《人工智能通识基础（慕课版）》-教学大纲、课程标准.doc

PAGE

PAGE5

《人工智能通识基础（慕课版）》

教学大纲

课程信息

课程名称：人工智能通识基础

课程类别：专业核心课

开课单位：

课程性质：必修

适用专业：高等院校各专业

计划学时：48

计划学分：3

选用教材：《人工智能通识基础（慕课版）》，杨健林毓聪主编，2025年；人民邮电出版社出版教材

课程负责人：

二、课程介绍

本课程以“人工智能：驱动未来智能时代的创新力量”为核心，深入浅出地介绍人工智能作为科技创新前沿的广泛应用与无限潜力，引领着人类社会迈向一个全新的智能时代。本课程不仅涵盖了人工智能的基本概念、核心算法和关键技术，还深入探讨了人工智能在各个领域的应用实践。本课程共分为6章，分别是人工智能概述、人工智能的工作原理、人工智能的研究领域、人工智能工具的应用、人工智能的应用场景，以及人工智能课程实践与设计。

三、教学方法和教学手段

本课程的教学方法和教学手段是多样化的，旨在全面培养学生的思维能力、专业素养、伦理意识、创新精神、团队合作能力及社会责任感，为他们未来在人工智能领域的发展奠定坚实的基础。

（一）教学方法

1．理论讲授与实例结合：对于人工智能概述、工作原理等理论部分，采用课堂讲授方式，融入最新研究成果和实际应用案例，如AI在医疗、金融领域的具体应用，使理论讲解更加生动、具体。

2．伦理与安全教育融入：在讲解人工智能伦理挑战与安全风险时，结合实际案例，引导学生深入思考，增强学生的责任感和使命感。

3．互动讨论与案例分析：组织学生进行小组讨论，深入分析人工智能产业链各环节、不同研究领域的应用案例，如智能家居系统、智能药物研发流程等，帮助学生理解各领域的核心技术和应用场景，并鼓励学生提出见解，激发学生的思考和创新意识。

4．实践操作与工具体验：设立丰富的课程实践活动，如使用AI工具撰写多类型文案、设计创意海报、剪辑短视频、进行语音合成等，让学生全面体验AI工具，提升他们的实操技能。

5．项目设计与方案撰写：在课程设计环节，引导学生围绕特定主题进行项目设计和方案撰写，培养学生的综合应用能力。

（二）教学手段

1．多媒体教学资源

充分利用多媒体教学资源，如PPT、视频、音频、图文资料等，直观展示人工智能的基础知识、工作原理、应用领域与场景等，帮助学生建立系统的知识体系，增强课堂的吸引力和互动性。

2．在线学习平台

借助慕课（MOOC）、在线课程平台等，提供丰富的学习资源和拓展材料，支持学生自主学习与复习。

3．软件与工具

对于实践性较强的内容，组织学生进行课程实践活动，如利用人工智能工具撰写文案、制作海报、剪辑短视频、辅助直播等，让学生在实践中掌握操作技能。同时，鼓励学生参与课堂讨论，分享实践心得，增强互动性和参与感。

4．在线互动平台

利用在线互动平台（如学习管理系统、社交媒体等），实现师生之间的实时互动和资源共享。教师可以通过平台发布作业、答疑解惑，学生可以随时随地学习课程内容、提交作业和反馈问题。这种方式能够打破时间和空间的限制，提升教学的灵活性和效率。

5．校企合作

与行业内知名企业建立合作关系，为学生提供实习实训基地，让他们有机会参与真实的AI应用项目，了解前沿技术动态，积累实践经验。同时，邀请行业专家进行线上或线下讲座，分享人工智能在多个领域的最新应用成果和发展趋势，拓宽学生视野。

四、教学内容和学时分配

章节

名称

主要内容

重难点关键词

学时

类型

1

人工智能概述

?初识人工智能

?人工智能产业链

?人工智能与就业

?人工智能伦理挑战与安全风险

人工智能；定义；特点；类型；发展历程；人工智能产业链；基础层；技术层；应用层；应用场景；终端产品；就业；新职业；素养要求；伦理挑战；安全属性；内生安全风险；应用安全风险；应对

4

理论

2

人工智能的工作原理

?人工智能的燃料之源：数据

?人工智能的动力引擎：算力

?人工智能的智慧之源：算法

?人工智能的技术逻辑：机器学习

?人工智能完成任务的工具：人工智能大模型

数据；作用；影响；质量；多样性；准确性；数量；合规性；类型；采集方式；算力；构成；算法；机器学习；原理；学习类型；监督学习；无监督学习；半监督学习；强化学习；人工智能大模型；开发过程；工具；文心一言；文心一格；豆包；通义千问；讯飞星火；天工AI；提示设计

7

理论+实践

3

人工智能的研究领域

?自然语言处理

?计算机视觉

?智能语音处理

?多模态融合

?智能机器人

自然语言理解；文本生成；语义分析；情感分析；图像分割；目标检测；R-CNN系列；YOLO系列；SSD系列；多目标检测；目标识别；人脸识别；指纹识别；商品识别；目标跟踪；图像理解；语音识别；原理；过程；语音合成；多模态融合；方法；特征级融合；决策级融合；模型级融合；跨模态学习；应用；智能机器人；基本构成；关键技术

8

理论+实