新一代信息技术与人工智能导论-教学大纲

《人工智能通识课》课程教学大纲（理论课）一、课程基本信息（黑体小四号，以下一级标题同）（表中字体为宋体五）课程名称人工智能通识课ArtificialIntelligenceGeneralEducationCourse‌课程代码课程类别通识必修总学时共48学时。理论24学时，上机学时，实验（践）24学时学分2适用专业全校本科生开课学期全学年（两个学期均开设）适用培养方案版本课程负责人先修课程无※后续课程（选填）各专业人工智能+课程考核方式（请打√）考试（√），考查（）撰写人审定人批准人大纲修订时间说明：撰写人应为课程任课教师或课程组成员，审定人应为课程负责人，批准人应为分管教学副院长。二、课程简介2.1课程主要内容概述《人工智能基础与应用》是全校非计算机类专业的人工智能通识必修课，课程基本情况介绍如下。（1）初识人工智能新一代信息技术：介绍新一代信息技术的概念，涵盖互联网与物联网技术、大数据技术、云计算与边缘计算等内容，阐述其与人工智能的关系，使学生了解信息技术的大环境，明白人工智能是其中重要的一环。人工智能概论：讲解人工智能的定义与发展历程，介绍其主要分支，如机器学习、深度学习等；阐述人工智能的计算模型，包括符号主义学派、联结主义学派、行为主义学派；分析人工智能的主要要素，即数据、算法、算力和知识，让学生对人工智能有初步的整体认知。（2）人工智能基础机器学习和深度学习：介绍机器学习的概念、三大范式、整体流程和常用算法；讲解深度学习的概念、框架、常用模型、训练与优化方法。人工智能应用开发与实践：详细介绍人工智能应用的开发基本流程，包括项目目标与意义、项目实践必备技能、项目管理与时间规划；具体阐述项目的选题与规划、数据采集与预处理、模型的训练与优化策略、系统设计与实现、系统测试与优化、部署与维护等环节；通过自动驾驶应用实践案例，让学生了解实际项目的运作；介绍人工智能无代码开发，拓宽学生的开发思路；设置习题帮助学生巩固知识。自然语言处理：介绍自然语言处理的概念、发展历程和基本流程；讲解其基础任务，如分词与词性标注、句法分析、命名实体识别、文本分类；分析文本相似度分析和情感分析的方法；探讨自然语言处理面临的挑战与未来发展，让学生了解该领域的研究热点和方向。计算机听觉：阐述语音的魅力与机器面临的挑战，介绍智能语音处理的发展历程；讲解语音识别的流程，包括语音信号采集、预处理、语言特征提取、声学模型和语言模型；介绍语音合成的原理；分析智能语音技术的未来发展趋势和面临的挑战，使学生了解语音交互技术的重要性和应用场景。计算机视觉：介绍计算机视觉的基础概念和基本处理流程；讲解其基础任务，如图像分类、目标检测、图像分割；探讨计算机视觉的未来发展方向和面临的挑战，让学生了解图像和视频处理技术在人工智能领域的重要性。（3）人工智能应用大模型应用实践：介绍大模型的概念、原理，讲解国内外常见的大模型工具；分析大模型与各行业的融合情况，让学生了解大模型在推动行业变革中的作用。AIGC应用：介绍生成式人工智能的概念、产业和应用，讲解其基本原理；分析提示词工程的开发与优化方法；通过实践设计，让学生掌握生成式人工智能的应用技巧；介绍AIGC在智能办公、科研等领域的应用，以及智能体和数字人的相关知识，拓宽学生对人工智能应用场景的认识。（4）人工智能伦理人工智能伦理与法律：介绍AI伦理原则、安全问题和相关法律法规；分析AI面临的伦理挑战及应对策略，培养学生在人工智能应用中的伦理意识和社会责任感。2.2与后续课程的关系人工智能通识课与后续人工智能+专业课程形成“基础-拓展”的递进关系。通识课作为基础，后续“AI+专业”课程则侧重垂直深化。二者形成“通识筑基-专业赋能”的闭环，通识课培养的跨学科思维能有效降低后续专业课程的学习门槛，而专业课程则反向巩固通识课中的方法论认知。课程体系既避免“技术空心化”，又防止“专业孤岛化”。2.3课程在人才培养方案中的地位（1）适用专业领域本课程适用于全学科专业，旨在培养学生的跨学科思维能力和对新兴技术的认知能力。无论是理工科专业，还是文科、管理类专业，人工智能技术都在逐渐渗透和应用。通过学习本课程，不同专业的学生都能了解人工智能的基本概念和应用场景，为今后在本专业领域中应用人工智能技术提供可能。（2）修读意义在当今数字化时代，人工智能已成为推动社会发展的重要力量。本课程的开设有助于提高学生的科技素养和创新能力，使学生能够适应科技快速发展的社会需求。