课程名称： 人工智能基础 课程代码： 154111001 开课单位：互联网金融与信息工程学院 制定人： 周宇文、李福清 审核人： 潘章明 制定时间： 2024.12.18 广东金融学院教务处 制 《人工智能基础》课程教学大纲 一、课程信息 课程名称 人工智能基础 Foundations of Artificial Intelligence 课程编码 154111001 课程性质 (必修 (选修 课程类型 (通识教育课程 (拓展教育课程 (学科基础课程 (实践课程 (专业课程 适用专业 全校非计算机专业 开课部门 互联网金融与信息工程学院 课程负责人 李福清 学分 学时 总学分：3 理论：2 实验：1 实践： 总学时：48 理论：32 实验：16 实践： 授课语言 中文 先修课程 计算机应用基础 二、课程简介 _¾‹dkþ‹ —Bl%`gRžX• ÿØš!hþ‹ Y*Nf[Ñy†˜ßW ÿúW@xþ‹ _¾‹ g助于学生构建跨学科知识体系，培养创新思维。教育 改革也强调创新精神和实践能力的培养，人工智能基础 课程正好顺应了这一趋势。最后，国际竞争日益激烈， 我国需在人工智能领域抢占先机。高校开设此课程，有 助于提升我国在国际AI领域的竞争力，培养更多具备国 际视野的人才。 ÿ,gþ‹ ¿R ÿv^在实践中提升自己的动手能力和创新思维。课程 结合百度AI开放平台，让学生在实际项目中掌握人工智 能技术的应用，从而培养出具备跨学科知识体系、团队 协作和沟通能力的高素质应用型人才，为他们在未来的 学术研究和职场竞争中脱颖而出奠定坚实基础。 主要内容： 第1章 人工智能概述：介绍人工智能的定义、核心特征、发展 历程、产业结构、核心技术等基础知识。 第2章Python程序设计基础：主要介绍Python的基础知识、 数据类型、程序控制语句、函数等编程基础。 第3章 Numpy数值分析库：主要介绍Numpy数组的创建、操作、数 据类型、广播机制等内容。 第4章 Pandas数据分析库：主要介绍Pandas数据结构的创建与操作 、数据选择与过滤、数据分组与聚合、数据合并和连接 、数据读取和存储、数据清洗和预处理以及时间序列处 理等内容。 第5章 计算机视觉技术与应用：介绍计算机视觉的基础概念、 发展历程、基本任务如图像分类、目标检测与定位、图 像分割等以及常见应用如图像技术应用、OCR应用、人脸 识别应用及人体分析技术与应用。 第6章 智能语音处理与应用：介绍智能语音处理的基础概念、 发展历程、关键技术如语音增强、语音识别、语音合成 等以及常见应用。 第7章 自然语言处理与应用：介绍自然语言处理的基础概念、 发展历程、语言学基础以及自然语言处理基础任务如文 本清洗、分词、词性标注、命名实体识别、依存句法分 析等，以及语言理解、语言生成、机器翻译、内容审核 、个性化推荐、智能问答-聊天机器人等常见应用。 第8章 生成式大模型应用：介绍生成式大模型的基础概念以及 国内外主流生成式大模型的介绍。重点介绍文心一言在 学习、工作、生活娱乐等方面的应用以及文小言App的使 用方法。 实验篇：包括Python程序设计基础实验、Numpy数值分析库 实验、Pandas数据分析库实验等、百度人工智能能力应用 体验、 基于百度AI开放平台的文字识别应用开发、基于百度AI 开放平台的人脸识别考勤应用开发、智能语音应用体验 、 FAQ自动化交互问答系统开发、基于百度AI开放平台的录 音转写应用开发、基于百度AI开放平台的自然语言处理 体验与应用开发、、电商用户评论的情感倾向分析、 基于文心一言的学习效率提升实验、基于文心一言的工 作与生活娱乐场景应用实验。。 课程特色与思政教育：本课程注重理论与实践相结合， 通过案例分析和项目实践，使学生能够在掌握理论知识 的同时，提升实际操作能力。同时，本课程也融入了思 政教育的元素，引导学生关注人工智能技术的社会价值 和伦理问题，培养他们的责任感和使命感。 教学与考核方式：本课程采用理论与实验相结合的教学 方式，包括课堂讲授、小组讨论、案例分析、项目实践 等多种形式。考核方式则包括平时成绩（如作业、课堂 参与等，占50%）和期末考试（50%），以及项目实践的成 果展示和报告。 学生通过学习该课程可获得的知识、技能、能力和素养 ：通过本课程学生掌握人工智能的基本概念、原理和方 法，了解人工智能的发展历程和应用领域；并拥有能够 运用机器学习、深度学习等核心技术进行实际问题的分 析和解决的技能；同时也具备创新思维和解决问题的能 力，能够适应快速变化的人工智能领域；并且关注人工 智能技术的社会价值和伦理问题，具有责任感和使命感 ，能够在实践中不断学习和提升自己的专业素养。 三、课程目标 课程目标1：毕业要求3（学科知识）：具备系统扎实的 基础知识、跨学科知识、专业知识和专业技能；了解本 专业及相关学科的历史、现状和前沿动态，掌握本专业 的研究思路和研究方法，了解国内外相关政策法规和惯 例。 课程目标2：毕业要求4（应用能力）：具有跨领域知识 融通能力，能够综合运用相关专业知识和技能，运用各 类信息技术和工具获取和分析相关信息，关键时刻和重 点岗位能顶得上，解决本专业或相关领域复杂问题。 课程目标3：毕业要求5（开拓创新）：具有逻辑思维能 力、批判精神和反思意识，能够运用本专业的研究思路 和方法组织和开展调查和研究，能发现、辨析、总结、 评价本专业及相关领域的现象和问题，形成个人判断、 见解或对策,具有较强的创新创业能力和自主开拓能力 。 课程目标4：毕业要求7（学习发展）：具有自我规划、 自我管理、自主学习和终身学习能力，能够通过不断学 习，适应社会和个人高层次、可持续发展的需要。 课程目标5：毕业要求8（责任担当）：注重身心健康， 主动承担对家庭、社会、国家和世界的责任，了解国际 动态，具有开展国际交流与合作的能力，积极履行个体 义务，建设性地参与社会事务，为国家战略发展、传播 中华优秀文化和中国智慧贡献力量。 四、课程目标与毕业要求的对应关系 课程目标对毕业要求的支撑 毕业要求 毕业要求分解指标点 课程目标 1. 毕业要求3（学科知识）：具备系统扎实的基础知识、 跨学科知识、专业知识和专业技能；了解本专业及相关 学科的历史、现状和前沿动态，掌握本专业的研究思路 和研究方法，了解国内外相关政策法规和惯例。 1.1 具备系统扎实的人工智能基础知识，包括人工智能的定 义、发展历程、核心技术等。 课程目标1 1.2 了解人工智能各分支领域（如计算机视觉、智能语音、 自然语言处理等）的基本原理和应用。 