计算机应用基础电子教案 单元10 人工智能与大语言模型应用

单元10人工智能与大语言模型应用教案教学任务任务1使用机器学习方法判断电影类型授课课时总时长：2学时包括：课堂讲授0.5学时；实训学习1.5学时一、教学分析学习目标知识目标1.理解人工智能（AI）的定义及主要应用场景（人脸识别、语音识别、无人驾驶等）。2.掌握机器感知的概念及其传感器组成（视觉、听觉、测距等）。3.理解机器学习的定义、发展历程及三大分类（监督学习、无监督学习、强化学习）。4.掌握K-近邻（KNN）算法的基本原理与计算逻辑。能力目标1.能够区分监督学习与无监督学习的适用场景。2.能够手动计算简单数据集的欧氏距离，并使用KNN算法进行分类预测。3.了解使用Pythonsklearn库实现机器学习的基本流程。素质目标1.感受人工智能技术对生活的改变，激发探索兴趣。2.培养数据思维，理解“数据驱动决策”的科学方法。3.树立严谨的逻辑推理意识，体验算法的精确性。教学重点1.机器学习的三大分类及其区别。2.K-近邻（KNN）算法的核心原理（距离计算、K值选择、多数投票）。3.通过电影分类案例完整演示机器学习流程。教学难点1.理解KNN算法中“距离”的数学含义及其在分类中的作用。2.理解监督学习中“标签”的重要性。3.从手动计算过渡到理解代码实现的逻辑映射。教学内容1.人工智能概述：定义、应用场景（人脸、语音、无人驾驶、翻译等）。2.机器感知：传感器系统、主要传感器类型（激光、超声波等）。3.机器学习基础：概念、发展、三大算法类型（监督、无监督、强化）。4.深度学习简介：神经网络、CNN等。5.任务实施：基于KNN算法的电影类型判定（数据准备、距离计算、K值选择、分类判定）。6.代码拓展：Pythonsklearn库的简单应用。二、教学策略教学设计•案例教学法（通过电影分类案例贯穿全程）•图解分析法（可视化展示距离计算与K值选择）•对比教学法（对比传统编程与机器学习的差异）•实操演练法（手动计算+代码体验）教学资源多媒体课件（PPT）、电影分类数据集（训练集/测试集）、距离计算工作表、Python环境（预装sklearn）。三、教学实施（一）课前教师准备：准备电影镜头数据统计表，制作KNN算法动态演示动画，调试Python演示环境。学生预习：阅读教材关于人工智能应用场景的章节，思考手机中哪些功能用到了AI。（二）课中教学环节教学内容/教师活动/学生活动/设计意图课堂引入（5mins）•场景导入：播放AlphaGo围棋对战视频，提问“机器如何学会下棋？”•引出主题：从规则驱动到数据驱动——机器学习。•发布任务：作为影院经理，如何利用历史数据自动分类新上映的电影？新知讲解（25mins）•AI与机器感知：-应用场景：人脸、语音、无人驾驶、翻译等。-感知系统：传感器（眼/耳）+神经（网络）+大脑（主控）。•机器学习核心：-定义：利用经验（数据）改善性能。-三大类型：1.监督学习（有标签，如分类）。2.无监督学习（无标签，如聚类）。3.强化学习（试错奖励）。•KNN算法原理：-核心思想：近朱者赤，近墨者黑。-步骤：算距离->选K近邻->多数投票。演示示范（15mins）•案例全流程演示：1.数据准备：展示训练集（6部电影的特征与标签）和测试集（3部未知电影）。2.距离计算：以“电影1”为例，现场计算其与训练集中各电影的欧氏距离（如与《青春旋律》距离16.4）。3.排序与选择：将距离升序排列，选取K=3的最近邻居。4.投票判定：统计3个邻居的类型（3个均为音乐片），判定“电影1”为音乐片。5.代码演示：展示Pythonsklearn库仅需5行代码实现上述过程。实践应用（40mins）•实训任务：我是数据分析师任务1（手动计算）：分发工作表，要求学生手动计算“电影2”和“电影3”与训练集的距离，填入表格，并依据K=3规则判定其类型。任务2（代码验证）：在Python环境中输入教材提供的sklearn代码，修改测试数据（如新增一部电影[50,50]），运行并观察分类结果。任务3（讨论分析）：小组讨论：如果K值设为1或6，结果会有什么不同？为什么通常选奇数？总结提升（5mins）•回顾核心：机器学习三大类型、KNN算法四步走（准备、算距、选K、投票）。•强调价值：数据是新时代的石油，算法是提炼技术。•展望：从KNN到深度学习的演进。（三）课后布置以下课后学习任务，并预习下节课的内容：1.实操题：收集身边5个物品的两个特征（如苹果：重量、甜度），尝试用KNN思想判断一个新物品的类别。2.思考题：监督学习需要大量标注数据，这在现实中成本很高，你认为该如何解决？3.预习：阅读“任务2使用大语言模型生成年终报告”，了解生成式人工智能（AIGC）的概念。四、教学反思与整改•反思点：1.学生在距离计算时是否容易忽略开方步骤或坐标对应错误？2.对“监督”与“无监督”的理解是否仍停留在表面？3.代码环节是否因环境配置问题耗时过长？•整改措施：提供带有公式提示的计算模板纸；增加更多生活化的类比案例解释学习类型；提前准备好免配置的云端Python环境链接。

