第1課神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)教學(xué)設(shè)計(jì)湘教版（2024）八年級(jí)信息科技下冊(cè)

第1課我的學(xué)習(xí)我自主——個(gè)性化學(xué)習(xí)活動(dòng)概述本次活動(dòng)聚焦神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，學(xué)生將了解神經(jīng)網(wǎng)絡(luò)的起源、發(fā)展及深度學(xué)習(xí)的概念、優(yōu)勢(shì)和開(kāi)發(fā)工具。通過(guò)學(xué)習(xí)，學(xué)生能夠理解神經(jīng)網(wǎng)絡(luò)的基本原理，對(duì)比淺層學(xué)習(xí)與深度學(xué)習(xí)的差異，掌握常見(jiàn)深度學(xué)習(xí)開(kāi)發(fā)工具的特點(diǎn)，提升對(duì)人工智能技術(shù)核心領(lǐng)域的認(rèn)知水平，培養(yǎng)學(xué)生的科學(xué)探索精神和對(duì)前沿技術(shù)的學(xué)習(xí)興趣。教材分析教材從深度學(xué)習(xí)在計(jì)算視覺(jué)領(lǐng)域的突破性進(jìn)展引入，介紹了神經(jīng)網(wǎng)絡(luò)的起源、發(fā)展歷程，詳細(xì)闡述了單層感知機(jī)、多層感知機(jī)和全連接神經(jīng)網(wǎng)絡(luò)的原理、特點(diǎn)及局限。同時(shí)，深入講解了深度學(xué)習(xí)的概念、優(yōu)勢(shì)以及相關(guān)開(kāi)發(fā)工具。教材內(nèi)容邏輯清晰，通過(guò)理論知識(shí)與實(shí)際案例相結(jié)合的方式，幫助學(xué)生逐步構(gòu)建對(duì)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的知識(shí)體系，理解其在人工智能領(lǐng)域的重要地位和應(yīng)用價(jià)值。核心素養(yǎng)目標(biāo)信息意識(shí)學(xué)生能認(rèn)識(shí)到神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)在人工智能領(lǐng)域的核心地位，理解其對(duì)信息處理和智能發(fā)展的關(guān)鍵意義；能夠辨別深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的差異，增強(qiáng)對(duì)信息處理技術(shù)發(fā)展趨勢(shì)的敏感度和判斷力；關(guān)注深度學(xué)習(xí)在各領(lǐng)域的應(yīng)用，提升對(duì)信息技術(shù)前沿發(fā)展的關(guān)注度和理解力。計(jì)算思維通過(guò)剖析神經(jīng)網(wǎng)絡(luò)的工作原理和深度學(xué)習(xí)的模型訓(xùn)練過(guò)程，培養(yǎng)學(xué)生的邏輯思維和問(wèn)題解決能力；理解神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和算法優(yōu)化的思路，提升抽象思維和系統(tǒng)思維能力，學(xué)會(huì)運(yùn)用計(jì)算思維理解和優(yōu)化復(fù)雜的信息處理系統(tǒng)。數(shù)字化學(xué)習(xí)與創(chuàng)新借助教材中的探索活動(dòng)、拓展資料及網(wǎng)絡(luò)資源，自主學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)知識(shí)，積累數(shù)字化學(xué)習(xí)和處理信息的方法；在學(xué)習(xí)過(guò)程中，鼓勵(lì)學(xué)生對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行思考和探索，培養(yǎng)創(chuàng)新思維和實(shí)踐能力，嘗試運(yùn)用所學(xué)知識(shí)解決簡(jiǎn)單的實(shí)際問(wèn)題。信息社會(huì)責(zé)任了解眾多科學(xué)家在神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)發(fā)展中的貢獻(xiàn)，培養(yǎng)對(duì)科學(xué)探索和創(chuàng)新的尊重；認(rèn)識(shí)到深度學(xué)習(xí)技術(shù)在實(shí)際應(yīng)用中的影響，增強(qiáng)信息社會(huì)責(zé)任感，樹(shù)立正確的技術(shù)應(yīng)用價(jià)值觀。