课程目标4 2. 毕业要求4（应用能力）：具有跨领域知识融通能力， 能够综合运用相关专业知识和技能，运用各类信息技术 和工具获取和分析相关信息，关键时刻和重点岗位能顶 得上，解决本专业或相关领域复杂问题。 2.1 能够运用Python编程及数据处理库（如Numpy、Pandas）进行 数据预处理和分析。 课程目标2 2.2 掌握使用人工智能平台和工具（如百度智能云）进行实 际应用的开发和部署。 课程目标2 2.3 能够在实际项目中灵活运用所学知识解决实际问题。 课程目标2 3. 毕业要求5（开拓创新）：具有逻辑思维能力、批判精 神和反思意识，能够运用本专业的研究思路和方法组织 和开展调查和研究，能发现、辨析、总结、评价本专业 及相关领域的现象和问题，形成个人判断、见解或对策 ,具有较强的创新创业能力和自主开拓能力。 3.1 具备批判性思维和创新能力，能够针对人工智能技术提 出新颖见解和解决方案。 课程目标3 3.2 能够组织和开展调查和研究，分析和评价人工智能领域 的现象和问题。 课程目标3 4. 毕业要求7（学习发展）：具有自我规划、自我管理、 自主学习和终身学习能力，能够通过不断学习，适应社 会和个人高层次、可持续发展的需要。 4.1 具备自我规划、自主学习和终身学习的能力，能够适应 人工智能技术的快速发展。 课程目标4 4.2 能够通过不断学习，更新知识结构，适应个人高层次和 可持续发展的需要。 课程目标4 毕业要求8（责任担当）：注重身心健康，主动承担对 家庭、社会、国家和世界的责任，了解国际动态，具有 开展国际交流与合作的能力，积极履行个体义务，建设 性地参与社会事务，为国家战略发展、传播中华优秀文 化和中国智慧贡献力量。 4.1 了解人工智能技术的伦理问题，能够负责任地使用人工 智能技术。 课程目标5 4.2 具有社会责任感，关注人工智能技术对社会、经济和环 境的影响。 课程目标5 4.3 遵守法律法规，确保人工智能技术的合法合规使用。 课程目标5 五、教学内容、要求及进度安排 理论篇 第一章：人工智能概述 学时：4 支撑课程目标：1、2、3、4、5 主要内容 1.1 人工智能简介 1.1.1 人工智能的定义与核心特征 1.1.2 人工智能对人类智能的模拟与超越 1.2 人工智能的发展历程 1.3 人工智能的产业结构 1.4 人工智能的核心技术 1.4.1 机器学习 1.4.2 知识图谱 1.4.3 自然语言处理 1.4.4 计算机视觉 1.4.5 人机交互 1.5 人工智能的应用领域 1.6 人工智能风险 课程思政：引导学生深入理解人工智能的本质、价值、 伦理和社会责任，培养学生的批判性思维、辩证思维、 合作精神和责任意识。同时，通过融入中国优秀传统文 化和国际视野，培养学生的文化自信和全球意识。 学习目标 1. 理解人工智能的基本概念 2. 认识人工智能的发展历程 3. 掌握人工智能的核心技术 4. 了解人工智能的应用领域 5. 探讨人工智能的伦理、法律与社会影响 6. 掌握学习与研究方法 学习重难点 重点：清晰定义人工智能（AI）的概念，列举并解释人 类智能的不同方面，如感知、认知、学习、推理等，人 工智能从早期到现在的技术发展历程，展示人工智能在 各个领域的惊人应用，人工智能的产业结构，人工智能 的核心技术，人工智能带来的潜在风险和挑战 t㉺Nå]zfý€„vúW,g‚iõ_0ÑSU\†S Tí~ñmeQf[`NºNå]zfý€Sb下坚实的基础。 学生课前准备 1.必读书目： 李德毅、于剑编著. 《人工智能导论》.科学技术出版社，2018年08月 2.选读书目： 郭哲滔、任宇翔编著.《人工智能新时代：核心技术与 行业赋能》. 清华大学出版社，2024年05月 3.思考问题： 什么是人工智能？它与传统程序设计的区别在哪里？ 人工智能经历了哪些主要的发展阶段？每个阶段的关键 技术是什么？ 人工智能如何在不同领域（如医疗、教育、交通）中应 用？这些应用带来了哪些变革？ 人工智能的未来发展趋势可能是什么？它将如何影响我 们的生活和工作？ 4.其他课前准备： 观看一些关于人工智能基础介绍的在线课程或视频讲座 ，如Coursera、edX上的相关课程，以快速获取基本概念。 教学方式 采用多媒体计算机辅助教学手段，提高课堂信息量，通 过案例教学、启发式教学等方法帮助学生理解人工智能 基本算法，了解人工智能在实际生活中的应用和挑战。 对于难点和需要扩展的部分知识，提供进一步的课件、 参考书籍、网络资源等辅助学生自主学习。 课后作业 学习通选择题、大题 第二章：Python编程基础 学时：8 支撑课程目标：2、4 主要内容 2.1 Python基础知识 2.1.1 Python简介 2.1.2 Python编程环境 2.1.3 Python基本数据类型 2.1.4 Python组合数据类型 2.1.5 内置函数 2.1.6 运算符与表达式 2.2 Python程序控制语句 2.2.1 条件语句 2.2.2 循环语句 2.2.3 可迭代对象的遍历方法 2.2.4 异常处理 2.3 函数 2.3.1 函数定义 2.3.2 函数调用 2.3.3 模块与包的使用 2.3.4 第三方库的安装与使用 2.3.5 文件操作 课程思政：培养学生的逻辑思维和抽象思维能力；教授 学生如何分析问题、设计算法、编写代码、调试程序； 培养学生的团队协作能力；培养学生创新思维，不断寻 找问题的解决方案；培养学生们责任担当，不仅要确保 代码的可读性、可维护性和可扩展性，也要明确自己使 用技术的责任，遵守法律法规，不滥用技术。 学习目标 1.了解Python语言特性及其在人工智能领域的重要性。 2.能独立完成Python编程环境的配置，并体验简单程序的 编写与运行。 3.熟练掌握Python基本数据类型、复合数据结构及各类运 算符的应用。 4.掌握条件语句与循环语句的使用，以及循环控制语句 的优化方法。 5.学会定义与调用函数，处理函数返回值，理解作用域 ，并进行递归调用与调试。 6.学会导入和使用Python模块与包，包括标准库和第三方 库的安装、使用及版本管理。 7.掌握Python中的文件读写操作，以及使用异常处理确保 程序的健壮性。 学习重难点 重点：python开发环境的安装配置，python数据结构，python 程序控制结构，python函数，python常用第三方库 €Q†f[už[E–Å`况，采用有效教学策略，为学生奠定坚 实的Python编程基础。 