教案09：项目九 人工智能教案

项目九：《人工智能》教案一、教学分析任务名称任务1人工智能所属专业本科各专业课程名称新一代信息技术课程性质学科基础平台（数智素养基础）模块课程类型理实一体先修课程后续课程授课班级授课学时学时授课地点授课时间授课方式任务驱动、案例分析、讨论法授课教师学情分析1.本科学生学习态度端正，学生较认真，对人工智能有一定来的了解，但对其具体实现技术不了解2.本次课理论偏重，学生容易打瞌睡，本次课加强课堂互动，将理论部分拆分为更小的模块，穿插互动环节，比如提问、小测验或即时反馈。利用人工智能技术的实际应用案例，让学生分组讨论。学习内容1.人工智能的基本概念及分类2.人工智能技术以及应用领域3.人工智能面临的挑战教学目标情感目标（素养）1.感受人工智能技术在医疗、教育、工程等领域的应用价值，激发科技创新意识。2.在人工智能实践中培养严谨的逻辑思维和精益求精的工匠精神。对应课程目标目标2：了解并掌握新一代信息技术的核心概念、发展历程、基本原理和应用领域。深入了解云计算、大数据、人工智能等前沿技术的原理和实现方法。认知目标（知识）1.熟练掌握人工智能的基本概念及分类2.掌握人工智能技术以及应用领域3.了解人工智能面临的挑战技能目标（能力）能利用人工智能大模型解决学习生活中的问题教学重点1.人工智能的基本概念及分类2.人工智能技术以及应用领域解决措施：课前自主学习，课前检测学生学习情况，理解重点知识。课中通过人工智能的实际应用案例，让学生分组讨论，进一步理解。课后通过课后测、作业，师生答疑指导巩固重点知识。教学难点人工智能的基本概念及关键技术解决措施：课前通过测试，加深学生对人工智能技术的了解。课中通过各类实际案例分析、讨论和讲解进一步熟悉人工智能技术。课后通过课后测，智慧职教MOOC平台测试、作业突破难点。二、教学策略教学资源数字资源智慧职教MOOC平台课件网络资源：阿里云、腾讯云和百度云平台开发工具交互平台学习通慕课堂智慧职教MOOC讨论区教学策略课程选用武春岭、惠宇主编的《新一代信息技术》职教本科教材，结合智慧职教MOOC平台，在线开放课程《新一代信息技术》，实施线上线下混合教学模式，采用“双主线任务驱动法”进行教学，即老师为主导，学生为主体，以项目任务为教学单元进行案例建构、情境创设和问题探究，实施启发式、参与式和探究式的课堂，深度挖掘育人元素，把科学价值观的相关内容从课前自学贯穿到课中讲授和课后拓展，从线上贯穿到线下。提高学生的专业能力、创新能力和素质能力，实现创新型、发展型、复合型的高素质技术技能人才的培养。三、教学环节设计第6次课（2课时）课前准备环节教学内容教师活动学生活动设计意图视频资源学习人工智能技术与应用1.在智慧职教发布学习任务；2.查看学生学习任务完成情况，并做好课前学情分析。在智慧职教完成教师发布的学习任务，实践练习。本次课任务重，学生提前学习和练习能更好的实现教学目标。课中内化环节教学内容教师活动学生活动设计意图任务导入(约10分钟)学习任务和目标1.教师提问，学习、生活中是否使用过人工智能技术？在哪些地方使用过呢？2.教师案例讲解生活中的大数据在我们身边人工智能技术的应用随处可见，如智能的家用电器、数码产品、智能化的交通工具、智能机器人、图像智能化识别、语言的自动翻译等。人工智能技术的发展，不仅改变了人们的日常生活，同时渗入到了现代社会的方方面面。学生思考，小组讨论在生活、学习中在哪些地方使用过人工智能技术通过问题讨论让学生意识到生活中的人工智能技术无处不在，人工智能技术的发展，不仅改变了人们的日常生活，同时渗入到了现代社会的方方面面。教师导学(约35分钟)大数据技术概述通过案例分析讲解如下知识点：1.人工智能的定义人工智能指通过计算机程序和算法，让机器能够模拟人类的思维、学习和推理过程，实现人机交互，解决复杂问题的一种技术。人工智能的核心是让机器具备自主学习和决策的能力，能够处理大量数据并从中提取有用的信息，以辅助人类进行决策和解决问题。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考，甚至也可能超过人的智能。2人工智能的分类（1）按照人工智能实现“智能”的方式和水平，可以将其分为计算智能、感知智能和认知智能（2）按照智能水平高低，即是否能真正实现推理、思考和解决问题，可以将人工智能分为弱人工智能、强人工智能和超人工智能三种。