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 一、课程简介 课程类别：通识教育课程 授课对象：本科层次非计算机专业 学时与学分：48学时，3学分 使用教材：李福清，吴炎太主编，《人工智能基础（Pyt hon实现）》，人民邮电出版社，2024年 参考教材： 1.杨洪雪. 人工智能应用基础[M]. 北京：机械工业出版社，2023 2. 蔡自兴，刘丽珏，陈白帆，等. 人工智能及其应用 [M]. 7版.北京：清华大学出版社，2024 3. 钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023 二、教学目的与教学要求： 1.教学目的 （1）让学生全面了解人工智能的发展历程、基本概念 和理论体系，为后续深入学习打下坚实基础。 （2）培养学生掌握Python编程和数据分析技能，能够运 用这些技能解决实际问题。 （3）使学生掌握计算机视觉、智能语音处理和自然语 言处理等核心技术，具备跟踪人工智能领域最新发展趋 势的能力。 （4）通过实际项目操作，让学生熟练运用百度AI开放平 台，提高人工智能技术的应用能力。 （5）培养学生跨学科知识体系，提升团队协作和沟通 能力，为未来学术研究和职场竞争奠定坚实基础。 2.教学要求 （1）知识要求： ①掌握人工智能的基本概念、发展历程和理论体系； ②熟悉Python编程和数据分析的基本方法； ③了解计算机视觉、智能语音处理和自然语言处理等核 心技术； ④理解百度AI开放平台的基本功能和操作方法。 （2）技能要求： ①能够运用Python编程和数据分析技能解决实际问题； ②熟练使用百度AI开放平台进行项目开发； ③具备一定的计算机视觉、智能语音处理和自然语言处 理技术实践能力。 （3）能力要求： ①具备跨学科知识体系，能够将所学知识应用于实际问 题； ②具有良好的团队协作和沟通能力，能在项目中发挥积 极作用； ③能够紧跟人工智能领域的发展趋势，不断提升自己的 动手能力和创新思维。 （4）态度要求： ①对人工智能领域保持浓厚兴趣，主动关注行业动态； ②具有积极探索精神，勇于挑战自我，不断提高自身综 合素质。 第 1 次课 2学时 本次课教学重点： 人工智能的定义、核心特征及其对人类智能的模拟与超 越。 人工智能的发展历程及其产业结构。 人工智能的核心技术，包括机器学习、知识图谱、自然 语言处理、计算机视觉和人机交互。 人工智能的应用领域及其潜在风险。 本次课教学难点： 理解人工智能的核心技术原理，如机器学习算法、知识 图谱构建、自然语言处理技术等。 分析人工智能在不同领域的应用案例，理解其应用逻辑 和实际效果。 评估人工智能技术的潜在风险及其对社会的影响。 本次课教学内容： 第1章人工智能概述 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：采用讲授、案例分析、小组讨论、互动 问答等多种教学方法。 辅助手段：使用PPT展示、视频资料、在线资源平台等辅 助教学手段。 师生互动：鼓励学生提问和参与讨论，实时解答学生的 疑问。 时间分配：概述（10分钟）、发展历程与产业结构（20 分钟）、核心技术（40分钟）、应用领域与风险（15分 钟），学生提问与解答（5分钟）。 板书设计：简洁明了，突出核心概念和技术框架。 重点突出：通过案例分析和互动讨论强化重点内容。 难点解决：通过实际操作演示和深入讲解帮助学生理解 难点。 作业布置： 1、总结人工智能的定义、核心特征及其发展历程。 2、分析一个感兴趣的人工智能应用案例，说明其技术 原理和应用效果。 3、讨论人工智能技术可能带来的风险及其应对措施。 本次课推荐和参考文献 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 刘鹏、程显毅、李纪聪，《人工智能概论》，清华大学 出版社，2021年 本次课实践教学设计： 1、分组讨论，每组选择一个人工智能应用领域，分析 其技术需求和挑战 课后自我总结分析： 学生回顾本次课所学内容，总结自己对人工智能基本概 念、核心技术及应用领域的理解。 教师根据学生的反馈和作业完成情况，评估教学效果， 调整后续教学内容和方法。 第 2 次课 2学时 本次课教学重点： Python的基本数据类型及其操作方法。 Python组合数据类型（列表、元组、字典、集合）的使用 。 Python编程环境的搭建与使用。 本次课教学难点： 理解Python中不同数据类型的适用场景和操作方法。 掌握组合数据类型的复杂操作，如列表推导式、字典的 视图等。 本次课教学内容： 第2章Python编程基础 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍Python的基础知识，解释基 本数据类型和组合数据类型的概念。案例教学法：通过 实例演示Python编程环境的使用和基本数据类型的操作。 互动式学习：鼓励学生通过编程练习来加深理解。 辅助手段：使用投影仪展示代码示例和操作步骤。使用 Python编程平台，如Spyder或Jupyter Notebook，进行实时代码演示和练习。 师生互动：提问与回答：在讲解每个知识点后，教师提 出问题，学生进行回答。小组讨论：学生分组讨论编程 练习，共同解决问题。 时间分配：Python简介：10分钟；Python编程环境：15分钟 ；基本数据类型：20分钟；组合数据类型：25分钟；练 习与讨论：20分钟。 板书设计：使用思维导图概述Python基础知识。列出基本 数据类型和组合数据类型的关键点和示例代码。 重点突出：通过具体案例强调每种数据类型的重要性和 实际应用。 难点解决：通过逐步引导和练习，帮助学生理解复杂的 数据类型操作。 作业布置： 1、编写一个Python程序，使用至少两种基本数据类型和 一种组合数据类型。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 1、学生在课堂上跟随教师一起编写代码。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试用自己的话解释 。 教师收集学生的反馈，评估教学效果，并据此调整后续 的教学计划。 第 3 次课 2学时 本次课教学重点： Python内置函数的使用和功能。 Python运算符的种类及其应用。 条件语句的结构和编写方法。 本次课教学难点： 理解并熟练运用Python内置函数。 掌握不同运算符的优先级和结合性。 编写复杂条件语句并进行逻辑判断。 本次课教学内容： 第2章Python编程基础 2.1 Python基础知识 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍内置函数、运算符与表达 式、条件语句的概念和用法。演示法：通过代码示例演 示内置函数和条件语句的使用。练习法：学生通过编写 代码来练习条件语句和运算符的使用。 辅助手段：使用PPT展示内置函数列表和运算符优先级表 。使用代码编辑器进行实时编码演示。 师生互动：学生跟随教师一起在编辑器中编写代码。教 师提出问题，学生进行解答，共同讨论。 时间分配：内置函数：15分钟；运算符与表达式：15分 钟；条件语句：20分钟；练习与讨论：20分钟；总结与 答疑：10分钟。 板书设计：列出常用的内置函数及其功能。绘制运算符 优先级表。示例条件语句的结构。 重点突出：通过实际例子强调内置函数的便捷性和运算 符的重要性。