《人工智能与大数据》课程教学大纲（中职）

《人工智能与大数据》课程教学大纲（中职）一、课程基本信息课程名称：人工智能与大数据课程代码：（根据学校课程编码规则填写）课程类型：专业技能课（适用于计算机应用、数字媒体技术应用、大数据技术应用等中职专业）适用对象：中职二年级学生总学时/学分：64学时/4学分（其中理论20学时，实践44学时）先修要求：计算机基础、Python编程基础（或Scratch编程基础）考核方式：过程性考核（60%）+终结性考核（40%）二、课程性质与定位本课程是中职计算机类相关专业的核心技能拓展课程，立足人工智能与大数据行业的基层岗位需求（如数据采集助理、数据标注员、AI应用运维助理等），以“认知基础、技能实用、对接岗位”为核心目标，系统传授人工智能与大数据的基础概念、核心应用及实用技能。课程打破传统理论灌输模式，采用“案例认知+工具实操+项目实训”的教学模式，帮助学生了解人工智能与大数据的行业发展趋势，掌握数据采集、数据清洗、简单数据可视化及基础AI应用操作等核心技能；同时培养学生的数字素养、数据安全意识与团队协作能力，为学生未来从事人工智能与大数据相关基层岗位工作或继续深造奠定坚实基础。三、教学目标（一）知识目标了解人工智能与大数据的基本概念、核心特征及行业应用场景（如智能客服、电商推荐、智慧物流、数据报表分析等）。掌握大数据的核心流程（数据采集、数据预处理、数据可视化）及相关基础原理。了解常见人工智能技术（如机器学习基础、图像识别、语音识别）的基本原理与应用边界。掌握常用数据采集工具、数据处理软件及基础AI应用平台的使用规范。了解数据安全与个人信息保护的基本规范，树立合规使用数据的意识。（二）技能目标能够使用常用工具（如爬虫工具、表单工具）完成简单的数据采集与整理工作。能够运用Excel或简易数据处理工具（如Python基础库）完成数据清洗（缺失值、重复值处理）。能够使用数据可视化工具（如Excel图表、Tableau简易版）制作基础数据报表。能够操作常见AI应用平台（如百度AI开放平台、腾讯AILab）完成基础AI任务（如图像分类、文字识别）。能够参与简单的人工智能与大数据项目实训，完成岗位相关的基础任务（如数据标注、简单数据统计）。（三）素养与情感目标培养严谨细致的工作态度，养成规范操作数据、重视数据质量的职业习惯。激发对人工智能与大数据行业的探索兴趣，提升数字技术学习的主动性。增强团队协作与沟通能力，能够在项目实训中高效配合完成任务分工。树立数据安全与伦理意识，自觉遵守数据使用规范，保护个人与企业数据隐私。培养适应行业发展的终身学习意识，提升职业岗位适配能力。四、教学内容与学时分配章节/模块教学内容学时教学方式备注模块一：课程导入与行业认知1.课程介绍、教学要求与考核标准；2.人工智能与大数据的基本概念、核心特征；3.行业发展趋势与基层岗位需求（数据采集、数据标注、AI运维等）；4.典型应用案例解析（智能导购、疫情数据统计、人脸识别门禁等）；5.数据安全与隐私保护基础规范6（理论4+实践2）理论讲授+案例展示+小组讨论+行业视频观摩结合本地企业岗位案例讲解，提升岗位认知模块二：大数据基础与数据采集1.大数据的“4V”特征与核心流程；2.常见数据类型（结构化、非结构化数据）认知；3.常用数据采集工具使用（如八爪鱼采集器、表单大师）；4.实践：使用采集工具采集电商商品数据、校园信息数据；5.数据采集后的初步整理与保存12（理论3+实践9）理论讲授+工具示范+分组实践+纠错指导提供实训数据源，避免违规采集模块三：数据预处理与基础分析1.数据预处理的核心意义（提升数据质量）；2.常见数据问题识别（缺失值、重复值、异常值）；3.数据清洗实用技巧（Excel函数应用、简易Python脚本）；4.基础数据统计分析（求和、均值、占比计算）；5.实践：对采集的数据进行清洗与基础统计14（理论3+实践11）理论讲授+案例演示+实践操作+个性化指导重点练习Excel数据处理技能，适配基层岗位需求模块四：数据可视化基础1.数据可视化的意义与常用图表类型（柱状图、折线图、饼图等）；2.Excel图表制作技巧；3.简易可视化工具（如TableauPublic）使用；4.实践：制作校园消费数据报表、电商销售数据可视化图表；5.数据报表的简单解读与呈现12（理论3+实践9）理论讲授+工具示范+实践创作+成果互评强调图表的实用性与可读性模块五：人工智能基础与应用操作1.人工智能的基本原理与核心技术（机器学习、图像识别、语音识别）；2.常见AI开放平台认知（百度AI、腾讯AI）；3.