1、人工智能导论课程标准人工智能导论课程标准课程名称人工智能导论课程编码12563470课程类型任选课适用专业非计算机类专业学时/学分28/2开设学期第二学期授课院部信息工程学院编写执笔人审定负责人编写日期2021.10.24审定（修订）日期一、课程性质该课程是全校学生的选修课，目的是让学生了解人工智能的发展及应用；理解人工智能的核心技术概念；学会使用AI开发工具及语言；为进一步学习人工智能相关领域知识打下坚实的基础。二、课程设计思路该课程从物联网发展趋势，深入了解行业发展趋势，调研目前人工智能领域相关专业学生就业所需知识，调研同类高职院校课程教学情况：教学大纲、课时安排、教学模式、考核方式及成绩
2、评价等方面。综合分析调研结果，充分考虑高职学生特点和行业现状，制定满足企业需求和适合高职院校学生特点的课程标准。为学生就业拓展了基础和领域。三、课程目标（一）总体目标通过本课程的学习了解AI发展中的关键人物及其成果，了解AI的研究内容和应用领域；理解AI的核心概念解析；学会使用AI的开发工具VSCode、Jupyter Notebook及Python语言；能够理解监督学习中的回归和分类算法，能够理解非监督学习中的聚类算法，会运行给定的程序代码并修改某些参数；会在微软机器学习工作室中搭建预测披萨饼价格的实验。由此培养学生良好的分析问题和解决问题的能力，使学生具有良好的沟通能力与团队协作精神。（二
3、）具体目标1专业能力（1）学会使用AI开发环境，VScode、Jupyter Notebook；（2）能够理解Python语言程序；（3）能够理解监督学习中的线性回归和逻辑分类；（4）能够理解非监督学习的聚类；（5）了解numpy、matplotlib、pandas等数据科学分析库的使用方法。2方法能力（1）培养良好的资料查阅能力；（2）培养良好的分析问题、解决问题的能力；（3）培养模块化思维能力；（4）培养良好的学习和总结的能力。3社会能力（1）培养良好的团队精神和协作能力；（2）培养学生的创新能力。四、课程内容组织与安排本课程参照国内各高职院校的教学大纲，以实际应用为目标，设计了5个学习单
4、元。本课程充分考虑了人工智能导论是一门开设比较新的课程，考虑到学生的基础和接受能力，在课程内容的组织与安排上由浅入深、循序渐进。通过本课程的学习，学生能够了解AI的发展、研究内容及应用领域，熟悉AI开发的工具和语言，熟悉一些常见的AI核心技术，了解AI的一些基本算法。本课程的开设还为学习与人工智能领域相关的课程奠定基础。 教学内容组织与安排 表1序号模块（项目/单元）名称教学内容教学方法教学场所参考学时理论实践1 单元1 人工智能概述1-1 AI的起源和发展1-2 AI的研究内容1-3 AI的应用1-4 AI的人才需求讲授、分组讨论、案例教学、实操。人工智能实训室222单元2 AI开发工具及语
5、言2-1 开发环境搭建2-2 开发库的安装和配置2-3 可视化工具的安装和配置2-4 入门案例实践讲授、演示、分组讨论、案例教学、实操。人工智能实训室223单元3 AI技术概述3-1 AI的知识结构和领域3-2 机器学习及算法3-3 深度学习及典型模型3-4 计算机视觉3-5语音识别3-6自然语言处理3-7 推荐系统讲授、演示、分组讨论、案例教学、实操。人工智能实训室624单元4 监督学习4-1 线性回归模型4-2 逻辑分类模型4-3 感知器模型4-4 支持向量机模型4-5 KNN模型 讲授、演示、分组讨论、案例教学、实操。人工智能实训室265单元5 非监督学习5-1 非监督学习5-2 KMe
