《人工智能概论-面向通识课程》(48学时) 教案

《人工智能概论—面向通识课程》教学大纲一、课程编码、名称和性质课程编码：课程名称（中文）：人工智能概论英文名称（英文）：IntroductiontoArtificialIntelligence–ACourseforGeneralEducation课程性质：专业课二、学时、学分总学时数：48，其中，讲授学时：32，实践（实验）学时：16，学分：3三、适用专业及开设学期适用专业：非人工智能专业的各专业开设学期：第2学期四、课程描述在汹涌澎湃的科技创新大潮中，人工智能的时代已经到来，理解人工智能、熟悉人工智能的主要研究内容和应用领域、具备编程思维、掌握一定的人工智能实践能力，已成为当代各专业大学生的基本素养。本课程是一门理论与实践融合、面向非人工智能专业大学生的人工智能通识课程，主要培养学生理解人工智能、感受人工智能、体验人工智能和实践人工智能，从而提升学生对前沿科技的认知与理解。该课程系统、全面地介绍了人工智能的发展脉络、基本理论、现代人工智能新技术与发展趋势。该课程通过Scikit-Learn开源库为基础介绍机器学习，并深入浅出介绍深度学习，通过其代表性模型如卷积神经网络、循环神经网络、生成对抗网络等使学生了解深度学习在图像识别、语音识别、自然语言处理等领域和应用场景的强大应用能力。该课程着重强调实践体验人工智能案例，结合时代热点、学科前沿进行简单人工智能项目实践，以更有效提升学生理解和掌握人工智能基本概念和应用方法。该课程也从人工智能伦理、与社会发展的关系等角度出发，剖析AI发展带来的伦理问题，引导学生进行批判性思考，树立正确的伦理观念，通过分析AI对社会就业结构、经济发展、文化传播等方面的影响，培养学生对科技与社会关系的宏观认知，提升社会洞察力。五、教学目标（1）能够在理解人工智能的基本概念、发展历史的内涵以及外延的基础上，对人工智能的本质和内涵、研究内容和应用领域有一个比较全面的认识，培养学生分析和总结问题的能力；（2）能够掌握Python语言的基本语法，获得初步的编程思维和编程基础，从而具备实践人工智能应用的基本技能；（3）了解数据可视化、机器学习、深度学习的基本原理和经典算法；（4）体验人工智能的一些应用，并能够在需要时作为学习或工作的辅助工具，赋能专业；（5）掌握Anaconda开发环境，能够实现简单的编程或验证实验；（6）通过项目案例，理解人工智能在不同领域应用场景下的应用原理与实践经验，增强学生对知识的理解与应用能力；针对人工智能伦理、社会影响等开放性话题，组织学生开展小组讨论，鼓励学生发表自己的观点，培养其批判性思维与团队协作能力。六、教学范式本课程主要通过课堂讲授、翻转课堂、应用案例分析与演示、实践操作、小组讨论等教学方法进行课程内容的学习，通过翻转课堂使学生主动了解和掌握人工智能的基本概念、基本原理，培养学生充分利用互联网的资源进行自主学习；针对人工智能不同应用场景，引入实际案例，深入剖析人工智能在各领域的应用原理与实践经验，增强学生对知识的理解与应用能力。根据实际课时安排，可选安排实践课程，让学生利用开源工具和平台，如Pyhton机器学习库、TensorFlow深度学习框架等，进行简单的人工智能项目实践，如手写数字识别文本情感分析等，提升学生的动手能力与创新能力。通过小组讨论，针对人工智能伦理、社会影响等开放性话题，组织学生开展小组讨论，鼓励学生发表自己的观点，培养其批判性思维与团队协作能力。七、本课程与其它课程的关系先修课程：《大学信息技术》或《计算机应用基础》八、主要内容及学时分配教学过程中，可以根据教学对象和学时安排等具体情况对教材中的内容进行删减和组合，也可以进行适当扩展，参考学时为32～64学时（若为64学时安排，可再增加实践学时16学时）。本课程以总学时数为48学时为参考，其中，讲授学时：32，实践（实验）学时：16。理论讲授主要分为人工智能基础知识、人工智能编程基础、机器学习与深度学习、人工智能应用领域以及未来人工智能的发展方向等模块。