同时，培养学生对人工智能的认知和应用能力，有助于拓宽学生的就业渠道，使学生在未来的职业发展中更具竞争力。2.4学生应达到的能力（1）知识与理解能力学生通过本课程的学习，应能够理解新一代信息技术的核心概念和发展趋势，掌握人工智能的基本概念、发展历程、主要分支和关键技术；熟悉机器学习、深度学习、自然语言处理、智能语音处理、计算机视觉等领域的理论和方法；了解大模型和AIGC的基本原理和应用场景；明确人工智能伦理与法律的相关问题。（2）应用与实践能力学生应能够运用所学知识，完成简单的人工智能应用开发任务，如使用无代码开发平台进行项目实践；掌握数据采集与预处理、模型训练与优化等基本技能；能够分析和解决人工智能应用中遇到的常见问题。（3）分析与解决问题能力学生应能够分析人工智能技术在不同领域的应用案例，评估其效果和影响；针对实际问题，提出合理的人工智能解决方案，并进行可行性分析。（4）伦理与法律意识学生应具备人工智能伦理与法律意识，在应用人工智能技术时，能够遵守相关法律法规和伦理准则，确保技术的合理、安全和合法使用。这些能力与人才培养方案中培养具有创新精神、实践能力和国际视野的高素质人才的目标相对应，有助于学生在未来的学习和工作中更好地适应社会发展需求。三、课程目标1.知识目标（1）掌握人工智能的基本概念、发展历程及主要技术方向。（2）理解机器学习、深度学习、自然语言处理、计算机视觉等核心领域的基本原理。（3）了解人工智能在各行业的实际应用场景及其社会影响。2.能力目标（1）培养学生运用人工智能工具解决实际问题的能力。（2）提升逻辑思维、数据分析和编程实践能力。（3）激发学生的创新意识和团队协作能力。3.素质目标（1）树立正确的科技伦理观和社会责任感。（2）增强对人工智能技术的兴趣和探索精神。（3）培养终身学习和适应未来变化的能力。四、课程教学内容与方法（突出两性一度的要求，体现课程思政元素及融入点）（一）理论教学部分第一章新一代信息技术【教学目标】知识目标：理解新一代信息技术的概念，掌握互联网与物联网技术、大数据技术、云计算与边缘计算的关键要点，以及新一代信息技术与人工智能的关系，达到对相关知识的准确复述与清晰阐释。能力目标：运用所学的新一代信息技术知识，分析其在不同领域的应用场景，具备将信息技术与人工智能结合思考的初步能力，为后续深入学习人工智能技术奠定基础。素质目标：培养学生对新兴技术的敏感度和探索精神，增强学生对信息技术在推动社会发展中所起作用的认知，提升学生的科技素养。【主要知识点】新一代信息技术的概念互联网与物联网技术大数据技术云计算与边缘计算新一代信息技术与人工智能的关系【教学重点与难点】教学重点：新一代信息技术的核心概念和关键技术，以及其与人工智能的紧密联系。教学难点：理解云计算与边缘计算的原理及应用场景，把握新一代信息技术如何支撑人工智能的发展。【教学方法】讲授法：教师系统讲解新一代信息技术的相关知识，确保学生掌握基础概念和原理。案例分析法：通过实际案例展示新一代信息技术在不同领域的应用，帮助学生理解其重要性和实用性。讨论法：组织学生讨论新一代信息技术与人工智能的关系，激发学生的思考和交流。【教学内容】新一代信息技术的概念详细阐述新一代信息技术的概念按照时间线，介绍信息技术的的发展历程。讲解新一代信息技术的特点。互联网与物联网技术讲解互联网的概念、组成和发展历程。介绍物联网的概念，基本组成和关键技术。分析互联网和物联网之间的联系。分析互联网与物联网的融合应用。大数据技术解释大数据的定义、特点和处理流程。探讨大数据在各个行业的应用案例。云计算与边缘计算云计算和边缘计算的概念、发展历程和特点。云计算和边缘计算的架构。云计算和边缘计算的应用场景。新一代信息技术与人工智能的关系深入分析新一代信息技术如何为人工智能提供支持，探讨人工智能对新一代信息技术发展的反馈作用。讨论人工智能与新一代信息技术面临的挑战。【课程思政元素及融入点】在讲解新一代信息技术对社会的推动作用时，融入科技强国、创新发展的思政元素，引导学生认识到科技创新对国家发展的重要性，激发学生的爱国情怀和创新意识。通过介绍我国在大数据、云计算等领域的发展成就，增强学生的民族自豪感和文化自信，培养学生的社会责任感和使命感。第二章人工智能概论【教学目标】知识目标：掌握人工智能的定义（模拟/延伸人类智能的技术科学）及三大学派（符号主义、连接主义、行为主义）的核心观点；理解人工智能发展历程的7个阶段（理论奠基→两次繁荣与寒冬→稳步发展→蓬勃发展）；掌握人工智能三大要素（数据、算法、算力）的协同关系及典型应用场景（如医学影像、智能交通）能力目标：能分析不同学派在具体应用中的优劣；能举例说明三大要素在实际案例中的作用。