高中信息技术课标培训之《人工智能初步》解读与实施（教研员培训课件）.pptx

人工智能初步解读与实施,【普通高中课程方案和学科课程标准培训】,高中信息技术课程体系,各模块之间的依赖关系,数据与大数据 数据处理、分析与可视化 (Python + Pandas) 编程与算法 (Python) 人工智能简介(Python + Baidu),数据与计算信息系统与社会,认识信息系统 设备、网络与软件(Raspberry Pi + Python) 传感与控制 (Raspberry Pi + Python) 信息社会：伦理与法规,Python实现,数据与数据结构数据管理与分析,Python + Pandas Python + Matplotlib,人工智能初步,Python + scikit-learn Raspberry Pi + TensorFlow App Inventor + TensorFlow App Inventor + BATK,网络基础,Windows + Python Raspberry Pi + Python App Inventor,三维设计与创意,Minecraft + Python Python + VPython,开源硬件项目设计,Raspberry Pi + Python App Inventor + Arduino MicroPython + IoT,算法初步,Python + NumPy + SciPy,移动应用设计,App Inventor 2 Python + Django,了解人工智能的发展历程及其概念。

描述典型人工智能算法的实现过程 通过开发简单的智能技术应用模块，亲历设计与实现简单智能系统的 基本过程与方法 增强智能技术服务于人类发展的责任心 思考一：数据管理与分析与人工智能初步两个模块有何关联 和区别？ 思考二：将智能系统（应用）视为信息系统是否合适？请提出你的观 点并为之提供支持人工智能初步的目标定位,AI课程实现如何体现核心素养？,人工智能模块以必修模块为基础，也是必修模块的自然延伸和拓展 人工智能的理论及应用会涉及较复杂算法（编程）、行业大数据和信息 系统基本要素，通过人工智能处理或解决较复杂的现实问题，可以让学 生能切实体验到信息系统开发流程 在学科核心素养培养上是对必修模块的补充及提升，加深学生利用计算 思维（特别是抽象、模块化及分解等问题求解方法）设计并实现解决方 案的能力 引导学生关注智能系统应用所带来的一系列道德、伦理、隐私、安全等 问题，是逐渐养成信息社会责任的很好出发点AI课程实现如何体现核心素养？,智能系统开发遵循信息系统基本开发流程通过搭建简单智能系统（模块），体验计算思维求解 问题的过程（抽象、分解、模块化等）人工智能初步内容标准,人工智能初步,人工智能基础,概念与特征；发展历程、典型应用。

AI编程语言与核心算法， 基本过程和实现原理 开发工具和开发平台； 工具的特点、应用模式及局限性 简单智能系统开发 AI应用框架，搭建简单人工智能应用模块； 配置适当的环境、参数及自然交互方式人工智能技术,发展与应用,智能应用系统所面临的伦理及安全挑战； 信息系统安全的基本方法和措施； 增强安全防护意识和责任感AI对人类社会的巨大价值和潜在威胁； 维护和遵守智能化社会的规范与法规人工智能初步内容标准,人工智能初步,人工智能基础,人工智能的发展历程（2学时） AI的主要分支和观点（4学时） 新一代人工智能的兴起（4学时） 典型算法与系统剖析（4学时）,简单智能系统开发,开发环境、工具与平台（4学时） 智能应用（模块）项目设计（2学时） 项目功能实现（编码、测试）（4学时） 系统（模型）优化与调节（4学时）,人工智能技术 发展与应用,智能应用中的社会因素分析（2学时） 我国发展人工智能的举措和平台（4学时） 人工智能的未来（2学时）,体系完整、厚今薄古：与信息技术必修模块紧密关联，形成完 整的内在逻辑链条遵循AI学科的主流观点和体系，突出当前 成就 内容聚焦、描述直观：内容上强调与信息技术学科核心概念与 核心素养直接关联的部分，并尽可能采用直观的方法描述智能 算法及其实现过程。

项目导向、设计体验：通过设置一系列的项目来实现简单智能 应用（或模块）；项目不追求完整性和实用性，重在理解、体 验和经历设计与编程实现的过程与方法人工智能初步内容标准,贴近生活、真实数据：智能算法的应用场景应尽可能贴近学生 生活，项目中所使用的数据集最好来自于学生的生活及实践， 如学生在社会实践、锻炼、旅游、考察等日常活动中采集到的 数据 智能社会、责任规则：通过剖析典型案例（商品推荐、垃圾邮 件与骚扰信息过滤、自动驾驶等），阐述智能技术社会化应用 的巨大价值以及随之带来的伦理、安全、法律等不同层面上的 复杂问题人工智能初步内容标准,人工智能初步参考资料,每位信息技术教师都应该读透的书,在阅读补充文档（ 任何一篇均可） 的基础上， 设计 “（传统）人工智能的发展历程”的课程计划（约2学 时） 回答下列问题： 列举传统人工智能取得的标志性成果（算法、系统） 传统人工智能的哪些成果（算法）已获得普遍应用？ 导致人工智能“冬天”的主要原因是什么？应从中吸取什么教训？,实践与互动,阅读新一代人工智能发展规划及相关文档，设计“新一 代人工智能的兴起”的课程计划（约2 - 4学时） 回答下列问题： 新一代人工智能区别于传统人工智能的标志是什么？ 列举新一代人工智能典型成果，特别是我国所取得的世界级成果。

