计算与人工智能概论-问题求解、科学计算与AI应用方法 教学大纲

附件1《计算与人工智能概论》课程教学大纲一、课程基本信息课程名称（中文）计算与人工智能概论（英文）IntroductiontoComputingandArtificialIntelligence课程编码学分4总学时80理论学时48实践学时32课程类型R通识必修课程£通识选修课程£专业基础课程£专业核心课程£其他实践环节£专业选修课程£创新创业课程授课专业开课单位课程负责人开课学期先修课程无授课语言中文线上课程信息/paths/ac7fhnxf知识图谱网址（专业核心课必填，其他课程选填）教材与参考资料教材作者名称出版社ISBN出版时间蔡宇辉计算与人工智能概论--问题求解、科学计算与AI应用方法高等教育出版社ISBN978-7-302-71288-62026.4参考资料作者名称出版社ISBN出版时间战德臣等大学计算机计算思维与信息素养（第3版）高等教育出版社ISBN978-7-04-052044-62019.8李暾等大学计算机基础（第3版）清华大学出版社97873025098132018.5二、课程简介（一）课程中文简介本课程是大学生进入高校的首门信息类课程，通过对计算思维与人工智能等素质的培养，引导学生运用计算思维和人工智能去认识、分析、解决问题，培养学生创新能力和跨学科整合能力，推动新工科专业的创新与发展。课程的教学内容包括计算思维、C语言程序设计、算法设计基础、机器学习、机器视觉、大模型等内容。学生需要理解计算机和人工智能的基本工作原理，掌握设计算法和AI模型求解问题的基本方法和策略，了解机器学习、机器视觉、大模型等前沿知识的基本原理，并探索其与自身学科融合的思路。课程采用大案例植入的方式，旨在引导学生树立积极健康的科学精神和职业道德，培养学生的家国情怀与社会责任感，同时强化学生的创新思维与问题解决能力，增强学生的文化自信与拓宽国际视野。（二）课程英文简介Thiscourseisthefirstinformation-relatedcourseforuniversitystudentsuponenteringcollege.Byfosteringqualitiessuchascomputationalthinkingandartificialintelligence,itguidesstudentstoapplycomputationalthinkingandAItounderstand,analyze,andsolveproblems.Thecourseaimstocultivatestudents'innovativecapabilitiesandinterdisciplinaryintegrationskills,therebypromotinginnovationanddevelopmentinemergingengineeringdisciplines.Thecoursecontentcoverscomputationalthinking,Clanguageprogramming,fundamentalsofalgorithmdesign,machinelearning,machinevision,largemodels,andmore.Studentsareexpectedtounderstandthebasicworkingprinciplesofcomputersandartificialintelligence,graspfundamentalmethodsandstrategiesfordesigningalgorithmsandAImodelstosolveproblems,comprehendthebasicprinciplesoffrontierknowledgesuchasmachinelearning,machinevision,andlargemodels,andexploreideasforintegratingtheseintotheirowndisciplines.Thecourseemploysamethodofincorporatingmajorcasestudies,withtheaimofguidingstudentstoestablishapositiveandhealthyscientificspiritandprofessionalethics,fosteringasenseofnationalidentityandsocialresponsibility,strengtheningstudents'innovativethinkingandproblem-solvingabilities,andenhancingtheirculturalconfidenceandbroadeningtheirinternationalperspective.三、课程内容（一）课程教学目标通过本课程的教学，使学生具备以下能力：1.程序设计能力（毕业要求2“问题分析”）知识：初步了解利用计算手段解决社会/自然问题的基本思维模式。应用：具有设计程序以构造计算系统的初步能力。2.问题求解能力（毕业要求3“设计开发解决方案”）理解：深入理解由问题到算法，再到程序的问题求解思维模式。分析：能够分析问题、算法与计算资源（环境）之间的关系。应用：具有应用计算思维构造算法并求解问题的初步能力。3.智能应用能力（毕业要求5“使用现代工具”）知识：掌握人工智能的基本原理及其核心算法。理解：了解人工智能在各学科领域的典型应用场景。综合：为将来结合专业知识运用人工智能解决科学或工程领域问题奠定基础。（二）教学基本内容1理论课堂教学第一章计算与人工智能概述教学目的与要求：了解本课程的教学目标与教学内容，教学方式与教学评价及学生该如何学习该课程；理解计算思维和人工智能的基本概念。教学重点：计算思维的概念和基本要素；人工智能是什么及其发展。教学难点：计算思维的理解。教学内容：计算与机器自动计算；计算与程序的基本概念；什么是计算思维（小白鼠案例）；人工智能的历史、现状和应用领域。教学思政元素：通过计算与计算思维的学习，培养学生逻辑思考与创新能力；介绍湖大超算中心，树立科技兴国的信心；介绍易经与二进制、算盘、九章算术，提升民族自信心。