素质目标：培养学生对人工智能领域的学习兴趣与探索精神，结合医疗影像诊断、智能交通、文化保护等人工智能典型应用场景，引导学生树立正确的科技价值观，使其在感知技术赋能社会的同时，深入思考人工智能在数据隐私、伦理规范等方面的挑战，增强对人工智能技术发展所带来社会影响的全面认知与辩证思辨能力。【主要知识点】人工智能概述人工智能三大学派人工智能三大要素人工智能行业应用【教学重点与难点】教学重点：人工智能的定义、发展历程、核心技术框架；三大学派的理论差异；三大要素的协同关系。教学难点：理解深度学习在技术演进中的突破性作用；理解不同学派的观点及其局限性，把握人工智能三大要素之间的相互关系和协同作用。【教学方法】讲授法：教师系统讲解人工智能的基本概念和理论知识，确保学生掌握核心知识点。历史回顾法：通过回顾人工智能的发展历程，展示重要事件和里程碑，帮助学生理解人工智能的演变和发展趋势。对比分析法：对人工智能的三大学派进行分析，突出它们的特点和差异，加深学生的理解。【教学内容】人工智能概述定义：从类人智能”与“合理智能体”双维度解析，强调其让机器具备感知、学习、决策的能力。发展历程：按时间线分阶段讲解，突出里程碑事件。核心技术：以机器学习为核心，展开深度学习、NLP、计算机听觉/视觉的技术树，说明其相互关系。2.人工智能三大学派符号主义：以物理符号系统假设为核心，结合专家系统XCON说明其规则驱动的优势与常识表示难题。连接主义：以人工神经网络为基础，通过AlexNet、AlphaGo案例展示数据驱动的特征学习能力，对比人脑机制的差异。行为主义：以布鲁克斯机器昆虫为例，阐释“感知-行动”的适应性，分析其在自动驾驶应急响应中的价值。人工智能的三大要素数据：从结构化小数据到多源大数据的演进，以ImageNet、百度迁徙为例说明数据规模与质量的影响。算法：对比机器学习算法（如SVM）与深度学习模型（如ResNet）的演进，强调AutoML等自动化优化趋势。算力：分析CPU/GPU/TPU的异构计算特点，结合ChatGPT训练能耗讨论绿色算力发展必要性。4.人工智能行业应用医学领域：通过深度学习技术，AI能够高效识别医学影像中的病灶，如肺结节、心血管疾病和乳腺癌，显著提升诊断准确率并减少漏诊。交通领域：利用AI技术优化交通管理，缓解城市拥堵问题。通过实时数据分析，AI动态调整信号灯时长，提升道路通行效率农业领域：AI技术推动传统农业向智能化转型，通过计算机视觉和物联网实现农田环境监测和病虫害识别。文化保护：AI为文化遗产保护提供了创新解决方案，如艺术品修复、古籍数字化和文物3D建模。【课程思政元素及融入点】在讲解人工智能的发展历程时，融入科学家们勇于探索、不断创新的精神元素，激励学生在学习和未来的工作中保持积极进取的态度和创新精神。通过介绍人工智能对社会各个领域的深远影响，引导学生思考人工智能发展带来的伦理和社会问题，培养学生的社会责任感和人文关怀精神，树立正确的科技价值观。第三章机器学习和深度学习【教学目标】知识目标：理解机器学习与深度学习的概念、范式、流程、算法、框架、模型及训练优化策略，掌握人工智能开发知识。能力目标：运用所学知识开展独立完成简单人工智能开发，分析解决开发问题的能力并对结果评估优化。素质目标：培养学生对该领域的兴趣、创新思维与实践能力，增强自主学习意识和探索精神。【主要知识点】机器学习概念、三大范式、整体流程、常用算法深度学习概念、框架、常用模型、训练与优化策略【教学重点与难点】教学重点：机器学习三大范式等知识，深度学习相关内容。教学难点：理解机器学习范式特点及应用场景，深度学习模型训练优化技巧。【教学方法】讲授法：通过系统讲解机器学习和深度学习的概念、流程、算法，帮助学生建立知识框架与理解基础。实践教学法：通过安排无代码开发实验，引导学生快速构建图像分类模型。案例分析法：结合典型应用实践案例，剖析项目开发的关键步骤与技术应用，提升学生的综合分析能力。【教学内容】机器学习概述阐述概念、讲解三大范式、介绍整体流程与常用算法。深度学习讲解概念、介绍框架与常用模型、介绍整体流程、讲解训练与优化策略。【课程思政元素及融入点】介绍发展历程时融入科学家创新精神，激励学生进取。引导学生关注技术普及应用，培养社会责任感与科技服务社会价值观。