人工智能基础：案例驱动的技术认知与应用 教学大纲 64学时

《人工智能基础与实践》课程教学大纲一、课程基本信息课程名称（中文）人工智能基础与实践课程名称（英文）FundamentalsandPracticeofArtificialIntelligence课程代码04010019课程性质限选课课程类别通识限选课程考核形式考查总学分（学时/周）3(2+2)理论学分（学时）2.0(2)实践或实验学分（学时/周）1.0(2)先修课程无后续课程无适应范围理工农医类面向专业理工农医类专业开课学期1开课学院人工智能学院基层教学组织计算机基础与数字媒体课程负责人王丹丹课程网址/paths/fptfice4二、课程目标《人工智能基础与实践》是理工农医类专业的人工智能通识课程，融理论与实践为一体。其总目标在于助力学生全面认识人工智能，培育综合素养与能力。课程将帮助学生掌握人工智能基础概念、发展脉络、核心原理等，构建完整认知，借多学科交叉特性培养创新思维，同时强化伦理法律认知与风险防范意识；激发学生学习热情和人机协同思维，使其具备数据处理等基础能力，实现跨学科应用，提升复杂问题解决能力，塑造科学态度与创新精神；通过理论结合案例，培养数据、计算和智能思维，提升人工智能素养。课程目标1：了解人工智能基本概念、发展历史、核心原理及应用场景，建立人工智能全貌认知，同时认识人工智能伦理与法规，明确技术风险、社会责任及人工智能工具在解决计算机领域复杂问题中的适用场景与局限性；掌握人工智能工具（如Python语言、模型与算法的类库和训练框架等）的使用、模型训练及结果分析基础能力，能针对具体问题选择恰当的人工智能技术、平台、工具与资源开展任务模拟实践，结合自身专业探索人工智能跨学科应用，提升运用人工智能工具解决复杂问题的综合能力；培养多学科交叉思维，激发创新精神与探索意识，培育文化自信、全球视野与爱国情怀，树立正确技术伦理观，为后续运用现代工程工具解决专业领域复杂问题奠定基础。三、课程目标与毕业要求对应关系课程目标支撑计算机科学与技术专业毕业要求、指标点的情况如表1所示。表1课程目标支撑毕业要求、指标点情况支撑的毕业要求涉及的毕业要求指标点本课程的课程目标支撑强度5.使用现代工具5.1能够选择和使用恰当的平台、技术、资源和工具，对工程问题进行模拟、仿真和预测。课程目标1H填写说明：“支撑的毕业要求”和“涉及的毕业要求指标点”是指计算机科学与技术专业人才培养方案中的毕业要求及毕业要求指标点。课程目标与教学内容及资源对应关系本课程融合理论与实践，总计64学时。课程内容精心划分为7章，详细的教学内容及课时分配如表2所示：表2课程内容与课时安排课程内容理论学时实践学时总学时第一章初识AI技术--从理论萌芽到生成式时代224第二章AI编程之基--Python基础从认知到实践8816第三章学会从数据中成长--典型机器学习模型应用6612第四章解锁深层特征--深度学习核心技术解析6612第五章揭秘智能创作之源--生成式AI写大模型原理探析448第六章跨域智联--AI跨界融合的行业应用全景448第七章智行有界--AI伦理与规范构建224合计3232644.1理论环节（2.0学分）第一章初识AI技术--从理论萌芽到生成式时代（理论2学时）本章循序渐进地梳理人工智能的基础全貌，涵盖学习AI的时代意义、核心定义与能力维度，并纵览从萌芽期到生成式时代的7个历史演进阶段；通过剖析三大技术流派、能力分级及典型应用领域，帮助学生建立立体的AI认知框架。1.1为什么要学习AI——智能时代的必修课1.2什么是AI——让机器拥有“智能”1.3AI简史：从梦想到生成式未来1.4AI的技术流派：3种思维方式1.5AI的能力分级：从弱AI到超AI1.6AI的应用领域：正在改变世界教学重难点：AI的本质与四大能力维度，AI发展的7个关键演进阶段。支撑的课程目标：1思政融入点：序号课程思政案例对应章节知识点课程思政育人目标1引入中国《新一代人工智能发展规划》与“新基建”战略背景，激励学生认识到AI是实现国家科技自立自强的关键抓手，培养青年学子的科技报国志向、创新热情与社会责任感。