当前AI时代的核心是基于神经元网络的机器学习,而Python是应用机器学习的首选语言。
本课程通过案例学习,可以了解:
(1)Python编程基础;
(2)神经元网络的特点、原理和用途;
(3)机器学习的发展现状和应用场景;
(4)用Python和Keras、Tensorflow构建神经元网络,并在PC、iOS系统中实现图像识别的方法。
本课程采用线上线下混合学习教学的活动安排:线下课堂教学以答疑解惑为主,针对网络课程中不明白,或者有疑问的地方进行解答;线上学习,则让学生根据网络上的视频以及对于练习题自主学习。
完成课程后,学习者将对机器学习有比较具体的认识,有助于在中小学开展人工智能教学及在学习分析技术支持下的个性化教学。
1. 了解程序设计的基本逻辑,感受程序设计的魅力。
2. 理解Python编程语言特点与人工智能的关系。
3. 应用Python 掌握基本的程序设计思想。
4、体验机器学习,建立对它的初步认识。
5、提供面向个性化发展的学习分析服务。根据学习行为数据自动提供学习建议,如 显示完成度、学习地图;学习者可选择自己的最终目标,以及是否需要教师主动干预等。(学习分析)
课前完成相关内容的自主学习,课后能以小组形式完成拓展练习。
学习中能针对学习内容提出问题,或针对他人问题和观点清晰表述自己的意见,积极参与问题讨论,培养发现问题和解决问题的能力。
及时完成作业要求,能根据教师的建议及时修改作业。
学习评价方案:
1. 学习的评价主要采用形成性评价,从多个纬度关注学生能力的发展,形成性评价的具体方式是采用有研究基础的最佳实践模式。例如,实验案例学习用量表评价,简单项目学习用成果展示与同伴互评,综合项目学习用过程档案袋为主的评价方式。
2. 期中(中期)考核要求:不安排期中考试。
3. 期末(终结性)考试(核)形式:完成主题式项目
4. 最终考评成绩计算
总评成绩=考勤×10%+平时成绩(形成性评价)×40%+期末成绩×50%
STEM教育系列数字教材(自编讲义)stem.shedusoft.com