6、ans模型原理5-3 鸢尾花数据集5-4 KMeans的应用讲授、演示、分组讨论、案例教学、实操。人工智能实训室22合计：56学时（其中实践教学学时比例为50.0 %）1414五、课程内容与教学要求表5-1模块（项目/单元）1：单元1 AI概述参考学时理论2实践2学习目标1、了解AI的发展历史；2、理解第三次AI浪潮背后推手是大数据、算法和算力；3、能够上网查找AI的实际应用；4、学会使用一些AI小程序。学习内容1、AI的起源；2、AI发展的三次浪潮；3、AI三巨头；4、第三次AI浪潮背后的推手；5、AI的定义和研究内容；6、AI的应用领域；7、AI的产业政策与人才需求。重点：1、AI的起源；
7、2、AI的三次浪潮；3、AI的定义与研究内容。难点：1、第三次AI浪潮的背后推手：大数据、算法和算力；2、AI的实际应用场景。教学方法与手段讲授、演示、分组讨论、案例教学、实操。教学活动设计1、教师讲授，演示；2、教师分析案例，学生分组讨论；3、教师播放相关视频，学生分析视频内容；4、教师总结所用到的知识点。教学条件1、师资条件：主讲教师2人；2、实验实训条件：人工智能实训室；3、相关教辅材料：教材：盛鸿宇，于京，詹晓东编著人工智能应用基础（Python版），高等教育出版社；参考资料：（1）王新强，盛鸿宇人工智能应用基础（TensorFlow版）北京：高等教育出版社，2020.（2）肖正兴，聂
8、哲人工智能应用基础北京：高等教育出版社，2019（3）聂明编著人工智能技术应用导论北京：电子工业出版社，20204、网络资源：爱课程教学平台。考核评价方式主要考核点知识1、AI第三次浪潮的推手：大数据、算法和算力2、AI的应用场景理论+上机技能上网查阅AI的应用权重10%态度1、按时上课，积极发言；2、课上积极参与实验；3、认真完成老师布置的作业。参考资料及其他说明学习强国中的人工智能导论课程视频表5-2模块（项目/单元）2：单元2 AI开发工具及语言参考学时理论2实践2学习目标1、了解AI开发环境的安装与部署；2、会使用VScode软件新建文件、编辑文件和运行文件；3、会使用jupyter
9、notebook新建文件、编辑文件和运行文件；4、学会使用VScode单步调试程序。学习内容1、从官网上下载python3.6并进行安装；2、从官网上下载VScode并进行安装；3、安装第三方库numpy、pandas、scipy、matplotlib、scikit-learn；4、在VScode上新建一个入门程序；5、在VScode上编辑、调试、运行该入门程序；7、在jupyter notebook上编辑、运行该入门程序。重点：1、VScode软件的使用；2、jupyter notebook的使用。难点：1、在VScode上单步调试入门程序；2、jupyter notebook的使用。教学方
10、法与手段讲授、演示、分组讨论、案例教学、实操。教学活动设计1、教师讲授VScode、jupyter notebook的使用；2、教师演示如何在VScode、jupyter notebook上新建文件、编辑文件、运行文件；3、学生在计算机上练习VScode、jupyter notebook的使用；4、教师和学生一起在VScode上单步调试入门程序。教学条件1、师资条件：主讲教师2人；2、实验实训条件：人工智能实训室；3、相关教辅材料：教材：盛鸿宇，于京，詹晓东编著人工智能应用基础（Python版），高等教育出版社；参考资料：（1）王新强，盛鸿宇人工智能应用基础（TensorFlow版）北京：高等
11、教育出版社，2020.（2）肖正兴，聂哲人工智能应用基础北京：高等教育出版社，2019（3）聂明编著人工智能技术应用导论北京：电子工业出版社，20204、网络资源：爱课程教学平台。考核评价方式主要考核点知识1、VScode的使用2、jupyter notebook的使用理论+上机技能上网查阅AI的应用权重10%态度1、按时上课，积极发言；2、课上积极参与实验；3、认真完成老师布置作业。参考资料及其他说明学习强国中的人工智能导论课程视频课程表5-3模块（项目/单元）3：单元3 AI技术概述参考学时理论6实践2学习目标1、了解AI知识结构和知识领域；2、了解XXAI和微软AI的核心技术；3、熟悉A