教學(xué)重、難點(diǎn)教學(xué)重點(diǎn)神經(jīng)網(wǎng)絡(luò)的起源與發(fā)展歷程；多層感知機(jī)和全連接神經(jīng)網(wǎng)絡(luò)的基本原理；深度學(xué)習(xí)的概念、優(yōu)勢(shì)及常見(jiàn)開(kāi)發(fā)工具。教學(xué)難點(diǎn)理解單層感知機(jī)的局限；掌握多層感知機(jī)增強(qiáng)非線性表達(dá)能力的原理；體會(huì)深度學(xué)習(xí)自動(dòng)提取數(shù)據(jù)特征的優(yōu)勢(shì)及其實(shí)現(xiàn)機(jī)制。教學(xué)方法講授法、討論法、探究法教學(xué)用具多媒體課件、展示神經(jīng)網(wǎng)絡(luò)原理的動(dòng)畫(huà)或模擬軟件（如有）、教材相關(guān)資料課時(shí)安排一課時(shí)教學(xué)過(guò)程（第一課時(shí)）教學(xué)環(huán)節(jié)教學(xué)活動(dòng)二次備課課程導(dǎo)入師：同學(xué)們，之前我們學(xué)習(xí)過(guò)用線性回歸模型預(yù)測(cè)一些簡(jiǎn)單的關(guān)系，比如根據(jù)腳長(zhǎng)預(yù)測(cè)身高。但如果現(xiàn)在要讓機(jī)器識(shí)別圖片里的各種物體，或者像自動(dòng)駕駛汽車(chē)那樣去判斷復(fù)雜路況，線性回歸模型就很難做到了。這時(shí)候，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)就能發(fā)揮大作用。今天我們就來(lái)探索它們的奧秘?？烧故揪€性回歸模型在復(fù)雜任務(wù)上失敗的案例，如用線性回歸預(yù)測(cè)圖像分類(lèi)的錯(cuò)誤結(jié)果，讓學(xué)生更直觀感受其局限；若學(xué)生理解困難，用生活中簡(jiǎn)單工具無(wú)法完成復(fù)雜任務(wù)類(lèi)比，幫助理解。知識(shí)講授神經(jīng)網(wǎng)絡(luò)的起源師：20世紀(jì)初期，科學(xué)家發(fā)現(xiàn)人類(lèi)大腦中有超多神經(jīng)元，它們協(xié)同工作產(chǎn)生思維和智慧。1943年，沃倫?麥卡洛克和沃爾特?皮茨合作提出“MP模型”，這是神經(jīng)網(wǎng)絡(luò)的雛形，它解釋了神經(jīng)元網(wǎng)絡(luò)如何做邏輯運(yùn)算，也讓“神經(jīng)網(wǎng)絡(luò)”這個(gè)概念誕生了。（展示“MP模型”示意圖并講解）神經(jīng)網(wǎng)絡(luò)的發(fā)展師：1957年，弗蘭克?羅森布拉特設(shè)計(jì)出感知機(jī)模型，它是首個(gè)有學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)，還造出“Mark1”硬件感知機(jī)，能識(shí)別英文字母呢。不過(guò)，單層感知機(jī)有局限，它只能解決“線性可分”問(wèn)題。（展示線性可分與線性不可分的對(duì)比圖，解釋概念）到1986年，杰弗里?辛頓教授發(fā)現(xiàn)誤差反向傳播算法，讓神經(jīng)網(wǎng)絡(luò)從單層發(fā)展到多層，形成多層感知機(jī)（MLP）模型，大大提升了非線性表達(dá)能力。（展示多層感知機(jī)結(jié)構(gòu)示意圖）全連接神經(jīng)網(wǎng)絡(luò)師：全連接神經(jīng)網(wǎng)絡(luò)由多層感知機(jī)構(gòu)成，能處理復(fù)雜問(wèn)題。比如在預(yù)測(cè)身高時(shí)考慮多個(gè)因素，多項(xiàng)式回歸算法做不到，但全連接神經(jīng)網(wǎng)絡(luò)可以，而且它在分類(lèi)和回歸任務(wù)中都能發(fā)揮作用。（展示用BaseML和BaseNN搭建全連接神經(jīng)網(wǎng)絡(luò)的代碼及對(duì)應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)，講解代碼含義）從淺層學(xué)習(xí)到深度學(xué)習(xí)師：2006年，辛頓等人提出“深度學(xué)習(xí)”概念。深度學(xué)習(xí)基于深度神經(jīng)網(wǎng)絡(luò)技術(shù)，深度神經(jīng)網(wǎng)絡(luò)有多個(gè)隱藏層。它最大的優(yōu)勢(shì)是能自動(dòng)提取數(shù)據(jù)特征。