附件 《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（靠左，空两格、五号、宋体） 课程的学科背景：本课程根植于人工智能这一前沿且综合性的学科。人工智能作为21世纪的核心技术之一，其学科背景涵盖了数学、计算机科学、控制论、语言学、心理学、哲学等多个领域。随着大数据、云计算和深度学习等技术的快速发展，人工智能的应用领域日益广泛，从智能家居到自动驾驶，从医疗诊断到金融风控，都展现了其巨大的潜力和价值。 开设目的和意义：本课程旨在为学生提供一个全面且系统的人工智能基础知识体系，使他们能够掌握人工智能的核心原理、方法和技术。通过本课程的学习，学生将能够理解人工智能的发展历程、现状和未来趋势，培养对人工智能技术的兴趣和热情，为后续的深入学习和实践打下坚实的基础。同时，本课程也注重培养学生的创新思维和解决问题的能力，以适应快速变化的人工智能领域。 主要内容：本课程的主要内容包括人工智能的基本概念、发展历程和应用领域；机器学习的基本原理和常用算法；深度学习的基本框架和典型模型；自然语言处理、计算机视觉和强化学习等核心技术；以及人工智能的伦理、法律和社会影响等。 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40%）和期末考试（60%），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。 填写说明：课程简介字数在300字左右 三、课程目标（靠左，空两格、五号、宋体） 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。 填写说明： 1.课程目标要支撑毕业要求分解指标点，原则上课程目标与所支撑的毕业要求分解指标点一一对应。 2.课程体系支撑毕业要求是撰写课程目标的主要依据，但可能没有包含课程的全部目标任务，课程（尤其是支撑毕业要求分解指标点较少的课程）需完整撰写课程目标并支撑相应的毕业要求分解指标点，即没有重点支持任务不代表没有支撑任务。 3.每个课程目标由多个观测点（课程内容的教学目标）构成，需准确表达学生学习的产出目标，而非教学要求。 用语示例供参考： 能够运用……知识表达……，能建立……，能运用……方法判断……，能提出……，确定……，能设计……，分析……，验证……，取得……，能应用……，熟练操作……，具备……的能力。 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（靠左，空两格、五号、宋体） 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 填写说明： 1.毕业要求序号按照专业毕业要求条目序号填写。 2.课程目标与指标点要合理对应，原则上课程目标与所支撑的毕业要求分解指标点一一对应。 3.该表须与人才培养方案中的毕业要求及其指标点对应。 4.多个课程目标可以对应一个毕业要求，但一个课程目标尽量不要发生对应多个毕业要求。 5.在课程目标后，用H、M、L标识某一课程目标与某一毕业要求的相关程度，H代表某一课程目标与某一毕业要求高度相关（满足关联的毕业要求3个或以上指标点），M代表中度相关（满足2个指标点），L代表低度相关（满足1个或以下指标点）。 五、教学内容、要求及进度安排 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 1.1什么是人工智能 1.1人工智能的定义与核心特征 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 1.2.1人工智能的历史起源与发展脉络 1.2.2人工智能的分类与主要流派 1.2.3人工智能在现代社会的地位与影响 1.3人工智能的产业结构 1.3.1基础层：涵盖人工智能的硬件平台，如芯片、传感器等 1.3.2技术层：依靠计算平台和数据资源进行大规模的识别训练和机器学习建模 1.3.3应用层：与具体场景相融合的应用，主要应用于安防、金融、医疗、交通等领域 1.4人工智能的核心技术 机器学习、知识图谱、自然语言处理、计算机视觉、人机交互等 1.5人工智能的应用领域 制造、家居、金融、零售、交通、安防、医疗、教育、物流等各行各业 1.6人工智能风险 1.6.1技术风险：数据安全、算法偏见、技术失控等 1.6.2经济风险：就业冲击、市场垄断、经济不平等加剧等 1.6.3社会风险：隐私侵犯、伦理道德挑战、社会信任危机等 1.6.4法律风险：法律滞后、责任归属不明确、跨国法律问题等 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 难点：理解人工智能不同技术的原理和应用场景，以及它们之间的区别和联系 学情分析 对于本章节内容，学生虽然对人工智能这一前沿科技领域抱有浓厚的兴趣与强烈的好奇心，但受限于专业背景，普遍缺乏与人工智能直接相关的计算机科学、数学等基础知识，导致在理解人工智能的基本概念、发展历程及核心技术时可能会感到迷茫或有些吃力。因此，在这一章节的教学中，教师需要特别注重激发学生的学习兴趣，通过引入生动有趣的案例、简要明了地介绍人工智能的核心技术和应用领域，帮助学生逐步建立起对人工智能的全面和系统的认识。同时，引导学生思考人工智能对社会、经济和文化等方面的潜在影响，培养学生的跨学科思维能力和创新意识，为后续深入学习人工智能打下坚实的基础。 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介绍 2.1.1 Python简介 2.1.2 Python编程环境 2.1.3 Python数据结构 2.1.4 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 函数定义与调用 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 难点：python数据结构，python程序控制结构 学情分析 本章面向的是对Python有兴趣但缺乏实际编程经验的学生群体。