18 分钟
规则、样本与模型
用校园失物案例建立规则程序和机器学习的区别。- 规则程序与机器学习
- 数据样本
- 人工智能基础小课讲解开始
- 规则与样本演示演示完成前置活动后解锁
课程详情
人工智能基础：从规则到学习
比较固定规则与从数据中学习的模型，认识样本、特征、标签和预测的边界。
- 课节
- 2
- 任务
- 3
- 实验
- 0
- 评价
- 1
- 预计时长
- 30 分钟
课程目标
区分人写好的固定规则与从样本中归纳规律的机器学习模型
学习安排
2 节课，按完成条件依次解锁
学习证据
讲解确认、确定性练习或实验记录
能力自测
已经了解了吗？
用一组短题检查自己是否掌握了本课核心概念，再决定继续练习还是回看讲解。课程目录
按单元完成学习活动
把预测视作需要验证的结果。
特征、预测与核对
已锁定0 / 1 项活动
把预测视作需要验证的结果。
特征、预测与核对
已锁定0 / 1 项活动
0% 完成 · 1 项活动
12 分钟
模型输出需要核对
通过评价题识别特征、标签与模型错误来源。- 特征与标签
- 模型预测与误差
- 人工智能基础评价阶段评价完成前置活动后解锁
知识资料室
本课资料与证据
学习资源
人工智能基础：从规则到学习材料库
可生成适配当前学段的讲义与课件
课堂演示建议
把本课动画步骤录成 3–5 分钟短讲解，暂停在每个检查点让学生先预测再验证。
- 校园失物图片样本用于“人工智能基础：从规则到学习”的观察、操作或记录。
- 特征与标签记录表用于“人工智能基础：从规则到学习”的观察、操作或记录。
- 固定规则卡用于“人工智能基础：从规则到学习”的观察、操作或记录。
- 预测核对单用于“人工智能基础：从规则到学习”的观察、操作或记录。
本课术语 资料版本 1
- 特征
- 用于判断的可观察线索。
- 标签
- 样本所属类别的名称。
- 预测
- 模型根据数据给出的猜测，不等于事实。
失败案例与补救
观察：圆形物品被直接标成球，忽略了其他特征。
下一步：补充颜色、纹理或用途等可观察特征后再判断。
需要再练一次？从本课题目开始补救，错误记录会保留并形成新的证据。
进入本课补救练习权威参考
本课的权威来源正在审核，当前材料不作为官方教材版本声明。