人工智能编程课程

汇报人：PPT汇报时间：2026人工智能编程课程-课程基本信息教学目的与要求课程大纲教材与参考书教师信息实验与上机指导考核与评价教学资源与工具学习建议目录常见问题与解答职业发展与就业指导课程拓展与延伸1.课程基本信息课程基本信息050406020103课程名称主讲教师课程属性学分课时课程编码人工智能程序设计(Python)125100M05023Z32学时2.00专业普及课全卫泽(中国科学院自动化所模式识别国家重点实验室助理研究员)2.教学目的与要求教学目的与要求掌握Pyt：hon语言的基本语法掌握编程思维方法获得进一步：深入学习人工智能相关领域的能力具备阅读和理解程序的能力能够结合应：用实践编写一定难度的程序3.课程大纲课程大纲>第一章Python语言概述(4学时)

Python程序语法元素分析：0.5学时深入理解Python语言：0.5学时实例1：温度转换:0.5学时实例2：蟒蛇绘制:0.5学时计算机的概念：0.5学时程序设计语言：0.5学时Python语言概述：0.5学时开发环境配置：0.5学时课程大纲>第二章基本数据类型与控制语句(4学时)9数字类型及操作0.5学时字符串类型及操作0.5学时程序的分支结构0.5学时程序的循环结构0.5学时实例3天天向上的力量:0.5学时实例5身体质量指数BMI:0.5学时实例4文本进度条:0.5学时实例6圆周率的计算:0.5学时课程大纲>第三章函数与容器数据类型(4学时)函数的定义与使用：0.5学时集合类型及操作：0.5学时字典类型及操作：0.5学时实例8：科赫曲线绘制:0.5学时函数的参数传递：0.5学时序列类型及操作：0.5学时实例7：七段数码管绘制:0.5学时实例9：文本词频统计:0.5学时课程大纲>第四章类和对象(4学时)60mph30mph30mph35mph50ph创建和使用类1学时继承0.5学时实例10飞机大战游戏:1.5学时导入类0.5学时使用类和实例0.5学时课程大纲>第五章文件和异常(4学时)0.5学时文件的使用0.5学时异常1学时数据的格式化和处理1学时CSV格式的HTML展示1学时CSV和JSON格式转换课程大纲>第六章数据分析与可视化(4学时)numpy库的使用1学时pandas库的使用1学时matplotlib库的使用1学时实例112020美国总统竞选捐赠数据分析:1学时课程大纲>第七章机器学习(4学时)1学时机器学习概述0.5学时无监督学习-聚类0.5学时无监督学习-降维Titanic生存分析:1学时实例120.5学时监督学习-分类0.5学时监督学习-回归课程大纲>第八章图像处理与计算机视觉(4学时)计算机视觉简介：0.5学时图像视频读写：0.5学时图像处理：0.5学时图像特征检测与描述：0.5学时深度卷积网络：1学时实例13：深度学习实例展示:1学时4.教材与参考书教材与参考书主教材《Python语言程序设计基础》(嵩天，2017年，高等教育出版社)参考书《Python编程:从入门到实践》(EricMatthes，2013年，人民邮电出版社)5.教师信息教师信息研究方向科研项目学术成果编程经验模式识别、图像处理、深度学习主持国家自然科学基金青年项目、CCF-腾讯犀牛鸟基金等发表SCI期刊论文9篇，授权发明专利4项Python、Matlab、C++姓名职称单位教育背景全卫泽助理研究员中国科学院自动化所模式识别国家重点实验室中国科学院自动化所与法国格勒诺布尔大学双博士学位6.实验与上机指导实验与上机指导>实验一：Python开发环境配置与基本操作(2学时)04掌握常用的：IDE(如PyCharm、VSCode)的使用01