学生普遍对Python及其在AI领域的应用有初步认识，但对具体语法、数据结构及模块使用等方面了解有限。学习态度上，学生表现出积极的学习意愿，尤其当了解Python在AI的广泛应用后，学习动力增强。然而，编程的逻辑思维和抽象能力对部分学生构成挑战，特别是在理解Python特性、函数定义与调用、异常处理等方面。因此，教学策略上应强调理论与实践结合，通过丰富示例和练习加深理解。同时，针对难点和易错点提供额外辅导，鼓励学生积极参与课堂讨论和编程实践，通过合作学习提升编程能力和问题解决能力。总之，本章教学需综合考虑学生实际情况，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。 预习Python的基本语法，包括变量、数据类型、运算符等，为后续学习打下基础。 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、掌握程序设计方法。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 3.2.2 Numpy数据类型转换 3.3 Numpy数组广播机制 3.3.1 广播机制基本概念 3.3.2 广播规则 3.3.3 广播机制应用 3.4 特殊数值处理 3.4.1 特殊数组的概念和产生原因 3.4.2 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。 难点：对多维数组的理解和操作；数组的广播机制；与random有关的函数的使用和区别，如np.random.randint、np.random.random、np.random.randn等；特殊数值（如NaN和Inf）的处理。 学情分析 学生普遍对Numpy作为Python在科学计算领域的重要库有所认知，但对其具体功能、用法及优势了解不深。在学习初期，学生可能对Numpy的安装和验证方法感到陌生，需要详细指导。对于Numpy数组的创建与操作，学生可能已掌握Python列表等基础知识，但对Numpy数组的高效性和便捷性认识不足。在数学函数和多维数组的学习中，学生可能会遇到一些挑战，如理解函数的应用场景、掌握多维数组的切片和索引方法等。此外，数组的广播机制和特殊数值处理也是学生学习的难点。因此，在教学过程中，应注重理论与实践相结合，通过实例演示和练习，帮助学生逐步掌握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 Series创建与基本操作 4.1.2 DataFrame创建与基本操作 4.1.3 Series与DataFrame的索引操作 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 使用布尔索引进行数据过滤 4.2.4 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 4.3.4 分组数据的排序和可视化 4.4 合并和连接 4.4.1 数据框合并 4.4.2 基于不同键的合并 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 时间序列数据生成与索引设置 4.7.2 时间间隔计算与转换 4.7.3 时间序列数据分析与可视化 课程思政： pandas作为强大的数据处理和分析工具，帮助学生从数据中提取有价值的信息，引导学生认识到数据在决策中的重要性，培养数据驱动的思维方式和决策意识；在处理和分析数据时，强调遵守法律法规和伦理规范的重要性，引导学生关注数据隐私、数据安全等问题，培养他们的社会责任感和伦理意识；强调数据分析在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 难点：API 的复杂性和多样性，索引和选择的深入理解，数据清洗和预处理，错误调试和问题解决 学情分析 对Pandas作为Python在数据分析领域的重要库学生并不了解，对其核心数据结构Series和DataFrame，以及具体的数据处理和分析方法了解不深。在学习初期，学生可能对Pandas的安装、数据读取和存储感到陌生，需要详细的指导和实践。随着课程的深入，学生可能会遇到数据清洗和预处理、数据选择和过滤、数据分组和聚合等挑战，这些都需要学生具备较强的逻辑思维和问题解决能力。此外，时间序列处理也是学生学习的难点之一，需要掌握时间序列数据的特性和处理方法。因此，在教学过程中，应注重理论与实践相结合，通过实例演示和练习，帮助学生逐步掌握Pandas的基本功能和高级用法，提高他们的数据分析能力和解决实际问题的能力。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。 准备数据样本：找一些CSV、Excel等格式的数据文件，以便在学习过程中进行实践操作。 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、掌握数据分析库pandas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 计算机视觉概述 5.1.1 基本原理 5.1.2 技术手段与工具 5.1.3 发展历程 5.1.4 应用领域 5.1.5 计算机视觉处理流程 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 通用图像处理与应用 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 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。 