人工智能基础课标教案.docxVIP

《人工智能基础》课程标准

【课程名称】人工智能基础 【课程编码】

【课程类别】通识必修课 【适用专业】所有专业

【授课单位】 【总学时】58

【编写执笔人】 【编写日期】

一、课程性质和课程设计

（一）课程性质与作用

本课程是一门兼具理论性与实践性的专业基础课，其核心性质在于跨学科融合，以计算机科学为根基，整合数学、心理学、哲学等多领域知识，系统讲授人工智能的基本概念、原理及技术方法（如搜索算法、机器学习、知识表示等）。该课程的作用主要体现在三方面：一是奠定知识基础，帮助学习者理解人工智能的发展历程、核心技术与应用领域，培养其人工智能思维；二是提升实践能力，通过掌握视觉识别、自然语言处理等技术的应用，增强解决复杂工程或管理问题的能力；三是为未来拓展提供支撑，无论是学术深造（如研究生阶段的进阶学习），还是职业发展（如提升就业竞争力或推动行业创新），均能通过课程学习构建扎实的底层框架。此外，课程还强调通识教育价值，通过培养数字时代的基础素养，适应技术驱动的社会变革需求。

（二）课程设计思路

本课程设计以“问题驱动、素养导向”为核心思路，通过生活化案例（如智能家居、人脸识别等）构建具身化学习情境，帮助学生理解AI技术的基本概念与应用场景，同时强调数学与编程基础（线性代数、Python等）与机器学习理论（监督学习、神经网络等）的有机结合。课程采用“案例培析-实践操作-创新应用”的教学路径，依托虚拟实验平台和模块化工具，让学生在项目开发（如智能交通系统、AIGC创作）中掌握算法原理与工程实现，并融入伦理讨论与社会影响分析，培养技术应用的责任意识。针对不同学段学生认知特点，课程内容从感性体验（如小学阶段的图形化编程）逐步过渡到抽象推理（如中学阶段的算法推导），最终实现知识建构、技能训练与创新思维培养的协同发展。

二、课程目标

（一）知识目标

（1）了解人工智能的起源与发展；理解人工智能的定义，了解人工智能的分类；了解人工智能的产业结构；了解人工智能伦理与安全。

（2）掌握知识表示、机器推理、搜索策略和计算智能等人工智能理论知识；理解物联网的概念，了解物联网的基本特征；理解云计算的概念，了解云计算服务模型与部署模式；理解大数据的概念，了解大数据的特征和结构。

（3）理解机器学习的概念，了解机器学习的方法和一般流程；掌握线性回归、k近邻、决策树、支持向量机、k均值聚类算法的基本思想；理解神经网络与深度学习的概念；了解深度学习的常见模型和主流框架。

（4）理解计算机视觉的相关概念；了解计算机视觉的应用领域；了解图像识别和文字识别的主要流程；理解语音识别的概念；了解语音识别的应用领域和主流框架；了解人脸识别、指纹识别和声纹识别等生物特征识别技术。

（5）理解自然语言处理的概念，了解自然语言处理的应用领域；理解自然语言处理的5个层次；了解自然语言处理的常见平台和常用开源库；理解知识图谱的概念和表示方式；了解知识图谱的体系架构、构建方式和应用。

（6）理解智能机器的概念，了解智能机器的产生与发展；了解智能机器人、无人机、无人车等常见的智能机器；理解具身智能和人机交互等智能机器的相关技术；了解群体智能和协同控制的相关算法；了解常见的集群式无人设备。

（7）了解AIGC的基本概念、分类及常用工具；理解AI文本生成、图像生成、音视频处理和数字人的概念；了解提示词的设定与使用技巧；掌握AI图像生成、视频生成的主要方式；了解语音合成、语音克隆、音色转换及其应用；了解AI工具的文档制作、数据处理和演示文稿制作功能。

（8）了解人工智能在安防、教育、医疗、交通、制造、零售、农业、家居等行业的应用；理解智能航空的概念，了解智能航空的特点；了解人工智能在民用航空和军用航空中的应用；了解航材缺陷检测的基本步骤、飞行员飞行疲劳预测系统及千穰大模型。

（9）理解大模型的概念，了解大模型的发展历程；了解大语言模型的原理与典型应用；了解多模态大模型的原理与典型应用；了解大模型的发展趋势与应用前景

（二）技能目标

（1）能够使用Mo平台中的相关功能进行创作；能够使用人工智能开放平台中的相关工具解决实际问题。

（2）能够使用智谱清言进行数据分析；能够使用文心一言进行数据分析。

（3）能够使用DMSAS软件构建并训练机器学习模型；能够使用TensorFlowplayground训练神经网络模型。

（4）能够使用百度AI开放平台的相关功能进行车型识别；能够使用讯飞听见的相关功能将语音转换为文本。

（5）能够使用纳米AI搜索进行问题探究；能够使用百度翻译的文本翻译和文档翻译功能。

（6）能够收集智能机器的相关信