通过编写简单的条件语句程序来展示其应 用。 难点解决：通过反复练习和示例来加强学生对内置函数 的记忆。通过逻辑图解帮助学生理解运算符优先级。通 过逐步增加条件语句的复杂度来提高学生的编写能力。 作业布置： 编写一个Python程序，使用至少三个内置函数。 编写一个包含至少两个条件分支的程序，实现简单的决 策逻辑。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生在课堂上跟随教师一起编写内置函数和条件语句的 代码。 学生完成一个小项目，如编写一个简单的计算器程序。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试用自己的话解释 。 教师收集学生的反馈，评估教学效果，并据此调整后续 的教学计划。 第 4 次课 2学时 本次课教学重点： 掌握for和while循环语句的使用。 理解并能够遍历不同的可迭代对象。 学会使用try和except进行基本的异常处理。 本次课教学难点： 理解循环语句中的控制流，包括break和continue的使用。 遍历复杂可迭代对象，如字典和生成器。 设计健壮的异常处理结构，避免常见错误。 本次课教学内容： 第2章Python编程基础 2.2 Python程序控制语句 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍循环语句、可迭代对象遍 历和异常处理的基本概念。演示法：通过代码示例展示 如何编写循环和异常处理代码。练习法：学生通过编写 代码来实践所学知识。 辅助手段：使用投影仪展示代码示例。使用代码编辑器 和交互式Python环境（如Jupyter Notebook）进行实时编码。 师生互动：教师提出问题，学生通过编写代码来解答。 学生展示自己的代码，教师进行点评和指导。 时间分配：循环语句：25分钟；可迭代对象的遍历方法 ：15分钟；异常处理：20分钟；练习与讨论：30分钟；总 结与答疑：10分钟。 板书设计：列出for和while循环的语法结构。示例不同可 迭代对象的遍历方法。异常处理的基本框架。 重点突出：通过实际例子强调循环语句在数据处理中的 应用。通过遍历不同类型的可迭代对象来展示遍历方法 的多样性。通过异常处理案例强调代码的健壮性。 难点解决：通过逐步增加循环的复杂度来帮助学生掌握 控制流。通过对比不同可迭代对象的遍历方法来加深理 解。通过讨论和示例来教授如何编写有效的异常处理代 码。。 作业布置： 编写一个程序，使用for循环打印1到100的偶数。 编写一个程序，使用while循环实现用户输入密码，直到 输入正确为止。 编写一个程序，遍历一个列表，并在遇到特定值时使用 break跳出循环。 编写一个程序，包含异常处理，尝试打开一个不存在的 文件，并捕获异常。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生在课堂上跟随教师一起编写循环语句和异常处理的 代码。 学生尝试不同的可迭代对象遍历方法，并讨论其适用场 景。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释循环语句、 可迭代对象遍历和异常处理在实际编程中的应用。 教师根据学生的反馈和作业完成情况，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 5 次课 2学时 本次课教学重点： 掌握函数的定义方法和调用方式。 理解模块与包的概念，并学会使用它们。 学习如何安装和使用第三方库。 掌握基本的文件操作方法。 本次课教学难点： 函数的参数传递，包括位置参数、默认参数、关键字参 数和可变参数。 模块与包的导入机制，以及命名空间的概念。 第三方库的安装和配置。 文件读写操作的细节处理。 本次课教学内容： 第2章Python编程基础 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍函数定义、调用、模块与 包、第三方库安装与使用、文件操作的基本概念。案例 分析法：通过具体案例讲解函数的应用和模块的使用。 实践操作法：学生通过实际编码练习来掌握知识点。 辅助手段：使用投影仪展示代码示例和操作步骤。使用 代码编辑器和终端命令行进行实时编码和第三方库安装 。 师生互动：教师提出问题，学生通过编写代码或讨论来 回答。学生在编写代码时，教师进行巡回指导。 时间分配：函数定义与调用：20分钟；模块与包的使用 ：15分钟；第三方库的安装与使用：10分钟；文件操作 ：20分钟；练习与讨论：20分钟；总结与答疑：5分钟。 板书设计：列出函数定义的基本语法。示例模块导入的 不同方式。文件操作的基本步骤。 重点突出：通过实际例子强调函数在代码复用和模块化 编程中的重要性。通过模块与包的使用展示代码组织和 管理的方法。通过安装和使用第三方库来强调Python生态 的强大。通过文件操作案例强调数据处理的基本技能。 难点解决：通过示例和练习来讲解不同类型的函数参数 。通过图示和实例来解释模块与包的导入机制。通过步 骤分解和演示来教授第三方库的安装。通过详细的代码 示例来讲解文件操作中的常见问题。 作业布置： 编写一个函数，计算两个数的和，并调用该函数。 导入一个内置模块，并使用其中的至少一个函数。 安装一个第三方库（如requests），并使用它进行简单的 网络请求。 编写一个程序，读取一个文本文件，并将内容全部转为 大写后写入另一个文件。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生在课堂上跟随教师一起编写函数、导入模块、安装 第三方库和进行文件操作。 学生完成一个小项目，如编写一个简单的日志记录器， 使用第三方库来格式化输出。 教材实验1 Python程序设计基础实验。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释函数、模块 、第三方库和文件操作在实际编程中的应用。 教师根据学生的反馈和作业完成情况，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 6 次课 2学时 本次课教学重点： Numpy数组的创建方法。 Numpy数组的基本属性和操作。 常用Numpy函数的使用。 本次课教学难点： 理解Numpy数组的维度和数据类型。 掌握Numpy数组的切片和索引操作。 应用Numpy函数进行数组变换和计算。 本次课教学内容： 第3章数值分析库Numpy 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍Numpy数组的基础知识。演 示法：通过代码示例展示Numpy数组的创建和操作。实践 操作法：学生通过编码练习来掌握Numpy的使用。 辅助手段：使用Jupyter Notebook或Spyder进行实时编码演示。使用投影仪展示代码 和操作结果。 师生互动：教师提出问题，学生通过编写代码或讨论来 回答。学生在实践操作中遇到问题时，教师进行个别指 导。 时间分配：Numpy数组创建：15分钟；Numpy数组属性：10分 钟；Numpy数组基本操作：20分钟；Numpy函数：25分钟；练 习与讨论：15分钟；总结与答疑：5分钟。 板书设计：列出Numpy数组的创建方法和属性。示例Numpy 数组的基本操作和函数使用。 重点突出：通过实际例子强调Numpy数组在数据分析中的 重要性。