人工智能基础与应用教学教案.docx
《人工智能基础与应用教学教案.docx》由会员分享,可在线阅读,更多相关《人工智能基础与应用教学教案.docx(88页珍藏版)》请在课桌文档上搜索。
1、第1章人工智能概述课程名称人工智能基础与应用章名人工智能概述教学内容人工智能概述课时2项目性质“演示性口验证性口设计性口综合性授课班级授课日期授课地点教学目标了解人工智能和深度学习熟悉人工智能发展现状与人工智能机潺学习框架了解怎样学习人工智能教学内容(I)人工智能(2)深度学习(3)人工智能发展现状(4)人工智能机器学习框架(5)怎样学习人工智能教学重点人工智能发展现状、人工智能机涔学习框架教学难点人工智能机器学习框架教学准备装有Python的计算机教学课件PPT教材:4人工智能基础与应用(微邯版)作业设计教学过程教学环节教学内容与过程(教学内容、教学方法、组冢形式、教学手段)课翦组根做好上课
2、前的各项准稿工作打开计算机、打开课件、打开软件、打开授课计划、教案等),吸引学生注意力。课程说明【课前说明】从人工智能的应用引入本节课学习内容,【目的】(史学生从了解本节课的学习目标、学习重点、考评方式等方面明确课程学习的要求和目标.课程内容描述1.1了解人工智能想了解人工智能,高要先了解它的几个常见应用.1 .入脸识别目前,手机屏幕解锁、支付宝的脸部ID支付,门禁闸机、企业考勤,金融开户等都在使用人脸识别技术.人脸识别还可以对人的眉毛.眼Mh鼻子、黑巴以及轮廓等关键点进行检到,在解镣或支付过程中,找别眼注的关彼点后可以识别眼喝是否为睁开的状态,如果闭着眼隘就不能解镣手机屏Ir再复杂一拄,人脸
3、识别还可以识别出镣检赛者的大概年龄、性别,种横表情情绪是否It眼镜以及当前的头部姿态等特征。通过识别这些特征,可以对相册中的人物进行自动分类等操作。2 .留能音箱现在几百元钱就可以买到一个能够对话.播放音乐的智能音箱,智彘吉箱在联网之后可以对用户说的话进行谙音识别,并对其内容进行语义理解,最后将要应的答案一方面通过诒Sf合成反馍给用户,另一方面针对用户的需求或者要求的动作进行执行,如听砍等.当然,手机的语音助手也可以有相同的功能,如Siri、小爱同学等。3 .机器翻译在日常学习或者工作中,人们经常会有一些单词不认识或者要把某句话翱译成英语,目前借助软件或者网页就可以实现中英文互律,这里举一个例
4、子,当靠译“我在周日看了一本书”的时候,人工魅谓可以很好地翻译出-Ii.dab基于深度学习的百度的译培果4.无人驾驶百度百科对无人驾驶汽车给出的定义是“无人驾驶汽车是智能汽车的一种,也称为轮式移动机器人,主要依靠车内以计算机系统为主的留能驾装仪来实现无人驾驶的目的无人驾驶汽车是一项集合了自动控制.人工智集传感器技术等多I页技术的惠度发展的产物.目前,我国的百度公司、清华大学都在致力于无人驾驶汽车的研发,人工智能已及在多个方面融入人们的日常生活中,并给人们带来了诸多便利.端言之,人工智能就是通过一当科学的计11方法,让机器做一些人类就够做的事情.例如.人类的视觉目标认知、图像识别,人类的听觉诒S
5、f识别,人类的思考一对图像的分析、对话言中语义的分析理解以及答等.1.2 了解深度学习在了鼾深度学习之前,需要对它和人工智俄之闹的关系进行了IW与分析,人工智能与深度学习的关系如图所示.由上图可知,深度学习是隶属于机三s学习范第的,机器学习又是隶属于人工驾能范明的,先解科一下什么是机器学习.卡内基梅隆大学(CarnegieMe1.1.onUniversity)的汤姆迈克尔米切尔(TornMichae1.Mitehe1.1.)教授在MaMi,k/7一书中对机三学习培出了比较专业的定义,即“如果一个程序在任务T上,Rfi着经验E的增加,效果P也可以随之增加,则称这个程序可以从经蛉中学习”.通俗地讲
6、,就是如果机器学习算法(一个程序)栗实现一个预测分类问题(任务T),那么需要对数据(经验E)进行分析,如烝数据越多,最后实现Hi测、分类时的准确率(效果P越高,那么就称这个机器学习算法可以从数据中学习.机器学习是人工智能的一个分支,是实现人工智耗的方法.是计算机通过学习来提高性能的一种方式.机密学习过程并不是告诉机SS该怎么做,而是告诉它该怎么学习,在这个学习的过程中机器从故据里提取特征,当然这需要大量的数据。射于一些复杂的问题,机器学习并不铤制决,如需要在一张照片上找到所有人的面部,利用机器学习解决这个问题是非笊困难的,因为有的人留着长发,有的人IE着眼镜,还有拍照时的不同表情等,所以并不能