1.1为什么要学习AI（抢占全球科技制高点）增强民族科技自信与国家战略使命感（大国担当与创新热情）第二章AI编程之基--Python基础从认知到实践（理论8学时）本章以Python编程为核心，系统梳理编程入门的核心要素与环境配置，深入讲解程序控制结构、四大复合数据类型、函数组织复用及文件存取操作；通过贯穿航天着陆、数字养殖、中医药大模型及气象防灾等重大实践案例，引导学生实现从“技术认知”到“编程实践”的跨越，为后续AI模型开发与应用打下坚实的工程基础。2.1Python基础知识：编程入门的核心要素与使用方法2.2程序控制结构：让代码学会判断和重复执行2.3复合数据类型：Python多类型数据的存储与操作2.4Python函数：组织和复用代码的核心方式2.5Python文件：文件的基本操作与数据存取教学重难点：程序的选择结构与循环结构；列表、字典等复合数据类型的增删改查与灵活组织；函数的定义、参数传递机制与变量作用域。支撑的课程目标：1思政融入点：序号课程思政案例对应章节知识点课程思政育人目标1引入“嫦娥六号”月背着陆自主避障的程序逻辑案例，分析严谨控制结构在国家重大工程中的关键作用。2.2程序控制结构：让代码学会判断和重复执行培育科技报国的使命担当，感悟航天人攻坚克难精神，树立“技术服务国家战略”的理想信念。2依托青蟹“数字公寓”智慧养殖与复合数据存储案例，展现数据科技赋能乡村振兴与产业升级的实践价值。2.3复合数据类型：Python多类型数据的存储与操作树立科技为民的价值导向，强化“科技助力民生、赋能产业发展”的应用理念与社会责任。3借助盘古中医药大模型通过模块化函数解决中医经验传承与临床辩证难题的案例。2.4Python函数：组织和复用代码的核心方式厚植文化自信与民族传承意识，增强立足本土传承文化瑰宝、开展自主技术创新的认同感与自信心。4结合台风预警中气象数据标准化文件归档与快速调度的防灾案例，分析数据守护安全的纽带作用。2.5Python文件：文件的基本操作与数据存取强化守护公共安全的责任意识，培育用技术守护民生底线、护航社会安全发展的职业理念。第三章学会从数据中成长--典型机器学习模型应用（理论6学时）本章以“数据驱动成长”为核心，系统梳理了机器学习的标准流程、六类核心学习范式与数据集降维处理方法；通过深入剖析聚类、回归与分类三大类经典模型（如K-Means、线性回归、逻辑回归、朴素贝叶斯及支持向量机）的算法原理与Scikit-learn实战，结合AI赋能智慧养殖的现实案例，培养学员从数据中发现规律、科学建模以解决实际问题的复合能力。3.1机器学习：让程序从数据中学会“找规律”3.2聚类方法：让数据“物以类聚”3.3回归任务：预测连续值的问题3.4分类：预测“属于哪一类”教学重难点：机器学习的标准化流程与六类核心学习范式；无监督聚类算法的距离度量与迭代原理；监督回归任务的损失函数、梯度下降优化与过/欠拟合调优；典型分类器的决策边界与概率计算逻辑。支撑的课程目标：1思政融入点：序号课程思政案例对应章节知识点课程思政育人目标1引入自主可控的“AI养鸡大模型”案例，分析机器学习技术破解传统家禽养殖高成本、高风险困境的技术路径。3.1机器学习：让程序从数据中学会“找规律”增强运用AI技术服务农业、改善民生的社会责任感，树立突破“卡脖子”难题、推动核心技术自主可控的使命意识。2依托研发团队扎根全国20余省份收集海量养殖数据、攻克场景复杂与数据稀疏难题的真实经历。3.1.1机器学习的基本流程：从数据到智能的9个关键步骤弘扬科研人员扎根一线、攻坚克难的实干与奉献精神，培养严谨务实、精益求精的工匠态度。3结合养殖环境多维数据降维（如将温湿度简化为环境压力指数）与聚类算法分组精细化管理的案例。3.1.3数据集与数据降维设置/3.2聚类方法培养尊重数据、科学决策的思维方式和可持续发展理念，理解“去除冗余、抓核心矛盾”的哲学辩证法4借助回归预测出栏最佳时机与分类预测种鸡公母等智能决策场景。3.3回归任务/3.4分类：预测“属于哪一类”引导学生树立“技术向善”价值导向，体会用数字化手段降本增效、赋能实体经济与乡村振兴的时代担当。