弱人工智能强人工智能超人工智能在超人工智能方面，人工智能已经跨过“奇点”，其计算和思维能力已经远超人类，此时的人工智能将打破人脑受到的维度限制，已经不是人类可以理解和想象的了，将形成一个新的社会。因此，超人工智能引发了人类“永生”和“灭绝”思考。提问：目前的人工智能产品是若人工智能还是强人工智能。通过提问、分析讨论得出目前绝大多数人工智能产品都是弱人工智能3人工智能的发展人工智能改变了我们的生活，但其发展也历经曲折。4.人工智能技术（1）机器学习技术机器学习是人工智能的一个重要分支，通过从数据中自动学习模型和规律，实现对新数据的预测和分析。机器学习算法包括监督学习、无监督学习、半监督学习和强化学习等，广泛应用于分类、回归、聚类等任务。机器学习的应用场景包括语音识别、图像识别、自然语言处理、推荐系统等。（2）深度学习深度学习是机器学习的一个子集，通过构建深度神经网络模型，实现对复杂数据的自动特征提取和分类。神经网络：包括卷积神经网络（CNN）、循环神经网络（RNN）等深度学习的应用场景包括人脸识别、语音识别、自然语言处理、图像识别等。深度学习的优势在于能够自动提取特征，避免了手工特征设计的繁琐过程，提高了模型的准确性和泛化能力。（3）自然语言处理自然语言处理是人工智能中处理人类语言的技术，包括语音识别、自然语言生成、文本分类等.自然语言处理的应用场景包括智能客服、语音助手、机器翻译等。自然语言处理技术的发展，使得人机交互更加自然和便捷，提高了人类的工作效率和信息获取能力。（4）计算机视觉技术(ComputerVision,CV)是人工智能领域的重要分支,旨在让计算机具备“看”并理解视觉信息的能力，是借助计算机系统与先进算法模拟人类视觉感知的尖端科技。（5）生成式人工智能是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，经历训练、微调与生成，以及评估和调整等阶段，最后以适当的泛化能力生成相关内容的技术紧跟教师讲解思路思考、参与小组讨论学习掌握人工智能的基本概念、分类、发展历程、关键技术通过案例讲解更好的理解人工智能技术教师导学(约20分钟)人工智能技术的实际应用互动提问：您所知道的人工智能应用有哪些？1.人工智能的应用领域（1）智能家具（2）自动驾驶汽车（3）医疗诊断（4）语音助手（5）游戏AI2.人工智能的未来发展（1）人工智能与人类的交互方式（2）人工智能的发展趋势与挑战深度学习：人工智能的深度学习技术将继续发展，实现更高效、更准确的模型训练和推理；可解释性AI：随着人工智能应用的广泛普及，可解释性AI将成为研究的重要方向，帮助人们更好地理解AI决策的依据和过程。随着人工智能应用的深入，数据隐私和安全问题将更加突出，需要采取有效的措施来保护用户隐私和数据安全人工智能的伦理问题人工智能算法可能存在偏见和歧视问题，需要采取措施来避免算法偏见对人们的不利影响；人工智能应用需要处理大量个人数据，如何保护用户隐私是一个重要的伦理问题。人工智能的发展可能导致一些传统岗位的消失，需要采取措施来帮助受到影响的人们转岗和再就业。3.AI与人类的未来（1）AI对人类社会的积极影响提高生产率：AI技术能够自动化处理大量重复性工作，提高生产效率，降低成本。改善生活品质:AI技术应用于家居、交通、教育等领域，为人们提供了更加便捷、高效的生活方式。创新产业模式：AI技术催生了许多新兴产业，如智能制造、无人驾驶、智能医疗等，为经济发展注入新动力。促进科技进步：AI技术的发展推动了计算机科学、数学等相关领域的进步，为人类科技进步做出了贡献。（2）AI对人类社会的潜在威胁就业问题：AI技术的广泛应用可能导致部分传统岗位消失或减少，对劳动力市场造成冲击。数据隐私：AI技术需要大量数据支持，如何保护个人隐私和数据安全成为亟待解决的问题。安全风险：AI技术可能被用于制造智能武器、网络攻击等恶意行为，对人类安全构成威胁。伦理道德：AI技术的发展引发了许多伦理道德问题，如机器人权利、道德责任等，需要引起关注和思考。（3）AI与人类的和谐共生4.人工智能大模型介绍DeepSeek、Kimi、豆包、文星一言等学生思考并理解人工智能技术，了解人工智能技术在各行各业的具体应用通过展示我国处于世界领先地位的人工智能产品，引导学生树立“科技创新、强国有我”的意识，培养学生应用人工智能技术进行科技创新的创新意识，争做科技创新的践行者。做中学（20分钟）基础操作与案例演示任务实践：深度模型运行任务1：开发环境搭建装1．Anaconda介绍Anaconda指的是一个开源的Python发行版本，其包含conda、Python共180多个科学包及其依赖项。