第四章自然语言处理【教学目标】知识目标：学生能够准确理解自然语言处理的概念、发展历程和基本流程；掌握自然语言处理的基础任务，如命名实体识别、文本分类、文本相似度分析、情感分析；认识自然语言处理面临的挑战和未来发展方向。能力目标：能够运用自然语言处理的技术和方法，借助工具完成简单的文本处理任务，如文本分类、情感分析等；具备分析和解决自然语言处理实际问题的能力，能够对处理结果进行评估和优化。素质目标：培养学生对自然语言处理技术的兴趣和探索精神，增强学生的创新意识和实践能力，提升学生在自然语言处理领域的科学素养。【主要知识点】自然语言处理的概念、发展历程、基本流程自然语言处理的基础任务（命名实体识别、文本分类、文本相似度分析、情感分析）自然语言处理的挑战与未来发展【教学重点与难点】教学重点：自然语言处理的基本流程和基础任务；自然语言处理的核心基础任务；自然语言处理面临的挑战和应对策略。教学难点：理解自然语言处理中各种模型的原理和算法；掌握文本分类和情感分析的技巧和方法；应对自然语言处理中的数据的动态性、语义歧义等问题。【教学方法】讲授法：教师系统讲解自然语言处理的理论知识。实践教学法：安排实验课程，让学生进行文本分类、情感分析等实践操作。讨论法：组织学生讨论自然语言处理面临的挑战和未来发展方向，激发学生的思考和创新能力。【教学内容】自然语言处理概述阐述自然语言处理的概念和内涵。讲解自然语言处理的发展历程，介绍重要的研究成果和应用案例。介绍自然语言处理的基本流程，包括数据收集、预处理、特征提取、模型训练和推理等环节。自然语言处理的基础任务介绍命名实体识别的概念和方法，分析不同类型的命名实体识别模型。讲解文本分类的原理和方法，包括传统机器学习方法和深度学习方法。介绍文本相似度分析的概念和方法，如基于编辑距离、余弦相似度等的方法。分析文本相似度分析在信息检索、问答系统等领域的应用。讲解情感分析的概念和方法。分析情感分析在社交媒体、舆情监测等领域的应用。自然语言处理的挑战与未来发展分析自然语言处理面临的技术瓶颈，如语义理解、知识表示等问题。探讨自然语言处理的未来研究方向，如多模态自然语言处理、跨语言自然语言处理等。【课程思政元素及融入点】在讲解自然语言处理的发展历程时，融入科学家们的创新精神和坚持不懈的努力，激励学生在学习和研究中勇于探索和创新。通过介绍自然语言处理在社会各个领域的应用，引导学生认识到技术对社会发展的推动作用，培养学生的社会责任感和使命感。在讨论自然语言处理的挑战和未来发展时，鼓励学生积极面对挑战，为推动自然语言处理技术的发展贡献自己的力量，培养学生的担当精神。第五章计算机听觉【教学目标】知识目标：学生能够清晰理解计算机听觉的概念，掌握计算机听觉的发展历程；熟悉计算机听觉的基础理论、掌握与声音相关的基础概念（如频率、振幅、声谱图）和音乐相关术语（如和谐的声音、响度、音色）。了解计算机听觉的经典任务，认识计算机听觉未来发展趋势和面临的挑战。能力目标：学生能够理解计算机听觉任务的逻辑。了解计算机听觉的技术和方法。理解具备分析和解决计算机听觉的实际问题的能力。素质目标：培养学生对计算机听觉的兴趣和热爱，增强学生的创新意识和实践能力，提升学生在计算机领域的科学素养。【主要知识点】认识计算机听觉与声音有关的概念计算机听觉的相关任务计算机听觉采用的方法计算机听觉的挑战与未来方向【教学重点与难点】教学重点：计算机听觉的相关任务。介绍声音和音乐有关的几个概念，结合计算机听觉采用的方法，探讨计算机听觉未来与挑战。教学难点：计算机听觉方法的内部逻辑与适用场景；声学模型、深度学习模型的结合与应用。【教学方法】讲授法：系统讲解计算机听觉的基本理论、技术框架和研究现状。实践教学法：安排语音识别、语音合成等实验课程，加深学生的理解与应用能力。案例分析法：通过智能语音助手、音乐推荐系统等实际案例分析，展示计算机视觉的应用场景和效果，加深学生的理解。【教学内容】认识计算机听觉计算机听觉的概念。计算机听觉的发展历程。与声音有关的概念声音的物理概念（频率、振幅、声谱图等）。了解傅里叶变换，简单理解声音信号怎么转换为计算机可以表示的数字信号。语言和音乐相关概念（和谐的声音、响度、音色等）。计算机听觉的相关任务介绍语音相关任务（语音识别、说话人识别等），讲解语音合成的应用案例。介绍环境声音分析相关任务（环境声音分类、声学事件检测等），讲解婴儿哭声检测的应用案例。介绍音乐信息处理相关任务（音乐分类与标签化、音乐生成与编曲等），讲解音乐信息处理的基本过程。介绍声源分离与音频增强的基本处理过程。