通过操作演示来展示Numpy数组的灵活性和强大 功能。 难点解决：通过图示和实例来解释Numpy数组的维度和数 据类型。通过逐步讲解和练习来掌握数组的切片和索引 。通过实际案例来演示Numpy函数的应用。 作业布置： 创建一个Numpy数组，并修改其数据类型。 对给定数组进行切片操作，并提取特定元素。 使用Numpy函数计算数组的平均值、标准差和协方差矩阵 。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生在课堂上跟随教师一起创建Numpy数组，探索数组属 性，并进行基本操作。 学生通过小组合作，使用Numpy函数解决实际问题，如数 据统计和分析。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释Numpy数组在 实际数据处理中的应用。 教师根据学生的反馈和作业完成情况，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 7 次课 2学时 本次课教学重点： 理解Numpy的数据类型系统。 掌握Numpy数据类型转换的方法。 学习Numpy数组的广播机制。 特殊数值处理，如NaN和无穷大的处理。 本次课教学难点： Numpy数据类型的精确理解和正确使用。 数组广播规则的理解和应用。 特殊数值的识别与处理。 本次课教学内容： 第3章数值分析库Numpy 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍Numpy数据类型和广播机制 的理论知识。演示法：通过代码示例展示数据类型转换 和广播操作。案例分析法：通过具体案例讲解特殊数值 的处理方法。 辅助手段：使用Jupyter Notebook或Spyder进行实时编码演示。使用图表和动画来解 释数组广播机制。 师生互动：教师提出问题，学生通过编写代码或讨论来 回答。学生在实践操作中遇到问题时，教师进行个别指 导。 时间分配：Numpy数据类型概述：10分钟；Numpy数据类型转 换：15分钟；Numpy数组广播机制：20分钟；特殊数值处理 ：15分钟；练习与讨论：25分钟；总结与答疑：5分钟。 板书设计：列出Numpy支持的常见数据类型。示例数据类 型转换的代码。图解数组广播的规则。列出特殊数值处 理的方法。 重点突出：通过实际例子强调正确使用数据类型的重要 性。通过操作演示来展示数组广播的便捷性。通过案例 分析来强调特殊数值处理在数据分析中的必要性。 难点解决：通过对比和练习来加深对Numpy数据类型的理 解。通过图示和示例来解释数组广播的规则。通过实际 操作来掌握特殊数值的处理技巧。 作业布置： 创建一个Numpy数组，并将其数据类型转换为另一种类型 。 编写代码实现两个数组的广播操作。 处理一个包含NaN和无穷大值的数组，进行适当的填充或 删除。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生在课堂上跟随教师一起探索Numpy数据类型，进行类 型转换，并观察广播机制的效果。 学生通过小组合作，处理包含特殊数值的数据集，学习 如何清洗数据。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释Numpy数据类 型、广播机制和特殊数值处理在实际数据处理中的应用 。 教师根据学生的反馈和作业完成情况，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 8 次课 2学时 本次课教学重点： 掌握Python中的控制结构，包括条件语句和循环。 学习函数的定义、调用以及参数传递机制。 理解不同文件模式的使用，并能够进行文件操作。 编写结构清晰、风格良好的代码。 本次课教学难点： 理解并应用循环和条件语句进行复杂逻辑处理。 函数的递归调用和参数传递的高级用法。 文件操作的错误处理和模式选择。 维护良好的代码风格和可读性。 本次课教学内容： 实验2 Numpy数值分析库实验 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍实验目的和内容，讲解关 键概念。演示法：通过代码示例展示实验步骤和技巧。 实践操作法：学生通过编码练习来掌握实验内容。 辅助手段：使用投影仪展示代码示例和操作步骤。提供 实验手册或程序代码，供学生参考。 师生互动：教师提出问题，学生通过编写代码或讨论来 回答。学生在实践操作中遇到问题时，教师进行个别指 导。 时间分配：实验目的和内容介绍：5分钟；编写成绩处 理程序：8分钟；计算公司盈利：8分钟；分类字母程序 ：8分钟；素数筛选程序：8分钟；斐波那契数列生成：8 分钟；输出偶数程序：8分钟；编写find_max_min()函数：8 分钟；通过考试的学生分数处理：8分钟；设计计算器 函数：8分钟；写入文件程序：8分钟；总结与答疑：5分 钟。 板书设计：列出实验步骤和关键代码片段。示例控制结 构和函数定义。文件操作的模式和代码风格指南。 重点突出：通过实际例子强调控制结构在解决问题中的 重要性。通过函数编写的实践来加深对参数传递机制的 理解。通过文件操作的演示来强调模式选择的重要性。 通过代码审查来强调代码风格和可读性的重要性。 难点解决：通过逐步引导和练习来帮助学生掌握循环和 条件语句。通过讨论和示例来解释函数的高级用法。通 过错误处理案例来教授文件操作的健壮性。通过代码风 格对比来提升学生的代码质量意识。 作业布置： 完成实验手册中的所有编程任务。 对每个任务进行代码注释，解释关键步骤。 编写实验报告，总结学习心得和遇到的问题。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生按照实验手册的指导，逐步完成编程任务。 教师巡回指导，解答学生疑问，提供帮助。 课后自我总结分析： 学生回顾实验中的知识点，并反思在编程实践中遇到的 问题和解决方案。 教师根据学生的实验报告和反馈，评估教学效果，并针 对学生的难点进行后续的教学调整。 第 9 次课 2学时 本次课教学重点： Pandas序列和数据框的创建与基本操作。 数据选择与过滤的方法，包括选择器、快速访问器和条 件筛选。 本次课教学难点： 理解Pandas数据结构的内部机制。 掌握复杂的数据筛选和多条件联合筛选。 本次课教学内容： 第4章数据分析库Pandas 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍Pandas的基本概念和数据结 构。演示法：通过代码示例展示序列和数据框的创建与 操作。案例分析法：通过实际数据分析案例，讲解数据 选择与过滤的技巧。 辅助手段：使用Jupyter Notebook或Spyder进行现场代码演示。提供预先准备的数据 集供学生练习。 师生互动：教师提出问题，学生通过Pandas操作来解答。 学生在操作中遇到问题时，可以随时提问，教师进行解 答。 时间分配：序列创建与基本操作：20分钟；数据框创建 与基本操作：25分钟；使用选择器和快速访问器：10分 钟；基于条件的数据筛选：15分钟；多条件联合筛选：1 0分钟；练习与答疑：10分钟。 板书设计：列出Pandas序列和数据框的关键属性和方法。 示例数据选择和过滤的代码片段。 重点突出：通过实际数据操作强调序列和数据框的重要 性。通过示例和练习来强化数据选择与过滤技能。 难点解决：通过图解和示例来帮助学生理解Pandas数据结 构的内部机制。