《人工智能+汽车技术与应用（高职汽车类专业）》教案-项目1：人工智能基础认知

湖北交通职业技术学院备课纸-PAGE1-教学主题什么是人工智能授课日期9月15日班次能源汽车25301授课节次1、2学时1教学目标（能力、知识、素质）知识目标：1.能够解释什么是人工智能，包括其定义、核心要义；2.能够多个维度对人工智能进行分类。能力目标：1.通过案例分析，培养学生的逻辑思维能力和解决问题的能力。2.让学生能够理解并描述人工智能技术（如语音识别、图像识别）3.如何应用于日常生活中的各种场景。素质目标：1.通过展示人工智能在各个领域的应用前景，激发学生对科技的好奇心和探索未知领域的兴趣。2.讨论人工智能带来的社会影响，如就业结构的变化、隐私保护等问题，培养学生关注社会问题的责任感。教学方法互动式讲授法：1.使用AlphaGo与李世石对弈的视频片段作为引子，激发学生的兴趣和思考。2.在讲解过程中穿插提问，鼓励学生积极参与讨论，提出自己的见解。案例分析法：1.分析具体的人工智能应用案例，如语音助手Siri的工作原理、自动驾驶汽车的技术实现等，让学生了解AI技术的实际应用及其背后的技术原理。参考书及教具人工智能+汽车技术与应用、人工智能概论重点与难点重点：理解人工智能的基本概念：包括其定义、核心要义。1.掌握人工智能的起源与发展：了解图灵测试、达特茅斯会议等关键事件，以及它们对AI发展的影响。2.区分不同类型的人工智能，并理解当前技术实现的程度。难点1.深入理解人工智能的核心能力；分析不同类型的人工智能，并能简单描述它们在实际应用中的场景。教学过程（时间安排等）环节一：引入（5分钟）活动内容：播放AlphaGo与李世石对弈的视频片段，提出问题：“机器是如何战胜人类棋手的？”引导学生思考。目标：激发学生的兴趣，引出本节课的主题。环节二：讲解什么是人工智能（10分钟）活动内容：详细解释人工智能的定义、核心能力及其本质。结合日常生活中的例子，如语音助手Siri、图像识别等，说明AI的应用。目标：帮助学生建立对人工智能基本概念的理解。环节三：探讨人工智能的起源与发展（5分钟）活动内容：介绍图灵测试、人工神经网络理论等早期探索，以及1956年达特茅斯会议的重要性。目标：让学生了解人工智能发展的历史背景及其里程碑事件。环节四：分析人工智能的分类（10分钟）活动内容：讲解基于能力和技术方法的人工智能分类。通过实例分析，如AlphaGo作为弱人工智能的例子，讨论强人工智能的可能性与挑战。目标：加深学生对不同类型AI的认识，理解当前技术实现的程度。目标：加强学生对课程内容的理解，并培养他们的创新思维。环节五：小组合作学习（10分钟）活动内容：将学生分成小组，每组选择一个人工智能的应用领域进行研究，并准备简短的报告或演示。目标：促进学生之间的交流合作，提高他们的团队协作能力和表达能力。环节六：总结与展望（5分钟）活动内容：回顾本节课的重点内容，讨论未来人工智能的发展趋势及其社会影响。鼓励学生对未来的学习和发展保持好奇心。目标：巩固所学知识，激发学生进一步探索的兴趣。课后作业环节七：课后作业（布置）活动内容：要求学生完成一篇关于“我眼中的未来人工智能”的短文，或者设计一个简单的AI应用场景。教学反思一、成功之处引入环节有效激发兴趣：通过播放AlphaGo与李世石对弈的视频片段，成功吸引了学生的注意力，并引发了他们对人工智能的兴趣和好奇心。这为后续课程内容的讲解奠定了良好的基础。案例教学法加深理解：在讲解人工智能的基本概念、起源与发展及其分类时，结合了大量实际生活中的例子（如语音助手Siri、图像识别等），帮助学生更好地理解抽象的概念。这种教学方法不仅提高了课堂的趣味性，也增强了学生的学习效果。总结展望引发思考：在课程结束时，通过对未来人工智能发展趋势及其社会影响的讨论，鼓励学生对未来的学习和发展保持好奇心。这一环节不仅巩固了所学知识，也为学生提供了进一步探索的方向。二、需改进之处时间管理需更精准：在某些环节中，尤其是讲解复杂概念和技术细节时，花费的时间超过了预期，导致后续环节的时间被压缩。未来需要更加精确地控制每个环节的时间分配，确保所有内容都能得到充分讲解。技术难点的讲解需简化：虽然尝试通过实例来解释机器学习、深度学习及神经网络的区别，但对于部分学生来说，这些概念仍然较为抽象和难以理解。今后可以考虑增加更多互动环节，如通过简单的编程实践或模拟实验，帮助学生更直观地理解这些技术原理。差异化教学策略：课堂上发现不同学生对于人工智能的理解程度差异较大。为了满足所有学生的需求，未来应设计更多层次化的教学材料和活动，针对不同程度的学生提供相应的支持和挑战。增强反馈机制：尽管课后布置了作业，但缺乏对学生作业的具体反馈机制。未来可以通过在线平台或面对面辅导的形式，给予学生更为详细和个性化的反馈，帮助他们改进学习方法，提高学习效率。三、总结总体而言，本节课在激发学生兴趣、促进知识理解和培养综合能力方面取得了较好的效果。然而，在时间管理、技术难点讲解以及个性化教学等方面仍有改进空间。通过不断调整和完善教学策略，相信能够进一步提升教学质量，帮助学生更好地掌握人工智能的相关知识。

