《人工智能通识》电子教案 第9章 大模型技术应用

《人工智能通识》课程教案一、基本情况授课单元大模型技术应用授课标题认识大模型授课学时2学时授课班级xxx授课时间xxx授课地点xxxxx实训室授课形式理实一体化教学授课内容1.深度学习与计算机视觉在数字人中的应用2.自然语言处理与语音技术的数字人应用。3.数据标注与模型训练在数字人开发中的关键作用。4.AI数字人的应用。二、教学分析学情分析素质、能力、知识基础1.素质：学生普遍展现出积极的学习态度和良好的团队合作意愿，但需进一步提升责任心和创新思维。2.能力：学生在知识吸收和实践操作能力上存在差异，需加强问题解决和沟通协调能力的培养。3.知识基础：学生已具备相关学科的基础知识框架，但对课程涉及的专业领域知识掌握不够深入和系统。学习特点1.技术基础差异大：学生专业背景多样，采用通俗易懂的语言介绍大模型知识。2.抽象思维能力要求较高：大模型技术涉及复杂的算法和模型结构，要求学生具备较强的抽象思维能力和逻辑推理能力。3.对新技术的好奇心和探索欲：大模型技术作为当前人工智能领域的热门话题，吸引了大量对新技术充满好奇心的学生。他们渴望了解大模型的工作原理、应用场景和未来发展趋势。要素分析课程思政介绍中国AI技术的快速发展和在国际舞台上的崛起，如DeepSeek等中国AI产品的成功。激发学生的民族自豪感和爱国情怀，鼓励他们为国家的科技进步和发展贡献自己的力量。劳动教育通过让学生参与实际问题的解决、项目开发和团队协作，增强其劳动意识、实践能力和团队合作精神，将理论知识与实际操作紧密结合，提升综合素养。教学目标素质目标1.科学素养：培养学生形成对科学技术的基本认知，理解科学技术在社会发展中的重要作用。激发学生对科学探索的兴趣，培养科学思维和解决问题的能力。2.信息素养：提升学生获取、分析、评价和利用信息的能力，特别是在信息技术快速发展背景下的信息筛选和判断能力。3.团队协作与沟通能力：培养学生的团队合作精神，学会在团队中有效沟通和协作。知识目标1.掌握大模型定义和大模型与AIGC的关系。2.了解大模型的构建与优化。3.大模型的推理与应用技术。4.熟悉模型的评估、调优。能力目标1.掌握大模型核心技术：学生能够深入理解大模型的基本概念、工作原理和技术原理，包括模型架构、训练算法等。2.提升模型应用能力：学生能够熟练运用大模型进行数据处理、分析和预测，掌握大模型在各个领域的应用方法和技巧。3.激发创新思维与探索精神：鼓励学生勇于探索大模型的新应用和新领域，培养创新思维和解决问题的能力，为未来的技术革新和发展贡献力量。教学重难点教学重点大模型的核心原理与应用。大模型的训练与优化方法。教学难点1.大模型的训练与优化方法。教学资源教材与参考教材《人工智能通识》信息化资源与技术线上教学平台、题库、视频三、教学策略教学方法教法启发式、探究式、讨论式、演示法等学法观察法、练习法、发现法等教学模式翻转课堂、混合式教学（线上预习+线下讲解+实践体验）、理实一体教学模式教学手段多媒体、线上平台教学等教学流程图课前探学→情景导入→新知讲授→操作示范→实战练习→课堂测评→课堂小结→课后拓学四、教学实施教学环节教学内容师生活动设计意图与手段教师活动学生活动课前探学预习大模型的基本概念：包括大模型的定义、特点、与传统模型的区别等。了解大模型的应用领域：探索大模型在自然语言处理、图像识别、智能推荐等领域的实际应用案例。初步接触大模型的训练与优化：简要介绍大模型训练的基本流程和优化的一些常见方法。1.发布预习任务。2.提供预习资料。3.设计预习问题。4.收集学生预习过程中的疑问和困惑。1.观看课前学习视频，阅读相关资料，了解课程基本内容。2.完成预习任务，如填写预习笔记、参与在线讨论等。3.针对预习中不懂的问题，主动查阅资料或向教师、同学请教。通过课前探学，使学生提前了解课程内容和重点，为课堂学习做好准备。培养学生的自主学习能力和信息获取能力，提高学习效率。通过预习任务和在线讨论，激发学生的学习兴趣和积极性，促进师生互动和生生互动。为课堂教学打下坚实基础，确保课程内容的顺利进行和深入拓展。课中导学情景导入播放大模型技术在文本生成与摘要、语音识别与合成、跨模态内容生成等应用的视频。（5min）1.播放视频2.提出问题3.引导讨论1.观看视频2.思考3.小组讨论教师提出的问题激发兴趣，引发思考，促进交流，明确学习目标。新知讲授1.讲解大模型的定义、发展历程、工作原理等内容。（10min）2.大模型和AIGC的关系。（5min）3.大模型的训练与优化、推理技术。（5min）4大模型的评估调优。（5min）5.大模型社区介绍。（5min）1.准备详尽的讲授稿和PPT，确保内容准确、条理清晰。2.通过实际案例或示例，演示大模型的训练过程和优化方法，让学生更直观地理解相关知识。3.