《高级语言程序设计及应用》教学大纲

《高级语言程序设计（Python）》课程教学大纲课程基本信息课程名称高级语言程序设计（Python）英文名称PythonProgrammingLanguage课程编码SBD1011开课学期1课程性质☑必修□选修考核方式☑考试□考查课程类别□理论课☑理论课（含实践）□实践课课程学分3□通识课☑学科基础课□专业课课程学时总学时（48）理论学时（24）实践学时（24）适用专业人工智能、数据科学与大数据技术、数字媒体技术课程简介本课程是本科一年级的专业必修课，也是学科基础课程，对后续相关课程具有重要的支撑作用。课程秉持“介绍知识基础、阐明基本原理、引导场景实践、了解相关应用”的原则，系统讲授Python语言，深入介绍其从基础语法到前沿技术（如大语言模型与智能体）的完整知识体系及典型场景化案例。课程采用机房授课模式，实现理论讲授与实验实践的无缝衔接。通过本课程的学习，学生将系统掌握Python语言的核心语法与高级特性，熟练运用其进行数据处理、系统交互、高性能计算、图形界面开发，并初步了解机器学习、强化学习以及大语言模型智能体等前沿领域的应用开发。课程突出知识讲授与代码实践的深度融合，全程在机房开展，做到随讲随练、即时互动，并融入真实的开源软件开发流程，打破传统背记式学习模式，鼓励学生针对实际问题提出具有独立思考和批判性见解的解决方案。课程目标知识目标掌握Python语言基础：理解Python语言的基本语法、数据类型、流程控制、函数定义与模块化编程思想。理解高级编程范式：掌握面向对象编程的核心概念（封装、继承、多态），并能熟练运用装饰器、上下文管理器、迭代器、生成器等高级特性。掌握数据处理与可视化：熟练使用Pandas进行数据读写、清洗、聚合与分析，并能利用Matplotlib等库进行数据可视化。掌握系统交互与并发：理解文件系统操作、系统命令调用、网络编程（FastAPI/PyWebIO）及多线程/多进程并发模型。了解高性能计算：理解JIT编译、GPU加速（CUDA）及并行/分布式计算的基本原理与应用场景。掌握GUI开发与打包：能够使用PySide6等框架开发图形用户界面，并掌握使用Briefcase等工具进行跨平台应用打包。了解机器学习与强化学习：理解机器学习基本流程、经典算法（SVM、决策树等）及强化学习核心概念（Q-learning,DQN）。掌握大语言模型应用：掌握本地大语言模型（如Qwen）的部署与调用，并能基于此构建具备文档处理、摘要生成与问答能力的智能体系统。能力目标编程实践能力：具备独立编写、调试和优化Python程序的能力，能解决实际工程问题。全栈开发能力：具备从前端（GUI/Web）到后端（API/数据处理）的全栈应用开发能力。数据处理与分析能力：能够对结构化数据进行高效处理、分析和可视化，为决策提供支持。性能优化能力：具备对计算密集型任务进行性能分析与优化的初步能力。前沿技术应用能力：具备将机器学习、大语言模型等前沿技术集成到应用系统中的能力。情感与价值观目标培养工程素养：树立严谨的代码规范、模块化设计和版本控制意识。激发创新意识：鼓励学生探索Python在人工智能等前沿领域的应用，培养技术创新精神。强化数据伦理：在涉及大模型和数据处理时，引导学生关注数据隐私、算法偏见等伦理问题。培养协作精神：通过项目驱动式学习，提升团队协作与沟通能力。教学内容及学时分配章序章名课堂学时实验学时第1章Python语言基础与标准库33第2章Python高级特性与面向对象编程33第3章数据处理与可视化33第4章系统交互与并发编程33第5章高性能计算优化33第6章图形界面开发与软件打包33第7章机器学习基础与强化学习实践33第8章大语言模型应用与智能体开发33总计2424课程思政融入点科技报国情怀：在介绍大语言模型（如Qwen）时，强调我国在人工智能领域的自主创新与突破，激发学生的民族自豪感和科技报国志向。