教学主题人工智能发展有哪几个重要时期？授课日期班次新能源汽车25301授课节次12学时1教学目标（能力、知识、素质）知识目标：1.培养学生运用历史研究方法，通过对不同时期资料的收集、整理和分析，总结人工智能发展规律的能力。2.提升学生的逻辑思维能力，能够清晰梳理人工智能发展过程中的因果关系和技术传承。3.锻炼学生自主学习和探索新知识的能力，鼓励学生在课后进一步研究感兴趣的发展时期。能力目标：1.学生能够准确阐述人工智能各个重要发展时期的时间跨度、主要特点和标志性成果。2.深入理解不同发展时期人工智能技术的演进过程，包括理论基础、算法创新和应用拓展。3.学会分析每个发展时期人工智能发展的推动因素和面临的挑战。素质目标：1.通过介绍我国在人工智能发展过程中的贡献，激发学生的民族自豪感和爱国情怀。2.培养学生的创新精神和科学探索精神，鼓励学生在未来为人工智能发展贡献力量。教学方法教法：课堂讲授法：系统讲解人工智能各发展时期的基本信息，确保学生构建完整的知识框架。直观演示法：通过展示图片、视频等资料，直观呈现不同时期的发展场景和技术成果，帮助学生理解。案例分析法：结合实际应用案例，深入剖析各时期人工智能技术的特点和应用效果，增强学生的感性认识。学法：自主探究法：鼓励学生在课后自主查阅资料，深入研究感兴趣的发展时期，拓宽知识面，培养自主学习能力。合作学习法：组织学生进行小组讨论和交流，共同探讨各发展时期的特点和影响，培养学生的团队协作和沟通能力。参考书及教具《人工智能+汽车技术应用》《人工智能通识素养》Coze、Dify等智能体开发平台，通义千万、DeepSeek等大预言模型。重点与难点重点：1.人工智能几个重要发展时期的划分、主要特征和关键技术突破。2.每个发展时期代表性人物、事件及其对人工智能发展的推动作用。3.不同发展时期人工智能技术在实际应用中的体现和影响。难点：1.理解不同发展时期人工智能技术背后的理论基础和技术演进逻辑。2.分析各发展时期人工智能发展与社会、经济、科技等因素之间的相互关系。教学过程（时间安排等）环节名称时长设计目的教师活动学生活动复习点评5min回顾预习内容，巩固基础知识，为新知识学习做好铺垫提问学生预习问题，如人工智能发展的第一个里程碑事件、重要科学家等。对学生的回答进行点评，总结预习重点内容，强调关键知识点。积极回答老师提问，认真听取老师点评，查漏补缺，进一步明确预习中的重点和难点。重点难点突破15min深入讲解重点知识，突破教学难点，让学生掌握人工智能各发展时期的核心内容运用课堂讲授法，按照时间顺序详细讲解人工智能几个重要发展时期，包括每个时期的起始时间、主要特点、标志性技术和成果。结合直观演示法，展示相关图片、视频资料，帮助学生理解抽象概念。针对教学难点，如技术演进逻辑和与社会因素的关系，通过具体案例进行分析讲解，引导学生思考和讨论。认真听讲，观看演示，积极思考老师提出的问题。对于不懂的地方，及时向老师提问。参与课堂讨论，发表自己的观点和看法。知识梳理汇报10min培养学生总结归纳能力，加深对知识的理解，促进学生之间的交流与合作将学生分成小组，每组推选一名代表。引导学生对本节课所学的人工智能各发展时期的知识进行梳理，形成知识框架。各小组代表进行汇报，分享小组讨论成果。分组进行讨论，共同梳理知识，形成小组汇报内容。小组代表上台进行汇报，其他小组成员认真倾听，学习他人的总结方法和思路。现场实践强化技能10min增强学生对知识的应用能力，巩固所学理论知识，培养学生的团队协作精神给出一个与人工智能发展时期相关的实践任务，如让学生分组制作一个简单的时间轴，展示人工智能发展过程中的关键事件和技术突破，并简要说明其意义。教师巡回指导，及时解决学生在实践中遇到的问题。分组进行实践操作，按照任务要求完成时间轴的制作。在实践过程中，相互协作，共同解决遇到的问题，参考所学知识确保内容准确。环节名称时长设计目的教师活动学生活动总结回顾5min总结本节课的重点内容，强化学生记忆，布置课后作业，引导学生进一步巩固和拓展知识对本节课的内容进行全面总结，强调重点知识点和技能要求。回顾教学过程中的思政元素和创新创业案例，再次强调其重要意义。布置课后作业，如让学生撰写一篇关于某个发展时期人工智能技术特点和影响的短文，要求结合具体案例分析。认真听取老师的总结，记录重点内容和课后作业。对本节课的学习内容进行回顾和反思，思考自己的收获和不足之处。课后作业作业布置：撰写一篇800-1000字的短文，详细阐述人工智能某个发展时期的技术特点、代表性成果以及对社会和行业的影响，要求结合具体案例进行分析。收集一个当前人工智能应用案例，分析该案例中所运用的技术与历史上某个发展时期技术的联系和发展。教学成效体现：通过学生的作业完成情况，了解学生对知识的掌握程度和应用能力；观察学生在作业中对思政元素和创新创业理念的理解和体现；收集学生对课程教学的反馈意见，了解学生的学习体验和需求，以便调整教学策略。