《计算与人工智能概论》教学大纲.docx
- 文档编号:9106036
- 上传时间:2023-02-03
- 格式:DOCX
- 页数:12
- 大小:21.88KB
《计算与人工智能概论》教学大纲.docx
《《计算与人工智能概论》教学大纲.docx》由会员分享,可在线阅读,更多相关《《计算与人工智能概论》教学大纲.docx(12页珍藏版)》请在冰豆网上搜索。
《计算与人工智能概论》教学大纲
《计算与人工智能概论》课程教学大纲
一、课程简介
本课程面向大学低年级学生开设,培养学生的科学与工程思维——计算思维,促进学生的计算思维与各专业思维交叉融合形成复合型思维,为各专业学生今后设计、构造和应用各种计算系统求解学科问题奠定思维基础,帮助学习者提高解读真实世界系统并解决全球范围复杂问题的能力。
课程采用线上线下混合教学方式,课程网站提供丰富教学资源。
课程强调能力培养,改变传统“知识输出”方式,转为以学生为中心的“能力训练”方式。
理论课堂精讲多练,讲练结合,做中学;实验课,学生通过Educoder平台进行大量针对性实训,采用游戏闯关方式,学生自主实训,教师辅导;团队实训提升学生合作意识和创新能力,多层次训练学生应用计算思维进行问题求解能力。
课程促进学生的计算思维与各专业思维交叉融合形成复合型思维,培养人工智能创新发展理念,为学生今后设计构造和应用各种计算系统,求解本学科问题奠定基础。
本课程主要内容第一部分对计算与人工智能进行概述,第二部分从机器人投篮案例任务分析出发,讲解Python编程,介绍算法的概念和经典算法。
第三部分介绍了智能感知、机器学习、智能决策、智能机器人等人工智能的应用。
第四部分介绍计算机网络基础知识以及通过互联网获取信息的方法,以及计算机数据管理和数据分析的相关概念。
通过课程的学习,使学生了解计算学科和人工智能中的重要概念,培养学生由问题到算法的分析能力,以及程序编写和调试的能力。
掌握使用python相关库实现文件操作、网络数据爬取、数据分析、数据管理、算法优化、机器学习等应用,并将其应用于实际问题。
二、课程内容
(一)课程教学目标
1.课程目标:
CT1:
初步掌握社会/自然问题利用计算手段进行求解的基本思维模式,具有利用典型计算思维进行计算系统构造的初步能力。
CT2:
理解高级语言/机器语言程序是如何被执行的,理解复杂系统化复杂为简单的基本思维,具有模拟不同计算环境执行程序的初步能力。
CT3:
掌握由问题、到算法、再到程序的问题求解思维模式,理解问题、算法与计算资源(环境)之间的关系,理解难解性问题求解的基本思路,具有构造算法并模拟算法执行的初步能力。
CT4:
了解网络及数据获取方法,初步掌握数据挖掘的基本方法,了解机器学习方法、数据智能的分析及处理算法。
CT5:
能通过计算思维和人工智能知识,激发新的创新创业想法。
2.课程思政育人目标:
围绕立德树人根本任务,贯彻落实“显性教育和隐性教育相统一”的要求,树立价值塑造、能力培养、知识传授三位一体,实现全员全程全方位育人,重点从“历史文化、科技发展、法治观念、政治经济、信息安全”5个方面着手进行有机融合,传播爱党、爱国、积极向上的正能量、宣传社会主义核心价值观、培养精益求精的工匠精神、科技兴国的民族使命感和理论联系实际的能力。
(二)教学基本内容
课程授课(42-74学时)、实验(32-66学时),可以根据各校的培养方案课程学时数选择。
第一章计算与人工智能概述
教学目的与要求:
(1)了解本课程的教学目标与教学内容;教学方式与教学评价及学生该如何学习该课程;
(2)了解计算的概念、计算思维的概念,通过智能移动机器人路径规划案例,理解计算思维解决问题的四大步骤;
(3)了解人工智能的历史、相关研究、应用领域和发展方向。
教学重点:
(1)了解课程目标、课程学习方法与评价方式;
(2)理解计算思维的概念;
(3)理解计算思维解决问题的四大步骤:
问题分解、模式识别、模式归纳、算法设计与编程。
教学难点:
应用计算思维解决问题的一般过程。
教学内容:
(1)课程介绍;
(2)计算的概念:
什么是计算?