通过逐步引导和练习来掌握复杂的数据 筛选技巧。 作业布置： 完成一系列Pandas操作练习，包括序列和数据框的创建、 数据选择与过滤。 对练习中的每个步骤进行注释，解释操作的目的和原理 。 分析一个简单的数据集，使用Pandas进行数据筛选和总结 。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生跟随教师的演示，逐步学习Pandas的基本操作。 学生在教师的指导下，对提供的数据集进行实际操作练 习。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释Pandas在数据 分析中的应用。 教师根据学生的作业完成情况和反馈，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 10 次课 2学时 本次课教学重点： 数据分组与聚合的概念和方法。 数据框的合并与连接操作。 读写CSV和Excel文件的方法。 本次课教学难点： 理解并应用分组聚合的高级功能。 区分合并和连接的不同用法。 处理文件读写时的数据格式和编码问题。 本次课教学内容： 第4章数据分析库Pandas 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍数据分组、聚合、合并、 连接的理论基础。演示法：通过代码示例展示实际操作 步骤。练习法：学生跟随教师指导进行课堂练习。 辅助手段：使用Jupyter Notebook或Spyder进行实时代码演示。准备示例数据集供学 生练习。 师生互动：教师提出问题，学生通过Pandas操作来解答。 学生在操作中遇到问题时，可以随时提问，教师进行解 答。 时间分配：数据分组与聚合：25分钟；数据框合并与连 接：25分钟；读写CSV和Excel文件：20分钟；练习与答疑： 20分钟。 板书设计：列出数据分组、聚合、合并、连接的关键函 数和参数。展示文件读写操作的代码模板。 重点突出：通过实际案例强调分组聚合在数据分析中的 重要性。通过对比合并和连接的操作，加深学生理解。 通过文件读写操作，强调数据导入导出的实际应用。 难点解决：通过逐步讲解和示例来帮助学生掌握分组聚 合的高级用法。通过图解和练习来区分合并和连接的差 异。通过实际操作和错误分析来处理文件读写问题。 作业布置： 对给定数据集进行分组、聚合和转换操作，并解释每一 步的目的。 合并和连接两个数据集，并讨论不同合并方式的适用场 景。 读取一个CSV文件，进行简单的数据清洗，然后保存为Exc el文件。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生跟随教师的演示，逐步学习分组、聚合、合并、连 接和数据文件读写。 学生在教师的指导下，对提供的数据集进行实际操作练 习。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释Pandas在数据 分析中的应用。 教师根据学生的作业完成情况和反馈，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 11 次课 2学时 本次课教学重点： 数据清洗和预处理的方法，包括缺失值、异常值、重复 值的检测与处理。 数据类型转换的技巧。 时间序列处理的基本操作，如生成、索引设置、重采样 、移动窗口计算和分析。 本次课教学难点： 正确识别并有效处理数据中的缺失值、异常值和重复值 。 理解并应用时间序列的重采样和移动窗口计算。 本次课教学内容： 第4章数据分析库Pandas 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍数据清洗和预处理的理论 基础。演示法：通过代码示例展示时间序列处理的具体 步骤。案例分析法：通过实际数据清洗案例，讲解处理 技巧。 辅助手段：使用Jupyter Notebook或Spyder进行实时代码演示。准备包含缺失值、异 常值和重复值的数据集供学生练习。 师生互动：教师提出数据清洗的问题，学生通过Pandas操 作来解答。学生在处理时间序列数据时，可以提出疑问 ，教师进行解答。 时间分配：数据清洗和预处理：40分钟；时间序列处理 ：40分钟；练习与答疑：10分钟。 板书设计：列出数据清洗的关键步骤和函数。展示时间 序列处理的相关函数和方法。 重点突出：通过实际案例强调数据清洗在数据分析前的 必要性。通过时间序列处理操作的演示，强调其在数据 分析中的应用。 难点解决：通过示例和练习来帮助学生掌握缺失值、异 常值和重复值的处理方法。通过图解和实际操作来帮助 学生理解时间序列的重采样和移动窗口计算。 作业布置： 对给定数据集进行清洗，包括处理缺失值、异常值、重 复值，并进行数据类型转换。 创建一个时间序列数据集，进行索引设置、重采样、移 动窗口计算，并分析时间序列数据。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 对给定数据集进行清洗，包括处理缺失值、异常值、重 复值，并进行数据类型转换。 创建一个时间序列数据集，进行索引设置、重采样、移 动窗口计算，并分析时间序列数据。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释数据清洗和 预处理、时间序列处理在实际数据分析中的应用。 教师根据学生的作业完成情况和反馈，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 12 次课 2学时 本次课教学重点： Pandas的主要数据结构Series和DataFrame的创建与操作。 数据选择技术，包括索引、切片和布尔索引的应用。 时间序列数据的生成、索引设置和重采样。 综合运用Pandas进行数据分析的流程。 本次课教学难点： DataFrame的复杂操作，如分组、聚合和合并。 时间序列数据的处理，特别是重采样和索引设置。 实际数据分析问题的解决思路和方法。 本次课教学内容： 实验3 Pandas数据分析库实验 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍Pandas数据结构和数据选择 技术的基本概念。演示法：通过代码示例展示DataFrame的 创建、操作和时间序列处理。练习法：学生跟随教师指 导进行课堂练习，解决实际问题。 辅助手段：使用Jupyter Notebook或Spyder进行实时代码演示和练习。准备实验手册 ，包含实验目的、内容和参考代码。 师生互动：教师提出问题，学生通过Pandas操作来解答。 学生在操作过程中遇到问题，可以实时提问，教师进行 解答。 时间分配：Series和DataFrame的创建与操作：20分钟；数据 选择技术：15分钟；时间序列数据处理：20分钟；实际 数据分析综合练习：30分钟；答疑：5分钟。 板书设计：列出实验步骤和关键代码片段。展示数据分 析的结果和结论。 重点突出：通过实际案例强调Pandas在数据分析中的重要 性。通过实验操作，突出数据选择和时间序列处理的关 键步骤。 难点解决：通过逐步演示和练习，帮助学生掌握DataFrame 的复杂操作。通过图解和示例，帮助学生理解时间序列 数据的处理方法。 作业布置： 完成实验手册中的所有练习，并将代码和结果整理成报 告。 本次课推荐和参考文献 1、钟雪灵，李立. Python程序设计基础[M]. 北京：电子工业出版社，2023. 