其中人工智能绪论主要讲授人工智能发展简史、发展方向，其研究内容和研究方法，学时为4个学时；经典人工智能及数学基础，学时为4个学时；人工智能编程基础模块主要讲授人工智能编程环境搭建、Python语法基础、编程思维等，其中编程环境介绍、环境搭建2个学时，Python语法基础6个学时，函数、OOP编程和文件操作6个学时，Python模块和包以及人工智能第三方库2个学时；机器学习概念、浅层学习、数据预处理和模型评估4个学时，常用机器学习算法6个学时；人工神经网络与深度学习8个学时，人工智能应用4个学时，新一代人工智能技术2个学时。本部分内容示例：（一）人工智能概述（4学时）1.教学内容（1）人工智能的概念、定义（理解，核心）。（2）人工智能的发展简史（发展脉络）（了解，推荐）（3）人工智能的发展方向（了解）（4）人工智能的研究内容和研究方法。（理解，核心）2.教学范式通过讲授、翻转课堂等教学方式对人工智能的基本概念、特点、应用领域以及发展趋势等课程内容开展教学。3.本部分教学内容对培养规格要求的支撑本部分教学内容使学生能够理解人工智能的基本概念、发展历史的内涵以及外延，了解人工智能的发展方向，以及研究内容和具体研究方法。支撑课程教学目标1，支撑专业人才培养目标1，支撑毕业要求2和3。（二）经典人工智能及数学基础（4学时）1.教学内容（1）经典人工智能研究内容概述（了解，推荐）。（2）经典人工智能的研究目标与研究路径（概念表示、知识表示、知识工程、知识图谱、搜索技术、群智能算法、专家系统、规划技术等）（理解，核心）。（3）人工智能所需数学基础概述（必备的数学基础、数学在人工智能中的作用等）（了解，推荐）。2.教学范式通过讲授、翻转课堂等教学方式对经典人工智能研究内容、研究目标、研究路径，以及人工智能所需具备的数学基础等课程内容开展教学。3.本部分教学内容对培养规格要求的支撑本部分教学内容使学生重点理解和掌握经典人工智能的研究内容、目标与路径，从而理解现代人工智能技术的起源与突破，了解数学在现代人工智能研究中的支撑作用。支撑课程教学目标3，支撑专业人才培养目标2，支撑毕业要求1。（三）人工智能编程基础（16学时）1.教学内容（1）人工智能编程环境的选择与搭建（了解，推荐）。（2）Python基础语法（编程第一步、基本语法、基本数据类型、变量、运算符与表达式等）（理解，核心）。（3）Python的编程思想、控制流、数据结构等（理解，核心）。（4）输入输出、函数、OOP编程、文件操作（理解运用，核心）。（5）Python模块和包（第三方库的安装与使用）2.教学范式通过讲授、翻转课堂等教学方式对Python基础语法及编程模式、内部架构、第三方库的安装与使用等内容开展教学。3.本部分教学内容对培养规格要求的支撑本部分教学内容使学生重点理解和掌握Python编程，并能够基于第三方人工智能库函数进行应用与实践。支撑课程教学目标4和5，支撑专业人才培养目标2，支撑毕业要求1、5和3。（四）机器学习（10学时）1.教学内容（1）机器学习简介（了解，推荐）。（2）机器学习分类及简要介绍（理解，核心）。（3）数据集和数据预处理（理解，核心）。（4）模型评估和评价指标（运用，核心）。（5）常用机器学习算法（理解、运用，核心）2.教学范式通过讲授、翻转课堂等教学方式对机器学习的概念、分类，以及机器学习的过程（数据集获取、数据预处理）、模型评估和评价指标、常用机器学习算法等内容开展教学。3.本部分教学内容对培养规格要求的支撑本部分教学内容使学生重点理解和掌握机器学习下监督、无监督、半监督学习下的数据集获取、数据预处理方法，在scikit-learn开源库下的各种机器学习算法应用与实践。支撑课程教学目标4和5，支撑专业人才培养目标2，支撑毕业要求1、5和3。（五）人工神经网络与深度学习（8学时）1.教学内容（1）人工神经网络的发展历程、基本概念（了解，推荐）。（2）BP神经网络（基本思想、算法实现）（理解，核心）。（3）卷积神经网络的原理、应用案例（理解、核心）（4）循环神经网络的原理、应用案例（理解，核心）。（5）生成对抗网络的原理、应用案例（理解、核心）（6）深度学习工具的应用与实践（运用，核心）。2.教学范式通过讲授、翻转课堂等教学方式对人工神经网络与深度学习各种算法和应用案例等内容开展教学。3.本部分教学内容对培养规格要求的支撑本部分教学内容使学生重点理解和掌握BP神经网络、CNN、RNN以及GAN应用案例，并能够基于开源模块展开针对深度学习工具的应用与实践。