3.计算机听觉采用的方法传统的计算机听觉方法（特征工程、隐马尔可夫模型等）。基于深度学习的方法（CNN、RNN、Transformer等）。其他任务采用的方法。方法的适用领域。计算机听觉的挑战与未来方向分析计算机听觉技术面临的挑战，如复杂声学场景解析、方言识别等。探讨计算机听觉的未来发展趋势，如多模态语音交互、生物启发式听觉技术等。【课程思政元素及融入点】在讲解计算机视觉处理的原理时，融入科学家们的创新精神和勇于探索的品质，激励学生在学习和研究中不断追求进步。通过介绍计算机视觉在社会各个领域的应用，引导学生认识到技术对社会发展的推动作用，培养学生的社会责任感和使命感。在讨论计算机视觉的未来发展趋势和挑战时，鼓励学生积极面对挑战，为推动计算机视觉的健康发展贡献自己的力量，培养学生的担当精神。第六章计算机视觉【教学目标】知识目标：学生能够清晰理解计算机视觉的概念；理解计算机视觉的技术原理；阐释计算机视觉的任务分解与实现流程；归纳计算机视觉当前瓶颈（数据依赖/泛化能力/实时性矛盾）与未来方向（自监督学习/多模态融合）能力目标：掌握计算机视觉的核心技术与处理流程；理解计算机视觉的技术分类及核心算法；阐释计算机视觉的任务分解与实现流程；归纳计算机视觉当前瓶颈（数据依赖/泛化能力/实时性矛盾）与未来方向（自监督学习/多模态融合）。素质目标：培养对技术局限性的科学认知，如理解模型泛化不足的根源；建立技术伦理意识，关注行为识别中的隐私风险；激发跨学科创新思维；强化技术社会价值认同。【主要知识点】计算机视觉的基本内容和基本处理流程计算机视觉的基础任务和分类计算机视觉技术的挑战和未来方向以及应用场景【教学重点与难点】教学重点：目标跟踪技术框架：单目标（判别式跟踪）和多目标（检测→匹配→预测）的范式差异；瓶颈突破路径：自监督学习减少数据依赖的底层逻辑。教学难点：计算机视觉的基本处理流程，理解图像分类的核心原理；掌握计算机视觉基础任务的定义、要点和基本步骤。【教学方法】讲授法：系统讲解计算机视觉的概念体系、基础任务和分类和遇到的瓶颈以及未来的发展方向。演示法：将抽象概念具象化，通过演示不同存储方式下的图片，展示不同图像存储格式的特点和应用场景讨论法：通过学生讨论，总结计算机视觉和计算机视觉的基础任务的应用场景。【教学内容】计算机视觉的基本内容和基本处理流程计算机视觉的定义以及计算机视觉和人类视觉额比较。计算机视觉的发展历程。图像的表示和存储，不同图像存储格式的特点和应用场景。计算机视觉的应用领域计算机视觉的基本处理流程计算机视觉的基础任务图像分类的概念和核心技术原理以及应用前景。目标检测的概念和核心技术原理以及应用前景。图像分割的概念和核心技术原理以及应用前景。视频任务的视频数据处理关键流程和目标检测和行为识别。计算机视觉技术的挑战和未来方向以及应用场景计算机视觉当前的技术瓶颈。计算机视觉的未来研究方向。【课程思政元素及融入点】通过华为海思视频编码芯片突破技术封锁的案例，在视频压缩知识模块中深化科技自立自强的使命感。针对目标跟踪中的算法偏见问题，用不同肤色人种检测准确率对比实验揭示数据公平的重要性。通过8K超高清技术在敦煌壁画修复的应用，在分辨率参数教学中渗透工匠精神。以自动驾驶道德抉择辩论为载体，引导学生遵循《新一代人工智能伦理规范》，实现技术向善。第七章人工智能应用开发与实践【教学目标】知识目标：学生能够掌握AI应用开发全流程（需求分析、数据预处理、模型训练、部署维护）；理解无代码平台（如百度AIStudio）的核心功能与适用场景；熟悉花卉识别案例中的关键技术（如图像分类模型ResNet）。能力目标：能够独立完成无代码平台上的图像分类项目（如数据标注、模型训练）；具备根据评估结果优化模型（如调整超参数）的实践能力；能撰写简单的项目报告。素质目标：通过项目实践培养工程思维（如迭代优化）；增强团队协作意识（如分组完成数据标注）；激发利用AI解决实际问题的创新动机（如农业病虫害监测应用）。【主要知识点】人工智能应用开发流程无代码开发【教学重点与难点】教学重点：数据预处理的关键步骤（如标注一致性检查）；无代码平台的操作逻辑（如拖拽式产线搭建）；模型评估方法。教学难点：结合实际需求设计数据增强策略；理解超参数对模型性能的影响；从实验到部署的工程化转换。【教学方法】项目驱动法：以花卉识别为主线任务，分阶段实践开发流程。演示法：逐步演示百度AIStudio的产线创建、模型训练界面。