12、I开发常用的算法和开发框架；4、学会使用XXAI开放平台；5、理解AI常用的核心技术和概念术语。学习内容1、AI的三大流派；2、机器学习的概念及机器学习过程；3、机器学习方法及任务分类；4、机器学习的常用算法；5、机器学习的关键问题：欠拟合和过拟合；6、机器学习数据集及其划分；7、深度学习的概念及典型的深度学习模型CNN和RNN；8、计算机视觉和语音识别；9、自然语言处理和推荐系统。重点：1、机器学习的概念及机器学习过程；2、深度学习的概念及典型的深度学习模型CNN和RNN；3、计算机及视觉-人脸图像识别过程。难点：1、卷积操作及卷积神经网络的组成；2、语音识别过程。教学方法与手段讲授、演示、
13、分组讨论、案例教学、实操。教学活动设计1、教师讲授，演示；2、教师分析案例，学生分组讨论；3、教师播放相关视频，学生分析视频内容；4、教师总结所用到的知识点。教学条件1、师资条件：主讲教师2人；2、实验实训条件：人工智能实训室；3、相关教辅材料：教材：盛鸿宇，于京，詹晓东编著人工智能应用基础（Python版），高等教育出版社；参考资料：（1）王新强，盛鸿宇人工智能应用基础（TensorFlow版）北京：高等教育出版社，2020.（2）肖正兴，聂哲人工智能应用基础北京：高等教育出版社，2019（3）聂明编著人工智能技术应用导论北京：电子工业出版社，20204、网络资源：爱课程教学平台。考核评价方
14、式主要考核点知识1、AI的核心技术概念解析2、常用的算法及框架。理论+上机技能XXAI开放平台的使用权重30%态度1、按时上课，积极发言；2、课上积极参与实验；3、认真完成老师布置的作业。参考资料及其他说明学习强国中的人工智能导论课程视频课程表5-4模块（项目/单元）4：单元4 监督学习参考学时理论2实践6学习目标1、理解什么是监督学习；2、学会使用skleaen库的线性回归模型预测价格；3、学会使用skleaen库的逻辑分类对手写数字图片进行识别；4、学会使用skleaen库的感知器模型对手写数字图片进行识别；5、学会使用skleaen库的SVM模型对手写数字图片进行识别；6、学会使用skl
15、eaen库的KNN模型对手写数字图片进行识别。学习内容1、监督学习的概念；2、一元线性回归和多元线性回归模型；3、感知器模型；4、SVM模型；5、KNN模型；6、数据集的建立、导入和拆分；7、模型的训练和测试。重点：1、一元线性回归和多元线性回归模型预测披萨饼的价格；2、对感知器模型、SVM模型、KNN模型中各各个参数的理解。难点：1、数据集的建立、导入和拆分；2、模型的训练和测试。教学方法与手段讲授、演示、分组讨论、案例教学、实操。教学活动设计1、教师讲授，演示程序；2、学生在机器上编辑、运行程序；3、在教师的启发下，学生对模型中的超参数进行调整；4、教师总结所用到的知识点。教学条件1、师资
16、条件：主讲教师2人；2、实验实训条件：人工智能实训室；3、相关教辅材料：教材：盛鸿宇，于京，詹晓东编著人工智能应用基础（Python版），高等教育出版社；参考资料：（1）王新强，盛鸿宇人工智能应用基础（TensorFlow版）北京：高等教育出版社，2020.（2）肖正兴，聂哲人工智能应用基础北京：高等教育出版社，2019（3）聂明编著人工智能技术应用导论北京：电子工业出版社，20204、网络资源：爱课程教学平台。考核评价方式主要考核点知识1、线性回归模型、逻辑分类模型、感知器模型、SVM模型、KNN模型的原理2、线性回归模型、逻辑分类模型、感知器模型、SVM模型、KNN模型的应用.理论+上机技
