《人工智能導論》課程標準

課程名稱人工智能導論

課程編碼12563470課程類型任選課

適用專業(yè)非計算機類專業(yè)

學時/學分28/2開設學期第二學期

授課院部信息工程學院

編寫執(zhí)筆人審定負責人

編寫日期2021.10.24審定（修訂）日期

一、課程性質

該課程是仝校學生的選修課，目的是讓學生了解人工智能的發(fā)展及應用；理

解人工智能的核心技術概念；學會使用AI開發(fā)工具及語言；為進一步學習人工

智能相關領域知識打下堅實的基礎。

二、課程設計思路

該課程從物聯網發(fā)展趨勢，深入了解行業(yè)發(fā)展趨勢，調研目前人工智能領域

相關專業(yè)學生就業(yè)所需知識，調研同類高職院校課程教學情況：教學大綱、課時

安排、教學模式、考核方式及成績評價等方面。綜合分析調研結果，充分考慮高

職學生特點和行業(yè)現狀，制定滿足企業(yè)需求和適合高職院校學生特點的課程標準。

為學生就業(yè)拓展了基礎和領域。

三、課程目標

（一）總體目標

通過本課程的學習了解AI發(fā)展中的關鍵人物及其成果，了解AI的研究內容

和應用領域；理解AI的核心概念解析；學會使用AI的開發(fā)工具VSCode、Jupyter

Notebook及Python語言；能夠理解監(jiān)督學習中的回歸和分類算法，能夠理解非

監(jiān)督學習中的聚類算法，會運行給定的程序代碼并修改某些參數；會在微軟機器

學習工作室中搭建預測披薩餅價格的實驗。由此培養(yǎng)學生良好的分析問題和解決

問題的能力，使學生具有良好的溝通能力與團隊協作精神。

（二）具體目標

1.專業(yè)能力

（1）學會使用AI開發(fā)環(huán)境，VScode>JupyterNotebook；

（2）能夠理解Python語言程序；

（3）能夠理解監(jiān)督學習中的線性回歸和邏輯分類；

（4）能夠理解非監(jiān)督學習的聚類；

（5）了解numpy、matplotlib>pandas等數據科學分析庫的使用方法。

2.方法能力

（1）培養(yǎng)良好的資料查閱能力；

（2）培養(yǎng)良好的分析問題、解決問題的能力；

（3）培養(yǎng)模塊化思維能力；

（4）培養(yǎng)良好的學習和總結的能力。

3.社會能力

（1）培養(yǎng)良好的團隊精神和協作能力；

（2）培養(yǎng)學生的創(chuàng)新能力。

四、課程內容組織與安排

本課程參照國內各高職院校的教學大綱，以實際應用為目標，設計了5個學

習單元。本課程充分考慮了人工智能導論是一門開設比較新的課程，考慮到學生

的基礎和接受能力，在課程內容的組織與安排上由淺入深、循序漸進。通過本課

程的學習，學生能夠了解AI的發(fā)展、研究內容及應用領域，熟悉AI開發(fā)的工具

和語言，熟悉一些常見的AI核心技術，了解AI的一些基本算法。本課程的開設

還為學習與人工智能領域相關的課程奠定基礎。

教學內容組織與安排表1

參考學時

模塊（項目/

序號教學內容教學方法教學場所理實

單元）名稱

論踐

1-1AI的起源和發(fā)展講授、分組討人工智能

單元1人工1-2AI的研究內容論、案例教學、

122

智能概述1-3AI的應用實操。實訓室

1-4AI的人才需求

單元2AI開2-1開發(fā)環(huán)境搭建講授、演示、分人工智能實

2發(fā)工具及語2-2開發(fā)庫的安裝和配置22

—1—

2-3可視化工具的安裝和組討論，案例教訓1室

配置學、實操。

2-4入門案例實踐

3-1AI的知識結構和領域講授、演示、分人工智能

3-2機器學習及算法組討論、案例教

3-3深度學習及典型模型學、實操。實訓室

單元3Al技

33-4計算機視覺62

術概述

3-5語音識別

3-6自然語言處理

3-7推薦系統

4-1線性回歸模型講授、演示、分人工智能

4-2邏輯分類模型

單元4監(jiān)督

44-3感知器模型組討論、案例教實訓室26

學習

4-4支持向量機模型學、實操。

4-5KNN模型

5-1非監(jiān)督學習講授、演示、分人工智能

單元5非監(jiān)5-2KMeans模型原理

5組討論、案例教實訓室22

督學習5-3鶯尾花數據集

5-4KMeans的應用學、實操。

合計:56學時（其中實踐教學學時比例為50.0%）1414

五、課程內容與教學要求

表5T

模塊（項目/單理論2

單元1AI概述參考學時

元）1:實踐2

1、了解》的發(fā)展歷史；

2、理解第三次AI浪潮背后推手是大數據、算法和算力；

學習目標3、能夠上網查找AI的實際應用；

4、學會使用一些AI小程序。

1、AI的起源；

2、AI發(fā)展的三次浪潮；；

3、AI三巨頭；

4、第三次AI浪潮背后的推手；

5、A1的定義和研究內容；

6、AI的應用領域；

學習內容

7、AI的產業(yè)政策與人才需求。

重點：

1、AI的起源；

2、AI的三次浪潮；

3、AI的定義與研究內容。

難點：

1、從官網上下載python3.6并進行安裝；

2、從官網上下載VScode并進行安裝；

3、安裝第三方庫numpy、pandas、scipy、matplotlib^scikit-learn；

4、在VScode上新建一個入門程序；

5、在VScode上編輯、調試、運行該入門程序;