教学反思教学方法和工具的有效性分析：课堂讲授法保证了知识的系统传授，但部分学生可能参与度不够，后续可增加更多互动环节。直观演示法和案例分析法有效帮助学生理解抽象知识，但案例的选取可更加多样化和贴近生活。多媒体教学工具的使用增强了教学的直观性，但在引导学生自主探索方面还需进一步优化。实践教学环节让学生更好地掌握了知识应用，但时间把控和任务难度设置可根据学生实际情况进行调整。学生对知识点的理解程度：通过课堂提问和作业情况发现，学生对各发展时期的基本信息掌握较好，但在分析技术演进逻辑和与社会因素的相互关系等难点问题上还存在一定困难。在后续教学中，需要加强对这些难点的针对性讲解和练习，采用更多对比分析和实际案例，帮助学生加深理解。教学主题机器学习：让机器“学习”的魔法授课日期2025.9.18班次1授课节次1学时2教学目标（能力、知识、素质）知识目标：1.理解机器学习的基本概念、流程及其在汽车领域的应用价值。2.掌握监督学习、无监督学习、强化学习的核心区别与典型应用场景。能力目标：1.能够辨析不同机器学习方法的特点，并能在具体汽车应用案例中进行初步判断。2.能够描述机器学习从数据到模型的基本工作流程。素质目标：1.激发学生对人工智能技术的兴趣，培养其探索精神。2.建立技术应用于实践的工程思维，增强对智能汽车发展的认知。教学方法案例导入法、讲授法、对比分析法、小组讨论法、互动问答法参考书及教具指定教材《人工智能+汽车基础与应用》、PPT课件、教材图片（鸡鸭分类、流程图示）、视频案例（可选）重点与难点重点：1.机器学习的基本流程（数据准备→模型选择→训练→评估）2.监督学习、无监督学习、强化学习三者的区别。难点：1.对“无监督学习”和“强化学习”目标的理解2.对“损失函数”、“模型训练”、“泛化能力”等抽象概念的理解教学过程（时间安排等）活动开展（5分钟）：展示一张自动驾驶汽车识别行人和车辆的图片（教材图1-2-6）。提问：“汽车是如何像人一样‘看见’并‘认识’周围世界的？它天生就会吗？”引导学生思考“学习”的概念。引出主题（5分钟）：指出这并非魔法，而是“机器学习”技术。类比人类学习过程（观察-总结-应用），引出机器的学习同样需要“数据”和“过程”，从而自然过渡到机器学习流程的讲解。内容一：什么是机器学习？（30分钟）阐明定义（10分钟）：首先给出机器学习的标准定义。-核心定义：结合教材图片3.jpg中的文字，讲授：“机器学习是让计算机在没有明确编程指令的情况下，通过对大量数据的分析、识别模式和规律，从而构建适应新数据的模型的技术。”-概念解析：强调三个关键词——“数据”、“模式/规律”、“模型”。并举例说明：通过分析大量“踩刹车”的数据，机器可以学会一个“何时应该刹车”的模型。-图解辅助：展示教材图1-2-2机器学习从数据中学习，成为模型，帮助学生建立形象认知。内容二：机器学习的流程（15分钟）（1）在明确“要做什么”之后，讲解“如何实现”，即机器学习四大流程：-数据准备：举例“收集大量道路图片”，并需要“清洗”（剔除模糊图像）和“打标签”（人工标出哪些是车、哪些是人）。-模型选择：简介“神经网络”模型非常适合图像识别任务。-模型训练：通俗解释“模型通过看图片不断猜，猜错了就调整内部参数”，此过程就是“训练”。“损失函数”就是衡量“猜得多错”的分数，目标让分数越来越低。-模型评估：用模型没见过的“新照片”来测试它，检验其“泛化能力”，用“准确率”等指标衡量效果。（2）互动巩固（5分钟）：以“教机器识别鸡和鸭”为例，邀请学生回顾定义并简要描述这四个步骤。(师生互动)内容三：学习的不同“招式”——方式辨析（30分钟）1.讲授三种方式（20分钟）：以“鸡鸭识别”案例贯穿始终，对比讲解：-监督学习：老师提供“带标签的习题集”（图片标好鸡或鸭）。特点：有正确答案，成本高，效果通常好。-无监督学习：老师只给“一堆未分类的图片”，让机器自己发现数据中的规律（分成两堆）。特点：无正确答案，挖掘隐藏结构。-强化学习：类比“训犬”，做对了给狗粮（奖励），做错了没有（惩罚）。以AlphaGo为例，特点：通过与环境交互获得反馈，学习最优策略。小组讨论（10分钟）：列出几个汽车应用场景（如：用户音乐推荐、自动驾驶决策、零部件异常检测），让学生分组讨论它们最可能采用哪种学习方式并简述理由。(生生互动)4.总结（10分钟）：回到导入的自动驾驶案例，引导学生用本节课知识进行分析：其背后的技术是机器学习；视觉识别主要采用监督学习；决策控制可能用到强化学习。教师出示教材中的对比表格（表1-2-1）进行总结升华。5.布置作业与答疑（5分钟）课后作业（基础）简述机器学习的基本流程。（应用）除了课上的例子，请为“汽车的智能语音助手”设计一个机器学习应用场景，并说明它可能属于哪种学习方式及其原因。教学反思