17、能上机编辑、调试、运行程序权重40%态度1、按时上课，积极发言；2、课上积极参与实验；3、认真完成老师布置的作业。参考资料及其他说明学习强国中的人工智能导论课程视频课程表5-5模块（项目/单元）5：单元5 非监督学习参考学时理论2实践2学习目标1、理解什么是非监督学习；2、熟悉非监督学习中的聚类；3、熟悉鸢尾花数据集的特点；4、会使用kmeans对鸢尾花数据集实现聚类。学习内容1、非监督学习的概念及特点；2、KMeans聚类的原理；3、从sklearn库中装载鸢尾花数据集；4、使用sklearn库中的聚类对鸢尾花数据进行分类；5、使用可视化分析分类的正确率。重点：1、鸢尾花数据集的特点；2、使
18、用sklearn库中的聚类对鸢尾花数据进行分类。难点：1、使用可视化分析分类的正确率；2、K的合理选取。教学方法与手段讲授、演示、分组讨论、案例教学、实操。教学活动设计1、教师讲授，演示程序；2、学生在机器上编辑、运行程序；3、在教师的启发下，学生对模型中的超参数进行调整；4、教师总结所用到的知识点。教学条件1、师资条件：主讲教师2人；2、实验实训条件：人工智能实训室；3、相关教辅材料：教材：盛鸿宇，于京，詹晓东编著人工智能应用基础（Python版），高等教育出版社；参考资料：（1）王新强，盛鸿宇人工智能应用基础（TensorFlow版）北京：高等教育出版社，2020.（2）肖正兴，聂哲人工智
19、能应用基础北京：高等教育出版社，2019（3）聂明编著人工智能技术应用导论北京：电子工业出版社，20204、网络资源：爱课程教学平台。考核评价方式主要考核点知识1、非监督学习概念2、KMeans模型的原理理论+上机技能上机编辑、调试、运行鸢尾花程序权重10%态度1、按时上课，积极发言；2、课上积极参与实验；3、认真完成老师布置的作业。参考资料及其他说明学习强国中的人工智能导论课程视频课程六、课程教学实施建议（一）师资条件要求师资组成表 表6-1教师人数条件专业技术职务条件职业资格条件专业领域在课程教学中承担的任务课程负责人1副教授无电子信息主讲教师，课程总体建设主讲教师1副教授无电子信息主讲教
20、师，参与课程建设（二）教学条件要求软件：python3.6，VScode；Jupyter notebook；硬件：硬件要求是CPU I5以上，内存要求8G以上，HDD/SSD 1T以上。（三）教学方法与教学手段建议以实际单元为载体，结合主要教学内容，将讲授与小组讨论结合在一起进行教学。形成以单元为依托理论和时间相结合的分组教学方法。（四）教材与参考资料1教材盛鸿宇，于京，詹晓东编著人工智能应用基础（Python版），高等教育出版社；2. 参考资料（1）王新强，盛鸿宇人工智能应用基础（TensorFlow版）北京：高等教育出版社，2020.（2）肖正兴，聂哲人工智能应用基础北京：高等教育出版社，
21、2019（3）聂明编著人工智能技术应用导论北京：电子工业出版社，2020（五）课程资源开发与应用建议提供的教学资源：学习强国中的人工智能概论视频。七、考核评价（一）考核评价方法采取过程考核+期末的方式进行考核。（二）评价标准（1）过程考核S1由平时出勤（10%）、课堂提问（10%）、教学互动（20%）、课上考核（60%）四部分构成。（2）期末考核S2期末考核采取期末试卷，试卷中各单元的权重如下表所示。 单元成绩评定表 表7-1考核单元考核内容成绩权重单元1 人工智能概述1、AI发展中的关键人物及其成果2、AI的定义及研究内容3、AI的应用领域10%单元2 AI开发工具及语言1、AI开发工具VSCode、Jupyter Notebook2、Python语言10%单元3 AI技术概述1、AI的核心概念2、机器学习和深度学习相关的概念3、机器学习常用算法4、深度学习常用模型5、计算机视觉和语音识别相关的知识35%单元4 监督学习1、监督学习的概念2、线性回归模型3、逻辑分类模型4、感知器模型5、SVM模型6、KNN模型35%单元5 非监督学习1、非监督学习的概念2、KMeans聚类模型10%（3）总成绩S S=S1%60+S2%40