为什么说新一代人工智能是机器学习新算法、大数据和GPU技术共同 作用的产物？ 直观解释机器学习的基本概念（包括：监督与非监督学习、神经网络、 模型训练、诊断与评估、特征表示、深度学习等）实践与互动,Python语言已成为新一代人工智能的首选编程语言，基于Python发展 了很多成熟的人工智能（特别是机器学习）应用框架/平台 如scikit-learn（Python的机器学习扩展库）、BATK（百度、阿里、腾 讯、科大讯飞）的人工智能应用开发平台、TensorFlow（谷歌）等等 这些框架/平台积累了大量可用于教学的资源，可以相对容易地实现本 模块所要求的各项内容 建议在教学实施中以Python为核心编程语言，辅以适当的人工智能/机 器学习框架/平台来搭建编程环境 由于各个地方、学校的实验条件、师资及学生的具体情况有很大差异， Python语言绝非唯一的选择，其它编程环境，包括C/C+、JavaScript、 Blockly、App Inventor、R语言等等，也适合作为人工智能的编程语言编程语言与人工智能平台,PC + Windows,选修模块 其它应用 必修 模块,Python,基于Python语言的课程体系,专业扩展库,Scikit-Learn (机器学习扩展库),IPython / Jupyter Notebook (交互式前端接口),基本扩展库,Matplotlib (绘图模块),NumPy / SciPy (数值计算模块),Python内核,基本 I / O,內建函数,Pandas (数据处理模块),SymPy (符号计算模块),TensorFlow / Theano (深度学习扩展库),Keras (机器学习前端接口),Seaborn / Bokeh (高质量绘图 / Web可视化),Python编程环境的结构,BATK (AI应用开发平台),与其它模块的关系,必修1 必须2,NumPy SciPy Matplotlib Pandas,人工智能 初步,NumPy SciPy Matplotlib scikit-learn BATK TensorFlow / Theano Pandas,seaborn,数据管理 与分析,NumPy SciPy Matplotlib Pandas scikit-learn seaborn,基本模块 功能模块 可选模块,NumPy 用于计算的扩展包，基于多维数组。

SciPy 用于高精度计算的扩展包 Matplotlib 绘图扩展包，基于NumPy Pandas 用于表形数据处理的扩展包，基于NumPy scikit-learn 机器学习扩展包，不含神经网络算法 BATK 国内四大人工智能应用端开发平台 TensorFlow / Theano 神经网络与深度学习平台 Seaborn 高质量绘图扩展，基于MatplotlibJupyter Notebook,使用Python的困难及解决方法,使用Python的困难,版本、安装、编辑问题,使用Python 3.6.x,使用开源发行包 (Anaconda),语言及扩展问题,使用IPython (Jupyter Notebook) 在程序开始部分 统一设置语言选项,针对特定应用领域 仅使用一个扩展包,模块兼容性问题,为每种扩展包提供 一个快速参考卡 画出模块间基本 依赖关系的逻辑图,仅在必要时导入新模块,仅使用新模块的函数（方法）,Python环境,安装Anaconda,选择Python 3.6.x,选择安装所有扩展包,版本更新 安装新扩展包,熟悉Anaconda的 结构及使用方法 使用pip install (update) 或conda install (update),每两周更新一次 关注新扩展包发布,Jupyter Notebook,学习scikit-learn 演示程序 熟悉Jupyter Notebook界面,熟悉Markdown和Code 单元格式，掌握基本快捷键,编程文件及数据集,实践环节 安装配置编程环境,实践环节 下载安装Anaconda,互动：运行第一个Python程序,我们的第一个Python程序不是 print (Hello, World. ) 而是： import this,“Python之禅”,配置AI实验室的几种途径,人工智能的教学离不开实验环境，实验环境的配置有 很多不同方案。

可根据本模块要达到的目标、学校条件和学生的实际 情况斟酌而定 三种比较典型的教学环境配置方案配置AI实验室的几种途径,基于计算机教室（多媒体机房）的配置方案,PC + Windows环境的问题,人工智能主流应用平台多以Linux或Mac OS X为主，对 Windows的支持相对滞后（如TensorFlow） 有时需要安装双系统或虚拟环境，编程环境配置较复 杂，性能较低 现有的大多数机房的硬件条件难以实现GPU计算或并 行处理，做实际项目时受到比较大的限制树莓派 + Rasbian,选修模块 应用生态 必修 模块,Python,基于Raspberry Pi的课程体系,配置AI实验室的几种途径,基于树莓派的（无PC）配置方案（Rasbian中自带Python语言）,基于Raspberry Pi的信息技术教学环境,Raspberry Pi环境,数据采集、Python编程环境 人工智能 计算机硬件、操作系统 组建计算机网络（网络硬件、网络命令） 传感器、物联网及小型信息系统 数据分析与处理 人工智能、机器学习平台 开源硬件平台,树莓派 + Rasbian环境的特点,Rasbian在原生Linux内核的Debian基础上开发，绝大 部分前端工具都可以直接用。

TensorFlow等平台有Rasbian专版，针对树莓派做优化 树莓派作为独立计算机整体性能偏低，且目前不支持 主流GPU 易于搭建多CPU、多主机的并行系统配置AI实验室的几种途径,基于平板电脑/智能和App Inventor的配置方案 （有PC、非Python语言）,PC + Android,选修模块 应用生态 必修 模块,App Inventor,基于安卓平台的课程体系,用最简的方式将信息技术课程（必修及人工智能、开源硬 件、移动应用设计等选修模块）与STEM及创客类课程连接 为整体 项目更贴近学生生活、更实用、更专业 可直接调用人工智能高级专业应用平台 编程环境自成系统，与必修模块的关联被弱化 使用流行。