辩证思维培养：在讲解不同编程范式（面向过程/面向对象/函数式）、不同打包工具（PyInstaller/Briefcase）、不同强化学习算法时，引导学生辩证分析其优劣，培养批判性思维。数据安全与伦理：在数据处理、网络交互和大模型应用章节，强调数据隐私保护、算法公平性等伦理规范，树立正确的科技价值观。工匠精神：通过代码规范、性能优化、GUI界面设计等实践，培养学生精益求精的工匠精神和对高质量代码的追求。教学模式与方法本课程采用“讲练融合、项目驱动”的教学模式。理论讲授：精讲核心概念与原理，结合代码示例进行演示。同步实践：在机房环境中，学生即时动手编写、调试代码，实现“学中做、做中学”。项目驱动：每章围绕一个核心项目（如计算器、五子棋、数据可视化工具、PDF智能体等）展开，将知识点融入项目开发全流程。混合式教学：利用在线平台（如学习通）发布预习资料、作业和测验，拓展学习时空。考核方式本课程采用“过程性考核（50%）+结果性考核（50%）”的评价方式。过程性考核评价（50%）环节1：课堂表现与实践（10%）课堂讨论：基于学习通平台进行数据采集，按有效互动数据进行定量化评估。实践加分：基于团队合作和探索，取得与课程相关成果的，在基础的课程表现分数基础上可获得加分。o参加课程相关竞赛活动（校级1分，省级2分，国家级3分）。o参与课程相关开源项目（有效提交1分，软著申请2分，获软著3分）。o参加课程相关科研论文撰写（省级1分，本土2分，国际3分）。o（实践加分与课堂讨论总和不超过10分）环节2：阶段性项目作业（40%）考核内容：共四次，对应各章核心项目（如基础语法练习、OOP应用、数据处理报告、API开发、性能测试报告、GUI应用、机器学习模型、智能体系统）。评价标准：每次作业满分100分，四次作业平均分作为该环节最终成绩。结果性考核评价（50%）考核形式：上机考试。考核内容：覆盖课程全部章节，重点考查学生对知识的综合应用与实践能力。评分标准：总分100分，按课程考试命题双向细目表执行。分章节教学安排Python语言基础与标准库【教学内容】（支撑课程目标1.1,1.2,2.1,3.1）Python语言基础概念、开发环境搭建与交互式探索。核心数据类型（数值、字符串、列表、元组、字典、集合）及其操作。流程控制（条件、循环）与函数定义（参数、返回值）。模块化编程思想与标准库（os,sys,json,sqlite3）应用。【课程思政融入点】对比不同语言代码，体会Python的简洁与高效，理解技术发展的抽象层次演进。【教学重点及策略】数据类型与内存模型、函数与模块化。通过大量小练习即时巩固。【教学难点及策略】变量引用与对象可变性。通过id()函数和内存图示化解抽象概念。【思考题】计算机里存储的圆周率，是真实的圆周率么？还是一个计算公式？又或者是一个近似值？【拓展学习资源】本课程配套开源项目代码。Python高级特性与面向对象编程【教学内容】（支撑课程目标1.2,1.3,2.1,3.1）装饰器、闭包、迭代器、生成器的原理与应用。面向对象编程：类与对象、继承、多态、特殊方法。属性控制、上下文管理器（with语句）与高级调试技术。【课程思政融入点】通过装饰器等设计模式，体会“开闭原则”等软件工程思想的普适价值。【教学重点及策略】装饰器与OOP。通过构建日志、计时等实用装饰器加深理解。【教学难点及策略】闭包与生成器状态。通过可视化执行流程辅助理解。【思考题】为什么说“万物皆对象”是Python的核心哲学？【拓展学习资源】Python官方文档关于数据模型的章节。数据处理与可视化【教学内容】（支撑课程目标1.4,2.3,3.2）Pandas核心数据结构（Series,DataFrame）与数据读写（CSV,Excel）。数据清洗、转换、聚合与分组操作。Matplotlib基础绘图与词云等可视化技术。