中小学人工智能课程实践入门

中小学人工智能课程实践入门樊磊首都师范大学教育技术系[e-mail]为什么要开设人工智能课程？为下一代人适应及驾驭智能社会做好准备。通过普及人工智能课程，提升教师的专业素质。推动新一代信息技术特色课程和创新实验室建设。以人工智能为抓手引领学科深度融合。挖掘高端人工智能相关领域创新型人才。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。高中课程标准中的AI内容要求《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。简单智能系统开发开发工具和开发平台；工具的特点、应用模式及局限性。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。配置Python编程环境必修1必须2•NumPy•SciPy•Matplotlib•Pandas人工智能初步•NumPy•SciPy•Matplotlib•scikit-learn•Pandas•BATK•TensorFlow•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–深度学习平台。•Seaborn–高质量绘图扩展，基于Matplotlib。下载安装AnacondaAI课程实现的三个层次体验层面：通过AI平台，体验人工智能的能力。应用层面：能够使用Python语言直接调用AI平台所提供的服务与功能，并将其集成进学生自主项目中。实现层面：使用Python语言+AI平台+应用数据集，实现简单算法、针对特定应用训练模型、调谐模型参数、优化并改进模型。体验BATK-语音识别体验BATK–人脸识别体验BATK–人脸识别体验BATK–人脸识别应用BATK-语音识别安装语音识别模块注意：安装使用前务必并保持网络畅通。1.安装百度语音识别pythonSDK包：pipinstallbaidu-aip2.运行测试程序：pythonAipSpeech.pytest01.wav此处的test01.wav是语音波形文件。设计简单语音识别模块定义应用功能/目标1.将输入的语音文件转换为文本文件，并显示文本文件的内容。2.对语音文件具有一定容错功能：可将不满足要求的语音文件自动转换为标准格式。设计应用模块/组件1.声音准备模块：声音文件的读入、判断、格式转化等……2.语音到文本转换模块3.文本输出模块开发及调试1.准备测试用语音文件2.调用语音识别库3.编写实现各模块功能的代码4.用备用语音文件进行测试…功能目标语音识别模块示例代码说明#这段代码装载所需要的库#装载百度AI语言识别库#这段代码是你的注册标识、开发许可及密钥语音识别模块的示例代码说明语音识别模块的示例代码说明语音识别模块的示例代码说明在Spyder中测试语音识别模块在Spyder中测试语音识别模块应用BATK-人脸识别Python实现代码说明#这段代码装载所需要的库#这段代码是你的注册标识、开发许可及密钥#装载百度AI的人脸识别库Python实现代码说明Python实现代码说明Python实现代码说明人脸识别演示人脸识别演示人脸识别演示人脸识别演示人脸识别演示注册人脸库人脸识别演示比对结果：机器学习编程入门使用Python语言实现机器学习的若干经典算法，了解影响算法效率的因素。掌握NumPy,SciPy中数组及矩阵的操作方法。初步掌握scikit-learn的使用方法和典型案例数据集。TensorFlow安装及基本概念，简单案例实现。从计算机编程到机器学习数据规则及算法解答数据答案(可选)模型及规则机器学习模型/算法开发流程确立目标搜集数据候选模型数据整理数据清洗数据分离训练模型调谐参数学习曲线诊断模型测试模型使用模型效果评估模型优化部署应用数据在机器学习中的作用数据集测试集训练集实训集诊断集模型1模型2模型3最终模型E1E2选出误差Ei最小的模型估计最终模型误差E3人工神经元-感知器-神经网络-深度网络神经网络发展历程激活函数感知器（神经元）学习算法第0步：用0或者小随机值初始化权重和偏置值；重复以下步骤，直到达到指定的训练次数或参数收敛：第1步：计算输入特征和权重值的线性组合（外加上偏置量）；第2步：将第1步的结果输入到激活函数（此处为阶梯函数），并返回一个二元值（点火或抑制）；第3步：对给定学习率使用学习规则，计算权重和偏置量的更新值；第4步：将更新值加到新权重值和偏置量上。感知器的Python实现生成数据集感知器（神经元）的Python实现实现感知器类实现感知器类训练感知器模型训练结果可视化TensorFlowTensorFlow™是使用数据流图进行高效数值计算的一个开源库。TensorFlow在64位版Windows下：先安装Anaconda-pipinstall--upgradetensorflow(无GPU版本)-pipinstall--upgradetensorflow-gpu(GPU版本)安装TensorFlowpython3Python3.6.0(v3.6.0:41df79263a11,Dec222016,17:23:13)[GCC4.2.1(AppleInc.build5666)(dot3)]ondarwinTypehelp,copyright,creditsorlicenseformoreinformation.importtensorflowastftf.__version__'1.8.0'测试安装并检查版本b’String’–这里‘b’表示Bytesliterals（字节文字）。用TensorFlow说HelloWorld!•数据流图（也称为计算流图、计算图）是用于表示计算的有向图。•在数据流图中，节点表示某种数学运算(op)或变换。•边表示节点之间通过的数据，具体地讲，就是多维数组（张量）。什么是数据流图？计算图的例子f(1,2)=1+2=3.计算图的例子–抽象TensorFlow运行机制供给数据并运行图(运算)：sess.run(op,feed_dict={x:x_data})更新图中的变量(并返回计算值).使用TensorFlow运算构建计算图。实现一个简单计算图使用TensorFlow运算构建计算图。供给数据并运行图(运算)：sess.run(op)更新图中的变量(并返回计算值).Placeholder（占位符）所有值都是某种Tensor（张量）t=tf.Constant([1.,2.,3.])Tensor（张量）就是多维数组Tensor–秩（Rank）Tensor–形（Shape）Tensor–类（Type）谢谢！欢迎指正。