第四章解锁深层特征--深度学习核心技术解析（理论6学时）本章以“解锁深层特征”为核心，深入剖析了人工神经网络（ANN）的前向与反向传播机制及主流框架，解构了卷积神经网络（CNN）通过“局部感知”与“权重共享”提取图像视觉特征的五层结构及经典演进模型（如LeNet至ResNet），并解析了循环神经网络（RNN）及其门控变体（LSTM、GRU）处理动态时间序列数据的记忆机制；通过贯穿中药材智能识别、智慧医疗影像及自动驾驶等典型实践，引导学生掌握深层特征提取技术并树立科技报国与技术为人的价值观。4.1智能计算的基石：ANN的基本原理4.2图像智能的起点：CNN在视觉任务中的角色4.3动态信息的处理器：RNN在序列数据中的应用教学重难点：人工神经网络（ANN）的基本结构、激活函数选择、前向传播计算与反向传播（链式求导与梯度下降）训练机制；卷积神经网络（CNN）的卷积核特征提取、步长/填充设置、池化降维与经典网络（AlexNet、ResNet残差连接）结构；循环神经网络（RNN）的隐藏状态传递、随时间反向传播（BPTT）以及LSTM/GRU门控机制对梯度消失与长期依赖问题的解决。支撑的课程目标：1思政融入点：序号课程思政案例对应章节知识点课程思政育人目标1引入“本草智眼”中药材智能识别系统案例，展现深度学习赋能传统中医药文化传承与高质量发展的实践。导读案例/4.2.3CNN在中药材自动识别中的应用厚植文化自信，增强对中华优秀传统文化的认同感；树立“技术为人服务”的价值导向，体会用现代化科技增进社会福祉的担当。2结合我国自主研发的昇思（MindSpore）、飞桨（PaddlePaddle）深度学习框架与AI产业进展。4.1.4搭建智能系统：主流深度学习框架介绍树立科技报国的责任意识，认识深度学习对国家科技自立自强的战略意义，增强自主创新自信。3剖析神经网络训练中超参数调优（如学习率、卷积核尺寸）与迭代收敛过程。4.1.3模型如何学习：神经网络训练方法解析/4.2.3超参数选择培养严谨求实的科学精神与工程思维，在反复调参与模型优化中体会“细节决定成败”的实干态度。4结合ResNet突破“越深越难学”瓶颈及RNN演进至LSTM/GRU解决长期依赖的创新突破历程。4.2.4经典CNN的演进之路/4.3.3把握长期依赖：RNN的进化之路激发敢于质疑、勇于创新的探索热情，培养面对复杂技术瓶颈时的抗挫力与辩证突破思维。第五章揭秘智能创作之源--生成式AI写大模型原理探析（理论4学时）本章全景透视了大语言模型的技术原理（概率预测与Transformer架构）、能力谱系及“三驾马车”驱动下的发展脉络；系统梳理了AIGC的内容创作范式、DeepSeek实战及“四步提问法/附件约束法”等提示词进阶工程；并进一步拓展至智能体（Agent）、MCP标准协议与氛围编程的人机协同新范式，通过案例与安全守则，引导学生建立求真务实、合规安全且注重工程化交付的AI素养。。5.1走进大模型的世界：从原理到应用的全景透视5.2激活创造新范式：AIGC从入门到高效生成5.3当AI开始行动：智能体、接口与编程方式的协同变革教学重难点：大语言模型基于“下一个词元概率预测”的核心机制与幻觉/时效滞后边界；AIGC内容生产工作流及结构化提示词的精准控制；智能体的四大核心组件（大脑、手脚、记忆、感知）与任务拆解执行；MCP标准化接口的架构治理；氛围编程中“生成-运行-报错-修正”的闭环迭代与代码验证。支撑的课程目标：1思政融入点：序号课程思政案例对应章节知识点课程思政育人目标1引入西部乡村孩子借助生成式AI画出太空梦想、弥合数字鸿沟的真实案例。导读案例/5.2.1什么是AIGC感受科技赋能教育公平与资源均衡的社会价值，激发用技术服务社会、点亮梦想的社会责任感与人文关怀。2强调大模型输出“看起来合理不等于事实正确”，需人工查证与复核。5.1.4技术原理/5.1.7风险与避坑指南树立求真务实的科学态度与批判性思维，拒绝盲目崇拜与“机械拿来主义”，做到证据可核验、结论可复核。