原创力文档- 1、本文档共3页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE3
《人工智能创新实践4》教学大纲
课程英文名
InnovationPracticeofArtificialIntelligence4
课程代码
03P0068
学分
1
总学时
16
实验学时
16
上机学时
0
课程类别
集中实践
课程性质
必修
先修课程
无
适用专业
人工智能
开课学院
信息学院
执笔人
杨力
审定人
专业评价小组
制定时间
2025年1月
注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。
一、课程地位与课程目标
1.课程地位
《人工智能创新实践》是人工智能专业学生的一门专业教育入门课程，其任务是向低年级学生介绍最基本的人工智能编程及开发基本知识、人工智能项目开发方法，对人工智能在各个领域的项目应用案例开展实践。本课程采用案例式项目教学，为学生开展科研、竞赛等创新活动打下基础，并为后续的理论知识学习提供帮助。
本课程是系列课程的第4部分，主要内容为人工智能最新技术（例如大模型等）的应用案例，要求学生对涉及的前沿人工智能技术有较深入的理解。
开设本课程，有助于引导低年级学生掌握本专业领域项目开发基本方法、了解未来发展方向，激发学生对人工智能领域的学习热情，引导学有余力的学生开始专业知识的探索，为学生树立远大的职业理想打下基础。因此本课程的开设具有重要意义。
2.课程目标
（1）掌握人工智能编程开发基础知识；
（2）掌握人工智能项目开发的基本流程、开发方法、开发工具使用；
（3）了解我国人工智能技术的发展现状、世界其他国家的发展水平，理解目前我国人工智能技术落地应用中存在的问题，初步掌握解决复杂问题的基本方法，理解自主学习和终身学习的重要性。鼓励学生积极投身“卡脖子”难题的创新。
二、课程目标达成的途径与方法
采取案例实践教学的方式。
采取线上线下结合教学方式。
要求学生完成人工智能专业的实践项目，针对综合性创新项目撰写课程报告。
课程目标
课程目标达成的途径与方法
ILO-1
课堂教学、实验、课后学习、答疑
ILO-2
课堂教学、实验、课后学习、答疑
ILO-3
课堂教学、实验、课后学习、答疑
三、课程目标与相关毕业要求的对应关系
本课程支撑的毕业要求如下：
毕业要求3-2能够针对特定需求独立进行智能系统设计，并通过仿真或实验等手段验证可行性。
毕业要求11-1理解人工智能领域工程管理原理与经济决策方法的重要性，能够识别人工智能项目管理和经济决策中的关键因素。
毕业要求12-2具有自主学习的能力，包括对技术问题的理解能力，归纳总结的能力和提出问题的能力等。
课程目标对毕业要求的支撑关系如表1所示。
表1课程目标对毕业要求的支撑关系
课程目标
课程目标对毕业要求的支撑程度（H、M、L）
毕业要求3-2
毕业要求11-1
毕业要求12-2
课程目标1
H
课程目标2
H
课程目标3
H
注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。
四、课程主要内容与基本要求
1.目标识别案例开发
以商品识别为例。自行设定一个应用场景，例如智能零售柜，或其他包含商品识别的应用场景，利用商品识别算法解决生活中的痛点。也可用于其他类别物品的案例开发。
（1）要求设计相应的算法和界面。界面形式不限，可以是应用程序，也可以是web程序等，要求设计得美观。
（2）要求具备录入新商品的功能。即录入一张新商品的图片，当这个商品在货柜中出现时，在不重新训练模型的情况下，要能识别出来。换句话说，你训练好的模型要能适用于训练集中未见过的商品。
（3）要求采用至少2种算法来实现商品识别功能，并进行实验结果比较分析。
（4）要求算法能适应过亮和过暗等各种光照变化、图像噪声、不同视角拍摄的商品识别。
2.大模型应用案例开发
利用LangChain+GLM实现基于本地知识库系统搭建，尤其是问答等应用。本项目将让同学们快速了解当今最先进的大语言模型（LLM）的基础内容，并能掌握LangChain这一LLM开发的技术框架，并利用其内部集成的组件库可以将LLM模型与各种外部数据源（包括但不限于图片、PDF、视频、邮件...）进行连接。项目中LangChain作为一个工具链，通过提示（prompt），可以指导LLM执行一系列的任务(简单的对于文件查询、复杂的对于行业知识图谱的搜集)。本项目主要任务是通过使用LangChain框架和组件，利用开放大模型ChatGLM，建立可离线部署的检索增强生成(RAG)大模型知识库，重点实现基于知识库的问答应用，并为LLM扩展了更多的能力提供参考。
五、课程学时安排
章节号
教学内容
学时数
学生任务
对应课程目标
1
目标识别案例开发
8
完成零售商品识别案例开发
ILO-1，2，3
2
大模型应用案例
8
完成基
文档评论（0）