7、在jupyternotebook上編輯、運行該入門程序。

學習內容

重點：

1、VScode軟件的使用；

2,jupyternotebook的使用“

難點：

1、在VScode上單步調試入門程序；

2、jupyternotebook的使用。

教學方法與手段講授、演示、分組討論、案例教學、實操。

1、教師講授VScode、jupyternotebook的使用;

2、教師演示如何在VScode、jupyternotebook上新建文件、編輯文件、運行

教學活動設計文件；

3、學生在計算機上練習VScode、jupyternotebook的使用;

4、教師和學生一起在VScode上單步調試入門程序。

1、師資條件：主講教師2人；

2、實驗實訓條件：人工智能實訓室；

3、相關教輔材料：

教材：盛鴻宇，于京，詹曉東編著《人工智能應用基礎》（Python版），高等教

育出版社：

教學條件參考資料：

（1）王新強，盛鴻宇.人工智能應用基礎（TensorFlow版）.北京：高等教育

出版社，2020.

（2）肖正興，聶哲.人工智能應用基礎.北京：高等教育出版社，2019.

（3）聶明編著.人工智能技術應用導論.北京：電子工業(yè)出版社，2020.

4、網絡資源：愛課程教學平臺。

1、VScode的使用

方式知識2、jupyternotebook的使

用

考核評價理論+上機主要考核點技能上網查閱AI的應用

1、按時上課，積極發(fā)言；

權重10%態(tài)度2、課上積極參與實驗；

3、認真完成老師布置作業(yè)。

參考資料

學習強國中的人工智能導論課程視頻課程

及其他說明

表5-3

模塊（項目/單理論6

單元3AI技術概述參考學時

元）3：實踐2

1、了解AI知識結構和知識領域；

2、了解百度AI和微軟AI的核心技術；

3、熟悉"開發(fā)常用的算法和開發(fā)框架：

學習目標

4、學會使用百度AI開放平臺；

5、理解"常用的核心技術和概念術語c

1、AI的三大流派；

2、機器學習的概念及機器學習過程：

3、機器學習方法及任務分類；

4、機器學習的常用算法；

5、機器學習的關鍵問題：欠擬合和過擬合；

6、機摘學習數據集及其劃分；

7、深度學習的概念及典型的深度學習模型CNN和RNN；

8、計算機視覺和語音識別；

學習內容

9、自然語言處理和推薦系統。

重點：

1、機器學習的概念及機器學習過程；

2、深度學習的概念及典型的深度學習模型CNN和RNN；

3、計算機及視覺-一人臉圖像識別過程,

難點：

1、卷積操作及卷積神經網絡的組成；

2、語音識別過程。

教學方法與手段講授、演示、分組討論、案例教學、實操。

1、教師講授，演示；

2、教師分析案例，學生分組討論；

教學活動設計

3、教師播放相關視頻，學生分析視頻內容；

4、教師總結所用到的知識點。

1、師資條件：主講教師2人；

2、實驗實訓條件：人工智能實訓室；

3、相關教輔材料：

教材：盛鴻宇，于京，詹曉東編著《人工智能應用基礎》（Python版），高等教

育出版社:

教學條件參考資料：

（1）王新強，盛鴻宇.人工智能應用基礎（TensorFlow版）.北京：高等教育

出版社，2020.

（2）肖正興，聶哲.人工智能應用基礎.北京：高等教育出版社，2019.

（3）聶明編著.人工智能技術應用導論.北京：電子工業(yè)出版社，2020.

4、網絡資源：愛課程教學平臺。

考核評價方式主要考核點知識1、AI的核心技術概念解析

2、常用的算法及框架。

理論+上機技能百度AI開放平臺的使用

1、按時上課，積極發(fā)言；

2、課上積極參與實驗；

權重30%態(tài)度

3、認真完成老師方置的作

業(yè)。

參考資料

學習強國中的人工智能導論課程視頻課程

及其他說明

表5-4

模塊（項目/單理論2

單元4監(jiān)督學習參考學時

元）4：實踐6

1、理解什么是監(jiān)督學習；

2、學會使用skleaen庫的線性回歸模型預測價格；

3、學會使用skleaen庫的邏輯分類對手寫數字圖片進行識別；

學習目標

4、學會使用skleaen庫的感知器模型對手寫數字圖片進行識別；

5、學會使用skleaen庫的SV.M模型對手寫數字圖片進行識別；

6、學會使用skleaen庫的KNN模型對手寫數字圖片進行識別。

1、監(jiān)督學習的概念；

2、一元線性回歸和多元線性回歸模型；

3、感知器模型；

4、SVM模型;

