计算与人工智能通识教学教案

TheTeachingPlanforInt教学内容第1章信息与计算学时3学时线上课外学习（课前）视频学习：观看智慧树平台本章微视频1.1~1.5节知识点：信息、计算、计算思维、补码、ASCII码、国标汉字机内码线下课堂教学（课中）信息表示与计算思维研讨内容1.信息技术与信息素养2.各种信息的表示方法3.计算思维4.国产信创发展学习目标1.理解数制的概念，掌握二进制数、十进制数、十六进制数的表示方法和相互转换规则2.了解文本、数值、多媒体数据的编码方法以及常用的信息编码方法3.了解信息处理过程和科学思维相关概念，理解计算思维的内涵4.了解新一代信息技术，了解信创软件发展现状教学重点1.二进制数、十进制数、十六进制数的表示方法和相互转换规则；2.整数的补码表示、ASCII码、国标汉字机内码3.计算思维的内涵4.国产信创的发展教学难点1.“计算”的内涵及其在信息社会中的作用2.浮点数的编码3.计算思维的核心教学手段和方法智慧树平台微课视频课前自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习1.讨论：信息技术、信息素养、计算思维相关术语和概念以及它们的区别和联系。2.使用计算器完成数制转换：如87的二进制、八进制、十六进制数3.字母、整数的编码：如D、9；-271、530116上机实践实验1：信息的表示与转换（1学时）认知文本、数值、指令编码以及各种媒体信息编码拓展提升与作业（课后）1.通过互联网了解信创软件的发展现状，找出几个具有代表性的信创软件并试着使用。2.完成第1章快速检测3.完成智慧树平台第一章测试4.探讨有关“新一代信息技术”的作用和发展TheTeachingPlanforInt教学内容第2章计算机系统与计算原理学时线上：3学时线下：3学时线上课外学习（课前）视频学习：观看智慧树平台本章微视频2.1~2.5节知识点：硬件、软件、冯诺依曼原理、CPU、内存、外设、总线、指令线下课堂教学（课中）第2讲计算机系统与计算原理研讨内容1.冯诺依曼原理和计算机系统组成2.微机主要部件的功能和性能指标3.指令及其执行过程学习目标1.理解冯诺依曼计算机系统的组成和计算机工作原理2.理解系统软件、应用软件的概念3.了解微型计算机主要技术指标和各部件功能4.了解国产CPU的发展状况5.掌握微机组装和配置方法。教学重点1.冯诺依曼计算机系统组成和工作原理2.数据存储和访问方式3.指令编码和执行过程4.微型计算机主要部件教学难点1.微机系统中的数据流、控制流、内存寻址方法2.指令编码和执行过程教学手段和方法智慧树平台微课视频课前自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习程序是如何控制计算机自动运行的？数据在内存和外存中的存储访问方式有何区别？如何提高计算机系统的性能？2.计算：36位地址的内存空间的存储容量是多少？上机实践实验2微机组装与计算原理（1学时）了解微机系统主要部件的功能和指令执行过程，掌握微机的和组装和系统设置配置方法。结合思科虚拟装机实验进行实践。拓展提升与作业（课后）1.了解微型计算机发展历程，各种外部设备特别是智能传感设备的发展和典型应用。2.完成第2章习题与思考3.完成智慧树平台第二章测试4.探讨“现代微处理器与芯片技术”的发展以及对信息技术的影响教学内容第3章计算机网络与数字化生存学时线上：3学时线下：3学时线上课外学习（课前）视频学习：观看智慧树平台本章微视频4.1~4.6节知识点：网络模型与协议、常见的网络设备、因特网线下课堂教学（课中）计算机网络与数字化生存研讨内容1.计算机网络的两种模型2.IP地址的组成及分类3.网络配置学习目标1.理解计算机网络的概念和网络协议2.了解局域网和因特网的连网设备3.了解因特网的协议和服务模式4.掌握局域网、无线局域网的组网技术和网络配置方法5.了解数字化网络生活的基本应用。教学重点1.理解计算机网络的概念和网络协议2.掌握局域网、无线局域网的组网技术和网络配置方法3.IP地址的组成及分类教学难点1.局域网、无线局域网的组网技术和网络配置方法2.IP地址的组成及分类教学手段和方法智慧树平台微课视频课前自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习局域网和广域网的区别和联系移动网络的关键技术2.