（展示深度神經(jīng)網(wǎng)絡(luò)自動(dòng)提取圖像特征的動(dòng)態(tài)示意圖，詳細(xì)講解過(guò)程）現(xiàn)在有很多好用的深度學(xué)習(xí)開(kāi)發(fā)框架，像Python語(yǔ)言的TensorFlow、Keras、PaddlePaddle和PyTorch等。（介紹各框架的獨(dú)特功能和適用場(chǎng)景）講解起源時(shí)，講述科學(xué)家探索過(guò)程中的有趣故事，增加學(xué)習(xí)興趣；講解發(fā)展時(shí)，結(jié)合實(shí)際應(yīng)用場(chǎng)景，如手寫(xiě)數(shù)字識(shí)別，讓學(xué)生更好理解模型作用；介紹深度學(xué)習(xí)開(kāi)發(fā)框架時(shí)，展示一些基于框架的創(chuàng)意項(xiàng)目成果，激發(fā)學(xué)生學(xué)習(xí)熱情。實(shí)踐操作探索活動(dòng)生：分組討論，深度學(xué)習(xí)能有這么大優(yōu)勢(shì)，背后離不開(kāi)哪些技術(shù)支持？它和大數(shù)據(jù)技術(shù)、機(jī)器高速運(yùn)算能力又有怎樣的關(guān)系？（學(xué)生分組討論，教師巡視各小組，適時(shí)給予引導(dǎo)和啟發(fā)）小組匯報(bào)生：每個(gè)小組派代表來(lái)分享討論結(jié)果。（各小組代表發(fā)言，教師點(diǎn)評(píng)總結(jié)，糾正和補(bǔ)充學(xué)生觀點(diǎn)，加深學(xué)生對(duì)知識(shí)的理解）在學(xué)生討論前，提供一些相關(guān)的資料來(lái)源，如專(zhuān)業(yè)科普網(wǎng)站、學(xué)術(shù)論文等，幫助學(xué)生獲取信息；討論時(shí)，對(duì)討論偏離主題或遇到困難停滯的小組及時(shí)介入，引導(dǎo)回到正確方向并提供思路。課堂練習(xí)1.“神經(jīng)網(wǎng)絡(luò)”概念是由誰(shuí)提出的？（）A.沃倫?麥卡洛克和沃爾特?皮茨B.弗蘭克?羅森布拉特C.杰弗里?辛頓D.馬文?明斯基2.單層感知機(jī)的局限性在于（）A.計(jì)算量太大B.只能處理線性可分問(wèn)題C.無(wú)法學(xué)習(xí)新內(nèi)容D.沒(méi)有隱藏層3.深度學(xué)習(xí)的優(yōu)勢(shì)包括（）（可多選）A.能自動(dòng)提取數(shù)據(jù)特征B.不需要大量數(shù)據(jù)訓(xùn)練C.模型訓(xùn)練速度快D.應(yīng)用范圍廣泛4.以下屬于深度學(xué)習(xí)開(kāi)發(fā)框架的是（）（可多選）A.TensorFlowB.PythonC.PyTorchD.Keras對(duì)基礎(chǔ)較薄弱的學(xué)生，在練習(xí)前針對(duì)重點(diǎn)知識(shí)進(jìn)行簡(jiǎn)單回顧提示；練習(xí)時(shí)關(guān)注學(xué)生答題情況，對(duì)錯(cuò)誤較多的題目及時(shí)講解強(qiáng)化；根據(jù)學(xué)生掌握情況，補(bǔ)充類(lèi)似題目鞏固知識(shí)點(diǎn)。課堂小結(jié)師：今天這節(jié)課，我們一起學(xué)習(xí)了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的基礎(chǔ)知識(shí)，了解了神經(jīng)網(wǎng)絡(luò)的起源和發(fā)展，掌握了全連接神經(jīng)網(wǎng)絡(luò)的原理和應(yīng)用，還知道了深度學(xué)習(xí)的優(yōu)勢(shì)和開(kāi)發(fā)框架。希望大家課后思考一下，這些技術(shù)在我們生活里還有哪些具體應(yīng)用。引導(dǎo)學(xué)生自主總結(jié)，通過(guò)提問(wèn)啟發(fā)，如“今天學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)起源于什么模型？”“深度學(xué)習(xí)的優(yōu)勢(shì)有哪些？”等；鼓勵(lì)學(xué)生提出學(xué)習(xí)中的疑問(wèn)，教師及時(shí)解答，加強(qiáng)互動(dòng)。板書(shū)設(shè)計(jì)第1課神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)一、神經(jīng)網(wǎng)絡(luò)的起源1.“MP模型”2.感知機(jī)模型二、神經(jīng)網(wǎng)絡(luò)的發(fā)展1.單層感知機(jī)的局限2.多層感知機(jī)三、全連接神經(jīng)網(wǎng)絡(luò)1.結(jié)構(gòu)與原理2.應(yīng)