学生课前准备 1.必读书目： 钟雪灵，李立主编.《Python程序设计基础》.电子工业出 版社. 2019年12月 2.选读书目： Luciano Ramalho著.《流畅的Python》.人民邮电出版社.2023年4月 3.思考问题： Python有哪些主要特点使得它成为人工智能领域的首选语 言？ 如何在Python中有效地管理数据结构，以提高程序的运行 效率？ 函数在编程中扮演什么角色？如何定义和调用一个函数 ，并处理其返回值？ 异常处理在编程中的重要性体现在哪里？如何正确地捕 获和处理异常？ 4.其他课前准备： 安装Python及Anaconda环境，熟悉Spyder或Jupyter Notebook等编程工具的基本操作。 tã‰úW,g‚iõ_ŒTí‹ÕlåwÆ‹0Œcác éb˜˜0大题 第三章：数值分析库Numpy 学时：4 支撑课程目标：2、4 主要内容 3.1 Numpy数组创建与操作 3.1.1 Numpy数组创建 3.1.2 Numpy数组属性 3.1.3 Numpy数组基本操作 3.1.4 Numpy函数 3.2 Numpy数据类型 3.2.1 Numpy数据类型概述 3.2.2 Numpy数据类型转换 3.3 Numpy数组广播机制 3.4 特殊数值处理 课程思政：numpy作为Python中用于数值计算的基础库，体 现了科学研究的严谨性和精确性，引导学生理解并应用 numpy进行数值计算时，要培养严谨的科学态度和逻辑思 维。 学习目标 1.了解Numpy库的作用、重要性及其与Python标准库的区别 ，并掌握Numpy的安装及验证方法。 2.熟练使用Numpy创建和操作数组，包括基本函数、内置 函数创建数组，以及数组的形状、大小和基本操作。 3.掌握Numpy中的数学函数，对数组进行三角函数、指数 函数、对数函数等各种数学操作。 4.了解Numpy支持的数据类型，掌握数据类型转换方法， 并理解数据类型对数组性能的影响，以及复杂数据类型 的使用。 5.理解多维数组的概念，掌握多维数组的创建、形状和 维度，以及多维数组的切片和索引方法。 6.熟练掌握数组的索引和切片技术，包括整数索引、布 尔索引和花式索引。 7.理解数组的广播机制，掌握广播规则，并能够在数组 运算中灵活应用广播机制，同时注意其性能和注意事项 。 8.了解特殊数值（NaN、Inf）的概念和产生原因，掌握检 测和处理NaN、Inf值的方法，以及特殊数值在数据处理和 计算中的影响及应对策略。 学习重难点 重点：Numpy数组的基本操作，包括创建、索引、切片、 数学运算等；多维数组的理解和应用，包括数组的形状 、维度等；数组的广播机制。 O¿R†N㉠peÄ~„vØšHe'`ŒT¿Owc'`¤‹Æ‹ 步掌握Numpy的基本功能和高级用法，提高他们的数据处 理和科学计算能力。同时，对于难点和易错点，应给予 足够的解释和强调，确保学生能够熟练掌握所学知识。 学生课前准备 1.必读书目： 钟雪灵，李立主编.《Python程序设计基础》.电子工业出 版社. 2019年12月 2.选读书目： 郑丹青编著.《Python数据分析基础教程》.人民邮电出版 社.2020年03月 3.思考问题： Numpy相比Python标准库在数值计算方面有哪些优势？ 如何高效创建和操作Numpy数组？请举例说明。 Numpy中的广播机制是如何工作的？它在数组运算中有何 应用？ 在处理多维数组时，你遇到过哪些挑战？你是如何解决 的？ 请思考Numpy在人工智能领域（如深度学习、机器学习） 中的重要作用，并举例说明。 4.其他课前准备： 安装Numpy及相关环境：确保Python环境中已安装Numpy库。 可以通过pip或conda等包管理器进行安装，并验证安装是 否成功。 预习Numpy基础知识：提前了解Numpy的基本概念、数组类 型、基本操作等，为后续学习打下基础。 准备编程环境：确保计算机上已安装合适的Python开发环 境（如IDLE、PyCharm、Jupyter Notebook等），并熟悉其基本操作。 教学方式 采用多媒体计算机辅助教学手段，提高课堂信息量，通 过案例教学、启发式教学等方法帮助学生理解基本概念 和语法知识、掌握Numpy库的应用。对于难点和需要扩展 的部分知识，提供进一步的课件、参考书籍、网络资源 等辅助学生自主学习。 课后作业 学习通选择题、大题 第四章：数据分析库Pandas 学时：2 支撑课程目标：2、4 主要内容 4.1 Pandas数据结构的创建与操作 4.1.1 序列创建与基本操作 4.1.2 数据框创建与基本操作 4.2 数据选择与过滤 4.2.1 使用选择器和快速访问器 4.2.2 基于条件的数据筛选 4.2.3 多条件联合筛选 4.3 数据分组与聚合 4.3.1 数据分组 4.3.2 对分组数据进行聚合操作 4.3.3 分组后的数据转换 4.4 合并和连接 4.4.1 数据框合并 4.4.2 合并方式 4.4.3 数据框连接 4.5 数据读取和存储 4.5.1 读写CSV文件 4.5.2 读写Excel文件 4.6 数据清洗和预处理 4.6.1 缺失值检测与处理 4.6.2 异常值检测与处理 4.6.3 重复值检测与处理 4.6.4 数据类型转换 4.7 时间序列处理 4.7.1 时间序列生成与索引设置 4.7.2 时间间隔计算与转换 4.7.3 时间序列数据重采样 4.7.4 移动窗口计算 4.7.5 时间序列数据分析 g(W现代社会中的重要性和价值，鼓励学生将所学知识应 用于实际问题中，为社会做出贡献。 学习目标 1.了解Pandas库的核心数据结构Series和DataFrame，掌握它们 的创建、基本操作及相互转换方法。 2.熟练使用Pandas读取和存储CSV和Excel文件，掌握数据的 基本输入输出。 3.掌握数据清洗和预处理技能，包括缺失值、异常值处 理，数据类型转换，以及重复值检测与处理。 4.根据条件筛选、位置选择和布尔索引等方法，熟练进 行数据选择和过滤。 5.使用groupby方法对数据进行分组，掌握分组数据的聚合 、转换、排序和可视化操作。 6.熟练掌握DataFrame的合并和连接方法，包括不同键的合 并和连接后的数据清洗与整理。 7.了解时间序列数据处理方法，掌握时间序列数据的生 成、索引、切片、间隔计算与转换，以及可视化与分析 。 