原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
《Python与人工智能编程——基础与实验》课程教学大纲
（空一行）
一、课程基本信息
课程中文名称：Python与人工智能编程：基础与实验
课程英文名称：PythonandAI?Programming:FundamentalsandExperiments
课程代码：
课程类别：通识选修课/专业基础课
总学时数：48学时
学分：3学分
开课学期：本科低年级或者专科高年级
适用专业：全校通识选修/专业选修课/专业必修课
后续课程：人工智能高阶课程
开课单位：计算机科学与工程学院
教研室：
（以上字体为小四号宋体）
（空一行）
课程简介及教学目标（标题四号宋体加粗）
本课程旨在通过Python这一强大的编程语言，引导学生踏入人工智能编程的殿堂。Python以其简洁的语法、丰富的库支持和广泛的应用领域，成为学习人工智能技术的首选语言。本课程将结合理论基础与实践操作，从Python基础语法讲起，逐步深入到机器学习、深度学习等人工智能核心领域，通过一系列精心设计的实验项目，帮助学生掌握人工智能编程的基本技能，并培养其解决实际问题的能力，预计共16次课，每次3节课，定于机房上课，1节理论课，2节实验课，便于学生上机实践。
教学目标：
掌握Python语言的基本语法、数据结构、函数与模块等核心概念。
理解机器学习、深度学习等人工智能技术的基本原理和算法。
能够使用Python及其相关库（如NumPy、Pandas、Matplotlib、Scikit-learn、PyTorch等）实现基本的人工智能应用。
培养学生的编程思维、问题解决能力和团队协作能力。
激发学生对人工智能领域的兴趣和探索精神。
课程教学内容、要求及学时分配（标题四号宋体加粗）
第1-2周：Python基础（6学时，2节理论课+4节实验课）
理论课：介绍Python语言的历史、特点、安装与环境配置；讲解变量、数据类型、运算符、控制结构（条件语句、循环语句）等基础知识。
实验课：编写简单的Python程序，练习变量赋值、数据类型转换、条件判断、循环控制等；完成基础练习，如计算阶乘、斐波那契数列等。
第3周：Python进阶（3学时，1节理论课+2节实验课）
理论课：深入讲解函数定义与调用、模块与包、异常处理、面向对象编程（类与对象）等高级特性。
实验课：编写包含函数、模块调用的程序；实践面向对象编程，设计简单的类与对象，实现继承与多态。
第4-5周：NumPy与Pandas数据处理（6学时，2节理论课+4节实验课）
理论课：讲解NumPy库的基本用法，包括数组操作、数学函数、矩阵运算等；介绍Pandas库的数据处理功能，如数据读取、清洗、转换、分析等。
实验课：使用NumPy进行数值计算、矩阵运算；利用Pandas处理CSV、Excel等文件，进行数据清洗与统计分析。
第6周：Matplotlib数据可视化（3学时，1节理论课+2节实验课）
理论课：介绍Matplotlib库的基本绘图功能，包括线图、散点图、柱状图、饼图等图表的绘制方法。
实验课：利用Matplotlib对Pandas处理的数据进行可视化展示，提高数据解读能力。
第7-8周：机器学习基础与Scikit-Learn框架（6学时，2节理论+4节实验课）
理论课：讲解机器学习概述、常见算法（支持向量机、随机森林等）及评估指标。
实验课：学习Scikit-learn开发流程并使用通用模板实现简单的机器学习模型，进行数据预处理、模型训练、评估与调优。
第9-13周：深度学习与PyTorch入门（15学时，5节理论课+10节实验课）
理论课：介绍神经网络基础、深度学习框架（如PyTorch）及常用模型（如卷积神经网络CNN、循环神经网络RNN、全连接神经网络DNN）。
实验课：熟悉PyTorch开发流程并使用通用模板PyTorch构建简单的神经网络模型，进行图像识别、文本分类等任务。
第14-16周：基于大语言模型的自然语言处理编程（6学时，2节理论课+4节实验课）
理论课：熟悉HuggingFace基础知识和HuggingFace管道概念及开发流程。
实验课：使用HuggingFace框架进行文本分类、文本生成和掌握模型微调方法及数据收集方法。
四、教学方法与手段
[具体内容]（小四号宋体）
针对本门课的特点，本课程拟采用老师讲授，学生上机实践相结合的方式。具体就是老师讲一系列知识点后，就布置相关上机作业，让学生能够从具体上机操作来实现对知识点的掌握。
五、各章节作业
[具体内容]（小四号宋体）
见教程每个实验后的实验作业。
六、考核方式与成绩评定
综合考核方式，即课程的考试成绩由平时考勤、平时上机提交作业成绩、其中平时成绩占30%，期末占70%。期末考试为上机考查。
七、必要的说明（标题四号
文档评论（0）