分组协作：分组完成数据标注与模型优化，最后对比各组性能，【教学内容】人工智能应用开发流程明确花卉识别的精度要求（如95%准确率）、用户场景（移动端即时识别）。演示标注工具使用，强调数据均衡（如每类花卉样本量一致）。对比ResNet与ViT在flowers数据集上的性能差异，分析计算资源需求。生成API接口测试响应速度，讨论模型更新机制（如新花卉类别增量学习）。无代码开发对比百度AIStudio（预置模板丰富）与华为ModelArts（异构算力支持）等平台的适用场景。从创建产线到部署服务的全流程截图分步解析。【课程思政元素及融入点】通过国产平台（如百度AIStudio）案例，强调自主技术创新的重要性；在数据标注环节融入严谨求实的科学态度教育。结合农业AI应用（如病虫害监测），引导学生关注技术赋能乡村振兴的社会价值。第八章大模型【教学目标】知识目标：学生能够清晰掌握大模型的概念、特点、分类和国内外常见的大模型工具；熟悉大模型的核心技术；了解大模型与各行业的融合情况，认识大模型对人们工作和生活的影响以及掌握大模型的本地部署。能力目标：学生能够运用大模型工具完成简单的应用任务，如文本生成、知识问答等；具备分析行业场景需求的能力，能设计大模型应用方案（如金融风控、医疗影像诊断）；掌握分析和解决大模型应用实际问题的能力，能够对应用效果进行评估和优化。素质目标：培养学生对大模型技术的兴趣和探索精神，增强学生的创新意识和实践能力，提升团队协作与问题解决能力。提升学生在人工智能大模型领域的科学素养和社会责任感。【主要知识点】大模型的概念、特点以及分类国内外大模型工具大模型的核心技术以及性能评估指标大模型与行业融合大模型的本地部署【教学重点与难点】教学重点：大模型的概念、特点、分类和国内外常见的大模型工具；大模型的核心技术：Transformer架构以及大模型的性能评估指标；大模型与各行业的融合情况和应用案例；大模型的本地部署。教学难点：理解大模型的复杂架构和训练原理；掌握大模型工具的使用方法和技巧；应对大模型应用中的数据安全、伦理等问题。【教学方法】讲授法：教师系统讲解大模型的理论知识。实践教学法：安排实验课程，让学生使用大模型工具完成应用任务。案例分析法：通过实际案例分析，展示大模型在各行业的应用场景和效果，加深学生的理解。【教学内容】大模型概述阐述大模型的概念和内涵和大模型的基本特点。介绍大模型的发展历程和重要研究成果。根据应用领域和处理的数据类型介绍大模型的分类。国内外大模型工具介绍国内外常见的大模型工具，如GPT系列、文心一言等。分析不同大模型工具的特点和应用场景。大模型核心技术讲解大模型的核心技术：Transformer架构。介绍大模型的大规模数据训练与训练策略。介绍评估大模型性能的一系列科学指标。大模型与行业融合分析大模型在医疗、教育、金融等行业的融合情况和应用案例。探讨大模型对各行业的影响和变革。探讨大模型对人们工作和生活的影响，如提高工作效率、改变生活方式等。大模型的本地部署介绍大模型的本地部署所需要的环境。介绍大模型本地部署的详细步骤。【课程思政元素及融入点】在讲解大模型的发展历程时，融入科学家们的创新精神和团队合作精神，激励学生在学习和研究中积极进取、团结协作。通过介绍大模型在各行业的应用案例，引导学生认识到技术对社会发展的推动作用，培养学生的社会责任感和使命感。在介绍大模型本地部署时，要详细讲解本地部署时所需要的环境和步骤，细心引导学生自行进行实际的部署。第九章AIGC应用【教学目标】知识目标：学生能够准确理解生成式人工智能的概念、产业和应用；掌握生成式人工智能的基本原理，包括提示词工程的开发和优化；了解文本类、图片类、代码类、视频类以及音频类AIGC应用实践；认识智能体和数字人的概念和应用场景。能力目标：学生能够运用生成式人工智能的技术和方法，完成AIGC任务，如文本生成、图片创作、视频制作等；具备分析和解决AIGC实际问题的能力，能够对生成结果进行评估和优化。素质目标：培养学生对AIGC技术的兴趣和探索精神，增强学生的创新意识和实践能力，提升学生在人工智能生成内容领域的科学素养和社会责任感。【主要知识点】生成式人工智能概念生成式人工智能产业和应用生成式人工智能基本原理提示词工程的开发与优化生成式人工智能实践设计（文本类、图片类、代码类、视频类、音频类）AIGC智能办公AIGC赋能科研智能体和数字人【教学重点与难点】教学重点：生成式人工智能的概念、基本原理和产业应用；提示词工程的开发和优化方法；文本类、图片类、代码类、视频类、音频类AIGC应用实践；智能体和数字人的概念和应用场景。