学习重难点 重点：DataFrame和Series的理解与操作，数据清洗和预处理 ，数据分组和聚合 g¹eÕl†N㉠–@wþ‹ gý€›RŒT㉳Qž[际问题的能力。同时，对于难点和易 错点，应给予足够的解释和强调，确保学生能够熟练掌 握所学知识。 学生课前准备 1.必读书目： 钟雪灵，李立主编.《Python程序设计基础》.电子工业出 版社. 2019年12月 2.选读书目： 周峰.《Pandas入门与实战应用 ：基于Python的数据分析与处理》. 电子工业出版社.2022年08月 3.思考问题： Pandas中的Series和DataFrame有什么区别？它们各自适用于什 么场景？ 如何使用Pandas读取和存储不同格式的数据文件（如CSV、 Excel）？ 在数据清洗和预处理过程中，你遇到过哪些挑战？你是 如何解决的？ 请举例说明如何使用Pandas进行数据的分组和聚合操作。 时间序列数据在Pandas中是如何处理的？请举例说明其应 用场景。 4.其他课前准备： 安装Pandas及相关环境：确保你的Python环境中已安装Pandas 库，以及Jupyter Notebook等合适的Python开发环境。 预习Pandas基础知识：提前了解Pandas的基本概念、核心数 据结构和基本操作，为后续学习打下基础。 助学生自主学习。 课后作业 学习通选择题、大题 第五章：计算机视觉技术与应用 学时：6 支撑课程目标：1、2、3、4、5 主要内容 5.1 计算机视觉基础 5.1.1 计算机视觉的概念与发展历程 5.1.2 计算机视觉处理流程 5.1.3 计算机视觉与相关领域的联系与区别 5.1.4 应用领域 5.2 计算机视觉的基本任务 5.2.1 图像分类 5.2.2 目标检测与定位 5.2.3 图像分割 5.3 计算机视觉常见应用 5.3.1 图像技术 5.3.2 OCR及其应用 5.3.3 人脸识别及其应用 5.3.4 人体分析及其应用 5.4 计算机视觉技术面临的挑战与未来发展 5.4.1 计算机视觉技术面临的挑战 5.4.2 计算机视觉技术的未来发展趋势与展望 课程思政： 案例1：中国科学家在计算机视觉领域的贡献 思政融入点：培养学生的民族自豪感和爱国情怀。 具体内容：介绍中国科学家如李飞飞、何恺明等在计算 机视觉领域的重要研究成果，如ImageNet数据集的创建和 深度学习算法的改进。强调这些成果对全球计算机视觉 技术发展的推动作用，激发学生为国家的科技创新贡献 力量。 案例2：数据隐私保护与伦理 思政融入点：强调科技伦理和法律法规意识。 具体内容：在讲解人脸识别技术时，讨论如何确保个人 隐私不被侵犯，介绍中国相关的法律法规，如《个人信 息保护法》。通过案例分析，让学生了解不当使用人脸 识别技术可能带来的法律和伦理问题。 案例3：计算机视觉在公共安全中的应用 思政融入点：强调技术进步对维护社会稳定的重要性。 具体内容：介绍计算机视觉在视频监控、犯罪侦查中的 应用，如利用人脸识别技术快速锁定嫌疑人。强调这些 技术在提升公共安全、保护人民群众生命财产安全中的 作用，增强学生的社会责任感。 案例4：技术进步与社会责任 思政融入点：引导学生关注技术进步的社会影响。 具体内容：讨论计算机视觉技术可能带来的就业变革， 如某些岗位可能被自动化取代。引导学生思考如何平衡 技术进步与社会责任，提出解决方案，培养学生的社会 责任感。 学习目标 理解计算机视觉的基本概念，掌握计算机视觉技术体系 框架，并能列举出计算机视觉的典型案例。 熟悉计算机视觉的基本任务，包括图像分类、目标检测 与定位以及图像分割，能够解释这些任务的基本原理和 常用方法。 了解计算机视觉的常见应用，掌握通用图像处理技术， 以及OCR、人脸识别、人体分析等具体应用的工作原理和 实现方法。 认识机器视觉技术，理解其在工业检测、智能制造等领 域的应用，掌握机器视觉系统的基本构成和关键技术。 学习重难点 重点： 理解计算机视觉的定义及其在人工智能领域的地位。 掌握计算机视觉技术体系的基本框架。 熟悉图像分类、目标检测与定位、图像分割的基本概念 和常用算法。 能够描述各类任务在实际应用中的区别和联系。 了解通用图像处理技术的应用场景。 掌握OCR、人脸识别、人体分析的基本原理和应用实例。 了解机器视觉系统的组成和各部分的作用。 理解机器视觉在工业自动化中的应用范围和实际案例。 难点： 理解计算机视觉技术体系中的复杂算法和理论。 掌握深度学习算法在图像分类、目标检测与定位、图像 分割中的应用。 理解OCR、人脸识别、人体分析中的高级技术和细节。 ÿFOù[vQ€b/gSOû|ŒTúW,gûN¡R†N㉠–@wþ‹ 最դꨳ氀 6 8 @ B D H L N P X Z j l 最դꨳ氀 N P Z l l n v x ’ œ ž ¤ ¦ ¨ ¬ ® ² ´ ¶ ¼ ¾ À Â È Ê Ì Ò Ô Ö Ü Þ ê ì ò ö ø þ Ð Hl n x ’ ž ¦ ¦ ¨ ® ´ Ê ´ ¶ Â Ì Ö Þ ì ø 圀졄怀Ꚅ朁դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 氀 ②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②最դꨳ氀 ②會դꨳ氀 kd ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 䑗Ş葠˟②最դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②最դꨳ氀 ②會դꨳ氀 ②最դꨳ氀 氀 ②會դꨳ氀 ②最դꨳ氀 ②會դꨳ氀 ②最դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②最դꨳ氀 ②會դꨳ氀 ②最դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 䑗d葠Ü②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ②會դꨳ氀 ÿ.^©Rf[生逐步掌握计算机视觉的基本原理和应用技能 ，提高他们的实际问题解决能力。同时，对于难点和易 混淆点，教师应给予足够的解释和比较，确保学生能够 清晰理解所学知识。 学生课前准备 1.必读书目： 李德毅、于剑编著. 《人工智能导论》.科学技术出版社，2018年08月2.选读书 目： 付莹编著.《计算机视觉基础》.