学时分配：理论课堂教学2学时线上慕课教学2学时支撑毕业要求（选填）：课程目标1“程序设计能力”。第二章C语言编程基础教学目的与要求：掌握C语言的基本语法；掌握程序设计的基本控制结构。教学重点：C语言基本语法、程序设计的基本控制结构。教学难点：循环结构的设计。教学内容：基本数据类型（整数、字符与字符串）；常量和变量、输入和输出、表达式、运算符、头文件；if语句与switch语句、for循环与while循环、break与continue语句。教学思政元素：通过控制结构的学习，培养学生的逻辑思维和问题解决能力。通过循环结构设计的难点突破，引导学生树立攻坚克难的决心，同时在教学中融入团队协作元素，培养学生的合作精神和实践能力。学时分配：理论课堂教学10学时（基本语法4学时、分支2学时、循环4学时）支撑毕业要求（选填）：课程目标1“程序设计能力”。第三章C语言编程进阶教学目的与要求：掌握用函数进行模块化编程的方法；掌握使用数组存储数据的方法；掌握使用指针直接操纵内存的方法；掌握结构和类的设计与使用方法。教学重点：模块化的思想；数组的运用；指针的使用；结构和类的使用。教学难点：指针的理解；数组与指针的关系；指针类型的参数。教学内容：函数的定义与调用、函数的参数与返回值、变量作用域和存储类型、内部函数与外部函数、预处理；一维和二维数组、字符数组、数组作为函数参数、数组的基本操作（查找、插入、删除、排序）；指针的概念与指针运算、内存分配与释放、指针与数组、指针作为函数参数；结构的定义与使用、结构数组与嵌套、结构作函数参数、类简介与对象定义及调用、联合体、枚举类型。教学思政元素：培养学生的模块化思维和实践能力，融入思政教育元素，引导学生认识技术背后的伦理责任，培养严谨求实的科学态度、团队协作精神以及良好的编程伦理和社会责任感。学时分配：课堂教学14学时（函数2学时、数组4学时，结构、指针各4学时）支撑毕业要求（选填）：课程目标1“程序设计能力”、课程目标2“问题求解能力”。第四章算法设计教学目的与要求：对于实际问题，掌握设计基本算法-穷举算法的基本步骤，在分析穷举算法效率的基础上了解若干提高算法效率的策略-分治与动态规划。掌握机器学习领域的重要优化算法教学重点：算法的复杂度分析；穷举算法；分治与动态规划；梯度下降算法。教学难点：解空间分析与遍历；时间复杂度。教学内容：算法的定义与要素、算法的时间复杂度分析、算法的自然语言描述；可能解与解空间、解空间遍历、可能解的计算、可能解的验证、穷举算法的设计方法；分治算法的基本实现与实现、动态规划算法的基本实现与实现；梯度、一维函数的梯度下降算法、二维函数的梯度下降算法、局部最优解问题、学习率。教学思政元素：注重培养学生建立数学模型解决实际问题的能力，强调算法复杂度分析与优化意识，通过穷举与梯度下降等算法学习，培养严谨思维与创新能力，提升学生综合素养，培养解决复杂问题的毅力与责任心。学时分配：课堂教学8学时（复杂度分析、穷举算法、分治与动态规划、梯度下降算法各2课时）支撑毕业要求（选填）：课程目标2“问题求解能力”。第五章人工智能教学目的与要求：掌握线性回归和逻辑回归模型；掌握用opencvSVM模型和神经网络模型进行分类的方法；了解opencv机器视觉工具的使用方法；了解大模型的原理和应用方法；了解各种应用所涉及的关键智能化技术，理解不同人工智能技术的应用场景；教学重点：智能优化的思想；简单模型的设计；AI框架或工具（如opencv）的使用。教学难点：训练模型的完整流程；Transformer基本原理。教学内容：线性回归模型、损失函数之均方误差函数、梯度下降算法找最优参数、数据的分割（训练集、测试集）、训练的迭代与收敛；逻辑回归模型、损失函数之交叉熵误差函数、sigmoid函数；opencv安装、SVM模型简介、opencvSVM模型的创建与训练；神经网络原理简介、opencv神经网络模型的创建与训练；计算机视觉概述、卷积神经网络原理简介、opencv卷积神经网络模型的创建与训练；目标检测简介、opencv目标检测模块的使用；循环神经网络简介、Transformer神经网络简介、大模型典型使用场景。教学思政元素：培养学生科技报国之志，强调智能优化思想在解决实际问题中的重要性，引导学生树立正确的科技伦理观，关注AI技术发展对社会的影响，鼓励探索创新，培养责任感和使命感，为未来投身国家智能化建设奠定坚实基础。学时分配：课堂教学12学时（线性回归模型、逻辑回归模型、opencvSVM分类、opencv神经网络分类、机器视觉、大模型各2课时）支撑毕业要求（选填）：课程目标3“智能应用能力”。2实践课堂教学实验序号节次序号对应章节实验名称实验内容学时11C语言编程基础语法基础练习1基本数据类型与输入输出、简单数学表达式222C语言编程基础语法基础练习2字符类型；关系、逻辑和条件表达式233C语言编程基础分支设计基础整除判断、分段函数、地铁票价等1.544C语言编程基础分支设计进阶季节判断、三角形类型判断、水费计算等1.554C语言编程基础循环设计基础乌龟旅行、找水仙花数、求级数之和等1.565C语言编程基础循环设计进阶素数搜索、n钱n鸡问题、材料截取问题等1.576C语言编程进阶函数设计基础一元二次方程求根、杨辉三角形、邮政资费等1.587C语言编程进阶函数设计进阶圆切割问题、汉诺塔问题等1.597C语言编程进阶数组设计基础数组逆置、求次大值的位置、区间内素数等1.5108C语言编程进阶数组设计进阶合并有序序列、通讯录排序等1.5119C语言编程进阶结构设计基础电表信息显示21210C语言编程进阶结构设计进阶电费查询21310C语言编程进阶指针设计基础简单排序、数组元素交换等21411C语言编程进阶指针设计进阶字符位置查找、判断IPv4格式、单词统计等21511算法设计穷举算法火星车最短路径问题、计算24点等11612算法设计分治算法上台阶问题、大整数乘法问题等11712算法设计梯度下降算法梯度下降算法求函数最小值11813人工智能SVM模型使用OpenCV训练SVM模型进行分类11914人工智能基本神经网络使用OpenCV训练神经网络模型进行分类12015人工智能计算机视觉使用OpenCV进行图像分类、目标检测22116人工智能大模型大模型的安装与应用练习1四、考核方式本课程考核采用平时成绩与