教学主题深度学习：模仿大脑的神经网络授课日期班次授课节次学时1教学目标（能力、知识、素质）知识目标：掌握深度学习的基本原理，理解人工神经网络与人脑神经元的类比。能力目标：能用图示或简要语言解释神经网络的结构与运行机制。素质目标：激发学生对人工智能前沿技术的兴趣与探索精神。教学方法讲授法、案例分析法、多媒体演示、讨论互动。参考书及教具《人工智能导论》高等教育出版社《人工智能+汽车技术与应用（高职汽车类专业通用）》全国汽车职业教育教学指导委员会组编教具：多媒体课件、人工神经网络结构示意图、相关视频资源重点与难点重点：深度学习神经网络的基本结构（输入层、隐藏层、输出层）及工作原理。难点：理解神经网络“权重—激活函数—反向传播”的抽象机制。教学过程（时间安排等）1.导入阶段情境创设：播放教材配套视频或相关资料中“自动驾驶汽车识别红绿灯、行人和障碍物”的片段。教师提问：汽车为什么能“看见”和“理解”交通环境？学生思考：引导学生联系日常接触的智能汽车、无人驾驶案例，自主回答。过渡：点明今天要学习的内容——人工智能的发展脉络和深度学习的神经网络机制。2.人工智能及其发展历程讲授与板书：符号主义阶段（20世纪50-80年代）：以规则推理为核心，典型代表是“专家系统”。板书：规则驱动→专家系统举例：早期的诊断系统、下棋程序。机器学习阶段（20世纪90年代-2000年）：数据驱动，算法模型逐渐兴起。板书：数据驱动→统计学习举例：垃圾邮件识别、语音识别的进步。深度学习阶段（2006年至今）：算力提升+大数据→神经网络快速发展。板书：大数据+GPU→神经网络突破举例：图像识别准确率显著提高。大模型新时代（2020年以后）：预训练+大规模参数，催生通用人工智能应用。举例：ChatGPT、自动驾驶决策系统。互动提问：请学生尝试说出身边常见的人工智能应用（如人脸识别、智能语音助手、智能驾驶等）。3.深度学习：模仿大脑的神经网络概念讲解：生物神经元：树突→胞体→轴突，信号传导。人工神经元：输入（特征）→权重→激活函数→输出。结构剖析：输入层：接收数据（如摄像头采集的图像像素点）。隐藏层：通过多层非线性映射提取特征。输出层：输出分类或预测结果（如“这是红灯”）。原理讲解：前向传播：输入经过加权和激活函数得到输出。反向传播：误差反馈，调整权重，不断优化模型。案例分析（教材结合）：自动驾驶汽车识别交通标志：神经网络将图像特征逐层抽象，最终判断是“停车标志”。汽车语音控制系统：深度学习实现语音转文字，指令识别。图示演示：展示教材中的神经网络结构示意图，让学生理解“层”的作用。4.课堂讨论与小组活动问题讨论：神经网络和人脑思维的相似与不同？为什么深度学习需要“大量数据”和“强大算力”？小组分工：每组选择一个汽车应用场景（如自动驾驶、车载语音助手、驾驶员疲劳检测），讨论其中可能用到的深度学习方法。成果展示：每组用1分钟分享，教师点评。课后作业绘制人工神经网络结构图要求：手绘或用计算机绘制一个三层神经网络（输入层—隐藏层—输出层），至少包含3个输入节点、4个隐藏节点、2个输出节点。标注各层的作用，并在图中清晰写出“权重”“激活函数”等关键字。提交方式：纸质或电子版均可。教学反思存在的问题部分学生对深度学习的抽象概念理解困难，尤其是数学公式和训练机制缺乏直观感受。教学时间安排偏紧，导致小结环节较为仓促，学生没有充分提问和反馈。个别学生参与度不高，课堂互动面覆盖不够全面。