7、完全保证利用这些特征靛博找到人脸,而深度学习可以解决这个问题,这个在早期试图模仿人类大帼神经元之间的学习机理,将各个特征进行联系从而蛆成更为复杂特征的方法,在图像识别和诺音识别等领域具有突破性的进展,深度学习是机器学习的一个分支,深度学习和机器学习的实现过程如图所示.机器学习深度学习澎凄学习W三学习的实则程深度学习这个词,除了从传烧机备学习那里敬承了学习”之外,“深度”是其区别于其他方法的特征之|-.在人工智能中,深度学习是人工神经网裕或者深层神经网络的代名词,“深度”指的是神经网络的网缁层次.最基本的神经网络结构如图所示.H本的神经网络结构在上图中,最左侧的一层称为输入层,最右氮的一层叫作珀
8、出层,中间所有节点俎成的层称为隐藏层。最基本的神经网络结构中只有一层除藏层,在实际的神经网络中,输入层X离输入训练数据,中间有一个或多个隐破层外输出层好出结果。在21世纪前,深度神经网络由于受到计算力.数第量以及算法的跟制,一直没有很好的去现.当时传统机备学习的表琥要好于神经网络,如支持向机(SupportViorMachine,SVM).步入21世妃,池着计算机住能的不断提高,大数据云计算以及各种专用于计算的芯片的出现与普及,计算力以及数据量不再像之前那样限制神经网络的发展,在2012年的大规模投觉识别挑战赛(ImagcNct1.ar?CScakVisua1.Recognitionfha1.
9、1.engc,I1.SVRC)中,辛桢(Hinton)和他的学生克里泽夫斯菽(A1.cxKrizhcvsky)设计的深度学习网络AIeXNe1.获得了冠军;到2015年.深度学习在倭微分类方面的错误率已经低于人工标注的错误率;现在,深度学习被广泛应用于各个方向并取得了非常好的效果.深度学习最早兴起于计算机视觉领域,在短池数年内,深度学习的方法推广到了越来越多的领域中,如诣音识别、自然语言处理等族或。现如今,图像分类、图像识别已经运用于包括无人驾驶、技图识物.入脸识别、关靛、文字识别等在内的多个方向。iS三HR别也被运用于智能音箱,手机诘孑助手、话书钻入法、S由传语等方向.自然语言处理被运用到B
10、天机器人,机器瞒洋等方向.1.3 人工智能发展现状在竞赛领域,在I1.SVRC的图像分类比赛中,2012年,A1.eXNa网络(一个7层的卷积神经网铭)将图像分类的借误率从2011年的26%下降到16%。2014年.VGG和GOOg1.CNa分别将错派率下降到了7.3%和6.7%,VGG模型在多个迁移学习任务中的表现要优于Gwg1.eNe1.到了201S年,微软3E洲研究院提出的深度残差网络(RcsNc。将错误率下降到了3.57%,低于人类5.1%的分类错误率,ResNct是一个152层的卷积神经网络,在实际应用中,人工智能在语音识别.语音合成上取得了非常瞩目的结果.2016年IO月,由微软美
11、国研究院发布的语音识别最新应用实现了错误率为5.9%的新突破,这是第一次用人工智能技术得到跟人类近似的语音识别错误率.人工智能已经被运用于农业上,2017年,蓝河公司(BIueRiver)的喷药机器人开始使用计算机视觉来识月需建肥料的植物,如棉花、生菜,以及其他特色植物,为它们喷洒衣药或除草剂等,在医学上,谷歌大脑与AIPhab0故下子公司Verib联合开发了一款能用来诊断乳腺癌的人工智能产品为了确定这个功能的可用性以及准确率,谷欹专门安撑了一场人类与人工留能进行病理分析的大比拼,这场比济中,一位资深病理学家花了整整却个小时,仔仔如细分析了130张切片,但以7X3%的准确率败给准确率达88.5
