习活动
活动简介：
在本练习中，学生将了解人工智能（AI）系统的三个组成部分，以及训练数据在AI系统中的作用。
操作说明：
2.查看百度EasyDL AI平台微课视频。
图像数据集：
下面是为学生提供的一组图像，以帮助他们建立自己的猫-狗分类器。包括三个不同的数据集：
数据集 | 描述 |
初始数据集 | 这些是学生用来“教”他们的机器学习模型的图像，哪个图像是猫，哪个图像是狗。 请注意，猫的数量要多得多而且猫的外观比狗更多样化。这意味着分类器对猫的分类要比狗更准确。 |
测试数据集 | 这些是学生训练完他们的分类器之后用来测试的图像。学生应该向他们的模型展示这些图像，并记录他们的分类器能否预测图像是狗还是猫。 请注意：学生不应该用这些图像去“教”他们的分类器。如果一张图被用来训练分类器，机器就已经为特定图像记录了相应的标签。在测试阶段向机器显示此图像不会衡量模型的泛化程度。 |
重构数据集 | 这是学生可以用来使他们的猫狗训练数据集更大、更多样化的大量的图像。 |
测试数据集应该使用两次，一次用来测试学生的初始数据集，一次测试他们的重新整理后的数据集。