教学主题1.2.3自然语言处理——让机器“听得懂”和“说得出”授课日期2025.9.18班次1授课节次1学时1教学目标（能力、知识、素质）知识目标：理解自然语言处理（NLP）的基本概念和主要任务。掌握自然语言处理的发展历程及与大模型的关系。了解自然语言处理在智能汽车领域的典型应用（车载语音交互、智能客服、辅助驾驶语音提示等）。能力目标：能分析语音识别与机器翻译等常见自然语言处理任务的基本原理。能结合实例，解释自然语言处理在汽车智能化中的作用。初步具备利用现有工具（如车载语音助手）进行应用场景演示的能力。素质目标：激发学生对人工智能技术在汽车领域应用的兴趣。培养学生自主学习与探索AI应用的能力。树立正确的科技价值观，理解人工智能对未来汽车产业发展的推动作用。教学方法讲授法、案例分析法、多媒体演示、课堂互动参考书及教具参考书及教具《人工智能+汽车技术与应用（高职汽车类专业通用）》全国汽车职业教育教学指导委员会组编多媒体课件（含语音助手演示视频/汽车智能交互案例）实物演示（如智能语音车载终端，若条件允许）重点与难点教学重点与难点重点：自然语言处理的基本任务与流程。自然语言处理与大模型（如ChatGPT）的关系。自然语言处理在汽车行业的应用场景。难点：自然语言处理中的语义理解与生成机制。将抽象的技术原理与实际汽车应用结合。教学过程（时间安排等）导入新课（10分钟）教师活动：播放一段汽车车载语音助手的宣传短片（如“你好，小南”或主流车企的车机系统语音演示）。师生互动：提问学生：“你们平时在使用车载导航或手机语音助手时，有哪些印象深刻的体验？”“它们能否真正理解你的意思？有没有出现过‘听不懂’或‘答非所问’的情况？”板书要点：自然语言处理——让机器“听得懂”和“说得出”。教学目的：激发兴趣，引入主题。知识讲解（40分钟）自然语言处理的基本概念（10分钟）教师讲授：解释“自然语言”的含义（人类日常使用的语言，如汉语、英语）。案例说明：导航语音播报→机器将交通数据转化为自然语言；语音拨号→机器识别人名并执行。板书要点：NLP任务：语音识别→语义理解→语言生成。自然语言处理的发展历程（10分钟）阶段划分：规则驱动（专家系统、手工语法规则）；统计方法（概率模型、机器学习）；深度学习（RNN、CNN、Transformer）；大模型时代（GPT、BERT、ChatGPT）。师生互动：让学生思考：为什么深度学习后语音助手更“聪明”？板书要点：规则→统计→深度学习→大模型。大模型与NLP的关系（10分钟）教师讲授：Transformer架构的突破，预训练+微调模式。案例说明：车载系统中的语音助手：从“打开空调”到“我有点热，帮我调到舒服点”。大模型能够理解上下文，实现更自然的人机对话。板书要点：上下文理解+生成→更拟人化交互。汽车领域应用案例（10分钟）教师展示：语音导航：识别目的地、规避拥堵。空调控制：语义理解→主动调节温度。智能客服：自动答疑、预约保养。驾驶安全：疲劳检测+语音提醒。课堂互动：学生自由发言——“你最希望汽车语音助手增加什么功能？”板书要点：交互→客服→提示→多语言支持。课堂互动与小组讨论（20分钟）教师活动：将全班分为3-4个小组，每组思考并讨论：如果你是汽车语音助手的设计师，你会设计哪些功能？如何避免语音助手“听不懂”？学生活动：每组选派代表上台汇报，其他组进行补充。教师点评：结合大模型技术的发展，指出学生的创意中哪些是现有技术可实现的，哪些是未来趋势。板书要点：用户需求→技术实现→改进方向。总结与提升（10分钟）教师总结：NLP的发展历程；大模型对自然语言处理的推动作用；在智能汽车中的典型应用场景。课堂提问：为什么说大模型让语音助手更“懂人”？汽车语音助手应用中最大的难点是什么？布置作业：阅读教材相关章节，整理自然语言处理的主要任务与应用。查找一种汽车品牌的语音交互功能，分析其背后的NLP技术。课后作业课后作业知识整理（书面作业，A4纸1页左右）阅读《人工智能+汽车技术与应用（高职汽车类专业通用）》中“自然语言处理”相关章节。梳理并总结以下内容：自然语言处理的基本定义和任务（至少写出3项）。自然语言处理的发展历程及每个阶段的代表性方法。大模型对自然语言处理的提升作用。要求：用思维导图或表格形式呈现，突出层次性。案例分析（调研作业，300字以上）选择一个知名汽车品牌（如特斯拉、蔚来、小鹏、比亚迪等）。调查该品牌的车载语音助手功能（可通过官网、视频演示或试驾体验）。记录并分析其语音助手的特点：语音识别是否准确？能否进行多轮对话？是否支持多语言？在交互体验上还有哪些不足？写一份分析报告（结构：功能—优点—不足—改进建议）。小组探究（分组作业，下节课展示）以小组为单位（4-5人），设计一个“未来汽车语音助手”的方案。要求内容：功能设想（至少3项创新功能）；背后的自然语言处理技术支撑（例如语音识别、情感识别、大模型对话等）；应用场景（驾驶安全、娱乐互动、维修指导等）。形成一份PPT（3-5页），下节课进行小组展示。思考题（写入学习笔记）为什么有时语音助手会“答非所问”？这与自然语言处理的哪些难点有关？大模型是否能完全解决语义理解的问题？为什么？如果你来设计一个汽车语音助手，你会优先解决什么问题？教学反思本节课整体教学目标达成度较好，学生对自然语言处理及其在汽车中的应用兴趣浓厚，课堂氛围较活跃。案例导入和多媒体展示效果良好，但在讲解大模型与Transformer原理时，部分学生理解有难度，说明需要更多直观化的比喻或图示辅助。课堂讨论环节能激发部分学生积极思考，但参与度不均衡，小组活动应进一步强化分工，确保每位学生都有参与感。时间分配上，案例讲解稍多，导致互动环节略显紧张。后续改进方向：增加更前沿的汽车语音交互案例；讲解抽象原理时引入图解或类比；作业分层设计，确保不同层次学生都能有收获。