本次课实践教学设计： 学生跟随教师的演示，逐步完成实验手册中的练习。 学生在教师的指导下，对实验数据进行实际操作练习。 课后自我总结分析： 学生回顾本次课学到的知识点，并尝试解释Pandas在数据 分析中的应用。 教师根据学生的作业完成情况和反馈，评估教学效果， 并针对学生的难点进行后续的教学调整。 第 13 次课 2学时 本次课教学重点： 计算机视觉的基本概念、发展历程和处理流程。 计算机视觉的基本任务，包括图像分类、目标检测与定 位、图像分割。 计算机视觉的常见应用，如图像技术、OCR、人脸识别、 人体分析。 计算机视觉技术面临的挑战及其未来发展趋势。 本次课教学难点： 理解计算机视觉处理流程中的关键技术。 掌握图像分类、目标检测与定位、图像分割的方法。 认识到计算机视觉在实际应用中的挑战和未来发展方向 。 本次课教学内容： 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 , H V ° " 0 B r   Ú , 0 D F H J L T T V \ ® ° ¶ " $ & 0 6 @ B D r t   ¢ Ú Ü 䜀$摧㞣d ᄀ㲄䜈$䑗Ϩ葠࠼摧㞣d ᄀ튄䜀$䑗d葠Ò摧ᝁ h h h h h h h h h h h 萏Ƥ䑖È葞Ƥ摧ᬧZᤀ互动、时间分配、板书设计、重点 如何突出，难点如何解决等)： 课堂教学方法：讲授法：介绍计算机视觉的基本概念、 发展历程、处理流程和应用。案例分析法：通过具体案 例展示计算机视觉的基本任务和常见应用。讨论法：针 对计算机视觉的挑战和未来发展趋势进行课堂讨论。 辅助手段：使用多媒体课件和视频资料展示计算机视觉 的发展历程和实际应用。使用演示软件或代码示例来展 示计算机视觉的处理流程。 师生互动：教师提出问题，学生分享对计算机视觉应用 的理解。学生在讨论环节提出对计算机视觉挑战和未来 发展的看法。 时间分配：计算机视觉的概念与发展历程：10分钟；计 算机视觉处理流程：15分钟；计算机视觉的基本任务：2 0分钟；计算机视觉常见应用：20分钟；计算机视觉技术 面临的挑战与未来发展：15分钟；课堂讨论与答疑：10 分钟。 板书设计：列出计算机视觉的关键术语和基本任务。绘 制计算机视觉处理流程图。总结计算机视觉的常见应用 和挑战。 重点突出：通过实际案例强调计算机视觉的应用价值。 通过图解和示例，突出计算机视觉处理流程的关键步骤 。 难点解决：通过互动讨论和案例分析，帮助学生理解计 算机视觉的技术难点。提供额外的学习资源，如在线教 程和文献，以加深对图像处理方法的理解。 作业布置： 编写报告，分析计算机视觉在某一特定领域的应用。 完成一个小项目，使用计算机视觉技术进行图像分类或 目标检测。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 学生通过观察和分析案例，理解计算机视觉的应用。 学生参与讨论，提出对计算机视觉挑战和未来发展的见 解。 学生通过实际操作，体验计算机视觉技术的基本任务。 课后自我总结分析： 学生回顾本次课学到的知识点，并反思计算机视觉在实 际应用中的潜在影响。 教师根据学生的作业完成情况和课堂表现，评估教学效 果，并针对学生的难点进行后续的教学调整。 第 14 次课 2学时 本次课教学重点： 理解国家新一代人工智能开放创新平台及其参与企业的 创新成果。 体验并掌握百度AI开放平台的主要功能，包括图像识别 、OCR、人脸与人体识别等。 学习JSON数据格式的处理方法，并将其应用于实际案例 。 探索人工智能技术在专业领域的应用实例。 本次课教学难点： 熟悉并操作百度AI开放平台的各项功能。 掌握JSON数据格式与Python的结合使用。 将OCR技术应用于实际项目中，处理API返回的数据。 本次课教学内容： 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍国家新一代人工智能开放 创新平台和百度AI开放平台。演示法：展示如何使用百 度AI开放平台的OCR功能。实践操作：学生亲自操作百度A I开放平台，体验人工智能能力。 辅助手段：使用多媒体教学，展示平台操作流程和代码 示例。提供在线资源和教程供学生参考。 师生互动：教师引导学生讨论人工智能技术的应用前景 。学生分享操作经验，提出问题和解决方案。 时间分配：了解国家新一代人工智能开放创新平台：10 分钟；体验百度AI开放平台功能：20分钟；JSON数据格式 处理学习：15分钟；OCR应用开发讲解与实操：30分钟； 答疑与讨论：15分钟。 板书设计：列出百度AI开放平台的主要功能模块。绘制O CR应用开发的基本流程图。 重点突出：通过实际案例强调人工智能技术的实用性和 应用价值。通过实操演示，突出百度AI开放平台的易用 性和功能强大。 难点解决：提供详细的操作手册和代码示例。安排助教 进行现场指导和答疑。 作业布置： 完成实验报告，总结百度AI开放平台的体验和OCR应用开 发过程。 设计一个小项目，使用百度AI开放平台的OCR功能实现特 定场景的文字识别。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 学生按照实验指导书，逐步完成百度AI开放平台的注册 、应用创建和OCR功能体验。 学生通过Python编程，实现OCR文字识别并处理JSON数据。 课后自我总结分析： 学生按照实验指导书，逐步完成百度AI开放平台的注册 、应用创建和OCR功能体验。 学生通过Python编程，实现OCR文字识别并处理JSON数据。 第 15 次课 2学时 本次课教学重点： 人脸识别技术的基本原理及其在考勤系统中的应用优势 。 百度AI开放平台的人脸识别功能的使用方法。 使用Python和OpenCV库进行人脸图像的捕获、处理、注册、 搜索和结果展示。 编程与调试能力的提升，优化人脸识别考勤应用的输出 结果。 本次课教学难点： 理解并应用人脸识别技术。 掌握百度AI开放平台的接口调用和SDK使用。 集成开发过程中的人脸图像处理和识别准确性。 本次课教学内容： 实验6 基于百度 AI 开放平台的人脸识别考勤应用开发 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍人脸识别技术的基本原理 和应用优势。演示法：展示百度AI开放平台的人脸识别 功能和使用流程。实践操作：学生通过编程实践，开发 人脸识别考勤应用。 辅助手段：使用多媒体教学，展示人脸识别技术的应用 案例。提供在线资源和代码示例供学生参考。 师生互动：教师引导学生讨论人脸识别技术的实际应用 场景。学生分享编程经验，提出问题和解决方案。 时间分配：人脸识别技术原理和应用优势：10分钟；百 度AI开放平台人脸识别功能介绍：10分钟；实践操作指 导：25分钟；学生实操时间：40分钟；答疑与讨论：5分 钟。 板书设计：列出人脸识别考勤系统的流程和关键步骤。 绘制人脸识别应用的开发流程图。 重点突出：通过实际案例强调人脸识别技术的实用性和 应用价值。通过实操演示，突出百度AI开放平台的易用 性和功能强大。 难点解决：提供详细的操作手册和代码示例。在实验室 进行现场指导和答疑。 作业布置： 完成实验报告，总结人脸识别考勤应用的开发过程和遇 到的问题。 对人脸识别考勤系统进行优化，提出改进方案。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 学生按照实验指导书，逐步完成人脸识别应用的创建和 开发。 学生通过Python编程，实现人脸图像的捕获、处理、注册 、搜索和结果展示。。 