5、KNN模型；

6、數據集的建立、導入和拆分；

7、模型的訓練和測試。

學習內容

重點：

1、一元線性回歸和多元線性回歸模型預測披薩餅的價格；

2、對感知器模型、SVM模型、KNN模型中各各個參數的理解。

難點：

1、數據集的建立、導入和拆分；

2、模型的訓練和測試。

教學方法與手段講授、演示、分組討論、案例教學、實操。

1、教師講授，演示程序；

2、學生在機器上編輯、運行程序：

教學活動設計

3、在教師的啟發(fā)下，學生對模型中的超參數進行調整；

4、教師總結所用到的知識點。

1、師資條件：主講教師2人；

2、實驗實訓條件：人工智能實訓室；

3、相關教輔材料：

教材：盛鴻宇，于京，詹曉東編著《人工智能應用基礎》（Python版），高等教

育出版社:

教學條件參考資料：

（1）王新強，盛鴻宇.人工智能應用基礎（TensorFlow版）.北京：高等教育

出版社，2020.

<2）肖正興，聶哲.人工智能應用基礎.北京：高等教育出版社，2019.

（3）聶明編著.人工智能技術應用導論.北京：電子工業(yè)出版社，2020.

4、網絡資源：愛課程教學平臺。

1、線性回歸模型、邏輯分

類模型、感知器模型、SVM

模型、KNN模型的原理

方式知識2、線性回歸模型、邏輯分

類模型、感知器模型、SVM

模型、KNN模型的應用.

考核評價主要考核點

理論+上機技能上機編輯、調試、運行程序

1、按時上課，積極發(fā)言；

2、課上積極參與實驗：

權重40%態(tài)度

3、認真完成老師右置的作

業(yè)。

參考資料

學習強國中的人工智能導論課程視頻課程

及其他說明

表5-5

模塊（項目/單理論2

單元5非監(jiān)督學習參考學時

元）5：實踐2

1、理解什么是非監(jiān)督學習；

2、熟悉非監(jiān)督學習中的聚類；

學習目標R、熟悉肉尾花數據集的特點：

4、會使用kmeans對鶯尾花數據集實現聚類。

1、非監(jiān)督學習的概念及特點；

2、KMeans聚類的原理;

3、從sklearn庫中裝載面尾花數據集；

學習內容4、使用sklearn庫中的聚類對鶯尾花數據進行分類；

5、使用可視化分析分類的正確率。

重點：

1、雪尾花數據集的特點；

2、使用sklearn庫中的聚類對.鶯尾花數據進行分類。

難點：

1、使用可視化分析分類的正確率：

2、K的合理選取。

教學方法與手段講授、演示、分組討論、案例教學、實操。

1、教師講授，演示程序；

2、學生在機器上編輯、運行程序：

教學活動設計

3、在教師的啟發(fā)下，學生對模型中的超參數進行調整；

4、教師總結所用到的知識點。

1、師資條件：主講教師2人；

2、實驗實訓條件：人工智能實訓室；

3、相關教輔材料：

教材：盛鴻宇，于京，詹曉東編著《人工智能應用基礎》(Python版)，高等教

育出版社：

教學條件參考資料：

(1)王新強，盛鴻宇.人工智能應用基礎(TensorFlow版).北京：高等教育

出版社，2020.

(2)肖正興，聶哲.人工智能應用基礎.北京：高等教育出版社，2019.

(3)聶明編著.人工智能技術應用導論.北京：電子工業(yè)出版社，2020.

4、網絡費源：愛課程教學平臺。

1、非監(jiān)督學習概念

方式知識

2、KMeans模型的原理

上機編輯、調試、運行鶯尾

理論+上機技能

花程序

考核評價主要考核點

1、按時上課，積極發(fā)言；

2、課上積極參與實驗：

權重10%態(tài)度

3、認真完成老師右置的作

業(yè)。

參考資料

學習強國中的人工智能導論課程視頻課程

及其他說明

六、課程教學實施建議

(一)師資條件要求

師資組成表表6-1

人數在課程教學中

教師專業(yè)技術職務條件職業(yè)資格條件專業(yè)領域

條件承擔的任務

主講教師，課程

課程負責人1副教授無電子信息

總體建設

主講教師，參與

主講教師1副教授無電子信息

課程建設

（二）教學條件要求

軟件：python3.6,VScode；Jupyternotebook；

硬件：硬件要求是CPU15以上，內存要求8G以上，HDD/SSD1T以上。

（三）教學方法與教學手段建議

以實際單元為載體，結合主要教學內容，將講授與小組討論結合在一起進行

教學。形成以單元為依托理論和時間相結合的分組教學方法。

（四）教材與參考資料

1.教材

盛鴻宇，于京，詹曉東編著《人工智能應用基礎》（Python版），高等教

育出版社；

2.參考資料

（1）王新強，盛渴宇.人工智能