人工智能初步《 机器学习与人工智能的核心算法》高中大单元整体教学设计2024.pdfVIP

信息技术选择性必修4人工智能初步《第三章机器学

习与人工智能的核心算法》大单整体教学设计

一、内容分析与整合

（一）教学内容分析

本单教学内容选自粤教版高中信息技术选择性必修4《人工智能初步》的

第三章《机器学习与人工智能的核心算法》。本章通过剖析具体案例，如垃圾邮件

智能分类系统，让学生深入了解机器学习及人工智能的核心算法。教学内容主要

涵盖以下几个方面：

机器学习概述：介绍机器学习的基本概念、发展历程及其在各个领域的广泛

应用。通过具体案例，让学生理解机器学习的基本原理和主要类型。

贝叶斯分类器：详细介绍朴素贝叶斯分类器的原理、类型及应用。通过构建

垃圾邮件分类器的实践活动，让学生体验朴素贝叶斯分类器的应用效果。

聚类：阐述聚类分析的基本原理，介绍常见的聚类算法，如K-Means聚类算

法。通过莺尾花数据集的分类实践，让学生理解聚类算法的应用。

决策树：讲解决策树的结构、类型及生成过程。通过预测用户还贷能力的决

策树案例，让学生感受决策树在分类和预测问题中的应用。

人工神经网络：介绍人工神经网络的基本原理，包括感知机、多层感知机等。

通过手写数字识别的实践活动，让学生体验人工神经网络在图像识别领域的应用。

（二）单内容分析

本单内容旨在通过剖析具体案例，让学生深入理解机器学习及人工智能的

核心算法°在教学过程中，应注重理论与实践相结合，通过项目式学习、探究式

学习等方式，激发学生的学习兴趣和主动性。还应注重培养学生的计算思维、数

字化学习与创新能力，以及信息社会责任意识。

具体来说，本单内容分析如下：

机器学习概述：作为本章的引入部分，应让学生了解机器学习的基本概念和

原理，为后续学习打下基础。通过介绍机器学习的应用领域，激发学生的学习兴

趣。

贝叶斯分类器：作为本章的重点内容之一，应详细介绍朴素贝叶斯分类器的

原理和应用。通过构建垃圾邮件分类器的实践活动，让学生亲身体验机器学习算

法在实际问题中的应用效果。

聚类：聚类分析是机器学习中的一种重要方法，应介绍其基本原理和常见算

法。通过莺尾花数据集的分类实践，让学生理解聚类算法在数据挖掘和模式识别

领域的应用。

决策树：决策树是一种直观易懂的分类和预测方法，应介绍其结构和生成过

程。通过预测用户还贷能力的决策树案例，让学生感受决策树在解决实际问题中

的应用价值。

人工神经网络：作为深度学习的基础，应介绍人工神经网络的基本原理和类

型。通过手写数字识别的实践活动，让学生体验人工神经网络在图像识别领域的

应用效果，并初步了解深度学习的概念。

（三）单内容整合

在单内容整合方面，应注重各章节之间的逻辑联系和知识衔接。具体来说:

引入与铺垫：在机器学习概述部分，通过介绍机器学习的基本概念和原理,

为后续学习打下基础。通过介绍机器学习的应用领域，激发学生的学习兴趣。

重点突破：在贝叶斯分类器和聚类部分，通过详细介绍算法原理和应用案例,

让学生深入理解机器学习算法的核心思想和应用价值。通过实践活动，让学生亲

身体验算法的应用效果。

拓展与深化：在决策树和人工神经网络部分，通过介绍更复杂的算法却模型,

进一步拓展学生的知识面和深度。通过实践活动，让学生感受机器学习算法在解

决实际问题中的应用潜力。

总结与提升：在单结束时，通过总结回顾和拓展思考，帮助学生巩固所学

知识，提升信息素养和综合能力。鼓励学生关注机器学习及人工智能领的必威体育精装版

进展，培养持续学习和创新的能力。

二、《普通高中信息技术课程标准2（017年版2020年修订）》分解

(-)信息意识

理解信息价值：通过剖析机器学习及人工智能的核心算法，让学生理解信息

在智能系统中的重要性和价值。引导学生关注信息的质量、来源和可靠性，培养

对信息的敏感度和判断力。

识别信息需求：在项目式学习和探究式学习过程中，引导学生根据实际需求

选择合适的算法和工具，解决