NLP基础文本处理流程（分词、停用词、词干提取）。【课程思政融入点】在数据可视化中强调客观、真实，反对数据造假与误导性呈现。【教学重点及策略】DataFrame操作与数据聚合。通过真实销售数据集进行实战。【教学难点及策略】数据分块读取与处理。通过模拟大文件场景进行演练。【思考题】如何从海量文本数据中快速提取关键信息？【拓展学习资源】Kaggle数据集、Pandas官方10分钟入门教程。系统交互与并发编程【教学内容】（支撑课程目标1.5,2.2,2.4,3.1）文件系统操作（os,pathlib,shutil）与系统命令调用。网络编程基础：使用FastAPI构建RESTfulAPI。全栈开发入门：使用PyWebIO构建交互式Web应用。并发编程基础：多线程与多进程的概念与简单应用。【课程思政融入点】在API开发中强调接口设计的规范性与安全性，培养职业责任感。【教学重点及策略】FastAPI后端开发与PyWebIO全栈应用。通过构建笔记API和数据可视化工具实战。【教学难点及策略】并发模型的理解。通过对比同步/异步请求的差异进行说明。【思考题】一个Web应用的前后端是如何协同工作的？【拓展学习资源】FastAPI官方文档、RESTAPI设计最佳实践。高性能计算优化【教学内容】（支撑课程目标1.6,2.5,3.3）性能分析基础：使用time和psutil进行基准测试。即时编译（JIT）：使用Numba加速数值计算。GPU加速入门：CUDA在矩阵运算中的应用与性能对比。并行与分布式计算概述：多进程、MapReduce思想。【课程思政融入点】通过性能优化案例，体会“好代码”不仅是功能正确，更是资源高效，培养绿色计算意识。【教学重点及策略】JIT优化与性能基准测试。通过矩阵乘法对比不同实现的性能差异。【教学难点及策略】GPU加速原理。通过可视化性能对比图直观展示加速效果。【思考题】为什么不是所有程序都能从GPU加速中受益？【拓展学习资源】Numba官方文档、CUDAPython教程。图形界面开发与软件打包【教学内容】（支撑课程目标1.7,2.2,2.4,3.4）PySide6/PyQt基础：窗口、布局、信号与槽机制。GUI应用开发实战：科学计算器、五子棋、贪吃蛇游戏。Python应用打包：使用Briefcase生成跨平台原生应用（.msi/.app/AppImage）。打包工具对比（PyInstallervsBriefcase）。【课程思政融入点】在GUI设计中强调用户体验（UX），体现“以人为本”的设计思想。【教学重点及策略】信号-槽机制与布局管理。通过开发完整游戏项目掌握核心概念。【教学难点及策略】跨平台打包配置。提供标准化的pyproject.toml模板降低门槛。【思考题】如何让你的Python程序像专业软件一样被普通用户使用？【拓展学习资源】PySide6官方文档、Briefcase用户指南。机器学习基础与强化学习实践【教学内容】机器学习基础：数据预处理、经典算法（LDA,SVM,决策树,随机森林）对比。深度学习简介：神经网络、CNN、RNN基本概念。强化学习核心：Q-learning,REINFORCE,DQN算法原理与对比。可视化演示：在网格世界中实现Q-learning智能体。【课程思政融入点】通过AlphaGo等案例，展示我国在AI领域的追赶与超越，激发创新自信。【教学重点及策略】经典ML算法应用场景与强化学习核心思想。通过鸢尾花数据集和网格世界进行可视化教学。【教学难点及策略】强化学习的“试错”与“奖励”机制。通过动态可视化演示其学习过程。【思考题】机器是如何从经验中学习并做出决策的？【拓展学习资源】Scikit-learn官方教程、Gymnasium强化学习环境。大语言模型应用与智能体开发【教学内容】本地大模型部署：使用Ollama运行Qwen等开源模型。智能体（Agent）系统：规划、记忆、工具使用能力。PDF智