因为包含大量科学包，Anaconda的下载文件比较大，如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版(仅包含conda和Python)。Anaconda的仓库中包含70000多个与数据科学相关的开元库，以及虚拟环境管理工具，通过虚拟环境可以使用不同Python版本环境。Anaconda可用于多个平台，如Windows、MacOS和Linux。2．安装Anaconda3．创建虚拟环境很多开源库版本升级后API会有变化，老版本的代码不能在新版本中运行，但使用虚拟环境可以将不同Python版本、不同开源库版本隔离。4．安装深度学习库创建虚拟环境后，开始安装深度学习框架。这里以Pytorch框架为例进行演示。在创建好了虚拟环境之后，可以开始安装深度学习框架。这里以Pytorch框架为例进行演示。然后在Pytorch官网/get-started/locally/中选择CPU版本的Pytorch的安装代码。（2）按照先前步骤激活创建好的虚拟环境，然后输入Pytorch官网提示的合适的框架代码，安装时间根据网络连接速度不同而不等。如果因为网络原因安装失败，可以选择添加临时清华源的安装方式：pipinstalltorchtorchvision-i/simple。完成之后再打开Pycharm就可以编辑运行相应的代码了。任务2：深度模型的实现基础目标：基于Pytorch深度学习框架搭建MNIST图片识别器。实现步骤如下：（1）导入深度学习的一些基本模块，包括函数载入数据集。（2）设定基本参数集，然后下载训练集与测试集。（3）定义模型结构，并设定生成模型与优化函数，然后定义训练函数与测试函数。（4）按照指定模式训练模型。（5）使用MNIST测试集评估训练好的模型，得到模型识别正确率。1.学生相互帮助，完成深度模型任务，并配合教师指导评价。2.实践过程中，掌握如何应用人工智能大模型解决问题小组同学协作完成、培养学生团队协作和交流能力。总结与分享（约5分钟）总结人工智能技术与应用知识1.点评同学们任务完成情况，完善过程评价。2.抽同学完成本次课知识总结。学生分享心得与体会，总结优点，反思不足。通过总结和梳理课程内容，加深知识体系的构建。课后拓展

1.登录智慧职教平台，完成项目四学习任务，观看在线视频、参与问题讨论。2.登录考试系统进行练习3.登录预约报名系统进行考试报名4.完成作业4考核评价考核方式1课堂参与度评价：课程中的案例、思考、练习，鼓励学生主动参与讨论、分享思路、帮助同学，表现突出的，当场记录加1～4分，若有影响课堂学习的（如：睡觉、玩手机）当场记录扣4分。2.课堂任务完成情况评价：课堂上布置的任务按1-3分计算教学目标达成度学生积极主动参与学习和课堂互动，学生对课程学习的积极性较高，较好的参与了本次课的学习过程，全班同学都较好的完成了课堂任务，特色创新1.依据课程标准，采用以学生为主体，以专业工程师认证目标为根本，促进学生达成学习成果。2.任务案例中自然融入思政元素，潜移默化的培养学生数据伦理、隐私数据保护和科技创新意识。3.多元评价方式结合，注重过程性评价，考核全面合理，有效的督促学生参与课堂的学习。反思改进可以从以下几方面反思改进（可以根据目标达成情况进行描述）1.教学方法与手段的有效性：反思讲授法、演示法、讨论法和实践法在实际教学中的应用效果。评估这些方法是否有效激发了学生的学习兴趣，提高了他们的参与度。思考是否有其他更适合的教学方法可以尝试，如项目式学习、翻转课堂等，以进一步提升教学效果。2.课堂互动与反馈：评估课堂互动的质量和效果，包括学生提问的积极性、讨论的深度和广度。分析是否存在部分学生参与度不高的情况，并思考如何激发他们的学习兴趣。反思教师对学生问题的反馈是否及时、准确和有效。考虑如何改进反馈方式，以更好地帮助学生解决问题和掌握知识。3.教学资源与工具的利用：评估多媒体课件、在线编程平台等教学资源和工具的利用率和效果。思考如何进一步丰富教学资源，提高工具的便捷性和易用性。鼓励学生利用课外时间自主学习，并提供必要的指导和支持，如推荐优质的学习网站、论坛和社区。4.作业与评价方式的合理性：反思作业的难度、数量和类型是否适中，是否能够全面覆盖所学知识点，并促进学生深入思考和实践。评估评价方式的公正性和有效性，确保能够客观反映学生的学习成果和努力程度。思考如何结合过程性评价和终结性评价，更全