清华大学出版社，2024年 06月 3.思考问题： 计算机视觉的基本任务有哪些？它们之间有何联系和区 别？ 深度学习在计算机视觉领域的应用主要体现在哪些方面 ？请举例说明。 你认为计算机视觉技术未来可能的发展方向是什么？它 将如何影响我们的生活和工作？ 在进行图像分类时，可能会遇到哪些挑战？如何克服这 些挑战？ 机器视觉与计算机视觉有何不同？它们在工业应用中的 具体案例有哪些？ 4.其他课前准备： 预习相关概念：提前了解计算机视觉、图像处理、机器 学习等基本概念，为后续学习打下基础。 安装必要的软件和库：如Python开发环境、OpenCV库等，以 便进行实践操作和算法实现。 收集数据集：准备一些用于图像分类、目标检测等任务 的标准数据集，以便进行算法训练 教学方式 用多媒体计算机辅助教学手段，提高课堂信息量，通过 案例教学、启发式教学等方法帮助学生理解基本概念， 掌握人 工智能视觉领域的应用，掌握使用python和百度智能云平 台搭建个性化视觉应用。对于难点和需要扩展的部分知 识，提供进一步的课件、参考书籍、网络资源等辅助学 生自主学习。 课后作业 学习通选择题、大题 第六章：智能语音技术与应用 学时：6 支撑课程目标：1、2、3、4、5 主要内容 6.1 智能语音处理概述 6.1.1 智能语音处理的概念及其发展历程 6.1.2 智能语音处理的关键环节 6.1.3 智能语音处理的应用领域 6.2 智能语音常用技术 6.2.1 语音增强 6.2.2 语音识别 6.2.3 语音合成 6.3 智能语音处理常见应用 6.3.1 语音识别应用 6.3.2 语音合成应用 6.3.3 其他语音拓展应用 6.4 智能语音处理面临的挑战与未来发展趋势 6.4.1 智能语音处理面临的挑战 6.4.2 智能语音处理未来发展趋势 课程思政： 使用中国智能语音处理技术的成功案例，展示科技创新 对国家发展的贡献。 分析语音处理技术在解决社会问题中的应用，如提高老 年人生活质量、助力残疾人士等。 组织课堂讨论，探讨语音处理技术可能带来的伦理和法 律问题。 结合伦理学、法学、社会学等学科知识，培养学生的综 合素质和批判性思维。 学习目标 理解智能语音处理的基本概念、发展历程及关键环节， 奠定理论基础。 掌握语音增强、语音识别与语音合成等智能语音常用技 术的核心原理与方法。 熟悉语音识别与合成在各个领域内的典型应用场景，提 升实践应用能力。 分析并理解智能语音处理技术的其他拓展应用，拓宽技 术视野。 认识智能语音处理当前面临的挑战，培养问题解决意识 。 把握智能语音处理技术的未来发展趋势，激发创新思维 与前瞻性思考。 学习重难点 重点： 理解智能语音处理的基本概念和重要性。 掌握语音处理技术体系的基本框架。 熟悉语音合成、语音识别、语音分析、声纹识别和语音 增强的基本原理。 了解各技术在语音处理中的应用和相互联系。 了解语音识别和语音合成在现实生活中的应用实例。 认识到语音处理技术在提高生活质量和工作效率中的作 用。 难点： 理解语音信号的处理流程和各环节的技术要点。 掌握声学模型、语言模型等复杂算法的实现和应用。 理解语音处理技术在复杂系统中的应用和集成。 学情分析 学生们通常对智能语音技术抱有极大的兴趣，因为这一 技术与日常生活紧密相关，如智能手机、智能家居等设 备的语音助手。然而，学生们在接触这一章节时，可能 对语音处理的技术细节和实现原理感到陌生。他们可能 对语音合成、语音识别、语音分析等概念有一定的了解 ，但缺乏深入的理解和实践经验。 在学习过程中，学生们可能会遇到一些挑战，如语音信 号的复杂性、噪声干扰、不同语言和方言的识别等。为 了帮助学生克服这些挑战，教师需要结合实例详细讲解 语音处理的基本原理和常用技术，并引导学生进行实践 操作，加深他们对语音处理技术的理解和掌握。 通过本章的学习，学生们将能够更好地理解智能语音技 术的原理和应用，为后续的深入学习和实践打下基础。 学生课前准备 1.必读书目： 李德毅、于剑编著. 《人工智能导论》.科学技术出版社，2018年08月 2.选读书目： 张伟著.《人工智能语音测试原理与实践》.清华大学出 版社，2022年12月 3.思考问题： 语音合成和语音识别分别解决了什么问题？它们在智能 语音技术中扮演什么角色？ 声纹识别是如何工作的？它在哪些场景下有重要应用？ 离线语音识别与在线语音识别有何区别？各自的优势和 局限性是什么？ 语音增强技术对于提高语音识别准确率有何作用？ 4.其他课前准备： 预习相关知识：提前了解数字信号处理、声学基础等相 关知识，为后续学习智能语音技术打下基础。 安装必要的软件和库：如Python开发环境、语音识别库（ 如SpeechRecognition）、语音合成库（如pyttsx3）等，以便进 行实践操作。 收集语音数据：准备一些用于语音识别、语音合成等任 务的语音数据，以便进行算法训练和测试。 教学方式 用多媒体计算机辅助教学手段，提高课堂信息量，通过 案例教学、启发式教学等方法帮助学生理解基本概念， 掌握人 工智能语音领域的应用，掌握使用python和百度智能云平 台搭建个性化语音应用。对于难点和需要扩展的部分知 识，提供进一步的课件、参考书籍、网络资源等辅助学 生自主学习。 课后作业 学习通选择题、大题 第七章：自然语言处理与应用 学时：4 支撑课程目标：1、2、3、4、5 主要内容 7.1 自然语言处理概述基础 7.1.1 自然语言处理的概念及其发展历程 7.1.2 语言学基础 7.1.3 自然语言中的歧义问题 7.2 自然语言处理基础任务 7.2.1 文本清洗 7.2.2 分词 7.2.3 词性标注 7.2.4 命名实体识别 7.2.5 依存句法分析 7.3 自然语言处理常见应用 7.3.1 语言理解 7.3.2 语言生成 7.3.3 机器翻译 7.3.4 内容审核 7.3.5 个性化推荐 7.3.6 智能问答-聊天机器人 7.4 自然语言处理技术前沿 7.4.1 多模态融合 7.4.2 可解释性自然语言处理 7.4.3 深度学习模型的不断演进 课程思政： 分析自然语言处理技术在促进社会进步、文化传播等方 面的积极作用。 引入违反社会主义核心价值观的负面案例，如利用自然 语言处理进行虚假信息传播，引导学生进行批判性思考 。 讨论自然语言处理技术可能带来的伦理问题，如算法偏 见、隐私侵犯等。 强调遵守法律法规和行业规范的重要性。 学习目标 理解自然语言处理的基本概念、发展历程及其在人工智 能领域的重要性。 