3解析敏感数据切勿上传公共大模型、智能体越权风险与发布前“熔断机制”。5.1.7风险与避坑指南/5.3.1智能体/5.3.2MCP治理强化数据安全、隐私保护与国家安全红线意识，做到敏感信息不外泄、关键动作可追溯，遵守科技伦理与合规底线。4践行“明确目标-约束输入-迭代优化-检验质量”的提示词与氛围编程闭环。5.1.6提示词基础/5.2.3提示词进阶/5.3.3氛围编程培育严谨细致的工程化习惯与创新解决问题能力，完成从“被动接受者”到“主动掌控者与严谨监工”的角色升级。第六章跨域智联--AI跨界融合的行业应用全景（理论4学时）本章以“跨域智联”为主题，全景展现了人工智能技术深度赋能智慧农业、智慧医疗、智慧交通、智慧教育、智慧商科、智慧艺术设计、智慧语言教育及智慧体育八大行业的跨界融合全景；通过剖析青蟹数字公寓、肿瘤智能分割、交通主动预警、DeepSeek招生咨询、财务智能风控、参数化设计与口语测评等典型场景的共性落地逻辑与技术原理，引导学生构建跨学科融合思维并厚植服务国家战略、乡村振兴与民生福祉的家国情怀。6.1AI+智慧农业：升级水产养殖与畜禽管理模式6.2AI+智慧医疗：创新影像分析与辅助诊疗实践6.3AI+智慧交通：优化出行效率与安全管控体系6.4AI+智慧教育：构建个性化教学与智能服务生态6.5AI+智慧商科：重构财经管理与商贸服务模式6.6AI+智慧艺术设计：激活创意与生产的智能化链路6.7AI+智慧语言教育：重构外语学习与教学范式6.8AI+智慧体育：重塑教学、训练与赛事管理教学重难点：AI赋能不同学科领域的共性模式与跨学科思维构建。支撑的课程目标：1思政融入点：序号课程思政案例对应章节知识点课程思政育人目标1结合青蟹“数字公寓”、AI养鸡大模型带动沿海与山区农民增收致富、助力共同富裕的乡村振兴实践。6.1AI+智慧农业：升级水产养殖与畜禽管理模式增强学生对科技自立自强的战略认知，厚植服务国家战略、科技助农与乡村振兴的家国情怀。2依托AI肿瘤精准分割、心脏病早期动态预测及基层诊疗辅助，缓解“看病难、阅片累”问题。6.2AI+智慧医疗：创新影像分析与辅助诊疗实践树立“科技向善、生命至上”的职业伦理，感悟科研人员敬畏生命、守护人民健康的社会担当。3展现基于国产DeepSeek大模型本地化部署的研究生招生AI助手及城市大脑沉浸式互动教学实践。6.4AI+智慧教育：构建个性化教学与智能服务生态增强民族科技自信与文化自信，培养立足本土开展智能化教育革新、促进教育公平的时代使命感。4结合交通安全主动预警、财务风险防范、AI辅助产品设计（如闪设2D）及体育精准纠错。6.3智慧交通/6.5智慧商科/6.6艺术设计/6.8智慧体育涵养追求卓越、精益求精的工匠精神，鼓励文理工医不同专业跨界协作，培养用技术守护公共安全与社会公平的责任担当。第七章智行有界--AI伦理与规范构建（理论2学时）本章以“智行有界”为核心，系统阐述了AI伦理的基本内涵与其在规避社会不公、个人权利受损等风险中的重要性；深入探讨了算法公平性与安全性（如算法协商）、AI诈骗防范与版权保护（如首例AI画作著作权案）、透明度与可解释性及责任归属等治理难题；并全面梳理了国内外AI法治与全球治理框架，引导学生成长为兼具技术能力与道德担当的负责任AI创新者。7.1AI向善的起点：理解技术背后的伦理责任7.2AI发展挑战：治理难题与向善实践探索7.3构建有边界的智能：AI的法治与全球治理框架教学重难点：AI伦理的定义与平衡创新与人类福祉的核心内涵；算法偏见、数据隐私、“黑箱”不可解释性及自动驾驶与医疗诊断中的“责任真空”归属困境；AIGC著作权“独创性”判定标准与深度合成内容标识规制；我国“发展与安全并重”的监管法规体系与负责任AI创新者的5项核心素养。支撑的课程目标：1思政融入点：序号课程思政案例对应章节知识点课程思政育人目标1引入“AI医生下乡”辅助贵州、云南等偏远山区进行出生缺陷与重大疾病早筛的案例。导读案例/7.1AI向善的起点树立“以人为本”与“科技向善”的价值观念，引导学生理解技术进步必须服务于人的尊严与社会公平，厚植服务乡村振兴的家国情怀2依托网信办等部门开展“清朗”专项行动及外卖平台推行“算法协商”、超时免责与防疲劳机制。