混合式教学设计方案 一、课程基本情况 线上学时 课程名称 线下学时 20 (课堂面授) 课程资源 微课视频 学分 2 Python机器学习 总学时 36 (网上教学) 16 二、教学进度和教学活动安排表 周次 1 学时 2 授课形式 课堂面授 教学内容 第1章 人工智能赋能新时代 教学活动与考评的实施方式(体现线上、线下的融合) 【课前】预习第1章《机器学习概述》 【课中】提问对智能时代的思考/提问对人工智能的个人理解 【课后】查阅资料,线上讨论1:人工智能的未来发展。 2 2 课堂面授 【课前】预习机器学习的开发环境; 【课中】讨论机器学习开发环境的区别。分组设计问题,并使用基第2章 Python开发环境 本Python语句实现,小组代表演示。 【课后】阶段作业1:Python解决基本问题。 第3章 Python常用【课前】线上阅读学习资料,并完成在线测试1、2。 【课中】反馈课前在线测试结果;对论坛讨论进行总结;Python机器学习库 常用机器学习库、机器学习基础等知识重点难点/小组讨论机第4章机器学习基础器学习的关键技术。 基础 【课后】参与主题为“举例说明你见过的监督机器学习应用”1 3-6 8 线上教学 的线上讨论2。 7 2 课堂面授 第4章 机器学习基础 【课中】典型报告展示,教师讲评/讲解AI的实现技术路线。 第5章 KNN分类算法 第6章 K-Means聚类算法 第7-9章 典型机器学习【课前】学习同伴及教师评语/学习人工智能技术路线的资料。 【课后】参与主题为“与我专业相关的人工智能”的线上讨论3 【学习】阅读线上视频案例,学习线上学习资料,完成在线测试3。 【作业】分析测试结果,讲解经典机器学习算法。 【测试】完成阶段作业2:机器学习算法实践作业。 【课前】阅读线上学习资料。 【课中】分析测试结果,讲解经典机器学习算法。 【课后】完成阶段作业3、阶段作业4任务:机器学习算法实践作业。 8 2 课堂面授 9-13 10 课堂面授 算法(推荐算法、回归14-17 8 线上教学 算法、支持向量机SVM-1) 第9章 支持向量机【课前】学习线上学习资料,完成在线测试4、5 SVM-2 【课中】分析测试结果,讲解神经网络的核心思想。 第10章 近距离看神经网络 第11章 深度学习探索 作品演示与答辩 【课后】完成并提交期末大作业开题设想。点评、讨论、互评开题报告。 【课前】提交期末大作业完整作品 【课中】课堂分组作品演示,回答提问。 18 4 三、考评方式 完成形式 线上 线上 线上、线下 线上、线下 评价方式 1.在线讨论 2.在线测试 (5次单元测试) 3.出勤(线下课程的出勤+线上视频/任务的完成情况) 4.阶段作业(4次,线下完成,线上提交) 2 分数占比 5% 5%*3=15% 5% 5%*4=20% 提交时间 一周内 每次在线学习完毕以后,课程时间当天20:00前,限时5分钟。 线上即时统计/线下课程当日统计 一周内线上提交作业,线上批改,下次课中总结 本文来源:https://www.wddqw.com/doc/dbc008f98aeb172ded630b1c59eef8c75ebf9578.html