使用PT组件一个无线局域网上机实践实验3网络连接与配置（1学时）掌握简单的网络布线，学会组建双机直连及交换机星型网络的方法，并熟悉网络联通测试的步骤；掌握无线路由器的基本配置，熟悉通过无线路由器使计算机加入局域网的一般步骤；掌握常见的命令进行网络联通、网络状态和网络配置的查看及测试；掌握PT仿真软件的使用方法。拓展提升与作业（课后）1.了解网络的发展历史及常见的网络设备。2.完成第4章习题与思考3.完成智慧树平台第四章测试4.探讨“物联网”的现在与未来教学内容第4章数字化编辑与WPSAI学时线上：3学时线下：3学时线上课外学习（课前）视频学习：观看智慧树平台本章微视频5.1~5.3节知识点：文档的结构、页眉、页脚、长文档排版、自动化目录、公式和函数、图形的制作线下课堂教学（课中）第4讲数字化编辑与WPSAI研讨内容1.文档的结构2.常用的文档有哪些3.公式和函数的作用及使用方法4.WPSAI学习目标1.熟悉WPS文字、WPS表格、WPS演示软件的工作模式和一般操作方法2.理解其核心术语并能熟练应用3.理解和把握WPSAI的典型应用。教学重点1.WPS文字、WPS表格、WPS演示软件的工作模式和一般操作方法2.长文档排版3.公式和函数的使用技巧和方法4.根据数据制造图表教学难点1.长文档排版2.公式和函数的使用教学手段和方法智慧树平台微课视频课前自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：长文档自动目录生成、设置页眉奇偶页不同利用rank函数进行排名上机实践实验4WPS文字论文编辑与排版实验5：WPS表格综合应用拓展提升与作业（课后）1.了解WPSAI的应用。2.完成第4章部分习题与思考3.观看拓展提升：自然语言处理教学内容第5章问题求解与算法设计学时线上：3学时线下：3学时线上课外学习（课前）视频学习：观看智慧树平台本章微视频10.1~10.4节知识点：算法、raptor基本操作、程序的三种结构线下课堂教学（课中）问题求解与算法设计研讨内容1.算法是什么2.程序设计的一般方法3.常见程序设计语言学习目标1.理解计算机求解问题的过程和方法2.理解算法的概念3.掌握Raptor基本操作，并实现简单算法流程图设计。教学重点1.计算机求解问题的过程和方法2.算法的概念3.掌握Raptor基本操作，并实现简单算法流程图设计。教学难点1.算法的概念2.Raptor基本操作教学手段和方法智慧树平台微课视频课前自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：使用raptor实现递归调用程序的三种基本结构上机实践实验6Raptor算法设计（1学时）熟悉Raptor软件环境，掌握Raptor算法流程图建立、编辑、运行的全过程；学会使用流程图描述和分析算法，能合理使用Raptor中的流程图符号设计算法拓展提升与作业（课后）1.通过互联网了解因主流程序设计语言。2.完成习题与思考3.完成智慧树平台第10章测试教学内容第6章人工智能概述第7章进化计算与群智能技术学时线上：3学时线下：3学时线上课外学习（课前）知识点：AI、AI的三种研究方法、AI的伦理问题、遗传算法的基本思想和组成要素线下课堂教学（课中）人工智能概述、进化计算研讨内容1.智能和人工智能2.人工智能伦理3.人工智能应用学习目标1.掌握AI技术的基本概念2.了解AI技术和方法的发展过程3.理解AI的三种研究方法的本质特征4.了解AI技术面临的挑战和伦理问题5.掌握遗传算法的基本思想和组成要素教学重点1.理解AI的三种研究方法的本质特征2.AI技术的基本概念3.遗传算法的基本原理和要素教学难点1.AI的三种研究方法的本质特征2.遗传算法的基本原理和要素教学手段和方法网络自主学习，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：智能如何产生？人工智能的目标？上机实践实验7：使用遗传算法求解TSP问题通过使用Python的scikit-opt库，实现并测试遗传算法，了解遗传算法的主要参数和一般实现过程。。拓展提升与作业（课后）1.