AI翻转课堂教案第9章 Python与人工智能.docx

AI翻转课堂教案第9章 Python与人工智能.docx

《AI翻转课堂教案第9章 Python与人工智能.docx》由会员分享，可在线阅读，更多相关《AI翻转课堂教案第9章 Python与人工智能.docx（10页珍藏版）》请在冰豆网上搜索。

AI翻转课堂教案第9章Python与人工智能

第九章Python语言与人工智能

课题名称：

Python语言与人工智能

学习过程：

课程名称

人工智能导论

教学内容

Python语言与人工智能

学时

6课时

翻转课时

第1、2、5、6课时

教学环境

多媒体教室

教学方法

情境教学法、任务驱动法、

讲练结合法、小组讨论教学法

一、学习内容分析

人工智能（AI）语言是一类适应于人工智能和知识工程领域的、具有符号处理和逻辑推理能力的计算机程序设计语言。

能够用它来编写程序求解非数值计算、知识处理、推理、规划、决策等具有智能的各种复杂问题。

同一件事情有很多种解决方法，人们的选择都趋向于最简单的那一种，而Python就是目前人工智能最简单的那个程序设计语言，一方面语言简便，易懂，另一方面它的强大的第三方库，所以Python又称为“胶水语言”。

有句话说“人生苦短，必须Python”，之所以这么说是因为Python在实现各个功能的时候要远比其他语言简练的多，很多功能在Python中只需要一行代码，但是在Java中你可能需要写好多好多代码才能实现。

二、教学目标

知识目标

能力目标

1、了解人工智能语言的概念，其发展、特点、以及Python与人工智能的关系

2、掌握Python语言的基础语法

3、能够运行教材上的Python代码

1、能够联系实际生活，Python在人工智能领域的应用

2、能够编程简单的Python代码

三、教学重点

1、掌握Python语言的基础语法

2、Python在不同领域使用的第三方库

四、教学难点

1、Python的基础语法

2、Python第三方模块的使用

五、课前任务设计

思考：

第一、二节课:

1、阅读案例人工智能之Python，让智能更智能

（1）观看北京八分钟视频，让学生再次感受人工智能的“智能”

（2）运行实例，感受如何智能识别动物图片

（3）机器人研发还使用哪些语言

2、机器人的应用领域？

第五、六节课：

1、延伸阅读：

使用Python预测房价走势

2、延伸阅读：

使用Python识别图片中的文字

六、授课过程

一、二节

（一）案例引入

（1）观看北京八分钟视频，让学生再次感受人工智能的“智能”

（2）运行实例，感受如何智能识别动物图片

（3）机器人研发还使用哪些语言

（二）知识归纳

人工智能语言：

人工智能（AI）语言是一类适应于人工智能和知识工程领域的、具有符号处理和逻辑推理能力的计算机程序设计语言。

能够用它来编写程序求解非数值计算、知识处理、推理、规划、决策等具有智能的各种复杂问题。

人工智能语言的特点：

1.要有符号处理能力（即非数值处理能力）；2.适合于结构化程序设计，编程容易；3.要有递归功能和回溯功能；4.要有人机交互能力；5.适合于推理；6.要有把过程与说明式数据结构混合起来的能力，又要有辨别数据、确定控制的模式匹配机制。

智能语言与传统语言的区别：

传统方法通常把问题的全部知识以各种的模型表达在固定程序中，问题的求解完全在程序制导下按着预先安排好的步骤一步一步（逐条）执行。

解决问题的思路与冯·诺依曼式计算机结构相吻合。

当前大型数据库法、 数学模型法、统计方法等都是严格结构化的方法。

人工智能技术要解决的问题，往往无法把全部知识都体现在固定的程序中。

通常需要建立一个知识库（包含事实和推理规则），程序根据环境和所给的输入信息以及所要解决的问题来决定自己的行动，所以它是在环境模式的制导下的推理过程。

这种方法有极大的灵活性、对话能力、有自我解释能力和学习能力。

人工智能语言发展：

第一个来源是计算机科学家们对 可计算性理论的研究。

例如，LISP语言是为处理人工智能中大量出现符号编程问题而设计的，它的理论基础是符号集上的递归函数论。

已经证明，用LISP可以编出符号集上的任何可计算函数。

Prolog语言是为处理人工智能中也是大量出现的逻辑推理问题（首先是为解决 自然语言理解问题）而设计的。

它的理论基础是一阶 谓词演算（首先是它子集Horn子句演算）的消解法定理证明，其计算能力等价于LISP。

OPS5面对的问题也是逻辑推理。

不过PROLOG是向后推理，OPS5是向前推理。

OPS5的理论基础是Post的 产生式系统，其计算能力也等价于LISP。

第二个来源是认知科学的研究成果。

人们研究出各种各样的认知模型，并为这些模型设计相应的 知识表示语言。

Python在人工智能语言中的优势：

同一件事情有很多种解决方法，人们的选择都趋向于最简单的那一种，而Python就是目前人工智能最简单的那个程序设计语言，一方面语言简便，易懂，另一方面它的强大的第三方库，所以Python又称为“胶水语言”。