教学难点：理解生成式人工智能的模型架构和训练原理；掌握提示词工程的技巧和方法；应对AIGC应用中的版权、伦理等问题。【教学方法】讲授法：教师系统讲解AIGC的理论知识。实践教学法：安排实验课程，让学生进行AIGC任务实践。案例分析法：通过实际案例分析，展示AIGC的应用场景和效果，加深学生的理解。【教学内容】生成式人工智能概述阐述生成式人工智能的概念和内涵。讲解生成式人工智能的发展历程和重要研究成果。介绍生成式人工智能的产业现状和应用前景。生成式人工智能产业和应用分析生成式人工智能在不同产业的应用情况，如传媒、娱乐、教育等。探讨生成式人工智能对各产业的影响和变革。生成式人工智能基本原理讲解生成式人工智能的模型架构和训练方法，如变分自编码器（VAE）、生成对抗网络（GAN）等。阐述提示词工程的原理和方法，分析如何开发和优化提示词。生成式人工智能实践设计讲解文本类AIGC应用实践，如文章生成、故事创作等。介绍图片类AIGC应用实践，如图像生成、图像编辑等。测试代码类AIGC应用实践，如代码开发、代码优化等。分析视频类AIGC应用实践，如视频生成、视频剪辑等。讲解音频类AIGC应用实践，如音频转换、音频识别等。AIGC智能办公探讨AIGC在智能办公中的应用场景，如文档处理、会议记录等。分析AIGC对智能办公的影响和提升效果。AIGC赋能科研介绍AIGC在科研领域的应用案例，如数据分析、实验设计等。探讨AIGC对科研工作的帮助和支持。智能体和数字人阐述智能体和数字人的概念和特点。介绍智能体和数字人的应用场景，如智能客服、虚拟主播等。分析智能体和数字人的发展趋势和挑战。【课程思政元素及融入点】在讲解生成式人工智能的发展历程时，融入科学家们的创新精神和勇于探索的品质，激励学生在学习和研究中不断追求进步。通过介绍生成式人工智能在各产业的应用案例，引导学生认识到技术对社会发展的推动作用，培养学生的社会责任感和使命感。在讨论AIGC应用中的版权、伦理等问题时，引导学生树立正确的科技价值观，关注技术发展带来的社会影响，培养学生的法律意识和社会责任感。第十章人工智能伦理与治理【教学目标】知识目标：学生能够清晰掌握AI伦理原则和安全问题；了解AI伦理挑战的具体表现和产生原因；理解应对AI伦理挑战的策略和方法；了解并展望未来的发展趋势。能力目标：学生能够运用AI伦理原则，分析和解决人工智能应用中的伦理问题；具备评估人工智能系统伦理合规性的能力。素质目标：培养学生的伦理意识和社会责任感，增强学生在人工智能领域的伦理意识和规范意识。【主要知识点】AI伦理的理论基础AI伦理的典型挑战伦理治理的应对策略未来趋势【教学重点与难点】教学重点：AI伦理原则和安全问题；AI伦理挑战的具体表现和产生原因；应对AI伦理挑战的策略和方法。教学难点：理解AI伦理原则的内涵和应用场景；AI伦理的未来发展趋势和展望；应对复杂的AI伦理挑战。【教学方法】讲授法：教师系统讲解人工智能伦理的理论知识。案例分析法：通过实际案例分析，展示AI伦理挑战的具体表现和处理结果，加深学生的理解。讨论法：组织学生讨论AI伦理问题，激发学生的思考和讨论热情。【教学内容】AI伦理原则阐述AI伦理的基本原则，如公平、公正、透明、可解释性等。分析AI伦理原则在人工智能系统设计和应用中的重要性。AI安全讲解AI安全的内涵和范畴，如数据安全、模型安全、算法安全等。分析AI安全面临的威胁和挑战，如数据泄露、模型攻击等。介绍AI安全的保障措施和方法。AI伦理挑战与应对策略探讨AI伦理挑战的具体表现和产生原因，如算法偏见、隐私侵犯等。分析应对AI伦理挑战的策略和方法，如伦理审查、公众参与等。AI伦理未来趋势探讨智能化理论工具如何作用。全球伦理治理协同如何实现。伦理引领技术创新如何开展。【课程思政元素及融入点】在讲解AI伦理原则时，融入社会主义核心价值观，引导学生树立正确的伦理观念和社会责任感。通过介绍AI法律法规的重要性和具体内容，培养学生的法律意识和规范意识，让学生认识到遵守法律法规的重要性。在讨论AI伦理挑战和应对策略时，鼓励学生积极参与社会监督和讨论，为推动人工智能的健康发展贡献自己的力量，培养学生的担当精神。实验教学部分实验1：Python下载与安装实验内容：学习Python编程语言的下载与安装步骤。实验目标：掌握Python安装与环境配置，为后续编程实践奠定基础。实验2：Python第三方库安装实验内容：学习在命令窗口中使用pip命令安装Python第三方库。