通过互联网了解Python语言为什么这么流行。2.通过互联网了解AI的发展历程。3.浏览scikit-learn官网，查看监督学习的算法及实例。教学内容第7章进化计算与群智能技术学时线上：3学时线下：3学时线上课外学习（课前）网络自学知识点：遗传算法、微粒群算法、scikit-opt库线下课堂教学（课中）遗传算法、微粒群算法研讨内容1.遗传算法的基本原理2.微粒群算法的应用场景3.参数调整的方法学习目标掌握进化计算和群智能技术典型方法的基本原理和初步应用：包括遗传算法、微粒群算法教学重点1.遗传算法2.微粒群算法教学难点1.遗传算法参数（如种群大小、交叉概率、变异概率）对求解结果的影响2.微粒群算法的原理教学手段和方法网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：遗传算法的基本框架微粒群算法全局寻优的方法上机实践实验7：使用遗传算法求解TSP问题通过使用Python的scikit-opt库，实现并测试遗传算法求解TSP拓展提升与作业（课后）1.通过互联网了解scikit-opt库的使用2.如何根据具体问题调整遗传算法参数以获得更好的求解效果.教学内容第7章进化计算与群智能技术学时线上：3学时线下：3学时线上课外学习（课前）网络自学知识点：微粒群算线下课堂教学（课中）微粒群算法、蚁群算法研讨内容1.微粒群算法的公式参数2.蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值学习目标1.掌握微粒群算法和蚁群算法等2.能使用这些方法分析和解决常见的优化问题。教学重点1.微粒群算法公式参数的理解2.蚁群算法的基本原理3.蚁群算法的应用教学难点1.微粒群算法公式参数的理解2.蚁群算法的基本原理教学手段和方法网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：蚁群算法的车辆路径问题上机实践实验8：粒子群算法求解函数极值（1学时）使用Python程序编写粒子群优化算法，并进行函数极值的求解和研究拓展提升与作业（课后）1.通过互联网了解其他群智能方法。2.完成第7章快速检测。3.探讨如何设计具有“智能”的问题求解方案，试举例。教学内容第8章机器学习方法学时线上：3学时线下：3学时线上课外学习（课前）知识点：回归，监督学习，无监督学习：降维和聚类，k-meas算法，PCA方法，k近邻算法线下课堂教学（课中）回归，监督学习研讨内容1.无监督学习的原理和方法2.那些场景可以使用无监督学习3.无监督学习的常用算法学习目标1.无监督学习和预测的基本原理和方法2.无监督学习的场景3.无监督学习和监督学习的区别4.聚类和降维的常用算法教学重点1.无监督学习和预测的基本原理和方法2.无监督学习和监督学习的区别3.聚类和降维的常用算法教学难点1.无监督学习和预测的基本原理和方法2.聚类和降维的常用算法教学手段和方法网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：无监督学习和监督学习的区别现实生活中使用有监督和无监督的场景上机实践实验9：线性回归在银行贷款金额分析中的应用（1学时）采用线性回归模型来预测银行贷款金额，掌握对数据预测准确性的评估方法，提高对模型进行扩展和优化的意识和能力。拓展提升与作业（课后）1.通过互联网了解ChatGPT中用到的深度学习中的无监督学习技术。2.无监督学习的异常检测可用于欺诈检测、故障预警等场景，它们是如何实现的教学内容第8章机器学习方法学时线上：3学时线下：3学时线上课外学习（课前）知识点：增强学习基本概念，增强学习模型，增强学习算法线下课堂教学（课中）增强学习研讨内容1.三种机器学习的区别2.增强学习的模型3.增强学习常用算法学习目标1.了解增强学习的基本原理2.了解增强学习的典型算法及应用场景3.能使用典型机器学习方法分析和解决一般问题教学重点1.增强学习的典型算法及应用场景2.用典型机器学习方法分析和解决一般问题教学难点1.增强学习的典型算法2.增强学习的模型教学手段和方法网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：增强学习的数学原理增强学习的各种算法对比上机实践实验9：监督学习-鸢尾花分类（1学时）构建监督学习模型，利用鸢尾花的物理测量数据来预测其品种，理解训练集和测试集的作用。