高教社贾树生人工智能技术应用导论教案--《人工智能应用导论》0-2 第2节 人工智能的含义与发展.docxVIP

教案（2学时）

课程名称：人工智能应用导论项目名称：引论：人工智能技术概述授课学时：2

授课任务：第2节大数据技术与数据预处理

1教学分析

1.1授课信息

授课专业

计算机类专业

授课对象

大一

授课形式

线上线下混合，理实一体

授课地点

实训室

授课教师

贾树生、史玉琢、王彧欣、张超颖、孟妍妍、李杨

授课时间

1.2教学背景

本节课聚焦于人工智能的“燃料”——数据。学生需理解数据处理的全流程，掌握数据预处理的重要性。通过Python的Pandas库进行实战操作，完成对实际数据集的清洗与探索性分析（EDA），体验从“脏数据”到“可用数据”的转化过程，为后续机器学习模型的训练奠定数据基础。

1.3任务分析

本节课是连接原始数据与AI模型的关键环节。在了解了AI的基本概念后，本节旨在解决“AI吃什么”的问题，强调数据质量决定模型性能，培养学生的数据素养和工程实践能力。

1.4教学目标

知识目标

理解数据处理的基本流程（ETL）及“垃圾进，垃圾出”（GIGO）原则；

掌握缺失值处理、重复值处理、数据类型转换等清洗方法；

了解数据挖掘的基本概念与常见算法。

能力目标

能够使用Pandas库加载、查看数据集；

能够编写代码完成数据的清洗与规范化操作；

能够进行简单的数据统计与可视化分析。

素质目标

培养严谨细致的数据思维，养成对数据负责的职业习惯；

树立数据安全与隐私保护意识。

1.5重点难点

教学重点

数据清洗的核心方法（缺失值、异常值处理）；

Pandas库中DataFrame的基本操作。

教学难点

针对不同业务场景选择合适的清洗策略；

理解数据清洗对最终挖掘结果的影响。

1.6课程思政

思政元素

思政元素：工匠精神、数据伦理。

融入方式

案例警示：通过分析因数据造假或清洗不彻底导致的算法歧视案例，强调数据真实性与严谨性的重要性。

规范约束：在代码编写中强调格式规范与注释清晰，培养工匠精神；在处理数据时强调脱敏处理，强化隐私保护意识。

2教学策略

2.1教学设计

本节课采用线上线下混合式教学模式，结合案例教学、任务驱动与项目实战，引导学生在解决实际数据问题的过程中掌握技能。

2.2教学方法

教法

案例导入法、演示法、任务驱动法。

学法

自主探究法、分组协作法、实操练习法。

2.3教学资源与环境

教材与数字化资源

1.《人工智能应用导论》高等教育出版社；

2.自主开发的线上教学资源《人工智能应用导论》。

教学平台

1.超星学习通平台、智慧职教

教学环境

实训室

3教学流程

4教学活动

4.1课前

教学环节

教学内容

教师活动

学生活动

设计意图

课前导学

线上

数据的生命周期：采集、存储、处理、分析。

垃圾进，垃圾出”原则。

Pandas库安装与基本数据结构。

1.【任务推送】发布数据质量相关的微课视频，推送Pandas入门文档。

2.【个性辅导】在线解答安装环境遇到的问题。

3.【策略调整】检查学生预习反馈，重点统计学生对数据结构理解的薄弱点。

1.【自主学习】观看微课，理解数据对AI的重要性。

2.【环境测试】尝试导入Pandas库，创建DataFrame。

3.【线上自测】完成数据基础知识的测试。

利用线上资源让学生提前建立数据质量意识，解决环境配置问题，为课中实操节省时间。

4.2课中

课中实践

例会（5分钟）

考勤。

课前学习情况梳理。

1.【课堂考勤】点名，记录出勤。

2.【激励措施】表扬预习测试满分及环境搭建成功的学生。

3.【学情反馈】总结课前练习中常见的错误（如路径错误、库未安装）。

1.【课堂签到】按规打卡。

2.【听取反馈】检查自己的环境配置是否正确。

强化纪律意识，反馈预习情况，确保后续实操能顺利进行。

引入（5分钟）

1.案例导入：某电商推荐系统因数据问题推荐错误案例。

2.知识点：数据质量与预处理。

1.【情境导入】展示某次算法竞赛因未清洗数据导致排名落后的真实案例，或展示一张含有大量“乱码”和“空值”的Excel表。

2.【分组讨论】提问：“如果让你用这份数据做分析，你会怎么做？直接能用吗？”

3.【引出课题】引出“数据清洗”的必要性，强调“巧妇难为无米之炊，更难为烂米之炊”。

1.【观看案例】直观感受脏数据对结果的恶劣影响。

2.【参与讨论】思考数据中存在的问题，并列举处理思路。

3.【领会意图】明确本节课的目标是将“脏数据”变“干净”。

通过真实的失败案例冲击学生认知，打破“拿到数据直接建模”的错误观念，激发学习清洗技术的动力。

讲授（20分钟）

1.数据预处理流程：缺失值、异常值、重复值、一致性检查。

2.Pandas核心操作：read_csv、info()、describe()、dropna()、fillna()