掌握自然语言处理的基础任务，包括文本清洗、分词、 词性标注、命名实体识别等，并能够进行实际操作。 熟悉自然语言处理的常见应用，如语言理解、语言生成 、机器翻译等，并理解其背后的原理和技术。 了解自然语言处理中的多模态融合、可解释性自然语言 处理等前沿技术，以及深度学习模型在自然语言处理中 的演进。 能够分析自然语言处理中的歧义问题，并学会运用相关 技术进行处理。 培养解决实际自然语言处理问题的能力，提升对自然语 言处理技术的综合应用能力。 认识到自然语言处理在智能问答、内容审核、个性化推 荐等领域的应用价值。 学习重难点 重点： 理解自然语言处理的基本概念及其发展历程，有助于把 握该领域的整体框架。 掌握文本清洗、分词、词性标注等基础任务，为后续应 用打下坚实基础。 熟悉语言理解和生成技术，了解机器如何“听懂”和“ 表达”人类语言。 认识机器翻译、智能问答等常见应用，感受自然语言处 理技术的实际应用价值。 关注深度学习模型在自然语言处理中的演进，了解技术 前沿和发展趋势。 难点： 自然语言中的歧义问题复杂多变，难以准确理解和处理 。 命名实体识别需要准确识别文本中的特定实体，对上下 文理解要求较高。 依存句法分析涉及句子结构的深入理解，对非计算机专 业学生来说较为抽象。 多模态融合技术需要结合文本、图像等多种信息，处理 难度大。 Nš[öeô•»S消化和吸收。 在学习自然语言处理的基础任务时，如文本清洗、分词 、词性标注等，学生可能会发现这些任务看似简单，但 实际上需要细致入微的操作和对语言规律的深刻把握。 特别是命名实体识别和依存句法分析，它们要求学生能 够理解并处理复杂的句子结构，这对于没有语言学背景 的学生来说可能是一个难点。 此外，自然语言处理的常见应用，如机器翻译、智能问 答等，虽然贴近生活、易于理解，但其背后的技术实现 却相当复杂。学生需要跟随课程节奏，逐步深入理解这 些应用的原理和实现方法，同时关注技术前沿，如多模 态融合、可解释性自然语言处理等，以拓宽视野，提升 综合素养。 学生课前准备 1.必读书目： 李德毅、于剑编著. 《人工智能导论》.科学技术出版社，2018年08月 2.选读书目： [美]霍布森·莱恩，科尔·霍华德，汉纳斯·马克斯·哈 普克.《自然语言处理实战 利用Python理解、分析和生成文本 Python自然语言处理》.人民邮电出版社，2020年10月 3.思考问题： 自然语言处理面临哪些主要挑战？如何解决自然语言中 的歧义问题？ 分词、词性标注、命名实体识别等基本任务在自然语言 处理中扮演什么角色？它们之间有何联系？ 机器翻译是如何实现的？它面临哪些技术难题和挑战？ 知识图谱是如何构建的？它在自然语言处理中有哪些应 用？ 4.其他课前准备： 预习相关知识：提前了解语言学基础、概率论与数理统 计等相关知识，为后续学习自然语言处理打下基础。 安装必要的软件和库：如Python开发环境、自然语言处理 库（如NLTK、jieba等），以便进行实践操作。 /e撑课程目标：1、2、3、4、5 主要内容 8.1 生成式大模型概述 8.1.1 生成式大模型简介 8.1.2 国外主流生成式大模型介绍 8.1.3 国内主要生成式大模型介绍 8.2 文心一言在学习方面的应用 8.3 文心一言在工作方面的应用 8.4 文心一言在生活娱乐方面的应用 8.5 文小言App 课程思政：强调中国自主研发的生成式大模型已经达到 世界领先的技术水平，提升学生的民族自豪感和对国家 科技实力的认同。 强调人工智能技术在实际生活中的应用价值，激发学生 将理论知识转化为实际成果的热情。 在教学过程中，引导学生正确使用文心一言，遵循社会 主义核心价值观，如诚信、公正、友善等，避免生成不 实、有害内容。 学习目标 理解生成式大模型的基本概念，熟悉国内外生成式模型 的代表性产品，掌握文心一言的注册、登录及基础使用 。 熟练掌握文心一言在学习方面的应用，包括作为学习小 助手、创意写作工具、绘画达人以及教育培训辅助等。 能够运用文心一言提高职场效率，智能生成营销方案， 进行商业投资分析，以及辅助求职招聘等工作场景。 了解并尝试文心一言在生活娱乐方面的应用，如模拟人 物互动、歌词生成、旅游攻略定制等，提升生活便捷性 和趣味性。 学习重难点 重点： 掌握生成式大模型的基本操作和使用技巧，了解其在不 同场景下的应用； 难点： 如何根据需求调整生成内容，提高生成质量 学情分析 学生们通常对生成式大模型，特别是像文心一言这样的 具体应用产品表现出极高的兴趣。由于这一章节内容贴 近实际应用，且文心一言等工具具有直观易用的界面， 学生们往往能够迅速上手并体验到人工智能技术的魅力 。 然而，尽管学生们对生成式大模型的应用场景有了一定 的了解，但在实际操作过程中，他们可能会遇到如何更 有效地利用这些工具来提高学习和工作效率的问题。此 外，对于文心一言等工具的深层次功能和高级技巧，学 生们可能需要更多的指导和实践才能熟练掌握。 因此，在教学过程中，教师应注重引导学生深入理解生 成式大模型的工作原理，同时结合具体案例和实践操作 ，帮助学生掌握文心一言等工具的高级应用技巧，以充 分发挥其在学习、工作和生活娱乐等方面的潜力。 学生课前准备 1.必读书目： 《人工智能导论》 2.选读书目： 《文心一言：人人都能上手的AI工具》 3.思考问题： 生成式大模型与判别式模型的主要区别是什么？在哪些 场景下生成式大模型更具优势？ 文心一言等生成式大模型在训练过程中面临哪些挑战？ 如何克服这些挑战以提高模型的性能？ 生成式大模型在教育、职场、生活娱乐等多个领域有哪 些创新应用？这些应用如何改变了我们的工作和生活方 式？ 如何评估生成式大模型生成内容的真实性和可信度？在 实际应用中应如何避免生成虚假信息？ 4.其他课前准备： 提前预习生成式大模型的基本概念、工作原理及其与传 统机器学习模型的区别。 提前注册文心一言等生成式大模型的应用平台，熟悉其 界面布局、基础功能及操作技巧。 搜集生成式大模型在不同领域的应用案例，分析其应用 场景、实现方法及实际效果，以便在课堂上进行深入讨 论。 如果条件允许，可以准备一些基于生成式大模型的实践 项目，让学生在课前进行尝试和探索，以增强学习的互 动性和实践性 教学方式 采用多媒体计算机辅助教学手段，提高课堂信息量，通 过案例教学、启发式教学等方法帮助学生理解文心一言 /文心一格等大模型的应用。对于难点和需要扩展的部 分知识，提供进一步的课件、参考书籍、网络资源等辅 助学生自主学习。 