7.2.1算法公平性与安全性强化社会责任与法治意识，引导学生超越“效率至上”的工具理性，关注算法背后的劳动者权益与社会正义。3剖析“AI换脸”侵犯个人信息公益诉讼案与首例AI生成图片著作权案的司法认定。7.2.2AI诈骗防范与版权保护增强法治观念与底线意识，明确技术创新不可逾越法律底线与公共利益边界，尊重知识产权与个人隐私4对比我国《新一代人工智能发展规划》及《生成式人工智能服务管理暂行办法》与欧美的国际治理路径。7.3构建有边界的智能：AI的法治与全球治理框架拓展全球视野与坚定制度自信，理解中国在AI全球治理中的积极贡献，培养担当社会责任的负责任创新者素养4.2实践教学环节（1.0学分）本课程包括32学时课程实践，可以借助头歌等实践教学平台进行编程训练，具体实验项目设置、目的要求及支撑的课程目标等如表3所示。表3实验项目设置、目的要求及支撑的课程目标序号实验项目学时数项目要求项目类型项目性质目的要求支撑的课程目标1初识AI技术2必修操作验证AI基础练习课程目标12AI编程之基8必修操作验证理解流程控制机制（如条件判断和循环）、函数的调用、文件的操作等。课程目标13机器学习6必修操作验证了解线性回归、支持向量机、朴素贝叶斯等经典机器学习模型的原理与算法。课程目标14深度学习6必修操作验证了解神经网络训练的原理与实现过程；掌握几种常见神经网络，如CNN，RNN等。课程目标15生成式AI4必修操作设计理解大规模模型的架构原理，使用技巧，不同大模型使用的特点、优势与弊端等。课程目标16AI跨界融合4必修操作设计AI在多个场景的应用演练。课程目标17AI伦理与规范构建2必修操作设计AI相关政策法规调研与整理。课程目标1合计32学时4.3课程主要教学资源及参考资源、教学平台网站推荐教材与参考书目资源：[1]王丹丹，张石清编著，《人工智能基础:案例驱动的技术认知与应用》电子工业出版社，2026年5月.推荐教学资源与教学平台网站：[1]《人工智能基础：案例驱动的技术认知与应用》华信教育资源网：/hxedu/hg/book/bookInfo.html?code=G0526860；（可以提供大纲、教案、PPT以及课后习题答案等）《人工智能基础与实践》头歌实践教学平台：/paths/fptfice4；（可以提供在线试题、实践项目等相关资源）五、课程目标与教学方法及实施对应关系为确保课程目标的达成，本课程采用“移动互联网+动画微视频”的教学模式改革，针对课程知识点，设计相应的情境案例和动画微视频，将抽象理论知识可视化。本课程的教学方法支撑课程目标达成的主要途径与判据如表4所示。表4教学方法支撑课程目标达成的主要途径与判据课程目标主要教学方法主要途径判据课程目标1案例情境教学、移动互联网+动画微视频教学和研讨式等混合式教学“案例情境引入-线上观看动画微视频-在线答题测试-线下分组讨论”五阶段式教学课堂表现、单元测试成绩、课后作业完成情况、期末考试成绩六、课程目标与考核依据及评价标准对应关系本课程的考核采用过程性评价和终结性评价相结合的“N+1”考核理念，其中教学过程中的考核项目数“N”包含课堂表现、单元测试和课后作业共3个分项；“1”代表课程结束后的期末考试。6.1课程的考核环节及其支撑课程目标的比重总评计分制：百分制（√）；五级分制（）；两级分制（）考核方式：考试（√）；考查（）课程的各考核环节支撑课程目标的比重如下表5所示。表5各考核环节支撑课程目标的比重考核环节课程目标课堂表现课后作业单元测试期末考试比重小计课程目标10%20%20%50%100%6.2考核环节的评价方式及其评价标准根据表5可知，本课程的课程目标分别由多个考核环节来支撑，每个考核环节的评价方式及其评价标准如下表6所示。表6各考核环节的评价方式与评价标准表考核环节评价方式评价标准100~9089~8079~7069~60<59优良中及格不及格课堂表现课堂问答、交流讨论以及完成任务情况积极参与课堂交流与讨论，回答问题完全正确。较积极参