《人工智能基礎》課程標準一、基本信息課程名稱人工智能基礎課程代碼013399課程學分2學分課程學時32學時（理論16+實踐16）課程類別R必修￡選修￡限定選修課程性質R通識平臺課程￡學科基礎課程￡專業(yè)基礎課程￡其他適用專業(yè)所有本科專業(yè)開設學期第二學期二、課程定位《人工智能基礎》課程是面向本科各專業(yè)的公共基礎課，是數(shù)字化轉型背景下的通識教育課程。課程以人工智能領域的基礎理論、技術原理與社會應用為主線，突破學科壁壘，面向非計算機專業(yè)學生普及智能化時代的核心知識體系，培養(yǎng)學生的人工智能素養(yǎng)與跨學科思維能力。旨在幫助學生適應人工智能驅動的社會變革。實現(xiàn)從“認知掃盲”到“思維升級”再到“價值內化”的遞進培養(yǎng)，成為學生應對智能化未來的關鍵能力支點。本課程共32學時，前修課程是《信息技術基礎》。三、設計理念課程設計的總體思路：響應國家《新一代人工智能發(fā)展規(guī)劃》、《高等學校人工智能創(chuàng)新行動計劃》，培養(yǎng)智能化時代公民核心素養(yǎng)。推動學科交叉融合與數(shù)字化轉型。構建跨領域知識接口；適應未來職業(yè)對AI基礎能力的要求。課程內容包括基礎理論、技術原理和實踐應用，模塊編排分層遞進，先從認知層，再技術層、最后融合層；教學活動設計，以項目引領、任務驅動，進行AI開發(fā)平臺體驗、算法實踐等操作。課時安排，一共32學時，完成16個任務，每個任務2學時。課程思政主線為科技強國及創(chuàng)新精神，通過案例滲透+主題實踐，增強民族自信，激發(fā)學生探索未知的勇氣。教學實施混合教學模式，線上+線下+虛擬仿真，“三階賦能”，認知掃盲→工具掌握→價值內化，貫穿技術學習與人文反思。教學評價設計，評價維度采用過程性評價（60%）+結果評價（40%）。校企協(xié)同育人，聯(lián)合企業(yè)發(fā)布真實需求，學生提案納入企業(yè)創(chuàng)新孵化計劃。四、課程目標學生學完本門課程后應達到的知識、能力和素質目標如下：1.知識目標（1）掌握人工智能的基本概念、發(fā)展歷程及核心技術分支；（2）理解人工智能與大數(shù)據(jù)、物聯(lián)網(wǎng)等新興技術的關聯(lián)邏輯與協(xié)同應用模式；（3）能描述人工智能經(jīng)典算法其適用場景與局限性；（4）能分析AI技術落地中的關鍵挑戰(zhàn)。2.能力目標（1）能夠使用Python編程調用AI接口；（2）具備利用低代碼平臺（如百度AIStudio、阿里云PAI）快速驗證AI解決方案的能力；（3）設計AI技術應用框架并評估可行性；（4）將AI技術嵌入專業(yè)領域，優(yōu)化傳統(tǒng)技術方案。3.素質目標（1）樹立AI技術發(fā)展的倫理底線思維，能主動識別并討論技術應用中的道德爭議；（2）具備在團隊協(xié)作中平衡技術創(chuàng)新與社會價值的意識，避免技術濫用；（3）形成跨學科知識遷移思維，能將AI能力持續(xù)賦能個人專業(yè)發(fā)展。五、課程結構《人工智能基礎》課程遵循人工智能學習與認知的一般規(guī)律，通過精心設計、系統(tǒng)分解、細致梳理和科學歸類，將課程內容精心劃分為5個緊密相連的項目。這5個項目（16個學習任務+5個拓展閱讀）全面而系統(tǒng)地涵蓋了人工智能領域的基礎知識與核心技能點，旨在為學生提供扎實的學習框架和深入的理解。