有句话说“人生苦短，必须Python”，之所以这么说是因为Python在实现各个功能的时候要远比其他语言简练的多，很多功能在Python中只需要一行代码，但是在Java中你可能需要写好多好多代码才能实现。

Python语言的发展：

Python语法很多来自C，但又受到ABC语言的强烈影响。

来自ABC语言的一些规定直到今天还富有争议，比如强制缩进。

但这些语法规定让Python容易读。

另一方面，Python聪明的选择服从一些惯例，特别是C语言的惯例，比如回归等号赋值。

Guido认为，如果“常识”上确立的东西，没有必要过度纠结。

Python语言的特点：

Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。

设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。

Python支持面向对象的风格或代码封装在对象的编程技术。

对初级程序员而言，它支持广泛的应用程序开发，从简单的文字处理到WWW浏览器再到游戏。

（三）任务实施

1、观看北京八分钟视频，思考智能的应用发展及前景

2、尝试运行教材上的代码，深度理解Python在人工智能中的应用

3、通过实例运行理解Python语言的发展和特点

（四）归纳总结

通过案例阅读，了解人工智能语言、与传统语言的区别、人工智能语言的特点、Python在人工智能语言中的优势、Python语言的发展及其特点。

三、四节

（一）引入

Python语言的特点

从Python语言特点讲解Python语言的基础语法。

（二）知识归纳

1、变量

变量是有名字的存储单元，在Python中变量是没有类型的，变量赋值如下：

2、控制台交互

3、运算符

Python运算符包括算术运算符、比较运算符、赋值运算符、位运算符、成员运算符、身份运算符、逻辑运算符。

4、流程控制

流程控制之条件控制

流程控制之循环控制

综合条件控制和循环控制，写一个登陆的小例子：

5、数据类型

int整型:

不带引号的整数数字,正负都可以取值范围:

32位操作系统:

-2147483648至2147483648 64位操作系统:

-9223372036854775808至9223372036854775807

float浮点型:

不带引号的小数,正负都可以，但是长度有限制取值

布尔型:

也可以叫真假值,就是用来判断真假的True和False

字符串:

带引号里面写的基本上都是字符串

列表:

被中括号[]包裹，里面有0个或者多个元素构成，元素间使用逗号隔开，列表中的元素可以进行增加、删除、修改、更新等操作。

元组:

和列表几乎一样,只是把中括号[]换成了（），并且元组不能被修改,也就是不能添加和删除元素，元组长度固定。

字典:

就是键值对的存储,键值对--k:

v字典{k1:

v1,k2:

v2},键与值之间用冒号，键值对之间用逗号，键不可重复，且无序，类型必须保持一致。

集合:

可以理解为只有Key的字典,不可重复,并且无序

Python的AI第三方库：

AIMA：

Python实现了从Russell到Norvigs的“人工智能：

一种现代的方法”的算法。

pyDatalog：

Python中的逻辑编程引擎，它是一阶谓词逻辑中Horn子句逻辑的一种受限形式，只允许变量或常量作为谓词的自变元，不允许函数作为谓词的自变元。

SimpleAI：

Python实现在“人工智能：

一种现代的方法”这本书中描述过的人工智能的算法。

它专注于提供一个易于使用，有良好文档和测试的库。

EasyAI：

一个双人AI游戏的python引擎。

PyBrain一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。

它也提供了多种预定义好的环境来测试和比较你的算法。

PyML一个用Python写的双边框架，重点研究SVM和其他内核方法。

它支持Linux和MacOSX。

scikit-learn是一个简单且高效的数据挖掘和数据分析工具。

Caffe（ConvolutionalArchitectureforFastFeatureEmbedding），是一种常用的深度学习框架。

Theano为执行深度学习中大规模神经网络算法的运算而设计，擅长处理多维数组。

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。

MDP-Toolkit 这是一个Python数据处理的框架，可以很容易的进行扩展。

NLTK，开源的Python模块，语言学数据和文档，用来研究和开发自然语言处理和文本分析。

有windows,MacOSX和Linux版本。

Jieba，是一个python实现的分词库，对中文有着很强大的分词能力。

Wordcloud，词云是以词语为基本单元，根据其在文本中出现的频率设计不同大小以形成视觉上的不同效果，形成“关键词云层”或“关键词渲染”。

（三）任务实施

尝试运行教材代码，理解Python的基础语法以及第三方库

（四）归纳总结

通过本节课的学习，了解Python的基础用法。

五、六节

（一）Python在人工智能几个方面的应用

1、神经网络和深度学习方面的应用

2、视觉传达方面的应用

3、自然语言和文本处理方面的应用

（二）知识归纳

微信机器人的设计与实现案例：

（1）设计思路

（2）实现过程

（3）代码实现

（三）任务实施

1、尝试运行教材代码，深刻理解Python语言在人工智能语言方面的发展及应用

2、查阅相关文献资料，了解Python的应用场景及其应用使用的库

（四）归纳总结

通过案例阅读，知识拓展，了解Python语言与人工智能以及Python语言的应用