教学主题计算机视觉——让机器“看懂”世界授课日期班次授课节次学时1教学目标（能力、知识、素质）知识目标：了解计算机视觉5大关键技术能力目标：能表述计算机视觉5大关键技术在汽车行业的应用素质目标：通过数据标注知识培养学生工匠精神教学方法讲解法（课本基本知识）演示法（视频演示数据标注）案例法（计算机视觉在目标识别应用）参考书及教具《OpenCV编程入门（第3版）》毛星云等电子工业出版社重点与难点重点：计算机视觉5大关键技术难点：计算机如何识别图片或图像教学过程（时间安排等）一、导入（5分钟）提问：你有没有用过人脸识别？你知道它是如何实现的吗？引出主题：计算机视觉如何让机器“看懂”世界。二、新课讲授（35分钟）计算机视觉技术定义（5分钟）定义：处理图像和视频信息，多传感器融合（摄像头、激光雷达等）；四大应用：检测、识别、引导、测量。2.1图像分类（6分钟）单标签vs多标签分类；应用：安防监控、图像检索；补充：数据标注的重要性。2.2目标检测（6分钟）任务：识别位置+分类；应用：自动驾驶中的车辆、行人检测。2.3目标跟踪（6分钟）任务：在视频中持续跟踪目标；应用：视频监控、体育赛事分析。2.4语义分割（6分钟）任务：像素级分类；应用：医学影像、自动驾驶场景理解。2.5实例分割（6分钟）任务：目标检测+像素级分割；应用：精细化的物体识别与分割。三、课堂小结与互动（5分钟）回顾五大关键技术；提问：目标检测和语义分割最大的区别是什么？布置课后作业。课后作业用图片列举计算机视觉5大关键技术在汽车中的应用通过观看B站相关视频，了解minst数据集的识别教学反思学生在没有编程基础，要让学生补从了解卷积概念，让学生了解机器“看懂”世界的初步原理。