課程共計32學時，按照基于成長邏輯的課程開發(fā)，每個學習任務都是經(jīng)教學化處理的真實完整工作任務，具體如下表：項目任務學時項目1初識人工智能任務1人工智能初體驗2拓展閱讀AI浪潮中的華人之光--項目2機器學習應用任務1顧客市場分析2任務2葡萄酒分類2任務3糖尿病患病風險預測2任務4波士頓房價預測2拓展閱讀機器學習驅動下的創(chuàng)新與突破--項目3深度學習應用任務1實現(xiàn)異或電路2任務2學生心理健康分析2任務3黑白圖像識別2任務4彩色圖像分類2拓展閱讀：中國AI視覺之路—從追趕到引領的科技長征--項目4自然語言處理任務1電商評論詞云生成2任務2書籍主題詞提取與分類2任務3學生作業(yè)查重2任務4MP3語音文件識別2擴展閱讀：中文在AI時代的獨特優(yōu)勢--項目5AIGC與大語言模型應用任務1利用提示工程輔助寫作2任務2使用AIGC制作視頻故事繪本2任務3使用DeepSeek構建課程學習智能體2拓展閱讀：AIGC監(jiān)管體系構建：從技術規(guī)范到倫理治理--合計16個任務+5個擴展閱讀32六、課程內容本課程按照學習任務列出具體學習內容，共計52個知識點+16個課程思政，如下表所示：項目任務學習內容學時項目1初識人工智能任務1人工智能初體驗人工智能基本概念與發(fā)展歷程實現(xiàn)人工智能的四大關鍵要素1.3人工智能的三大研究流派1.4人工智能的應用與未來1.5人工智能的倫理問題1.6AI開發(fā)平臺體驗和橙現(xiàn)智能Orange軟件操作入門2項目2機器學習應用任務1顧客市場分析2.1機器學習概述2.2機器學習的學習方式2.3機器學習常見的任務類型2.4機器學習基本流程2.5常見的聚類算法2任務2葡萄酒分類2.6常見的分類算法1K近鄰算法2貝葉斯算法3決策樹算法2任務3糖尿病患病風險預測2.7常見的回歸算法2.8預處理數(shù)字數(shù)據(jù)2任務4波士頓房價預測2.9聚類算法評估指標2.10分類算法評估指標2.11回歸算法評估指標2.12機器學習模型的復雜度和誤差2項目3深度學習應用任務1實現(xiàn)異或電路3.1感知機概述2任務2學生心理健康分析3.2神經(jīng)網(wǎng)絡3.3搭建神經(jīng)網(wǎng)絡3.4訓練神經(jīng)網(wǎng)絡2任務3黑白圖像識別3.5計算機視覺3.6圖像概述3.7圖像的基本處理技術2任務4彩色圖像分類3.8搭建卷積神經(jīng)網(wǎng)絡3.9訓練卷積神經(jīng)網(wǎng)絡3.10卷積神經(jīng)網(wǎng)絡在圖像中的應用3.11經(jīng)典卷積神經(jīng)網(wǎng)絡2項目4自然語言處理任務1電商評論詞云生成4.1自然語言處理概述4.2文本表示方法4.3中文分詞與常用工具2任務2書籍主題詞提取與分類4.4獨熱編碼4.5分布式表示2任務3學生作業(yè)查重4.6基于統(tǒng)計的語言模型4.7基于深度學習的語言模型2任務4MP3語音文件識別4.8語音識別概述4.9語音識別開源庫Kaldi簡介2項目5AIGC與大語言模型應用任務1利用提示工程輔助寫作5.1AIGC的基本概念5.2AIGC的應用場景5.3大語言模型概述5.4常見的大語言模型5.5提示工程2任務2使用AIGC制作視頻故事繪本5.6AIGC繪畫的基本概念5.7AIGC繪畫提示詞2任務3使用DeepSeek構建課程學習智能體5.8DeepSeek-R1模型技術特點5.9DeepSeek-R1的各種版本5.10基于大模型的智能體技術5.11RAG檢索增強生成5.12Ollama介紹5.13CherryStudio介紹2合計16個任務52個知識點+16個課程思政32學時七、課程考核本課程為考試課，采用“20%平時成績+80%期末成績”的考核方式，平時考核包括出勤率、課堂表現(xiàn)、平時作業(yè)、MOOC學習和學習通習題完成情況；期末考核采取筆試試卷的形式。考核維度考核項目分值比例備注過程考核課堂表現(xiàn)2%出勤、回答問題、小組參與表現(xiàn)網(wǎng)絡學習2%MOOC視頻學習、學習通習題內容考核1.機器學習應用任務4%課上任務及任務擴展完成情況2.深度學習應用任務4%課上任務及任務擴展完成情況3.自然語言處理與語音識別任務4%課上任務及任務擴展完成情況4.AIGC與大語言模型應用任務4%課上任務及任務擴展完