《人工智能》教学大纲.docVIP

PAGE9

《人工智能》

教学大纲

（IntroductiontoArtificialIntelligence）

课程说明

一、课程概述：

（一）课程属性及课程介绍

?课程名称：人工智能

?课程英文名称：IntroductiontoArtificialIntelligence

?学时与学分：理论学时32，线上8，线下24，总学分2

?课程性质：通识必修课

?适用专业：非计算机类专业学生

（二）教学目标

学习本课程旨在为非计算机类专业的大学生奠定坚实的人工智能基础，掌握人工智能领域的知识，培养其在人工智能领域的基本技能和理解能力。具体而言，主要学习目标如下：

1.人工智能基础知识：掌握人工智能的基本概念、发展历程、主要分支领域（如机器学习、深度学习、自然语言处理、计算机视觉等）及其在现代社会中的应用。

2.理论与技术基础：学习和理解支撑人工智能的核心算法和理论，包括搜索算法、知识表示、推理方法、决策制定、学习理论等。

3.问题解决能力：培养分析和解决人工智能问题的能力，包括如何定义问题、选择合适的技术路线、设计并实施解决方案。

4.伦理与社会责任：讨论人工智能技术的伦理和社会影响，理解隐私保护、数据安全、算法偏见等议题，培养负责任的AI开发与应用意识。

5.创新与批判性思维：鼓励学生批判性地评估现有的AI技术，激发创新思维，探索AI在新领域的应用可能。

6.沟通与团队合作：通过团队项目，提升与他人合作解决复杂问题的能力，以及有效沟通研究成果和想法的能力。

这些目标旨在为学生构建一个全面的人工智能知识框架，不仅关注技术细节，也重视理论与实践的结合，以及技术的社会影响和伦理考量，为学生将来在AI领域的深入研究或职业发展打下坚实的基础。

（三）适用对象

全日制本科

（四）先修课程与后续课程

?先修课程：大学计算机基础

?后续课程：机器学习、深度学习、智能机器人等

二、任课教师教学过程中应注意的事项

在AI相关课程体系构建中，持续学习能力的培养必须上升为核心教学目标之一，而非简单的附加要求。这种能力的培养，本质上是帮助学生突破“毕业即知识过时”的困境，使其在未来职业生涯中始终可以主动学习。

课程设计阶梯式的练习体系，具备重难点演示，学生需要勤加练习。

三、学时要求与分配：

（一）总学时要求

32学时（线上8，线下24）

（二）学时分配

线下

周

别

授课

次数

授课章节与内容摘要

教学

时数

思政融入点

备注

1

1

第1讲AI概览

1.1相关概念

1.2发展历程

1.3主流学派

1.4研究范畴

1.5典型应用

3

方法论：体现从量变到质变的规律

计算思维：算法与自动化、分解与模块化、抽象与模式识别

价值观：追求简洁与优雅的工程美学

习题1、4、5、7

2

2

第2讲AI学习机制

2.1机器学习

2.2机器学习主要流程

3

方法论：实践出真知

计算思维：过拟合与欠拟合的权衡

价值观：全面发展观、创新精神

习题1、2、3、4、

3

3

第2讲AI学习机制

2.2机器学习主要流程

2.3深度学习常见模型

3

方法论：质量决定成败

计算思维：生成与判别的对抗

价值观：科技伦理

习题5、7

4

4

第3讲感知与认知智能

3.1机器视觉

3.2计算机视觉

3.3模式识别

3.4图像识别

3.5图像理解

3.6计算机视觉的应用

3.7知识表示

3

方法论：科学探索精神，质量安全意识

计算思维：跨学科思维，技术创新意识

价值观：技术伦理责任

习题1、2、3、4、

5

5

第4讲智能体与智能系统

4.1智能体与智能系统概述

4.2智能体的基础理论与架构

4.3大模型与智能体的关键技术

4.4构建基于大模型的智能体

4.5智能系统的工程化实践

4.6未来技术趋势

3

方法论：聚焦实践层面的系统化工作方法

计算思维：强调多智能体系统中的核心计算概念

价值观：突出技术发展中的伦理导向

习题1、2、3、4、

6

6

第5讲NLP与AI大模型

5.1语言理解为何困难

5.2NLP的核心任务

5.3技术演进之路

5.4语法类型与语义分析：解码语言的双重密码

5.5处理数据与处理工具：从原始矿藏到精炼燃料

5.6大语言模型的概念：数字化的语言基因

5.7发展历程：从统计模型到认知革命

5.8技术原理：智能涌现的数学密码

5.9应用场景：从文本生成到社会重构

5.10生成式人工智能：创造力的数字觉醒

3

方法论：对应“辩证思维”，体现理性分析、权衡利弊的思维方式

计算思维：对应“学术诚信”，强调在理解和运用AIGC技术时，必须遵循正确的逻辑规范与使用准则

价值观