在课堂上进行生动的讲授，结合实例和案例，深入浅出地解释各个知识点。1.认真听讲2.记录重点。3.针对讲授内容提出自己的疑问和看法，与教师和其他同学进行互动交流。通过课前探学和课堂讲授相结合的方式，使学生全面掌握课程的核心内容和重点。利用生动的教学视频和实例，激发学生的学习兴趣和积极性，提高课堂参与度。通过互动交流，引导学生深入思考、积极探索，培养他们的创新思维和实践能力。为后续的课程实践和项目开发打下坚实的基础，确保学生能够灵活运用所学知识解决实际问题。操作示范使用AI生成图片的技能，能够有效地通过文字描述生成图片，实现手机壁纸的快速制作。（15min）使用AI生成视频的技能，能够有效地将文字或图片内容转化为高质量的视频，实现创意内容的快速制作和分享。（10min）1.教师首先介绍本次操作示范的主题和背景，解释其在实际应用中的重要性。2.在演示过程中，强调关键步骤和技巧，确保学生能够清晰理解并记住。3.演示结束后，教师邀请学生提问，解答学生在观看演示过程中的疑惑。1.认真听讲。2.记录重点。3.学生分组，相互讨论、交流经验，共同解决问题。提升操作技能：通过教师的操作演示，使学生掌握具体的软件或工具使用方法，提升操作技能。激发学习兴趣：通过生动的操作演示和实践任务，激发学生的学习兴趣和积极性，使他们更愿意主动探索和学习新知识。培养合作与交流能力：在实践操作过程中，学生需要相互讨论、交流经验，共同解决问题，这有助于培养他们的合作与交流能力。实战演练1.安装并使用阿里通义灵码编程助手，包括插件安装、登录和使用其核心功能。（10min）2.安装并使用百度文心快码编程助手的安装和使用方法，了解其核心功能及操作流程。（10min）3.安装并使用智谱CodeGeeX编程助手，熟悉其功能模块和操作技巧。（5min）介绍演练主题与目标。分发演练材料与资源。讲解演练规则与要求。指导学生进行实践操作，解答学生疑问。1.分组进行实践操作。2.遇到问题及时与教师或同学交流。3.展示实践成果。4.分享学习心得。通过实践操作，加深学生对数据采集与处理技术的理解。培养学生的动手能力和团队协作能力。课堂测评完成测试（5min）1.大模型知识点回顾与理解。2.测评形式：快速问答与小组展示。3.测评目标：检验学生对大模型知识的掌握程度，促进学生间的交流与合作。1.快速问答。2.组织小组展示。3.反馈与总结。1.快速问答参与2.小组展示准备与展示。3.代表上台进行展示。4.对其他同学的提问进行回答和解释。5.倾听与提问。通过快速问答和小组展示，检验学生对深大模型的掌握程度，及时发现并解决存在的问题。小组展示环节鼓励学生间的交流与合作，提高学生的团队协作能力和沟通能力。鼓励学生提问和发表自己的观点，培养学生的批判性思维和独立思考能力。通过交流和讨论，学生可以更加深入地理解大模型的概念，形成自己的见解和认识。课堂小结1.回顾本节课的重点内容（3min）2.布置课后拓展阅读和思考任务（2min）1.总结本节课的重点内容。2.解答学生的疑问和困惑。3.布置课后作业。4.推荐学习资料。1.认真听讲2.记录总结。3.提问和答疑。4.接受课后作业任务。帮助学生巩固本节课所学知识。通过答疑解决学生的疑问和困惑。通过课后作业加深学生对大模型的理解和应用能力。课后拓学巩固新知大模型的定义：大模型是指在机器学习和人工智能领域中，具有数千万甚至数亿参数的深度学习模型。评估指标体系：评估指标是用于衡量模型性能的重要标准。在大模型评估中，常用的评估指标包括准确率、召回率、F1分数等。数据预处理：数据预处理是大模型训练过程中不可或缺的一环，它直接影响到后续模型训练的效果和准确性。数据预处理主要包括数据清洗、归一化、增强等步骤。拓展提升实践项目挑战：鼓励学生组队参与，将课堂所学知识应用于实际项目中，通过实践加深对大模型的理解。学术前沿探索：鼓励学生思考这些前沿研究如何改进或拓展现有大模型，激发他们的学术兴趣和探索精神。技术社区参与：鼓励学生加入大模型相关的技术社区或论坛，如GitHub项目、技术博客、在线讨论组等。五、教学反思特色创新前沿技术整合：课程将紧密跟踪大模型领域的最新进展，整合最新的研究成果和技术应用，确保学生学到最前沿的知识和技能。实践项目导向：课程内容将围绕一系列实践项目展开，通过项目式学习，让学生在解决实际问题的过程中掌握数字人技术的核心原理和应用方法。跨学科融合案例：通过引入跨学科融合案例，如大模型在在文本生成与摘要、语音识别与合成、跨模态内容生成等应用，帮助学生拓宽视野，理解深度学习技术的广泛应用场景和社会价值。诊断改进学习进度跟踪：通过在线学习平台的数据分析，跟踪学生的学习进度，包括课程观看时间、作业完成情况、测试成绩等，及时发现学习中的瓶颈和问题。项目反馈评估：在项目完成后，组织学生进行成果展示和反馈评估，通过同学互评、教师