课后作业 学习通选择题、大题 实验篇 学时：6 支撑课程目标：1、2、3、4、5 主要内容 实验1 Python程序设计基础实验 实验2 Numpy数值分析库实验 实验3 Pandas数据分析库实验 实验4 百度人工智能能力应用体验 实验5 基于百度AI开放平台的文字识别应用开发 实验6 基于百度AI开放平台的人脸识别考勤应用开发 实验7 智能语音应用体验 实验8 FAQ自动化交互问答系统开发 实验9 基于百度AI开放平台的录音转写应用开发 实验10 基于百度AI开放平台的自然语言处理体验与应用开发 实验11 电商用户评论的情感倾向分析 实验12 基于文心一言的学习效率提升实验 实验13 基于文心一言的工作与生活娱乐场景应用实验 学习目标 掌握Python编程基础，能够熟练运用Python进行编程解决问 题。 熟悉Numpy库的使用，能够进行高效的数值计算与数组操 作。 精通Pandas库，能够高效处理和分析复杂数据集。 了解并体验百度AI开放平台提供的各项人工智能服务能 力。 掌握基于百度AI开放平台进行文字识别、人脸识别等应 用开发的关键技术。 实现智能语音应用的集成与交互，提升产品的智能化水 平。 开发FAQ自动化交互问答系统，提高信息检索与服务的效 率。 掌握录音转写技术，实现语音内容的自动转化与处理。 深入理解自然语言处理技术，并能应用于情感分析、文 本分类等实际场景。 探索文心一言等先进语言模型在学习、工作、生活娱乐 中的应用潜力，提升使用AI的能力。 学习重难点 重点: 1.Python编程技能的培养：Python是人工智能领域最常用的 编程语言之一，掌握Python编程技能是本章的重点之一。 2.AI开放平台的使用：了解并熟悉AI开放平台的功能和操 作流程，是连接理论知识与实际应用的重要桥梁。 3.三大AI技术的应用：计算机视觉、智能语音、自然语 言处理是人工智能领域的三大核心技术，掌握这些技术 的应用是本章的重点。 4.实践能力的培养：通过实际开发实验，培养学生的实 践能力，使其能够将所学知识应用于实际问题的解决中 。 难点： 1. Python编程的复杂性：对于初学者来说，Python编程可能具 有一定的复杂性，需要花费较多的时间和精力去学习和 掌握。 2.AI技术的深入理解：计算机视觉、智能语音、自然语 言处理等技术涉及大量的数学和算法知识，要深入理解 并掌握这些技术需要较高的学习能力和理解能力。 3.实际开发中的问题解决：在实际开发过程中，可能会 遇到各种问题和挑战，需要学生具备较强的分析问题和 解决问题的能力。 4.AI工具的使用和调优：文心一言等AI工具虽然功能强大 ，但也需要用户根据实际需求进行调优和配置，这需要 学生具备一定的AI知识和实践经验。 学情分析 到此前学生已系统学习了人工智能的基础理论与部分应 用知识，他们对AI领域已有初步认识，但实际操作经验 相对匮乏。此章节作为实践环节的汇总，对学生而言既 是挑战也是机遇。 学生可能对Python编程实验抱有既期待又畏惧的心理，期 待通过实践加深理解，同时畏惧编程的复杂性。对于百 度AI开放平台及后续的专业领域实验（如计算机视觉、 智能语音、自然语言处理），学生可能充满好奇，但也 可能因缺乏实际操作经验而感到迷茫。 因此，需对学生的编程基础、AI理论知识掌握程度进行 巩固，确保每位学生都能顺利过渡到实践环节，充分利 用这一章节的实验资源，有效提升自身的实践能力和创 新能力。 学生课前准备 1.必读书目： 《人工智能导论》 2.选读书目： 《文心一言：人人都能上手的AI工具》 3.思考问题： 是否已经熟练掌握了Python编程的基础语法、常用数据结 构和函数定义？对于之前学过的AI理论知识，是否能够 清晰复述并理解其背后的原理？ 是否已经预览了各实验的大致内容和目标？对于即将进 行的实验，我是否有初步的思路和计划？ 4.其他课前准备： 巩固Python编程基础。 确保计算机上安装了所需的Python版本和开发工具，如IDE 、库和框架等。 注册并熟悉了百度人工智能开放平台或其他相关AI资源 。 教学方式 采用“理论讲解+实操演示+分组实践+项目驱动”的教学 方式。先简要回顾理论，再通过实操演示加深理解，随 后分组让学生动手实践，最后以项目形式驱动学生综合 运用所学知识，完成实验任务，从而全面提升学生的实 践能力和创新能力。 课后作业 提交实验报告 考核方式 （一）考核方式 考核方式 考核要求 比重（%） 对应的课程目标 平时作业 布置作业，考察学生对基本概念、基础知识的掌握程度 30% 课程目标1、2、3、4、5 实验操作 考察学生对人工智能平台的灵活运用，对Pyhton编程的掌 握情况，通过Python调用百度SDK和HTTP API接口开发人工智能应用的能力。 20% 课程目标1、2、3、4、5 期末考试 具备全面的AI理论基础，熟练掌握Python编程，精通Numpy 和Pandas库进行数值与数据分析。了解并能够应用多种AI 关键技术，具备使用Python开发智能应用的能力。同时， 掌握机器学习与深度学习算法，并能利用生成式大模型 辅助各领域工作，具备解决复杂AI问题的综合能力。 50% 课程目标1、2、3、4、5 （二）评价标准 1.考核方式评价标准 考核方式 基本要求 评价标准 优秀 （90-100分） 良好 （75-89分） 中等 (70-79分) 及格 (60-70分) 不及格 (0-59分) 作业 考察学生对基本概念、基础知Æ‹„vŒcác g €察学生对人工智能平台的灵活运用，对Pyhton编程的掌 握情况，通过Python调用百度SDK和HTTP API接口开发人工智能应用的能力。 能按时完成学习通平台上的大作业，答题思路清晰，正 确率高。 能按时完成学习通平台上的大作业，答题思路较清晰， 正确率较高。 能完成学习通平台上的大作业，但存在部分错误。 能完成学习通平台上的大作业，但存在较多错误。 无法独立完成平台大作业，答题思路混乱，存在很多错 误。 考试 eq \o\ac(○,1) 掌握理论人工智能基础知识，包括人工智能定义、发展 历程、核心技术及其在各个领域的应用。 eq \o\ac(○,2) 熟悉Python编程基础，掌握Python的基本语法、数据结构、 控制结构、函数定义与调用，以及常用第三方库的使用 。 eq \o\ac(○,3) 理解数值分析库Numpy的基本操作，包括数组创建、索引 、切片、数学运算等，以及多维数组和广播机制的应用 。 