教学主题1.3.1什么是大语言模型？授课日期班次授课节次学时2学时教学目标（能力、知识、素质）知识目标：能说出大语言模型（LLM）是做什么的（理解语言、生成语言）。能说出大语言模型四个主要本领（分类、问答、总结、生成）。能了解大语言模型是越来越厉害的（从简单的关键词匹配到现在的深度理解）。能力目标：能根据生活或汽车上的场景，判断可能用到了大语言模型的哪种本领。能通过小组讨论，设想大语言模型在汽车上还能怎么用。素质目标：对人工智能技术产生兴趣，感受到技术就在我们身边。培养团队协作和沟通交流的能力。教学方法案例导入法、趣味比喻法、小组讨论法、讲授法参考书及教具1.主要参考书：

本课程教材

2.教具/资源：PPT课件重点与难点重点：

大语言模型是干什么的：让它和过去的“智障”语音助手区分开。

大语言模型的四个本领：尤其是它们在汽车上的应用。难点：如何让学生理解“理解”和“生成”的区别：通过生活化例子和对比来化解。教学过程（时间安排等）一、案例导入：猜猜谁更“聪明”？（10分钟）

1.

播放两段视频：

-视频A：传统语音助手（需要特定指令，如“导航到长春站”）

-视频B：智能座舱语音助手（可以说“我饿了”，车机推荐餐厅并询问是否导航）

2.

提问讨论：

-“你觉得哪个更聪明？为什么？”

-“视频B里的汽车，和视频A里的有什么不一样？”

3.