图灵机,冯·诺依曼体系结构,算法、计算机语言与程序;
(3)计算思维的概念,问题求解方法;
(4)通过智能移动机器人路径规划案例,说明计算思维解决问题的四大步骤;
(5)人工智能的历史、相关研究、应用领域和发展方向。
教学思政元素:
通过计算机发展史,确定科技强国的志向;提及芯片断供现状,强调忧患意识与爱国情怀。
学时分配:
2学时+2学时(慕课)
第二章计算系统
教学目的与要求:
(1)了解人工智能是如何实现的,理解图灵机模型,计算机的工作原理,了解并行计算和嵌入式计算;
(2)了解操作系统的功能和分类,程序的编译、链接和装载,了解进程和线程的区别,以及操作系统如何调度进程和线程;
(3)了解文件系统的概念及其树状结构。
教学重点:
理解计算机的工作原理,文件系统的树状结构。
教学难点:
理解图灵机模型,进程和线程的概念、调度
教学内容:
(1)以宇宙探测、智慧城市和智慧农业3个智能应用场景为例,探索人工智能是如何实现的;
(2)通过求和运算和蚂蚁觅食的实例说明图灵机的工作原理;
(3)介绍计算机的工作原理、并行计算和嵌入式计算;
(4)介绍操作系统的功能和分类,程序的编译、链接和装载;
(5)介绍进程和线程的概念、调度;
(6)介绍文件系统的概念及其树状结构;
(7)计算机系统的发展方向和新一代人工智能的发展。
教学思政元素:
介绍国家级超算中心及世界超算的排名,树立科技兴国的信心。
学时分配:
2-6学时
第三章Python编程基础
教学目的与要求:
(1)掌握建立和运行python程序的方法;
(2)掌握如何分解问题,绘制算法流程图,选用合适的数据类型,使用分支、循环语句编写程序;
(3)对于复杂问题,掌握如何将其分解为各个模块,通过函数定义实现模块功能;
(4)培养学生分析问题、构造算法、编写和调试程序的能力。
教学重点:
(1)python程序的建立和运行;
(2)python程序的基本语法元素;
(3)分支、循环结构;
(4)函数的定义和调用。
教学难点:
循环的嵌套
教学内容:
(1)通过机器人投篮案例,说明问题求解的计算思维方法;
(2)介绍程序的基本要素与程序设计语言;
(3)介绍python语言的特点,开发环境的搭建;
(4)通过案例讲解python程序的基本语法元素;
(5)介绍内置函数,自定义函数的定义、调用和参数;
(6)分支、循环语句和循环的嵌套。
教学思政元素:
(1)介绍python的起源让同学们了解自由软件及其对科技发展的意义;
(2)python初探案例引入毛泽东的实践论,让同学们认识道提高实践能力的重要性;
(3)身份证号分析案例,引入个人信息保护法,提醒同学们保护好个人隐私,也绝不能滥用他人的信息。
学时分配:
4-6学时
第四章Python程序进阶
教学目的与要求:
(1)掌握如何使用列表和字典来存储数据;
(2)掌握通过python来处理文件。
教学重点:
(1)列表、字典的基本概念和操作;
(2)常用的文件操作。
教学难点:
根据程序的要求,灵活地使用列表、字典、数据文件来存储数据
教学内容:
(1)介绍列表的基本概念和操作;
(2)介绍字典的基本概念、访问和基本操作;
(3)介绍文件的基本概念,常用的文件操作;
(4)百分百机器人投篮的案例实现。
教学思政元素:
百分百机器人投篮的案例,让同学们意识到通过python编程实现计算思维的重要性。
学时分配:
4-6学时
第五章算法设计
教学目的与要求:
(1)了解算法的概念及评价标准;
(2)掌握经典算法的应用,提高算法设计能力。
教学重点:
迭代法、穷举法、二分法的应用
教学难点:
(1)算法时间复杂度的计算;
(2)递归算法的应用。
教学内容:
(1)介绍算法的概念和算法的评价标准;
(2)通过案例介绍经典算法:
迭代法、穷举法、二分法、递归。
教学思政元素:
通过多个算法案例,引导学生欣赏“算法之美”,夯实知识储备,激活思维技巧。
学时分配:
8-10学时
第六章智能感知
教学目的与要求:
(1)了解自然语言处理、机器视觉处理和模式识别系统;
(2)掌握通过卷积神经网络来实现图像识别。
教学重点:
自然语言处理方法
教学难点:
卷积神经网络
教学内容:
(1)介绍自然语言处理的方法、任务和应用;
(2)通过自动驾驶引入机器视觉处理,如何应用深度卷积网络实现机器视觉;
(3)通过车牌识别引入模式识别系统的5个基本单元,重点介绍特征提取和分类器设计方法;
(4)通过图片分类问题的实例说明如何通过人工智能解决模式识别问题。
教学思政元素:
通过XX自动驾驶等案例,了解我国在人工智能方面的技术发展情况,增强民族自信。
学时分配:
4-6学时(慕课)
第七章机器学习
教学目的与要求:
(1)了解监督学习、无监督学习、半监督学习三种机器学习方法;
(2)掌握聚类算法在商业或金融业的应用。
教学重点:
无监督学习
教学难点:
聚类算法的应用
教学内容:
(1)介绍监督学习的定义,通过案例说明回归和分类的处理过程;
(2)介绍什么是无监督学习,通过案例说明分类和降维两类任务的实现;
(3)介绍半监督学习的过程和应用;
(4)通过使用k均值聚类算法对客户分类的实例说明如何实现机器学习。
学时分配:
4-6学时(慕课)
第八章智能决策
教学目的与要求:
(1)了解搜索策略、强化学习、群体智能这三种智能决策的实现方式;
(2)掌握如何通过蚁群算法解决旅行商问题。
教学重点:
蚁群算法
教学难点:
理解强化学习的基本原理
教学内容:
(1)以八数码问题为例,介绍深度优先搜索、广度优秀搜索、A*搜索算法的搜索策略;
(2)介绍强化学习的基本原理和应用;
(3)介绍什么是群体智能算法,如何通过蚁群算法和人工蜂群算法来解决旅行商问题。
教学思政元素:
解读2017年国务院印发的《新一代人工智能发展规划》,了解我国人工智能的国家战略方针。
树立学生们大局观和民族使命感。
认识到人工智能技术是国家崛起后与欧美发达国家站在同一起跑线的领域,是超过欧美占领技术制高点的前所未有机遇,使学生重燃“为中国崛起而读书”的理想。
学时分配:
4-6学时(慕课)
第九章智能机器人
教学目的与要求:
(1)了解机器人发展的三个阶段,机器人的分类及技术展望;
(2)了解人机交互发展的三个重要的阶段和未来趋势。
教学重点:
教学难点:
教学内容:
(1)介绍机器人发展的三个阶段,机器人的分类及技术展望。
(2)介绍人机交互发展的三个重要的阶段和未来趋势。
教学思政元素:
通过介绍使学生初步认识机器人技术,激发学生的学习热情。
学时分配:
2-4学时(慕课)
第十章互联网信息处理
教学目的与要求:
(1)了解计算机网络的基本概念;
(2)了解基本的WEB访问流程,理解HTML文件的标记;
(3)掌握通过python程序来爬取和解析网页、提取信息及保存为文件的方法,培养学生因特网信息获取的能力。
教学重点:
掌握爬取网页、提取信息及保存为文件的方法
教学难点:
提取网页信息
教学内容:
(1)计算机网络的相关概念,无线网络和物联网;
(2)万维网的基本工作方式,HTML语言语法;
(3)通过案例展示应用python的requests库爬取网页,应用bs4库来提取网页信息的方法;
(4)网络搜索引擎的组成和网页排名算法;
(5)网络安全的基本属性、体系结构和模型
教学思政元素:
通过介绍爬取网络数据触犯法律的几个案例,让同学们了解使用爬虫的法律边界,警示同学们增强法律意识。
学时分配:
2-6学时
第十一章数据管理
教学目的与要求:
(1)了解关系型数据库;
(2)掌握在python中对数据文件进行增删查改;
(3)了解大数据的相关概念。
教学重点:
在python中对数据文件进行增删查改
教学难点:
大数据的处理过程
教学内容:
(1)介绍数据管理的三个阶段;
(2)介绍数据库系统的组成,关系数据库的相关概念;
(3)通过教务管理系统的实例说明数据库的设计过程;
(4)通过案例展示如何通过python程序操作mysql数据库;
(5)介绍大数据的产生、特点和处理过程,以高校大数据为例说明大数据的平台架构。
教学思政元素:
通过案例,教育学生在使用大数据时明确数据搜集的范围,从而避免数据使用失度带来的信息滥用和隐私侵犯。
学时分配:
2-6学时
第十二章数据分析
教学目的与要求:
(1)了解数据分析的应用场景和基本流程;
(2)熟练掌握通过python进行数据处理和数据可视化,培养学生对数据的认知、收集、整理、表述和探究的能力。
教学重点:
(1)掌握数据分析的基本流程;
(2)掌握通过python进行数据处理和数据可视化
教学难点:
数据挖掘
教学内容:
(1)介绍数据分析的应用场景;
(2)通过气候分析案例说明数据分析的基本流程;
(3)详细介绍数据分析的各个流程;
(4)通过案例展示如何通过pandas库进行数据处理;
(5)通过案例展示如何通过matplotlib进行数据可视化;
教学思政元素:
通过对全国各省1995-2014年GDP数据分析的案例,展示我国改革开放以来经济发展取得的重大成就,增强学生对我国的道路自信、制度自信。
同时提醒同学们存在经济发展的地区不平衡,鼓励大家投身于西部建设,走共同富裕道路。
学时分配:
4-8学时
实验内容(32-66学时课堂上机)
第一部分计算语言与程序设计实验10-22时
Python基本语法实训+程序综合实训
第二部分单人综合训练14-28学时
1.计算系统实训
2.网络爬虫实训
3.数据分析实训
4.算法实训
第三部分团队实训8-16学时
计算与人工智能系统综合实训
课时分布简表
课程主要章节
课时
实验
第一章
1计算与人工智能概论
2-4
第二章
2计算系统
2-6
第三章
3python简介
2
实训python初探
实训数字类型
实训字符类型
5程序控制结构
2
实训分支结构
实训循环结构
实训多重循环
6模块化编程
2
实训函数
第四章
7组合数据类型
4
实训列表
实训二维列表
实训字典
8常用的文件操作
2
实训Python文件处理
第五章
9.算法的概念与评价标准
2
实训二分法应用
10经典算法
6-8
实训递归算法
实训蒙特卡洛算法
第六章
11.智能感知
4-6
第七章
12.机器学习
4-6
第八章
13.智能决策
4-6
第九章
14.智能机器人
2-4
第十章
15.互联网信息处理
2-6
实训网页文字爬取
实训网页图片爬取
第十一章
16.数据管理
2-6
实训通信录文件管理
第十二章
17数据分析简介
4-8
18pandas数据处理
实训pandas数据处理
19数据可视化
实训matplotlib绘图
三、考核方式
期中、期末、小测采用上机考试,机器自动评阅。
总评成绩=课堂练习*10%+实验*20%+团队实训*10%+小测*10%+期中成绩10%+期末成绩*40%
四、授课手段(教学方法)
采用线上慕课提前预习,线下课堂案例化教学,头歌实验平台完成实验闯关,线上线下混合式教学模式。
课程教学的指导思想和基本原则是:
1、本课程采用全校统一教学目标,分理、工、商、文科四个不同方向实施不同的教学方案。
2、理论课采取案例教学模式,在案例中植入知识点。
包括经典计算问题,商科专业相关案例、日常生活相关案例。
案例设计具有实用性、延续性和原创性。
3、实验课通过头歌在线实践平台实训项目模式,一部分实训与课堂教学案例相对应,一部分实训需要综合应用所学知识点。
网站提供自动判卷功能,以闯关形式激励学生。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计算与人工智能概论 计算 人工智能 概论 教学大纲