课后自我总结分析： 学生按照实验指导书，逐步完成人脸识别应用的创建和 开发。 学生通过Python编程，实现人脸图像的捕获、处理、注册 、搜索和结果展示。 第 16 次课 2学时 本次课教学重点： 智能语音处理的概念、发展历程及其关键环节。 语音增强、语音识别、语音合成等常用技术的基本原理 和应用。 智能语音处理在现实中的应用领域及实例。 智能语音处理面临的挑战及未来发展趋势。 本次课教学难点： 智能语音处理技术的原理及实现方法，特别是语音识别 和语音合成的技术细节。 智能语音处理在实际应用中的复杂性和多样性。 智能语音处理面临的挑战，如噪声环境下的语音识别、 多语种识别等。 本次课教学内容： 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：系统讲解智能语音处理的基本 概念、技术和发展。案例分析法：通过分析实际应用案 例，加深学生对智能语音处理应用的理解。讨论法：引 导学生就智能语音处理的挑战和未来发展趋势进行讨论 。 辅助手段：多媒体教学：使用PPT、视频等展示智能语音 处理的技术和应用。实验演示：通过演示智能语音处理 的实验，让学生直观感受技术效果。 师生互动：课堂提问：鼓励学生提问，及时解答疑惑。 小组讨论：分组讨论智能语音处理的应用和挑战，分享 讨论成果。 时间分配：引入（5分钟）；智能语音处理概述（20分钟 ）；智能语音常用技术（30分钟）；智能语音处理常见 应用（20分钟）；智能语音处理面临的挑战与未来发展 趋势（10分钟）；总结与提问（5分钟）。 板书设计：标题：智能语音处理，主要内容：概念、发 展历程、关键环节、应用领域、常用技术、面临的挑战 、未来发展趋势。重点突出：使用不同颜色或标记突出 重点内容。 重点如何突出：通过反复强调、案例分析和实验演示等 方式突出重点。 难点如何解决：分解难点，逐步讲解。使用直观的图表 和实例帮助学生理解。鼓励学生提问，及时解答疑惑。 作业布置： 撰写一篇关于智能语音处理技术应用的短文，要求结合 实际案例。 设计一个简单的语音识别或语音合成实验，并撰写实验 报告。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 分组进行语音识别或语音合成实验。 分析实验结果，讨论影响实验效果的因素。 撰写实验报告，总结实验经验和教训。 课后自我总结分析： 回顾本次课的教学内容，巩固重点和难点。 分析自己在教学过程中的表现，找出不足之处。 思考如何改进教学方法，提高教学效果。 针对学生的反馈和作业情况，调整后续教学计划。 第 17 次课 2学时 本次课教学重点： 智能语音合成和语音识别技术的原理及应用。 百度智能云和讯飞开放平台智能语音功能的实际操作。 FAQ自动化交互问答系统的构建与实现。 Python编程在智能语音技术中的应用。 本次课教学难点： 智能语音技术的核心原理，特别是语音识别和语音合成 的技术细节。 FAQ库的构建与管理，以及与智能语音技术的整合。 Python编程实现语音识别、语音合成及音频播放的复杂操 作。 系统整合与测试，确保各模块协同工作。 本次课教学内容： 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：讲解智能语音技术的基本原理 和实验目的。演示法：展示如何使用百度智能云和讯飞 开放平台进行语音合成和识别。实践操作：引导学生亲 自进行实验操作，加深理解。讨论法：讨论实验过程中 遇到的问题和解决方案。 辅助手段：多媒体教学：使用PPT、视频等辅助教学材料 。AI在线平台：利用百度智能云和讯飞开放平台的实时 演示功能。 师生互动：课堂提问：鼓励学生提问，及时解答疑惑。 小组合作：学生分组进行实验，共同解决问题。成果展 示：学生展示自己的实验成果，教师点评。 时间分配：引入（5分钟）；实验目的和原理讲解（10分 钟）；百度智能云语音合成体验（15分钟）；讯飞开放 平台语音合成和识别体验（25分钟）；FAQ自动化交互问 答系统构建（25分钟）；系统测试与总结（10分钟）。 板书设计：标题：智能语音技术实验；主要内容：实验 目的、实验内容、技术原理、操作步骤、注意事项；重 点突出：使用不同颜色或标记突出重点内容。 重点如何突出：通过实际操作和演示突出重点。强调实 验中的关键步骤和参数调整。 难点如何解决：分步骤讲解，确保学生理解每一步的操 作。提供详细的操作指南和示例代码。鼓励学生相互帮 助，教师个别指导。 作业布置： 撰写实验报告，详细记录实验过程和结果。 提出改进FAQ自动化交互问答系统的建议。 编写一个简单的智能语音应用，如语音备忘录或语音助 手。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 分组进行实验，每组选择一个主题进行FAQ库的构建。 使用Python编写语音识别、语音合成和音频播放的脚本。 整合各模块，进行系统测试和调试。 展示实验成果，进行互评和教师点评。 课后自我总结分析： 回顾实验过程，巩固智能语音技术的理解和操作技能。 分析实验中遇到的问题和解决方法，总结经验教训。 思考如何将智能语音技术应用到其他领域，拓展应用场 景。 根据学生反馈和作业情况，调整后续教学计划。 第 18 次课 2学时 本次课教学重点： 录音转写技术的基本概念和实现方式。 百度人工智能平台操作流程和接口使用。 录音转写应用的开发，包括录音、转写、结果展示等功 能。 本次课教学难点： 音频文件处理和语音识别技术的细节。 获取AccessToken和调用HTTP API的步骤。 转写结果的优化和错误处理。 本次课教学内容： 实验9 基于百度 AI 开放平台的录音转写应用开发 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：讲解录音转写技术的原理和实 验目的。演示法：展示如何使用百度人工智能平台进行 录音转写。实践操作：引导学生亲自进行实验操作，加 深理解。讨论法：讨论实验过程中遇到的问题和解决方 案。 辅助手段：多媒体教学：使用PPT、视频等辅助教学材料 。AI在线平台：利用百度人工智能平台的实时演示功能 。 师生互动：课堂提问：鼓励学生提问，及时解答疑惑。 小组合作：学生分组进行实验，共同解决问题。成果展 示：学生展示自己的实验成果，教师点评。 时间分配：引入（5分钟）；实验目的和原理讲解（10分 钟）；百度人工智能平台操作流程介绍（10分钟）；音 频素材准备和Python编程基础（20分钟）；录音转写应用 开发（30分钟）；系统测试与总结（15分钟）。 板书设计：标题：录音转写技术实验；主要内容：实验 目的、实验内容、技术原理、操作步骤、注意事项；重 点突出：使用不同颜色或标记突出重点内容。 重点如何突出：通过实际操作和演示突出重点。强调实 验中的关键步骤和参数调整。 难点如何解决：分步骤讲解，确保学生理解每一步的操 作。提供详细的操作指南和示例代码。鼓励学生相互帮 助，教师个别指导。 作业布置： 撰写实验报告，详细记录实验过程和结果。 提出改进录音转写应用的建议。 编写一个简单的录音转写应用，如会议记录工具或采访 录音转写器。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 分组进行实验，每组选择一个主题进行录音转写应用的 开发。 使用Python调用HTTP API进行录音转写，包括获取AccessToken、创建音频转写任 务、查询音频转写任务结果及优化转写结果等过程。 