引出主题：让汽车变这么“聪明”的技术，就是我们今天要学的——大语言模型。它让汽车从“听话”变成了“懂你”。

二、新知讲解：大语言模型的“超能力”（35分钟）

1.

它是什么？（5分钟）

-

比喻讲解：它是一个读过互联网上几乎所有书的“超级大脑”。

-

核心功能：两个本事——①

听懂你的话；②

说出你想听的话。

2.

它的四个本领（20分钟）

-

【本领一：分类】

-“它会贴标签”

-

讲解：比如判断一句话是表扬还是投诉。

-

汽车例子：你说“车里太热了”，它能把这句话分类到“空调控制”指令。

-

【本领二：问答】

-“它是百事通”

-

讲解：能回答你的问题。

-

汽车例子：你问“胎压正常是多少？”，它能直接告诉你答案。

-

【本领三：总结】

-“它是课代表”

-

讲解：能把很长的话变短，抓住重点。

-

汽车例子：自动把长长的车辆保养记录总结成几句话告诉你。

-

【本领四：生成】

-“它是小作家”

-

讲解：能自己创造新的文字内容。

-

汽车例子：你让它“讲个笑话”或者“写首关于旅行的诗”。

3.

它是怎么变厉害的？（10分钟）

-

过去（笨办法）：靠记关键词（比如一说“饿了”就只会搜索“饭店”）。

-

现在（好办法）：靠“深度学习”，像人一样联系上下文来理解（听到“饿了”，能联想到“推荐餐厅”、“询问口味”、“规划路线”这一整套服务）。

三、课堂活动：我是产品经理（10分钟）

-

任务：以小组为单位，为未来的智能汽车设计一个新功能，必须用到今天讲的大语言模型的至少一个本领。

-

举例：“心情音乐电台”功能（分类本领：判断用户说“今天心情不好”是负面情绪；生成本领：自动生成并播放轻松的歌单）。

-小组讨论，并派代表分享。

四、总结与作业（5分钟）

1.

总结：回顾大语言模型的四个本领，强调它正在让汽车变得越来越智能和人性化。

2.

布置作业：课后作业1.

【必做】

说出大语言模型的四个本领，并为每个本领想一个在汽车上可能的应用（和课上例子不重复）。

2.

【选做】

找一找生活中还有哪些地方用到了类似的技术（如智能音箱、手机语音助手）。教学反思（课后填写）

•视频导入是否有效激发了学生兴趣？

•四个本领的比喻（贴标签、百事通等）学生是否容易理解和记忆？

•“我是产品经理”环节学生的参与度和创意如何？是否达到了应用知识的目的？

教学主题1.3.2大语言模型如何“思考”？

——拆解汽车AI“大脑”的工作奥秘授课日期班次授课节次学时2学时教学目标（能力、知识、素质）知识目标：能说出GPT三个字母分别代表什么（生成式、预训练、Transformer）。

2.能用自己的话简单解释“自注意力机制”和“位置编码”是干什么用的。

3.能说出大语言模型训练的三大步骤（预训练、微调、强化学习）及其基本目的。能力目标：能通过类比，将抽象的技术概念与生活中的常见事物联系起来，加深理解。

2.能初步理解技术如何影响用户体验（如：为什么经过“强化学习”后，AI的回答更让人满意）。素质目标：1.培养对复杂技术问题的拆解和理解能力。

2.认识到一项成熟的技术产品背后需要大量的“训练”和“调试”，培养严谨的工程思维。教学方法类比教学法、情境演绎法、小组讨论法、讲授法参考书及教具1.主要参考书：

本课程教材

2.教具/资源：PPT课件重点与难点重点：1.

GPT的含义：理解“生成”、“预训练”和“Transformer”这三个核心概念。

2.

训练三步骤：理解每个步骤的目的，尤其是“微调”和“强化学习”为何必要。难点：“自注意力机制”和“位置编码”的理解。教学过程（时间安排等）一、复习与导入：从“是什么”到“怎么想”（5分钟）

1.

快速提问：上节课我们学了大语言模型有哪四个本领？（分类、问答、总结、生成）

2.

情境导入：播放一段车载AI与用户进行多轮自然、贴心对话的视频。

3.

提出问题：“这个‘大脑’不仅本领