教学大纲-Python程序设计与人工智能基础

《Python程序设计与人工智能基础》课程教学大纲一、课程基本信息项目内容课程名称Python程序设计与人工智能基础课程类别学科基础课/专业必修课课程性质理论+实践（含上机实验）建议学分4学分（按各校学时—学分对应关系核定）总学时60学时（理论讲授38+上机实验22）适用专业计算机类、人工智能类、数据科学类及相关专业开课学期第1学期（一年级第一学期）先修课程计算机基础（无需编程经验）后续课程数据结构、数据库、机器学习、数据分析与可视化、人工智能导论等课程编号待填写二、课程性质与定位本课程是面向计算机类、人工智能类及相关专业的学科基础必修课，是学生进入专业学习的第一门程序设计课程。课程以Python语言为载体，一方面系统训练学生的程序设计基本功（语法、流程控制、数据结构、函数、面向对象、异常、文件等），另一方面通过每章的"数据科学入门/人工智能入门"专题与两个综合项目，将编程能力与人工智能、数据分析的应用场景贯通，为后续机器学习、数据分析等专业课程奠定语言基础与思维基础。课程强调"学—练—用"一体化：以可运行代码贯穿讲解，以实验与综合项目检验能力，培养学生"会编程、能分析、懂应用"的综合素养。三、课程目标（一）知识目标掌握Python语言的基本语法、数据类型、运算符与流程控制结构。掌握列表、元组、字典、集合、字符串等数据结构及其操作。掌握函数（含参数传递、作用域、递归）、模块与包、面向对象编程的核心概念。掌握函数高级特性（迭代器、生成器、匿名函数、高阶函数、装饰器）、异常处理与文件操作。了解描述性统计、集中/离中趋势、大数定律与中心极限定律、线性回归等数据科学基础概念，以及网络爬虫、情感分析、数据可视化的基本方法。（二）能力目标能独立配置Python开发环境，使用IDLE与PyCharm编写、调试、运行程序。能运用流程控制与数据结构解决常见计算问题。能用函数与面向对象方法对程序进行模块化、结构化设计。能进行文件读写、异常处理，编写较为健壮的程序。能综合运用所学知识完成中等规模的综合项目（如桌面信息管理系统、数据采集与分析可视化）。（三）素质目标（含课程思政）培养严谨细致、规范编码的工程素养与精益求精的工匠精神。培养计算思维与数据思维，提升分析问题、解决问题的能力。树立数据安全意识与数据采集的合规、伦理意识。结合国产人工智能技术与自主创新成果，增强科技自信与使命担当。四、教学内容与学时分配章次教学内容教学重点与难点理论实验小计第1章Python开发入门：发展历史、特点、应用领域、环境配置、PyCharm、AI入门重点：环境配置、第一个程序；难点：PATH环境变量、交互式/文件式区别224第2章Python编程基础：语法、变量与数据类型、输入输出、运算符、描述性统计重点：数据类型与转换、运算符；难点：数据类型检测与转换、运算符优先级314第3章流程控制：程序表示、分支结构、match-case、循环结构、全民健康案例重点：分支与循环；难点：多分支、嵌套、break/continue区别426第4章数据结构：序列通用操作、字符串与正则、列表、元组、字典、集合、大数定律与中心极限定律重点：列表/字典/集合操作与推导式；难点：正则表达式、可变性、概率定律426第5章Python函数：定义与返回值、参数传递、作用域、调用与递归、集中趋势度量重点：参数传递、递归；难点：LEGB作用域、递归思维314第6章模块与包：模块定义与导入、内置标准模块、自定义模块、包、离中趋势度量重点：import机制、常用模块；难点：包结构、方差/标准差口径314第7章面向对象与类：类与对象、静态/类方法、魔法方法、三大特征、设计模式、线性回归重点：封装继承多态；难点：self、魔法方法、设计模式、最小二乘426第8章函数的高级特性：迭代器与生成器、匿名函数、高阶函数、装饰器、文本情感分析重点：高阶函数、装饰器；难点：生成器、闭包、装饰器原理314第9章异常：异常概述、捕获与处理、触发异常、自定义异常、八皇后问题重点：try-except机制；难点：else/finally时机、回溯/递归314第10章文件：文件操作、CSV/JSON、目录操作、pickle与数据安全重点：文件读写、CSV/JSON；难点：文件指针、with、pickle安全风险314第11章综合项目：数字化学生信息管理系统（TkinterGUI+持久化）重点：项目流程、面向对象拆分；难点：事件驱动、界面与逻辑分离246第12章综合案例：弹幕情感分析与可视化（爬虫+SnowNLP+pyecharts）重点：采集—分析—可视化流水线；难点：网页解析、情感打分理解246—期末复习与综合考核知识梳理、综合应用202合计382260学时分配为建议值，任课教师可按各校实际周学时（如48/64学时方案）等比例调整；每章另配有独立电子教案，含详细讲稿、实验与课后练习。五、教学方法与手段讲授+演示：核心语法与概念以"讲解+现场编码演示"结合，强调可运行代码。案例驱动：每章设置实验与"数据科学/AI入门"专题，从问题出发组织教学。项目贯通：第11、12章以综合项目整合全课程知识，采用分阶段验收的项目式学习。上机实践：理论与实验穿插，建议在机房进行，确保人人动手、随写随测。加涅九段教学法：以"引起注意—告知目标—回忆旧知—呈现材料—提供指导—引发表现—提供反馈—评估—促进迁移"组织课堂环节。线上线下结合：配合教材配套微课视频、在线判题/编程练习平台等数字资源开展混合式教学（资源由任课教师补充）。六、课程思政融入点融入章节思政主题融入方式第1章科技自信、自主创新结合国产量子计算机、国产AI框架等案例，激发学习动力第3章健康中国、关注民生借"全民健康"案例引导学生关注健康与社会责任第4章严谨求实、规律意识通过大数定律、中心极限定律培养尊重客观规律的科学精神第7章工匠精神、规范意识通过面向对象设计与设计模式培养结构化、规范化的工程素养第10章数据安全意识通过pickle反序列化风险强调信息安全与底线思维第12章数据合规与伦理强调爬虫合规、尊重隐私、不滥用数据的职业操守七、考核方式与成绩评定本课程采用过程性考核+综合性考核相结合的方式：考核类型占比说明平时成绩20%考勤、课堂参与、课后作业完成质量实验成绩30%各章上机实验完成度与代码质量综合项目20%第11、12章综合项目（功能完整性、代码结构、健壮性、规范性）期末考核30%编程能力测试（机考为主，含概念题与编程题）各项占比为建议值，任课教师可按学校规定调整；提倡机考+项目为主、降低纯记忆性考核比重，突出编程实操能力评价。八、教材与教学资源主教材：采用本课程配套教材（书名及版本以选用为准）。配套资源：教材配套微课视频、源代码、习题与课件等数字资源。实践平台：Python3.10、PyCharm开发环境；在线编程练习/判题平台（如在线判题网站，由任课教师指定）。第三方库：NumPy、Pandas、Matplotlib、Tkinter（标准库）、requests、beautifulsoup4、SnowNLP、pyecharts、NLTK等（按章节需要安装）。九、大纲说明本大纲依据课程目标与教材内容编制，与各章电子教案配套使用。第11、12章为综合项目章节，教材正文以扫码阅读形式提供，教学时以"项目导读+上机实训