整合各模块，进行系统测试和调试。 展示实验成果，进行互评和教师点评。 课后自我总结分析： 回顾实验过程，巩固录音转写技术的理解和操作技能。 分析实验中遇到的问题和解决方法，总结经验教训。 思考如何将录音转写技术应用到其他领域，拓展应用场 景。 根据学生反馈和作业情况，调整后续教学计划。 第 19 次课 2学时 本次课教学重点： 自然语言处理的概念、发展历程及基本任务。 文本清洗、分词、词性标注、命名实体识别和依存句法 分析等基础任务的操作和应用。 自然语言处理在语言理解、语言生成、机器翻译等领域 的常见应用。 多模态融合、可解释性自然语言处理及深度学习模型演 进等前沿技术。 本次课教学难点： 自然语言中的歧义问题及其解决方法。 依存句法分析的原理和实现。 多模态融合和可解释性自然语言处理的技术细节。 深度学习模型在自然语言处理中的演进和应用。 本次课教学内容： 第7章 自然语言处理与应用 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实验 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：系统讲解自然语言处理的基本 概念、任务和应用。案例分析：通过实际案例展示自然 语言处理技术的应用。讨论法：针对歧义问题、依存句 法分析等难点进行讨论。实践操作：引导学生进行简单 的自然语言处理任务。 辅助手段：多媒体教学：使用PPT、视频等辅助教学材料 。AI在线平台：利用自然语言处理工具和平台进行实时 演示。 师生互动：课堂提问：鼓励学生提问，及时解答疑惑。 小组讨论：学生分组讨论案例和难点问题。成果展示： 学生展示自己的实践成果，教师点评。 时间分配：引入（5分钟）；自然语言处理概述（20分钟 ）；基础任务讲解（35分钟）；常见应用介绍（20分钟 ）；技术前沿探讨（5分钟）；总结与答疑（5分钟）。 板书设计：标题：自然语言处理概述与应用；主要内容 ：概念、发展历程、基础任务、常见应用、技术前沿； 重点突出：使用不同颜色或标记突出重点内容。 重点如何突出：通过实际案例和演示突出重点。强调基 础任务的操作步骤和注意事项。 难点如何解决：分步骤讲解，确保学生理解每一步的原 理。提供详细的操作指南和示例代码。鼓励学生相互帮 助，教师个别指导。 作业布置： 撰写一篇关于自然语言处理技术应用的短文。 使用自然语言处理工具进行文本清洗、分词、词性标注 等基础任务，并提交报告。 设计一个简单的智能问答系统或聊天机器人原型。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 分组进行实践，每组选择一个自然语言处理任务进行操 作。 使用自然语言处理工具进行文本清洗、分词、词性标注 等基础任务。 尝试构建一个简单的智能问答系统或聊天机器人原型。 展示实践成果，进行互评和教师点评。 课后自我总结分析： 回顾课程内容，巩固自然语言处理的基本概念和任务。 分析实践过程中遇到的问题和解决方法，总结经验教训 。 思考如何将自然语言处理技术应用到其他领域，拓展应 用场景。 根据学生反馈和作业情况，调整后续教学计划。 第 20 次课 2学时 本次课教学重点： 百度AI开放平台自然语言处理工具的使用。 自然语言处理应用的开发流程，包括SDK和HTTP API的使用。 自然语言处理技术在各类应用场景中的实际应用。 本次课教学难点： 百度AI开放平台SDK的安装和配置。 使用Python调用SDK或HTTP API进行自然语言处理应用的开发。 自然语言处理技术在特定应用场景中的创新应用。 本次课教学内容： 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：介绍自然语言处理的基本概念 和百度AI开放平台的功能。演示法：展示如何使用百度A I开放平台的自然语言处理工具。实践操作：指导学生 进行SDK安装、应用创建和API调用。案例分析：分析自然 语言处理技术在不同场景中的应用案例。 辅助手段：多媒体教学：使用PPT、视频教程等辅助教学 材料。在线平台：利用百度AI开放平台进行实时演示和 操作。 师生互动：课堂提问：鼓励学生提问，及时解答疑惑。 小组讨论：学生分组讨论开发过程中遇到的问题和解决 方案。成果展示：学生展示自己的开发成果，教师点评 。 时间分配：百度AI开放平台自然语言处理功能介绍（10 分钟）；开发前准备工作（15分钟）；SDK开发实践（25 分钟）；HTTP API开发实践（25分钟）；应用场景探讨（20分钟）；总 结与答疑（5分钟）。 板书设计：标题：基于百度AI开放平台的自然语言处理 应用开发；主要内容：平台功能、开发流程、SDK/API使 用、应用场景；重点突出：使用不同颜色或标记突出重 点内容。 重点如何突出：通过实际操作和案例演示突出重点。强 调开发流程中的关键步骤和注意事项。 难点如何解决：提供详细的安装和配置指南。分步骤讲 解API调用过程，确保学生理解每一步的原理。鼓励学生 相互帮助，教师个别指导。 作业布置： 完成一份实验报告，详细描述实验过程和结果。 开发一个简单的自然语言处理应用，如情感分析工具或 文本纠错器。 分析自然语言处理技术在某一特定领域（如教育、媒体 、电商）的应用潜力，并撰写报告。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 分组进行实践，每组选择一个自然语言处理任务进行开 发。 安装和配置百度AI开放平台SDK。 使用SDK和HTTP API开发自然语言处理应用。 展示实践成果，进行互评和教师点评。 课后自我总结分析： 回顾课程内容，巩固自然语言处理的基本概念和开发流 程。 分析实践过程中遇到的问题和解决方法，总结经验教训 。 思考如何将自然语言处理技术应用到其他领域，拓展应 用场景。 根据学生反馈和作业情况，调整后续教学计划。 第 21 次课 2学时 本次课教学重点： 情感分析的基本流程：数据收集、预处理、特征提取、 模型选择与训练、评估与优化。 自然语言处理工具和库的使用：jieba分词、pandas、sklearn 等。 不同情感分析模型的性能对比和特点分析。 数据处理、特征工程和模型调优的实践技能。 本次课教学难点： 数据预处理的细节：如分词处理、去除停用词、数据清 洗等。 特征提取方法的选择和实现：如TF-IDF、Word2Vec、BERT等。 模型选择与训练：特别是深度学习模型（如LSTM、BERT微 调）的应用。 模型评估与优化：交叉验证、不同评价指标的理解和应 用。 本次课教学内容： 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：讲解情感分析的基本概念和流 程。演示法：展示使用Python和相关库进行数据预处理、 特征提取和模型训练的过程。实践操作：学生亲自操作 ，完成情感分析实验的各个环节。案例分析：分析不同 模型在情感分析中的实际应用案例。 辅助手段：多媒体教学：使用PPT、代码演示等辅助教学 材料。在线资源：提供相关库的官方文档和教程链接。 师生互动：课堂提问：鼓励学生提问，及时解答疑惑。 小组讨论：学生分组讨论实验中的问题和解决方案。成 果展示：学生展示自己的实验成果，教师点评。 时间分配：引入（5分钟）；情感分析基本流程介绍（15 分钟）；数据预处理实践（20分钟）；特征提取与模型 训练（30分钟）；模型评估与优化（10分钟）；模型应 用与总结（10分钟）。 