支撑课程教学目标4和5，支撑专业人才培养目标2，支撑毕业要求1、5和3。（六）人工智能应用（4学时）1.教学内容（1）计算机视觉介绍及典型应用（了解、运用，推荐）。（2）自然语言处理（了解、运用，推荐）。（3）语音识别（了解、运用，推荐）。（4）专家系统、知识图谱、多智能体、智能机器人等（了解，运用）。2.教学范式通过讲授、翻转课堂等教学方式对人工智能各种领域下的应用场景等内容开展教学。3.本部分教学内容对培养规格要求的支撑本部分教学内容使学生重点理解和掌握人工智能在各个领域的应用场景，尤其针对CV、NLP和ASR，以及多智能体的应用与实践。支撑课程教学目标4和5，支撑专业人才培养目标2，支撑毕业要求1、5和3。（七）新一代人工智能技术（2学时）1.教学内容（1）人工智能技术的现状（ChatGPT、DeepSeek及其他大模型介绍）（了解，推荐）。（2）人工智能技术展望（强人工智能和弱人工智能介绍）（了解，推荐）。2.教学范式通过讲授、翻转课堂等教学方式对人工智能技术当前现状，尤其是国际国内各种大语言模型的介绍，展望当前人工智能技术发展趋势，讨论通用人工智能发展对社会和经济发展的风险与挑战等内容开展教学。3.本部分教学内容对培养规格要求的支撑本部分教学内容使学生重点理解和掌握各种人工智能大模型有哪些，并处于什么水平，通过讨论通用人工智能的发展趋势，知晓AI的风险和挑战。支撑课程教学目标4和5，支撑专业人才培养目标2，支撑毕业要求1、5和3。九、教材、参考书（一）推荐教材张娜娜,叶爱兵,江燕，陈馀娇.人工智能概论—面向通识课程[M].北京:电子工业出版社,2025（二）参考书目1.StuardJRussell,PeterNorvig著,张博雅等译.人工智能：现代方法[M].第4版,北京：人民邮电出版社,20232.皮埃罗·斯加鲁菲著.张瀚文译.人工智能通识课[M].北京：人民邮电出版社,2020十、考核方式与成绩评定（一）考核方式及成绩评定课程总评成绩分成平时成绩和期末成绩，期末成绩占50%，平时成绩占50%。平时成绩包括课堂学习、章节理论测试和AI小论文，其中课堂学习占20%，包括考勤、听讲、讨论、随堂练习、作业；章节理论测试占20%；AI小论文（结合所学专业）占10%。考核评价的标准从目前的知识考核，向能力考核转变，人工智能概论总评成绩中如加入18学时的实践（实验）学时，其内容评价可采用项目化的考核方式，其考核评价标准如下表所示。所占比重(%)优秀（100＞x≥90）良好（90＞x≥80）中等（80＞x≥70）及格（70＞x≥60）不及格（x＜60）基本知识点的理解与掌握30熟练掌握了本课程的基本知识点，能够达到学以致用的水平基本掌握了本课程的基本知识点，但存在某些盲点基本掌握了本课程的核心知识点，对核心知识点能够简单应用基本了解本课程的核心知识点，在指导下能够应用本课程知识点不了解本课程的知识点，不知如何应用项目代码的运行结果正确与否30项目运行结果与要求一致，没有错误，甚至比要求更加完美项目运行结果与要求基本一致，但存在小错误项目运行结果与要求基本一致，存在较多小错误项目运行结果与要求有出入，但是明白出错误的原因项目运行结果与要求不一致，存在较大差别，错误比较多项目代码的完整性与原创性20项目代码完整、考虑全面、基本都是原创性代码项目代码比较完整、考虑比较全面、具有一定的原创性代码项目代码比较完整，但是存在明显代码粘贴痕迹，基本没有原创性代码项目代码存在不完整性,较多代码有粘贴痕迹，无原创性代码项目代码不完整，存在明显缺失，代码粘贴痕迹明显团队协作能力及文档撰写能力20团队协作高效，团队成员之间优势互补；项目文档撰写格式规范、完整，都是原创性的文档。团队协作能力良好，较好的融入团队；项目文档撰写较好，格式规范，具有一定的原创性。团队协作能力较好，团队成员能较好的融入团队；项目文档撰写比较规范，存在部分粘贴痕迹。团队协作一般；项目文档撰写存在不规范、不完整，有较多的粘贴痕迹团队协作能力差，合作意愿差，拒绝分享；项目文档撰写不规范、不完整，存在大量及明显的粘贴复制（三）课程考核对课程目标的支撑考核环节分值考核/评价细则课程目标123456课堂学习(含作业等)20（1）主要