设计并实现一个完整的机器视觉系统，涉及硬件选择、软件编程和系统集成。 学情分析 学生们普遍对计算机视觉这一前沿技术抱有浓厚兴趣，但对其技术体系和基本任务了解不深。在学习初期，学生可能对计算机视觉的基本概念和应用场景感到陌生，需要教师通过生动案例进行引导。随着课程的深入，学生可能会遇到图像分类、目标检测与定位、图像分割等任务的算法原理和实现方法的挑战，这些都需要学生具备较强的逻辑思维和数学基础。此外，对于计算机视觉和机器视觉在实际应用中的差异和联系，学生可能也存在疑惑。因此，在教学过程中，教师应注重理论与实践相结合，通过实例演示和动手实践，帮助学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 智能语音处理的概念 6.2 语音处理常用技术 6.2.1 语音合成 6.2.2 语音识别 6.2.3 语音分析 6.2.4 声纹识别 6.2.5 语音增强 6.3 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 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，掌握语音处理技术体系框架，并能通过典型案例了解语音处理技术的应用场景。 熟悉语音处理常用技术，包括语音合成、语音识别、语音分析、声纹识别和语音增强，能够解释这些技术的基本原理和常用方法。 了解语音处理的常见应用，掌握语音识别和语音合成在不同领域中的实际应用，以及它们对提升用户体验和效率的作用。 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 自然语言处理的概念 7.1.1 自然语言处理技术体系 7.1.2 典型案例 7.1.3 自然语言中的歧义难题 7.2 自然语言处理的基本任务 7.2.1 分词 7.2.2词性标注 7.2.3 命名实体识别 7.2.4 依存句法分析 7.3 自然语言处理的应用 7.3.1 机器翻译 7.3.2垃圾邮件分类 7.3.3 信息抽取 7.3.4 文本情感分析 7.3.5 智能问答-聊天机器人 7.3.6 个性化推荐 7.4 知识图谱及其应用 7.4.1 知识图谱的概念 7.4.2 知识图谱的应用 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，掌握自然语言处理技术体系框架，能够分析典型案例并认识自然语言中的歧义难题。 熟悉自然语言处理的基本任务，包括分词、词性标注、命名实体识别、依存句法分析等，能够解释这些任务的目的和常用方法。 了解自然语言处理在机器翻译、垃圾邮件分类、信息抽取、文本情感分析、智能问答及个性化推荐等方面的应用，掌握其基本原理和实现方式。 掌握知识图谱的概念，理解知识图谱在知识表示、推理和查询等方面的作用，能够举例说明知识图谱在实际应用中的价值。 学习重难点 重点： 自然语言处理的基本概念和任务，包括分词、词性标注、命名实体识别、依存句法分析等。 自然语言处理的主要应用领域，如机器翻译、垃圾邮件分类、信息抽取、文本情感分析等。 知识图谱的概念、结构及其在各个领域的应用。 难点： 自然语言处理中的歧义难题，如何处理词义歧义、句法歧义和语义歧义。 分词算法的原理和实现，尤其是在中文分词中的特殊问题。 依存句法分析的理论与实践，理解不同类型的依存关系。 知识图谱的构建和应用，包括实体识别、关系抽取和知识推理。 学情分析 学生们普遍对自然语言处理这一领域充满好奇，因为它直接关联到人类语言的理解和生成，具有广泛的应用前景。然而，自然语言处理的复杂性和多样性可能给初学者带来一定挑战。学生们可能对自然语言处理的基本概念和技术体系有初步了解，但对于如何具体实现这些技术，以及如何解决自然语言中的歧义难题，可能感到困惑。 在学习过程中，学生们需要逐步掌握分词、词性标注、命名实体识别、依存句法分析等基本任务，这些任务对于理解自然语言处理的核心技术至关重要。同时，通过案例学习，学生们能够更好地理解自然语言处理在实际应用中的价值和挑战。 此外，知识图谱作为自然语言处理的一个重要分支，其概念和应用也需要学生们重点掌握。通过本章的学习，学生们将能够更加深入地理解自然语言处理的原理和应用，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： [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。 收集语料数据：准备一些用于分词、词性标注、命名实体识别等任务的语料数据，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，掌握人工智能自然语言处理领域的应用，掌握使用python和百度智能云平台搭建个性化自然语言处理应用。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 第八章：生成式大模型应用 学时：6 支撑课程目标：1、2、3、4、5 主要内容 8.1 生成式大模型介绍 8.1.1 什么是生成式大模型 8.1.2 国内外生成式模型介绍 8.1.3 文心一言介绍 8.2 文心一言在学习方面的应用 8.2.1 学习小助手 8.2.2 创意写作 8.2.3 文本绘画 8.2.4 教育培训 8.3 文心一言在工作方面的应用 8.3.1 职场效率小助手 8.3.2 智能生成营销方案 8.3.3 商业投资分析 8.3.4 求职招聘信息一键生成 8.3.5 代码编程智能辅助 8.4 文心一言在生活娱乐方面的应用 8.4.1 模拟人物互动 8.4.2 各式歌词一秒生成 8.4.3 美食之窗 8.4.4 私人定制旅游攻略 8.4.5 日常生活小助手 8.4.6 专业评论生成 8.5 文心一言APP 8.5.1 如何下载文心一言APP 8.5.2 文心一言APP的使用 8.5.3 文心一言APP基础设置 课程思政： 