安装并配置：Python开发环境03理解Pyt：hon程序的基本结构02编写并运行：简单的Python程序实验与上机指导>实验二：Python基本数据类型与控制语句(2学时)1234掌握数字：字符串、列表、元组、字典等基本数据类型的操作编写条件语：句和循环语句的Python程序理解并使用：if-else语句、for循环、while循环等控制结构完成实例1至实例6的编程练习实验与上机指导>实验三：函数与容器数据类型(2学时)23定义和使用函数：掌握函数的参数传递编写有复杂逻辑的函数程序完成实例7至实例9的编程练习掌握集合：序列、字典等容器数据类型的操作实验与上机指导>实验四：类和对象(2学时)04/11/202624创建和使用类：理解面向对象编程的基本概念使用类和实例：实现简单的类继承和导入完成实例10的编程练习：如飞机大战游戏开发掌握类的封装、继承和多态特性实验与上机指导>实验五：文件和异常处理(2学时)1234使用文件读写操作：理解文件的打开、关闭和读写模式处理程序中的异常：理解try-ecept语句的使用完成实例11的编程练习：如CSV格式的HTML展示和格式转换编写具有异常处理功能的程序实验与上机指导>实验六：数据分析与可视化(2学时)使用numpy和pandas进行数据分析：理解数据清洗和预处理的方法使用matplotlib进行数据可视化：理解图表类型和绘制方法完成实例12的编程练习：如Titanic生存分析编写能够进：行数据分析和可视化的程序