eq \o\ac(○,4) 掌握数据分析库Pandas的使用，包括DataFrame和Series的基本 操作、数据清洗和预处理、数据分组和聚合等。 eq \o\ac(○,5) 理解计算机视觉、智能语音、自然语言处理、智能机器 人与智能问答等关键技术的基本原理和应用场景。 eq \o\ac(○,6) 掌握机器学习与深度学习的基础知识，包括监督学习、 无监督学习、卷积神经网络（CNN）、生成对抗网络（GAN ）等算法的基本概念及其应用。 eq \o\ac(○,7) 了解生成式大模型（如文心一言）的应用，能够利用生 成式大模型辅助学习、工作和生活。 人工智能学基本概念判断问题正确，能够全面阐述人工 智能的发展历程、核心技术及其在各领域的应用。 Python编程基础扎实，能够准确编写高效、可维护的代码 ，并能灵活运用Python第三方库解决复杂问题。 Numpy和Pandas操作熟练，能够高效处理大规模数据集，进 行数据分析和可视化。 对计算机视觉、智能语音、自然语言处理、智能机器人 与智能问答等关键技术有深入理解，能设计并实现相关 应用。 机器学习与深度学习理论知识扎实，能够灵活运用不同 算法解决实际问题，并对算法进行调优。 能够熟练运用生成式大模型，提高个人学习、工作效率 ，并具备将理论知识转化为实际应用的能力。 人工智能基本概念理解清晰，能够概述人工智能的发展 历程和主要应用。 Python编程基础较好，能够编写正确的代码，并能够运用 Python第三方库解决常见问题。 熟练掌握Numpy和Pandas的基本操作，能够处理一般规模的 数据集，进行基本的数据分析和处理。 对计算机视觉、智能语音、自然语言处理、智能机器人 与智能问答等关键技术有一定了解，能够完成简单的应 用实践。 机器学习与深度学习理论理解较好，能够运用所学知识 解决实际问题，但调优能力有待提升。 能够利用生成式大模型完成基本任务，提高个人效率。 人工智能基本概念掌握尚可，能够列举几个应用实例。 Python编程基础一般，能够编写简单的代码，但代码质量 和效率有待提高。 对Numpy和Pandas的基本操作有一定了解，能够进行基本的 数据处理，但在处理复杂数据集时可能遇到困难。 对计算机视觉、智能语音、自然语言处理、智能机器人 与智能问答等关键技术有初步认识，但应用能力有限。 基本理解机器学习与深度学习理论，能够完成简单的学 习任务，但在实际问题解决中可能需要指导。 能够尝试使用生成式大模型，但使用效率和效果一般。 对人工智能有基本了解，能够简单描述其定义和应用。 Python编程基础薄弱，能够编写非常基础的代码，但在解 决实际问题时存在困难。 对Numpy和Pandas的操作有初步接触，但掌握程度有限，数 据处理能力较弱。 对计算机视觉、智能语音、自然语言处理、智能机器人 与智能问答等关键技术有模糊认识，但无法独立完成应 用实践。 机器学习与深度学习理论理解浅显，难以独立完成学习 任务。 能够知道生成式大模型的存在，但无法有效利用其提高 个人效率。 对人工智能的基本概念理解模糊，无法准确描述其定义 和应用。 Python编程基础极差，无法编写有效代码。 对Numpy和Pandas完全不了解，无法进行任何数据处理。 对计算机视觉、智能语音、自然语言处理、智能机器人 与智能问答等关键技术一无所知。 机器学习与深度学习理论知识匮乏，无法理解相关概念 。 完全不知道生成式大模型的存在及其应用价值。 2.课程目标评价标准 课程目标 考核依据 评价标准 优秀 （90-100分） 良好 （75-89分） 中等 (70-79分) 及格 (60-70分) 不及格 (0-59分) 课程目标1 考查人工智能基本概念、发展历程、核心技术及其在各 领域的应用掌握情况。 能够全面且准确地阐述人工智能的定义、发展历程、核 心技术及在各领域的应用，并能结合实例进行深入分析 。 能够清晰地描述人工智能的基本概念、发展历程及核心 技术，能列举多个应用领域并简要说明。 对人工智能的基本概念、发展历程及核心技术有基本了 解，能简单列举几个应用领域。 知道人工智能的基本概念，但对其发展历程、核心技术 及应用领域的了解较为模糊。 对人工智能的基本概念模糊，无法理解或阐述其相关知 识。 课程目标2 考查Python编程基础、数据处理能力（使用Numpy、Pandas等 库）及在人工智能应用中的实践能力。 ™Q代码和处理数据时存在较多困难。 完全无法编写有效的Python代码，也无法处理数据或进行 人工智能应用实践。 课程目标3 考查对人工智能技术的批判性思考、创新能力及在案例 分析和讨论中的表现。 _Œcác ù[ºNå]zfý€(W þ‹ 考察对人工智能伦理问题的理解、分析能力及在课堂讨 论中的表现。 能够深入分析人工智能伦理问题的复杂性，提出切实可 行的解决方案，并在课堂讨论中积极发言，引导讨论方 向。 对人工智能伦理问题有一定的了解，能够提出合理的观 点和建议，积极参与课堂讨论。 知道人工智能伦理问题的存在，但对其复杂性和解决方 案的理解有限，偶尔参与讨论。 了解人工智能伦理问题的基本概念，但对其内涵和解决 策略缺乏深入理解。 几乎不了解人工智能伦理问题，无法参与相关讨论。 七、教材、参考文献与其他教学资源 1.自编讲义： 李福清，《人工智能基础》讲义 2.选用教材： 李福清，《人工智能基础》 3.参考文献： 钟雪灵，李立主编.《Python程序设计基础》.电子工业出 版社. 2019年12月 李德毅、于剑编著. 《人工智能导论》.科学技术出版社，2018年08月 郭哲滔、任宇翔编著.《人工智能新时代：核心技术与 行业赋能》. 清华大学出版社，2024年05月 Luciano Ramalho著.《流畅的Python》.人民邮电出版社.2023年4月郑丹 青编著. 《Python数据分析基础教程》.人民邮电出版社.2020年03月 周峰.《Pandas入门与实战应用 ：基于Python的数据分析与处理》. 电子工业出版社.2022年08月 付莹编著.《计算机视觉基础》.清华大学出版社，2024年 06月 张伟著.《人工智能语音测试原理与实践》.清华大学出 版社，2022年12月 4.相关教学资源网址：学习通平台 八、说明 本大纲经课程所属学院制定人、审订人、审批人签字后 方可生效，以上内容由课程所属学院负责解释。 制定人：周宇文 审订人：李福清 审批人：潘章明 时间： 2024 年 12 月 18 日