单元一
第1课 校园里的智能助手——认识机器学习与四大类型
一、任务目标
理解机器学习是从数据或奖励中找出可复用规律，而不是把全部规则写死；能用「有无标签、要否归堆、能否试错、是否复杂感知」把校园现象对上有监督、无监督、强化或深度四类。
二、我们要学什么
- 学习要点：校园里的智能助手｜认识机器学习与四大类型
- 本课过关：能完成：说出机器学习靠例子或奖励学习，学完须用未参与训练的样本检查；指出刷脸、借书推荐、兴趣分堆、闯关加分各更像哪一类，并说明判断依据。
- 示例对齐：对照本课课堂练习，把校园例子对号入座。
三、本节要点
本课要认识机器学习与四种类型。重难点是先问任务再对号，不要把所有“智能”都叫深度学习。要点对齐「校园里的智能助手｜认识机器学习与四大类型」。
1定任务分类、预测、归堆还是试错
2看标签有标准类别名则走有监督
3看试错能安全试错才考虑强化
4记流程定任务→准备数据→训练→测试
四、解题思路
任务：把人脸解锁、借书推荐、兴趣分堆、游戏加分对上四种机器学习。请先分清：有无标准类别名、要不要自己发现组别、能不能安全试错。
本课主要用到：校园现象对照。
- 1明确任务「分辨四种类型」：结论应能指出有无标签、要否归堆、要否试错。
- 2把四个校园例子分别对号，并标出「准备数据／训练／测试」落在哪一步。
- 3对照要点后进入课堂练习检查。
五、图形块功能讲解
本课以概念对照为主，暂无新的 Mixly 图形块。下一课开始在 Mixly 里对照积木练习。
六、知识点讲解
机器学习是让计算机从数据或奖励里找出可复用规律，而不是把规则全部写死。本课用校园智能助手作例子，先分清四种类型：有监督靠带标签样本；无监督无标签先归堆；强化靠试错与奖惩改策略；深度用多层结构处理图像、语音等复杂感知。学完必须另拿未参与训练的样本检查；结果是建议，用不用由人决定。
先弄清：先问任务，再对类型；再进课堂练习对照现象。
七、编程练习
本课先认地图、对类型，不打开 Mixly 仿真。从下一课开始，在「七、编程练习」中载入图形化积木并运行。
八、课堂练习
先完成两道正误判断，再做其余题目；选出后点「检查」。
判断：机器学习是让计算机从数据或奖励中找出规律，而不是把每一条规则事先写死。
判断：只要功能看起来“智能”，就可以直接说它一定是深度学习。
给照片贴上「猫／狗」再训练，属于？
兴趣小组不贴标签、按相似分堆，更接近？
游戏里做对加分、做错扣分来改进策略，属于？
九、本节小结
本课主题是机器学习与四种类型：用有无标签、要否归堆、能否试错、是否复杂感知分辨校园现象。流程为定任务→准备数据→训练→测试。