强调生成式大模型文心一言是中国自主研发的先进技术，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 第九章：实验 学时：6 支撑课程目标：1、2、3、4、5 主要内容 9.1 实验1 python实验1 9.2 实验2 python实验2 9.3 实验3 python实验3 9.4 实验4 python实验4 9.5 实验5 python实验5 9.6 实验6 python实验6 9.7 实验7 百度人工智能开放平台体验与开发准备 9.8 实验8计算机视觉应用体验与开发实验 9.9 实验9 智能语音应用体验与开发实验 9.10 实验10 自然语言应用体验与开发实验 9.11 实验11 文心一言的使用 学习目标 掌握Python编程技能：通过完成前六个基于Python的实验，学生应能够熟练掌握Python编程的基本语法、数据结构、函数定义及调用等，为后续的人工智能应用开发打下坚实基础。 了解并体验AI开放平台：通过实验7，学生将熟悉百度人工智能开放平台等资源，掌握如何注册、登录、查看API文档及申请使用API密钥等基本操作，为后续的实验做准备。 掌握计算机视觉、智能语音、自然语言处理等技术：通过实验8至实验10，学生将深入理解计算机视觉、智能语音、自然语言处理等人工智能领域的基本原理，并能够通过实际开发体验这些技术的应用。 提升实践能力和创新能力：通过完成一系列实验，学生将提高动手实践能力，学会将理论知识应用于实际开发中，同时培养创新思维和解决问题的能力。 熟悉文心一言等先进AI工具：通过实验11，学生将了解并学会使用文心一言等先进的AI工具，掌握其基本功能和操作方法，为未来的学习和工作提供便利。 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 20% 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。 60% 课程目标1、2、3、4、5 填写说明： 1.考核方式一栏填写具体的平时成绩评价项目，如作业、考试等。 2.各评价方式占分比例应按照权重设置规则，权重值建议按5%递进。 3.不建议完全采用终结性的单一测试作为总评成绩，鼓励多元化过程考核。 4.采取的评价方式必须遵循“学生全覆盖”的公平原则。 5.采取的评价方式应确保真实有效，无法杜绝抄袭和工作强度过高的评价方式都视作不合理，不应作为评价方式。 6.考勤以及不能全覆盖的课堂表现，不能作为课程目标达成度的计算数据，对缺勤学生可直接扣减平时考核成绩。 （二）评价标准（靠左，空两格、五号、宋体） 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 …… 作业 考察学生对基本概念、基础知识的掌握程度。 能独立完成测试，答题思路清晰，正确率高。 能独立完成测试，答题思路较清晰，正确率较高。 能完成测试，具备一定的答题思路，正确率一般。 问题分析不够准确；回答问题一般；作业错误较多。 无法独立完成测试，答题思路混乱，正确率低。 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。 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 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。 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。 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。 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。 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。 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。 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。 能够高效、准确地编写Python代码，灵活运用Numpy、Pandas等库处理大规模数据集，并能独立完成人工智能应用的开发和部署。 熟练掌握Python编程基础，能够编写正确的代码并处理一般规模的数据集，能完成基本的人工智能应用实践。 对Python编程有一定了解，能够编写简单的代码，但在数据处理和实际应用中可能需要指导。 知道Python编程的基本概念，但在编写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。 在案例分析和讨论中能够提出新颖、有深度的见解，能够批判性地分析人工智能技术的优缺点，并提出创新性的解决方案。 积极参与讨论，能够提出合理的观点和建议，对人工智能技术有一定的批判性思考。 偶尔参与讨论，能够跟随课堂节奏，但对问题的思考深度和创新性有限。 知道参与讨论的重要性，但很少主动发言，对问题的思考较为浅显。 几乎不参与课堂讨论，对问题缺乏思考和见解。 课程目标4 考察对人工智能在计算机视觉、智能语音、自然语言处理、智能机器人等领域应用的理解和掌握情况。 深刻理解人工智能在各领域的应用原理和实现方式，能够独立完成相关领域的项目开发和部署。 对人工智能在各领域的应用有较为全面的了解，能够完成基本的应用实践。 对人工智能在某些领域的应用有所了解，但在实际应用中可能需要更多指导。 知道人工智能在某些领域的应用，但对具体应用细节和实现方式掌握不够深入。 对人工智能在不同领域的应用几乎一无所知。 课程目标5 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： 年 月 日 备注：表格中所有蓝色字体的填写说明以及示例，请在填写完成后全部删除。