基础AI应用操作（图像分类、文字识别、智能翻译）；4.实践：使用AI平台完成身份证文字提取、商品图像分类；5.数据标注基础（图像标注、文本标注）12（理论4+实践8）理论讲授+平台演示+分组实践+教师点评聚焦应用操作，弱化复杂算法原理模块六：综合项目实训与成果展示1.综合项目任务发布（如“校园周边商铺数据统计与AI分类”“本地旅游数据采集与可视化”）；2.小组分工完成项目全流程（数据采集-预处理-可视化-AI应用）；3.项目成果整理与报告撰写；4.成果展示与点评；5.行业岗位能力复盘与职业发展建议8（理论3+实践5）项目指导+小组协作+成果展示+互动点评邀请企业技术人员点评（可选）五、教学方法与手段案例驱动法：以贴近生活与岗位的案例（如外卖平台数据统计、商场人脸识别）为切入点，激发学习兴趣，让学生理解技术的实际应用价值。示范操作法：教师针对工具使用、技能操作进行分步示范，配合清晰的语言讲解，让学生直观掌握操作要领。实践主导法：以学生实践操作为核心，设计分层实践任务（基础任务+提升任务），满足不同层次学生需求；教师巡回指导，及时解决学生操作难题。分组协作法：将学生分成小组完成综合项目实训，明确小组分工，培养学生的团队协作能力与沟通能力。多媒体辅助法：利用教学视频、动画、行业案例视频等资源，辅助讲解抽象概念（如人工智能原理），降低学习难度。成果点评法：通过课堂练习点评、阶段成果互评、项目成果展示点评等形式，肯定优点、指出不足，提升学生的技能水平与作品质量。六、考核方式与评分标准（一）考核构成课程总成绩=过程性考核（60%）+终结性考核（40%）（二）过程性考核（60分）出勤情况（10分）：全勤得10分，每缺勤1学时扣2分，缺勤6学时及以上过程性考核记0分；迟到、早退累计2次按缺勤1学时处理。课堂表现与操作规范（15分）：遵守课堂纪律与机房操作守则，积极参与练习、主动请教问题得5分；操作规范、工具使用正确、重视数据安全得8-10分，操作不规范、多次违规得0-7分。阶段实践成果（25分）：完成模块二至模块五的阶段实践任务（数据采集成果、数据清洗报告、可视化图表、AI应用操作成果），每个任务按完成质量评分（5-7分/个），累计得分。小组协作表现（10分）：根据综合项目实训中的任务分工、参与度、协作效果评分；个人贡献度作为评分参考依据。（三）终结性考核（40分）考核形式：综合项目成果展示+实操考核项目成果完整性（15分）：能够完整提交综合项目全流程成果（数据采集文件、预处理报告、可视化作品、AI应用成果、项目报告），无明显缺失得12-15分；成果基本完整但存在少量缺陷得8-11分；成果缺失较多得0-7分。技能应用规范性（12分）：数据处理、可视化制作、AI应用等核心技能操作规范，成果质量合格得9-12分；技能应用基本规范但存在少量错误得5-8分；技能应用存在较多错误得0-4分。项目报告与答辩（13分）：项目报告逻辑清晰、内容完整得6-7分；答辩时能够清晰阐述项目流程、技能应用、成果意义，语言表达准确得6-7分；报告或答辩存在不足的酌情扣分。（四）成绩等级90-100分：优秀；80-89分：良好；70-79分：中等；60-69分：及格；60分以下：不及格七、教学资源教材与参考书：《中职人工智能与大数据基础》（职业教育出版社）、《大数据基础与应用实训教程》（中职版）工具与软件：Excel、八爪鱼采集器、TableauPublic、Python（基础库）、百度AI开放平台、腾讯AI开放平台多媒体资源：人工智能与大数据行业案例视频、工具操作教学视频、技能实训微课实践场地：计算机机房（配备联网设备）、项目实训工作室校外资源：本地大数据企业实践基地、AI应用相关企业技术讲座、职业技能竞赛资源八、教学注意事项课前需检查机房设备与软件安装情况，确保实训工具可正常使用；明确告知学生数据采集的合规性要求，严禁采集未经授权的数据，保护数据隐私。教学过程中注重“浅理论、重实操”，避免讲解复杂算法与原理，聚焦基层岗位所需的实用技能；针对中职学生动手能力差异，进行分层指导，确保每位学生掌握核心操作技能。注重行业岗位衔接，及时引入本地企业的真实项目案例（简化处理后）作为实训任务，提升学生的岗位适配能力。强化数据安全与伦理教育，在数据采集、处理、应用全流程渗透安全规范，引导学生养成合规使用数据的职业习惯。鼓励学生积极参与人工智能与大数据相关的职业技能竞赛（如中职生技能大赛数字技能类项目），以赛促学，提升技能水平与职业竞争力。九、课程负责人与授课教师课程负责人：（姓名、职称、研究