教学任务任务2使用大语言模型生成年终报告授课课时总时长：2学时包括：课堂讲授0.5学时；实训学习1.5学时一、教学分析学习目标知识目标知识目标1.理解生成式人工智能（AIGC）与大语言模型（LLM）的概念及核心技术（Transformer、预训练微调）。2.熟悉主流AIGC工具的特点（DeepSeek、豆包、Kimi、文心一言等）。3.掌握提示词工程（PromptEngineering）的设计步骤与优化技巧。能力目标能力目标1.能够根据任务需求选择合适的国产大模型工具。2.能够运用“角色-目标-约束”框架设计高质量提示词。3.能够独立完成“数据处理->分析报告->PPT生成”的全流程智能办公任务。素质目标素质目标1.拥抱技术变革，提升数字化办公效率意识。2.培养人机协作思维，学会向AI精准提问。3.树立信息安全意识，注意数据隐私保护。教学重点1.大语言模型的工作原理（预训练+微调）及典型应用。2.提示词工程的七步设计法（目标、角色、任务、约束等）。3.多模型协同工作流：DeepSeek（公式）+豆包（分析）+Kimi（PPT）。教学难点1.理解Transformer架构与自注意力机制的抽象概念（仅需了解其作用）。2.提示词的迭代优化：如何预判AI误解并修正。3.不同大模型工具的差异化优势选择（如长文本vs代码vs数据分析）。教学内容生成式人工智能（AIGC）概述：发展历程、核心技术（Transformer、RLHF）。主流AIGC工具介绍：ChatGPT、DeepSeek（长文本/代码）、豆包、Kimi（长文档）、文心一言等。提示词工程：设计步骤（明确目标、选择角色、细化任务、添加约束、优化表达、预判误解、迭代优化）。4.任务实施：-阶段1：用DeepSeek辅助撰写Excel公式。-阶段2：用豆包进行数据分析并生成报告。-阶段3：用Kimi根据报告生成PPT演示文稿。二、教学策略教学设计•任务驱动法（以面包房年终报告为真实情境）•对比体验法（对比不同提示词的效果差异）•工作流拆解法（分阶段演示多模型协作）•实操演练法（全流程动手实践）教学资源多媒体课件（PPT）、主流大模型网页账号（DeepSeek、豆包、Kimi）、素材文件（面包销售数据.xlsx）、提示词设计模板卡。三、教学实施（一）课前教师准备：注册并测试各大模型平台，准备“坏提示词”与“好提示词”对比案例，上传测试数据文件。学生预习：体验一次与大模型对话，记录一次“答非所问”的经历。（二）课中教学环节教学内容/教师活动/学生活动/设计意图课堂引入（5mins）•场景痛点：面对繁杂的销售数据，人工整理公式、写报告、做PPT需要一整天，如何缩短到1小时？•引出主题：生成式人工智能（AIGC）赋能高效办公。•展示成果：演示AI生成的精美PPT与深度分析报告。新知讲解（20mins）•AIGC与LLM：-概念：从“感知”到“创造”的跃迁。-核心技术：Transformer架构、预训练+微调、RLHF。•主流工具图谱：-DeepSeek：长文本、代码、数学推理（国产之光）。-豆包：数据分析、多模态交互。-Kimi：超长上下文、文档解析。-其他：文心一言、通义千问。•提示词工程：-七步法：目标->角色->任务->约束->表达->预判->迭代。演示示范（15mins）•全流程实战演示：1.公式辅助（DeepSeek）：上传Excel，提问“计算单价的VLOOKUP公式”，复制公式填充数据。2.分析报告（豆包）：上传处理好的数据，输入多维分析提示词（比较分类、省份占比、月度趋势），生成并下载Markdown报告。3.PPT制作（Kimi）：打开KimiPPT助手，上传报告文档，选择“商务”模板，一键生成可编辑PPT。•提示词优化演示：展示初次生成的笼统报告vs添加“回本周期、预算限制”后的精准报告。实践应用（45mins）•实训任务：智能办公挑战赛阶段1（数据清洗）：使用DeepSeek/腾讯元宝，为“面包销售数据.xlsx”生成计算公式，完成数据补全。阶段2（深度分析）：使用豆包，从至少3个维度（如产品、地区、时间）分析数据，生成一份包含“成绩、不足、计划”的总结报告，并尝试使用“改写”功能优化语气。阶段3（演示制作）：使用Kimi，将报告转换为PPT，选择合适模板并下载。阶段4（提示词优化）：记录自己在过程中修改提示词的次数及原因，分享一个“让AI更懂我”的技巧。总结提升（5mins）•回顾核心：AIGC原理、工具选型、提示词七步法、全流程协作。•强调理念：AI不是替代者，而是超级助手；提示词质量决定输出质量。•展望：未来人人都是开发者，自然语言即编程语言。（三）课后布置以下课后学习任务：1.实操题：利用所学技巧，为自己本学期的一门课程整理一份复习大纲，并用AI生成一套模拟测试题（含答案）。2.思考题：比较DeepSeek、K