板书设计：标题：电商用户评论情感倾向分析；主要内 容：流程、工具与库、模型对比、实践技能；重点突出 ：使用不同颜色或标记突出重点内容。 重点如何突出：通过实际操作和案例演示突出重点。强 调实验中的关键步骤和注意事项。 难点如何解决：提供详细的操作指南和代码示例。分步 骤讲解复杂操作，确保学生理解每一步的原理。鼓励学 生相互帮助，教师个别指导。 作业布置： 完成一份实验报告，详细描述实验过程、结果和心得。 对比不同模型在情感分析中的性能，撰写分析报告。 尝试使用其他数据集进行情感分析，优化模型性能。 本次课推荐和参考文献 史荧中，钱晓忠，邓赵红. 人工智能应用基础[M]. 2版.北京：电子工业出版社，2023. 宋楚平，陈正东. 人工智能基础与应用[M]. 北京：人民邮电出版社，2021. 廖建尚，钟君柳，吕志胜. 机器视觉与人工智能应用开发技术[M]. 北京：电子工业出版社，2024. 本次课实践教学设计： 分组进行实践，每组选择一个情感分析任务进行开发。 使用Python和相关库进行数据预处理、特征提取和模型训 练。 对比不同模型的性能，进行模型评估与优化。 展示实践成果，进行互评和教师点评。 课后自我总结分析： 回顾课程内容，巩固情感分析的基本概念和流程。 分析实践过程中遇到的问题和解决方法，总结经验教训 。 思考如何将情感分析技术应用到其他领域，拓展应用场 景。 根据学生反馈和作业情况，调整后续教学计划。 第 22 次课 2学时 本次课教学重点： 生成式大模型的基本概念与分类。 国内外生成式大模型的发展现状与特点。 文心一言在学习、工作、生活娱乐等方面的应用实例。 文小言App的功能介绍与实践操作。 本次课教学难点： 生成式大模型的内部机制与算法理解。 国内外生成式大模型的技术差异及其原因。 文心一言在实际应用中的局限性及其解决方案。 本次课教学内容： 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：讲授法：讲解生成式大模型的基本概念 与分类。案例分析法：通过国内外生成式大模型的实例 ，分析其特点与应用。互动讨论法：针对文心一言的应 用场景，引导学生进行思考和讨论。 辅助手段：多媒体演示：使用PPT、视频等展示生成式大 模型的结构与应用。操作演示或展示：演示或展示文小 言App的实际操作。 师生互动：提问与回答：鼓励学生提问，及时解答学生 的疑问。小组讨论：分组讨论文心一言的应用实例，分 享观点。 时间分配：生成式大模型概述（10分钟）；国内外生成 式大模型介绍（10分钟）；文心一言的应用（50分钟） ；文小言App介绍与实践（10分钟）；互动与讨论（10分 钟）。 板书设计：关键概念与术语。生成式大模型的分类。文 心一言的应用框架。 重点突出：通过实例讲解和互动讨论，强化学生对生成 式大模型的理解。 难点解决：通过案例分析和技术对比，帮助学生理解生 成式大模型的技术难点。 作业布置： 比较国内外生成式大模型的优缺点，撰写分析报告。 选取一个文心一言的应用场景，设计一个应用方案。 本次课推荐和参考文献 姜旬恂，乔通宇. 文心一言从新手到高手（写作+绘画+教育+编程+助手）[M ]. 北京：清华大学出版社，2024. 麓山AI研习社. 文心一言：人人都能上手的AI工具[M]. 北京：人民邮电出版社，2024. 百度. 文心大模型（ERNIE Bot）技术文档[EB/OL]. [2024-08-12]. 阿里云. 通义千问技术文档：Qwen介绍[EB/OL]. (2024-01-08)[2024-08-12]. 谷歌. Gemini Models [EB/OL]. [2024-08-11]. 腾讯. 腾讯混元大模型[EB/OL]. [2024-08-12]. 华为. 盘古大模型[EB/OL]. [2024-08-12]. 本次课实践教学设计： 安装并使用文小言App，体验其功能。 设计一个小型的生成式大模型应用案例，并进行实践。 课后自我总结分析： 学生对生成式大模型的理解程度。 学生在实践操作中的表现。 教学方法的有效性及改进方向。 第 23 次课 2学时 本次课教学重点： 文心一言的基本功能和特点。 使用文心一言进行个性化学习支持的方法。 文心一言在创意写作、文本绘画等场景中的应用。 文心一言在工作场景和生活娱乐中的应用效果。 本次课教学难点： 理解并掌握文心一言的学习小助手功能。 利用文心一言进行创意写作和文本绘画的实际操作。 评估文心一言在工作场景和生活娱乐中的实际应用效果 。 本次课教学内容： 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 教学组织(含课堂教学方法、 辅助手段、师生互动、时间分配、板书设计、重点如何 突出，难点如何解决等)： 课堂教学方法：演示法：展示文心一言的网页版功能。 实践操作法：学生亲自操作文心一言进行学习、写作和 绘画。讨论法：讨论文心一言在不同场景下的应用效果 。 辅助手段：网络平台：使用网页版文心一言进行实时演 示。案例视频：展示文心一言在不同领域的应用案例。 师生互动：实时反馈：学生在操作过程中提出问题，教 师即时解答。经验分享：学生分享使用文心一言的心得 体会。 时间分配：文心一言功能介绍（10分钟）；学习小助手 体验（20分钟）；创意写作与文本绘画实践（25分钟） ；工作场景应用探讨（15分钟）；生活娱乐应用探讨（1 0分钟）；总结与讨论（10分钟）。 板书设计：文心一言的功能模块图。不同应用场景的关 键点摘要。 重点突出：通过实际操作和案例演示，强化学生对文心 一言功能的理解。 难点解决：通过教师指导和学生实践，帮助学生掌握文 心一言的操作技巧。 作业布置： 编写一篇关于使用文心一言进行个性化学习支持的体验 报告。 创作一篇使用文心一言辅助的文学作品，并分析其创作 过程。 描述文心一言在工作场景和生活娱乐中的一个应用案例 ，并评价其效果。 本次课推荐和参考文献 姜旬恂，乔通宇. 文心一言从新手到高手（写作+绘画+教育+编程+助手）[M ]. 北京：清华大学出版社，2024. 麓山AI研习社. 文心一言：人人都能上手的AI工具[M]. 北京：人民邮电出版社，2024. 百度. 文心大模型（ERNIE Bot）技术文档[EB/OL]. [2024-08-12]. 阿里云. 通义千问技术文档：Qwen介绍[EB/OL]. (2024-01-08)[2024-08-12]. 谷歌. Gemini Models [EB/OL]. [2024-08-11]. 腾讯. 腾讯混元大模型[EB/OL]. [2024-08-12]. 华为. 盘古大模型[EB/OL]. [2024-08-12]. 本次课实践教学设计： 学生分组，每组选择一个文心一言的功能进行深入体验 。 每组进行创意写作或文本绘画的实践操作，并展示成果 。 学生分享文心一言在工作场景和生活娱乐中的应用案例 。。 课后自我总结分析： 学生对文心一言功能的掌握程度。 学生在实践操作中的创新能力和问题解决能力。 教学内容的实用性和学生的参与度。 教学方法的改进空间和学生的学习反馈。 第 24 次课 2学时 课程考试：采用融智云考平台随堂机考。 考核方案： 试卷百分100分，题型包括单选题（30小题，每小题1分， 共30分）、多选题（10小题，每小题2分，共20分）、判 断题（10小题，每小题1分，共10分）、填空题（10小题 ，每小题1分，共10分）、简答题（4小题，每小题5分， 共20分）和案例分析题（1小题，每小题10分，共10分） ，试题由课程题库中随机抽取，每个班级抽题组成10套 试卷。