掌握利用scikit-learn库来实现K近邻的方法。拓展提升与作业（课后）1.通过互联网了解常见的增强学习数学原理。2.网络查看使用Python和Gym库来实现增强学习的一个简单的环境：CartPole，查看它使用的什么算法实现的。教学内容第9章神经网络与深度学习学时线上：3学时线下：3学时线上课外学习（课前）网络自学知识点：ANN、浅层神经网络线下课堂教学（课中）ANN的发展、浅层神经网络方法研讨内容1.ANN的结构和学习特征2.浅层神经网络的特点学习目标1.掌握神经网络与深度学习的基本原理和方法2.理解ANN的基本框架3.典型的浅层神经网络教学重点1.神经网络与深度学习的基本原理和方法2.ANN的基本框架3.典型的浅层神经网络教学难点1.ANN的基本框架2.典型的浅层神经网络教学手段和方法网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：BP网络训练的基本方法神经元的计算与逻辑回归上机实践实验11：无监督学习-葡萄酒数据聚类（1学时）掌握使用KMeans算法实现无监督分类，对给定的数据集进行聚类分析的一般过程和方法。拓展提升与作业（课后）1.通过互联网了解常见的浅层神经网络2.在计算机视觉领域，浅层神经网络能够有效地对图像进行分类和识别，查找相关的算法知识和基本原理3了解浅层神经网络的更多应用教学内容第9章神经网络与深度学习学时线上：3学时线下：3学时线上课外学习（课前）网络自学知识点：输入层、隐藏层、输出层、激活函数线下课堂教学（课中）深度神经网络方法研讨内容DNN是一种由多个隐藏层组成的神经网络模型，每个隐藏层由多个神经元组成，隐藏层越多越好吗？它的作用是什么学习目标1.掌握DNN中的常见模型2.了解配置神经网络模型的一般过程教学重点1.DNN中的常见模型2.配置深度神经网络模型的一般过程教学难点1.DNN输入层、隐藏层、输出层2.深度神经网络的搭建教学手段和方法网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：1.基于深度学习的手写识别技术；2、掌握手写检测模型的算法步骤上机实践实验12：BP网络字母识别（1学时）掌握BP网络训练的基本方法，掌握利用神经网络解决实际问题的一般流程。拓展提升与作业（课后）1.深度神经网络的训练可能出现的问题，如何解决？2.了解深度神经网络的应用场景教学内容第9章神经网络与深度学习学时线上：3学时线下：3学时线上课外学习（课前）网络自学知识点：前向传播、反向传播、卷积、池化、步幅线下课堂教学（课中）深度网络学习方法、基于DNN图像识别研讨内容1.神经网络与GPU2.图像卷积学习目标1.理解深度神经网络（DNN）的多层神经网络结构。2.了解图像卷积的构建3.了解图像识别模型训练方法教学重点1.深度神经网络（DNN）的多层神经网络结构2.图像卷积的构建3.卷积层和卷积核教学难点1.图像卷积的构建2.卷积层和卷积核教学手段和方法网络自学，课堂提问和学习效果检测，机房网络化讲授、演示和实验指导，讨论式教学等课堂练习讨论：查阅深度神经网络AlexNet，了解AlexNet的模型设计、激活函数、容量控制和预处理上机实践实验13：简单卷积神经网络-手写数字识别（1学时）熟悉PyTorch环境，了解基于深度学习的手写数字识别技术，掌握卷积神经网络框架的部署和使用方法。拓展提升与作业（课后）1.了解ImageNet图像识别挑战赛2.AlexNet在ImageNet的战绩如何教学内容第9章神经网络与深度学习学时线上：3学时线下：3学时线上课外学习（课前）网络自学知识点：直接通路、学习路径、残差块、pytorch线下课堂教学（课中）基于DNN的图像识别研讨内容1.典型的深度神经网络模型与框架2.Yolo算法的特点及应用学习目标1.了解基于残差卷积神经网络ResNet的分类技术2.掌握花卉识别检测模型的算法步骤3.掌握残差卷积神经网络ResNet框架的部署和使用教学重点1.掌握花卉识别检测模型的算法步骤2.掌握残差卷积神经网络ResNet框架的部署和使用教学难点1.花卉