计算机与人工智能基础-教案

《计算机与人工智能基础》教案课程总学时：36学时；授课形式：理实一体化；授课对象：大一通识课1（862）【教学基本信息】项目名称：信息与计算机基础学时：8学时知识目标ASCII编技能目标：能够完成二、十、八、十六进制互相转换；识别计算机硬件部件；读懂简单网络配置；识别常见网络安全威胁。素养目标：认识国产超级计算机（天河、神威太湖之光），树立科技自主意识；了解电子垃圾，建立绿色科技责任感。【教学重点难点】重点：计算机软硬件组成；进制转换；ASCII、汉字编码；网络分层模型；计算机信息安全。难点（四层模型。【教学过程】第1-2学时：计算机概述、计算机发展（理论）课程导入（10min）：电商小公司业务案例引入：订单处理、库存管理，为什么需要计算机。计算机定义与五大特点：运算速度快、精度高、记忆能力强、逻辑判断、自动化（20min）。计算机分类（（通用、用min。计算机发展历史：ENIAC，冯・诺依曼存储程序思想；四代计算机对比表格讲解（20min）。+课堂小练习（5min）。第3-4学时：信息数字化基础（理论）1.进位计数制：基数、位权；十进制、二进制、八进制、十六进制（20min）。2.进制转换：R进制转十进制：按权展开；十进制转R进制：整数除基取余，小数乘基取整；二、八、十六进制互转（35min）。例题演算。3.信息编码CIICD区位码---字形码min。4.课堂练习进制转换习题（5min）。第5-6学时：计算机系统、计算机网络、信息安全（理论）1.硬件概览：冯诺依曼思想；硬件五大部件：CPU运算器控制器、存储器、输入输出设备；内存与外存区别；总线系统（25min）。2.软件系统：系统软件（操作系统、驱动）、应用软件、开发软件（15min）。3.计算机网络四层模型对比（25min）。4.信息安全min。第7-8学时【实践课2学时】实践任务：识别硬件CPU-ZCPU、内存参数；CrystalDiskInfo查看硬盘状态。实操练习：进制转换习题实操练习。cmdipconfig、ping简单网络命令。任务提交：实验记录表。作业：整理四代计算机对比表；完成10道进制转换练习题。教学反思项目2现代数字技术（6学时：理论4，实践2）【教学基本信息】项目：现代数字技术学时：6学时知识目标AI5V//技能目标：可以区分六种数字技术的现实业务案例；识别云部署模式；能分析物联网三层架构。素养目标：体会数字技术赋能实体经济，关注我国数字经济发展。【重点难点】重点：5V；物联网三层架构；区块链分类；元宇宙概念。难点：区分IaaS、PaaS、SaaS；区分大数据、云计算、物联网的关系。【教学过程】第1-2学时（理论）人工智能、云计算1.导入：生活中数字技术案例（外卖、智能家居）（10min）。2.人工智能/强/IImin。3.云计算Iaa/aa/aaSmin。第3-4学时（理论）物联网、大数据、区块链、元宇宙1.物联网：三层架构感知-平台-应用；感知、通信技术；典型应用智能家居、工业物联网（25min）。2.大数据Vmin。3.区块链：概念；公有链、私有链、联盟链；金融、供应链溯源应用（20min）。4.元宇宙：起源《雪崩》；发展阶段；分类、典型应用（10min）。第5-6学时（实践2学时）实践任务：小组案例分析。任务///区块链哪一类，填写案例分析表。拓展Sunshine+Moonlight本地搭建私有云的完整流程，读懂实训文档。分享：小组分享汇报。作业：列举生活中5个现代数字技术实际应用，简述工作原理。教学反思：概念多，多用生活实例，减少抽象理论。项目3人工智能基础（6学时：理论4，实践2）【教学基本信息】项目：人工智能基础学时：6学时知识目标：生物神经元与人工神经网络；机器学习：监督学习、无监督学习、强化学习；深度学习；GAN生成对抗网络；主流深度学习框架。技能目标：能区分监督、无监督、强化学习；理解神经网络训练流程。素养目标AIAI能力。【重点难点】重点：机器学习三类范式；神经网络基本组成；深度学习概念。难点：神经网络训练过程（前向传播、反向传播、损失函数）。