01

02

03

04实验与上机指导>实验七：机器学习入门(2学时)04理解机器学：习模型的训练、验证和测试过程01

了解机器学：习的基本概念和分类方法03完成实例13的编程练习：如使用K近邻算法进行分类02使用sci：kit-learn库进行简单的分类和回归任务实验与上机指导>实验八：图像处理与计算机视觉基础(2学时)1234安装并配置：图像处理和计算机视觉相关的库(如OpenCV)读取和写入图像文件：理解图像的基本属性和操作完成简单的图像处理任务：如灰度化、滤波和边缘检测理解并实现基本的计算机视觉任务：如物体检测和跟踪实验与上机指导>实验九：深度学习基础(2学时)了解深度学习的基本概念和神经网络模型完成简单的深度学习项目如手写数字识别或图像分类使用TensorFlow或PyTorch等深度学习框架进行简单的神经网络训练理解深度学习模型的训练过程、超参数调整和性能评估实验与上机指导>实验十：综合项目实践(4学时)选择一个与课程相关的实际项目：如情感分析、推荐系统或自然语言处理任务制定项目计划：进行数据收集、预处理和特征提取设计并实现：项目所需的算法和模型进行模型训练、评估和优化：完成项目报告和演示小组讨论和分享：互相学习和改进7.考核与评价考核与评价>考核方式1平时成绩(30%)：包括课堂表现、作业完成情况和参与度等期中考试(30%)：闭卷考试，主要考察学生对课程基础知识的掌握情况期末项目(40%)：学生根据所学知识独立完成一个综合项目，并进行口头报告和演示23考核与评价>评价标准010302平时成绩：根据学生的课堂表现、作业质量和参与度进行综合评价期末项目：根据项目的创新性、技术实现、报告质量和演示效果进行综合评价期中考试：根据考试成绩的准确性和深度进行评分8.教学资源与工具教学资源与工具课程将使用在线教学平台进行，如Moodle、Coursera等，方便学生在线学习、提交作业和参与讨论教学平台学生需要自行安装Python开发环境(如Anaconda)，并熟悉常用的IDE(如PyCharm、VSCode)进行编程编程环境提供课程PPT、教学视频、实验指导书、参考书籍和论文等教学资源，供学生自主学习和参考教学资源部分实验将使用在线实验平台进行，如JupyterNotebook、GoogleColab等，方便学生在线编写和运行代码实验平台设立课程QQ群或微信群，方便学生与教师、助教和其他同学进行交流和讨论交流平台9.学习建议学习建议预习与复习建议学生在每节课前预习相关内容，并在课后及时复习，加深对知识的理解和记忆实践与练习编程是一门实践性很强的学科，建议学生多进行编程练习，通过编写实际项目来巩固所学知识阅读与拓展鼓励学生阅读相关领域的论文和书籍，了解最新的研究成果和技术发展，拓展自己的知识面和视野团队合作部分实验和项目需要团队合作完成，建议学生积极参与小组讨论和合作，共同完成任务持续学习人工智能是一个不断发展的领域，建议学生保持持续学习的态度，不断更新自己的知识和技能10.常见问题与解答常见问题与解答NETQ1：如何选择合适的Python开发环境？A1：建议使用Anaconda，它是一个开源的Python发行版，包含了Python语言和许多科学计算和数据分析的常用库，如NumPy、Pandas、Matplotlib等，非常适合进行数据分析和机器学习相关的项目Q2：如何选择合适的IDE？A2：初学者可以选择简单易用的PyCharmCommunityEdition，它提供了代码自动完成、调试、版本控制等功能，适合进行Python项目的开发。对于更高级的开发者，可以考虑使用VSCode，它提供了更灵活的插件和配置选项Q3：如何进行代码调试？A3：可以使用Python自带的调试工具(如pdb)，或者使用IDE自带的调试功能。在进行调试时，可以设置断点、查看变量值、单步执行等，以帮助找到代码中的错误常见问题与解答Q4：如何进行代码优化？A4：可以通过以下方法进行代码优化遵循Python的编码规范和最佳实践：如使用缩进而不是大括号、避免全局变量等使用函数和类来组织代码：使代码更加模块化和可读性更高常见问题与解答减少循环中的计算量：尽量在循环外部进行预处理和计算使用列表推导式、生成器表达式等Pythonic的语法来优化代码定期进行代码审查和重构：以提高代码质量和性能常见问题与解答Q5：如何选择合适的机器学习库？A5：对于初学者来说，scikit-learn是一个非常好的选择，它提供了丰富的算法和工具，易于上手和使用。对于需要进行深度学习的项目，可以考虑使用TensorFlow或PyTorch等深度学习框架。在选择库时，应考虑其易用性、文档和社区支持等因素11.职业发展与就业指导职业发展与就业指导Q1：如何提高自己的编程能力？A1：可以通过以下方式提高编程能力多做编程练习和项目：不断积累经验参加编程竞赛和在线挑战：锻炼解决问题的能力和时间管理能力定期回顾和复习自己的代码：从中学习和改进参加编程社区和论坛：与其他开发者交流和分享经验职业发展与就业指导Q2：如何选择合适的实习或工作？A2：在选择实习或工作时，应考虑以下几点公司的规模、声誉和行业前景岗位的职责、工作内容和成长空间公司的文化和团队氛围是否与自己的价值观和个性相匹配薪资和福利待遇是否合理了解公司的发展方向和未来规划：以及自己在公司中的职业路径职业发展与就业指导Q3：如何准备面试？A3：准备面试时，应注意以下几点提前了解公司和岗位的背景和要求：准备相关的技术问题和答案练习常见的面试问题：如自我介绍、项目介绍、技术难题等准备一些自己的问题和话题：以展示自己的主动性和思考能力注意着装、礼仪和言谈举止：给面试官留下良好的印象12.课程拓展与延伸课程拓展与延伸Q1：如何进一步学习深度学习？A1：可以通过以下方式进一步学习深度学习深入学习神经网络和深度学习算法的原理和实现参加在线课程和培训：如Coursera、Udacity等提供的深度学习课程阅读深度学习领域的论文和书籍：了解最新的研究成果和技术趋势参与开源项目和社区：与他人合作和交流，共同学习和进步课程拓展与延伸Q2：如何将所学知识应用于实际项目中？A2：可以将所学知识应用于以下实际项目中数据分析项目：如用户行为分析、市场预测等机器学习项目：如图像识别、文本分类、推荐系统等课程拓展与延伸计算机视觉项目如物体检测、人脸识别、场景理解等