生成式人工智能基础 教学大纲.docx

生成式人工智能基础

教学大纲

课程名称：生成式人工智能基础

课程代码：[具体代码]

课程学分：[具体学分]

课程性质：专业核心课程

适用专业：计算机科学与技术、人工智能、软件工程、数据科学与大数据技术、电子信息工程等相关专业

先修课程：计算机基础、数据结构、算法设计、概率论与数理统计、线性代数、编程语言（Python）

课程目标：本课程旨在系统地介绍生成式人工智能（AIGC）的基础理论、核心技术、应用场景及其社会影响，使学生掌握生成式AI的基本原理、模型架构和应用方法，培养学生的创新思维和实践能力，为学生在人工智能领域的深入研究和应用开发奠定坚实基础。

教学方法：课程采用理论讲授与实践操作相结合的教学方法。理论部分通过课堂讲授、案例分析和讨论，帮助学生理解生成式AI的核心概念和技术原理。实践部分通过实验、研究性学习和课程项目，培养学生的动手能力和创新思维。

考核方式：课程考核包括平时作业、实验报告、期中考试、期末考试和课程学习与实践总结。平时作业和实验报告占30%，期中考试占20%，期末考试占40%，课程学习与实践总结占10%。

教材与参考书：

·主教材：《生成式人工智能基础》周苏等著，机械工业出版社，2025

·参考书：

课程内容

第一部分基础理论篇

第1章人工智能基础

1.1计算机的渊源

1.1.1通用计算机

1.1.2计算机的定义

1.2大数据基础

1.2.1大数据的定义

1.2.2大数据的3V特征

1.3AI时代

1.3.1图灵测试及其发展

1.3.2AI的定义

1.3.3强AI与弱AI

1.3.4大数据造就大智慧

1.4机器学习与深度学习

1.4.1机器学习

1.4.2深度学习

1.4.3机器学习与深度学习的关系

【作业】

【研究性学习】探索AI在日常生活中的应用

第2章生成式AI与AIGC

2.1Blockhead思维实验

2.2从自然语言处理起步

2.2.1NLP研究内容

2.2.2深度学习的影响

2.2.3LLM崛起

2.2.4LLM特征

2.3生成式人工智能

2.3.1什么是判别式AI

2.3.2定义生成式AI

2.3.3生成式AI的层次

2.3.4定义AIGC

2.3.5生成式AI与AIGC的关系

2.4智能内容生成

2.4.1内容孪生

2.4.2内容编辑

2.4.3内容理解

2.5生成式AI应用场景

【作业】

【研究性学习】熟悉阿里云大模型“通义千问”

第二部分核心技术篇

第3章大语言模型技术

3.1LLM的工作原理

3.1.1词元及其标记化

3.1.2基础模型

3.1.3词嵌入及其含义

3.1.4生成和理解

3.1.5预训练过程与微调

3.2生成对抗网络

3.2.1GAN的基本原理

3.2.2GAN的训练过程

3.2.3不同类型的GAN

3.3变分自编码器

3.3.1VAE的工作机制

3.3.2潜在空间探索

3.4流模型

3.4.1流模型应用场景

3.4.2流模型应用案例

3.5语言模型基础

3.6LLM的幻觉

3.6.1产生幻觉的原因

3.6.2减轻幻觉

【作业】

【研究性学习】LLM典型案例分析

第4章提示工程与技巧

4.1提示工程的定义

4.2提示的原理

4.2.1提示词分类

4.2.2提示构成

4.2.3提示调优

4.3提示工程技术

4.3.1链式思考提示

4.3.2生成知识提示

4.3.3少样本提示

4.3.4自一致提示

4.3.5思维树提示

4.4提示学习和语境学习

4.4.1提示学习

4.4.2语境学习

4.5提示词写作技巧

4.5.1提示词框架推荐

4.5.2提示词实践技巧

【作业】

【研究性学习】练习撰写提示词

第5章文本生成技术

5.1典型的语言模型方法

5.1.1基于规则的方法

5.1.2统计语言模型

5.1.3循环神经网络及其变体

5.2Transformer模型

5.2.1位置编码机制

5.2.2自注意力机制

5.2.3Transformer过程

5.2.4Transformer结构

5.2.5Transformer模块

5.3混合模型

5.4典型的文本生成技术

5.4.1文本摘要技术

5.4.2诗歌生成

5.4.3简单对话系统

5.4.4翻译任务中的应用

【作业】

【研究性学习】熟悉AI助手KIMI

第6章图像生成技术

6.1图像生成的模型

6.1.1扩散模型

6.1.2自回