实验目标：能够独立安装和验证Python第三方库。实验3：基本程序设计实验内容：学习Python程序设计的三种基本结构。实验目标：掌握Python基本结构，能够编写简单的程序。实验4：数据读取实验内容：学习使用Python的Pandas读取CSV数据。实验目标：能够读取CSV文件数据，为数据处理做准备。实验5：数据预处理实验内容：学习使用Python的Pandas库进行数据预处理。实验目标：掌握数据预处理方法，包括查询并删除重复值、填充缺失值等。实验6：数据可视化实验内容：学习使用Python的Matplotlib库进行数据可视化的方法。实验目标：能够将数据以图表等形式直观展示，便于分析。实验7：目标检测实践实验内容：在飞桨AIStudio平台创建目标检测模型产线。实验目标：掌握创建目标检测产线模型的基本流程，能完成对数据集的训练。实验8：文字识别实践实验内容：在飞桨AIStudio平台创建OCR（光学字符识别）模型产线。实验目标：掌握创建OCR（光学字符识别）模型产线的构建流程，能完成手写识别训练。实验9：利用DeepSeek制作学术论文摘要实验内容：使用DeepSeek工具制作学术论文摘要。实验目标：掌握利用AIGC工具生成学术摘要的方法。实验10：利用豆包对学术论文生成脑图实验内容：使用豆包工具对学术论文生成脑图。实验目标：掌握利用AIGC工具生成脑图的方法，帮助理解论文结构。实验11：利用腾讯元宝撰写正式E-mail实验内容：使用腾讯元宝工具撰写正式E-mail。实验目标：掌握利用AIGC工具生成正式邮件的方法。实验12：利用Kimi撰写项目计划书实验内容：使用Kimi工具撰写项目计划书。实验目标：掌握利用AIGC工具生成项目计划书的方法。实验13：使用蓝字典AI生成一份求职简历实验内容：使用Kimi工具撰写项目计划书。实验目标：掌握利用AIGC工具生成简历的方法。实验14：问小白AI生成研究报告实验内容：使用问小白AI生成一份研究报告。实验目标：掌握利用AIGC工具生成研究报告的方法。实验15：图片生成实验内容：学习使用AIGC工具生成图片。实验目标：掌握AIGC工具图片生成的基本方法和技巧。实验16：图片扩展与高清化实验内容：学习使用AIGC工具扩展和高清化图片。实验目标：掌握AIGC工具图片扩展和高清化的基本方法。实验17：局部消除与局部重绘实验内容：学习使用AIGC工具进行局部消除和局部重绘。实验目标：掌握AIGC工具局部消除和局部重绘的基本方法。实验18：使用网易天音创作AI歌曲实验内容：学习使用AIGC工具进行风格转换和迁移。实验目标：掌握AIGC工具风格转换和迁移的基本方法。实验19：使用阿里云智能语音合成实验内容：使用智谱清言AI工具实现文生视频。实验目标：掌握利用AIGC工具生成视频的方法。实验20：讯飞输入法的多模态输入实验内容：选择普通话和方言以及英文进行测试，记录识别错误或特殊现象，运用随声译功能。实验目标：掌握讯飞输入法的多模态输入。实验21：AI语音对话训练（豆包智能体Owen）实验内容：通过豆包智能体Owen进行沉浸式英语对话练习。实验目标：熟练使用智能体Owen进行口语对话练习实验22：语音转写（通义千问实时记录）实验内容：应用通义千问实时记录工具对会议内容进行记录。实验目标：运用通义千问将会议语音转文字，生成摘要与思维导图。实验23：语音合成（讯飞智作）实验内容：用讯飞智作将文本转为多风格人声。实验目标：熟悉讯飞智作的基本功能，运用讯飞智作将文本转为多风格人声。实验24：AI平台实现文生视频实践实验内容：使用即梦AI平台中文本生成视频。实验目标：掌握即梦AI平台中文本生成视频的操作流程。实验25：AI平台实现图生视频实践实验内容：使用即梦AI平台中“图片生成视频”功能，将使用静态图片结合文字生成视频。实验目标：掌握利用AIGC工具从图片生成视频的方法。实验26：AI平台实现特效视频生成实践实验内容：使用可灵AI平台中“创意特效”，上传图片并应用特效模板生成创意视频。实验目标：掌握可灵AI平台中“创意特效”功能的操作流程。实验27：AI平台实现图片生成带音频的视频实践实验内容：使用通义万相，在平台上传图片并设置创意描述，生成带音频的创意视频。实验目标：学会在通义万象平台上传图片并设置创意描述，生成带音频的创意视频。。实验28：AI平台生成书籍解说视频实践实验内容：使用扣子平台和剪映工具剪辑生成书籍解说视频。实验目标：掌握利用扣子平台剪辑工具