12、%的人工智能.在电商领域,阿里的人工超能系烧班”在2017年的“双十一”网络促褶日期间,根据用户行为和偏好,智能地为手机淘宝自动生成了4亿张不重复的海报.2017年.百度的小度机器人在最强大脑3中战胜人类“脑王”,搜狗的问答机器人汪仔在电一站到底中战胜哈佛女学箱,同年,百度CEO李彦宏将无人驾驶平台AP“11”汽车开上五环,2018年,GOOSM的DUPICX代替人类自动接打电话,Hj订餐厅2019年的央视网络不漫,人工智能主播小小撤帙手战贝宁,一同亮相舞台,现在,人工智徙在动作识别、人脸识别人体姿态估计、图像分类图像生成、图像分割等计算机视觉领域,以及在问答,笊识推理、机潘翻译等自然语言处理
13、领域都取得了很大的进展,1.4 人工智能机器学习框架在实现机器学习或深度学习的过程中,往往需要写大量的代码来实现某个功能或算法.这时就需要一些框架把这些大!且重夏的代码进行整合。在使用过程中,只需要调用这个框架下的某个方法成名某几个方法,就能实现原来大量代码实现的功能.1.4.1 机器学习框架简介常用的人工留能机备学习的基本框架包括TcnsorF1.ow、PaddkPadd1.c、Caffe.PjTbrch,MXNCt等,共说明知表所示.TensorFIow,PaddIePaddIe.CaffetPyTorch1MXNet梃架的说明粗柒名称按口语自是否升涝TenfiozF1.OACJvaPyt
14、hon.GoCa等开笈Pdd1.cPdd1.eC*、Python开学CaffeC.IUT1.ABsPython开EPyT.TMXgFkW可以在CPU和GPU上运行,如可以运行在台式机服务器手机辱动设备上等.TenSorFkw可以在用户的簿记本电脑上实现机器学习算法,或者不改变代码就可以实现将训练的模型在多个CPU上规模化运算,TCnSOrFgW还可以将训练好的模型放入手机APP里,井可以将模型作为云端服务运行在服务器上,或者运行在DoCker容器里-(3)族科研和产品联系在一起.过去如果要将科研中的机希学习算法用到产品中,需要大的代码也写工作.开发者可使用knM,rf-ku套试新的算法,产品团
15、队使用TenxurHow来训螺和使用计算模型,井直接提供给在线用户.使用Tenwx11ow可以让应用型研究者将想法迅速运用到产品中,也可以让学术史研究者更直授地分享代码,从而提高科研产出率(4)白动求微分.基于睇度的机器学习算法会受益于TenwrF1.UW白动求微分的功能.用户只需要定义预测模型的结构,将这个结构和目标函数(ObjectiveFunction)结合在一起,并添加数据,TensorF1.CW就将自动为用户计算相关的微分导Sr计算某个变量相对于其他变量的导数仅仅是通过扩展图来完成的,所以用户能一直了解计算过程.(5)多诒直支持,TESornoW具有合理的C+使用界面,也有一个薪用的
16、PythOn使用界面来构建和执行Graphs.用户可以直接写PyIhon、O+程序,也可以通过交互式的IPy1.hM界面用Ten“F1.”W尝试某些想法,它可以帮助用户将笔记、代码、可视化内容等有条理地归首好,支持TenWrFkw的谙总包括PythOn、C+、Java、O等,如图所示,但运用最多的还是Python,支持TenSOrFtoW的诺吉(6)性能最优化,由于TcnSorfnOW提供了对姣程、队列、异步操作等的支持,因此可以将用户硬件的计算潜能全部发挥出来.用户可以白由地将TCTIMHHuW图中的计算元素分配到不同设备上,TewH1或定制的CPU.SU内核优化数学操作;通过MK1.-DN
17、N库优化CNN网珞,惠度优化循环网络.无须执行Paddi呼操作即可史理变长序列,廿对高雄稀蹂数据模型.优化了局部和分布式训练.(3)稳定性.PUa1.Idad1.c使利用各种CPV、GPu和机器来加速的训缥变得端单.P;KkneP1.d1.c通过优化通信可以实现巨大的吞吐量,并可以快速执行.(4)与产品相连.PaddIcPaddIc的设计也使其易于部署.在百度,PaddICPWIC已经部看到具有巨大用户量的产品和服务上,包括广告点击期(CTR)预测、大规模图像分类、光学字符识别(OCR),搜索挂序计算机病毒检测、推荐系统等.PackIMPa1.JdIe广泛应用于百度产品中,产生了非常空要的影响
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 基础 应用 教学 教案

链接地址:https://www.desk33.com/p-1548305.html