【教学过程】第1-2学时（理论）神经网络、机器学习导入案例：猫咪识别机器学习案例（10min）。神经元模型：生物神经元对比人工神经网络，输入层、隐藏层、输出层、激活函数（25min）。神经网络训练流程：数据集划分训练集、验证集、测试集；前向传播、损失函数、反向传播；过拟合防止方法（30min）。机器学习分类min。第3-4学时（理论）深度学习、GAN、、Keras、MXNet（25min）。深度学习应用：卷积神经网络CNN，计算机视觉任务；RNN；Transformer基础（25min）。生成对抗网络GAN；网络博弈思想、应用图像生成（20min）。第5-6学时（实践课2学时）实践任务：案例分析//强化学习。案例实践：观看猫咪识别机器学习流程图，梳理完整训练流程。小组讨论：现实场景举例三种机器学习范式。提交分析报告。作业：对比监督学习、无监督学习、强化学习，各写2个现实例子。教学反思项目4人工智能大模型应用（4学时：理论3，实践1）【教学基本信息】项目：人工智能大模型应用学时：4学时知识目标：了解大模型的发展历史；大模型分类；大模型与传统AI的区别；生成AI概念。技能目标AIAI，列举大模型各行业应用。素养目标：客观认识大模型的能力与幻觉缺陷。【重点难点】重点：大模型概念；大模型和传统机器学习区别；生成式AI。难点：理解大模型涌现能力、大模型幻觉现象。【教学过程】第1-3学时理论导入：ChatGPT等大模型案例引入（10min）。大模型概述AI（25min）生成式人工智能：概念；能力，优势，局限性、幻觉问题（25min）。第4学时实践1学时实践任务：体验大模型对话工具，观察大模型幻觉现象；记录1处幻觉输出案例。作业：简述传统机器学习与大模型的异同，列举3个生成式AI应用。教学反思：引导学生不要迷信AI输出，学会辨别AI幻觉。项目5生成式人工智能实践（8学时：理论3，实践5）【教学基本信息】项目：生成式人工智能实践学时：8学时AIAIAI数据分析、AI智能体概念。技能目标：掌握提示词编写；会使用AI完成文本生成、图像生成；体验AI辅助编程、WPSAI办公；完成综合实战小项目。素养目标：AI工具作为辅助，树立人为主导，AI辅助工作学习理念，杜绝直接抄AI生成内容。【重点难点】重点：提示词工程；各类AIGC工具实操；AI办公。难点：高质量提示词撰写；综合实战项目设计。【教学过程】第1-3学时（理论3学时）AI主流工具分类：文本、图像、音视频、编程、数据分析、智能办公、AI智能体（30min）。提示词工程：提示词构成：角色、任务、要求、输出格式；好提示词与差提示词对比案例（40min）。各工具原理简介：文生图原理；AI语音；AI智能体数字员工概念（20min）。第4-8学时（实践，共5学时）实践1（1学时）文本生成：练习提示词，生成结构化文档。实践2（1学时）图像生成：输入提示词生成图片，调整提示词对比效果。实践3（1学时）AI音视频体验；AI辅助编程：零代码说话生成程序。实践4（1学时）AI数据分析、WPS-AI智能办公。实践5（1学时）综合实战项目：小组完成小型真实项目，例如：AI辅助完成一份调查报告（结合文本生成+图片生成），提交项目报告。作业：自己写3组高质量提示词，记录输出效果；提交综合实战项目报告。教学反思：强调学术诚信，禁止直接复制AI生成内容不加修改；引导学生把AI作为辅助工具。项目6人工智能安全和伦理（4学时：理论2，实践2）【教学基本信息】项目：人工智能安全和伦理学时：4学时知识目标：AI安全风险；AI伦理问题（深度伪造、隐私泄露、算法歧视）；我国AI暂行管理办法。技能目标：识别AI安全风险；会辨别深度伪造内容；能分析AI伦理案例。素养目标：AI伦理底线；尊重知识产权，保护个人隐私；遵守法律法规。【重点难点】重点：AI安全风险；AI伦理准则；国内AI相关法律。难点：AI伦理案例思辨，算法歧视问题。【教学过程】第1-2学时（理论2学时）导入：深度伪造换脸等风险案例（10min）。AI安全：数据泄露、对抗样本、深度伪造、模型投毒等风险（30min）。AI伦理：算法偏见、版权问题、虚假信息、就业冲击；AC