1523S01019-人工智能-2023版人才培养方案课程教学大纲.docxVIP

PAGE7

ADDINCNKISM.UserStyle《人工智能》课程教学大纲

（理论课程·2023版）

一、课程基本信息

课程号

1523S01019

开课单位

质量技术监督学院

课程名称

人工智能

ArtificialIntelligence

课程性质

选修

考核类型

考试

课程学分

2

课程学时

34+10

课程类别

专业发展课程（专业拓展课）

先修课程

大学数学C、Python语言程序设计、信号分析与数据处理、光电检测与图像处理

适用专业（类）

测控技术与仪器、机械设计制造与自动化

二、课程描述及目标

（一）课程简介

《人工智能》是测控技术与仪器专业的一门专业拓展课，在软件开发应用、综合素质培养、科学研究素质培养等方面具有重要意义。本课程解释和模拟人类智能、智能行为及其规律，主要包括逻辑推理、有哪些信誉好的足球投注网站求解、监督学习、无监督学习、深度学习、强化学习等基本概念与模型算法。通过本课程的理论教学与实践操作训练，使学生了解人工智能发展历史、主要应用、发展现状和面临挑战；掌握人工智能在自然语言理解和视觉分析等方面的关键技术及应用；熟悉人工智能系统的设计原则；提高应用人工智能技术分析和解决较复杂工程问题的综合能力；具备严谨的科学态度，良好的工程道德、创新意识和工匠精神。

（二）教学目标

通过本课程，使学生了解人工智能的基本概念、分支领域及研究发展动态；理解机器学习、深度学习的基本原理，初步掌握其基本方法；具备人工神经网络搭建与训练的一般方法；最终通过项目实践掌握人工智能的产品设计原则和一般实现方法。

课程目标1：了解人工智能的基本概念、基本原理和研究发展动态，掌握逻辑推理、机器学习、深度学习、强化学习等基本模型。

课程目标2：明晰人工智能具能、使能和赋能的手段和方法，具备人工智能模型框架的搭建、训练、测试和部署能力。

课程目标3：掌握人工智能创新项目的设计原则和一般实现方法，具备面向复杂工程问题的分析、设计和实施能力。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

工程知识

课程目标1

0.26

使用现代工具

课程目标2

0.37

设计/开发解决方案

课程目标3

0.37

四、教学方式与方法

根据新工科背景下的测控专业人才培养的要求，结合目标导向教育（OBE）和CDIO项目化教育理念，本课程采用理论教学、项目教学相结合的教学方法。

（一）理论教学

理论教学优化“课前导学+课中探知+课后拓展”闭环教学模式，促进MOOC资源、智慧教室、雨课堂教学平台、教学互动软件等现代信息技术与教育教学深度融合，打造“以学生发展为中心”的高效人工智能课堂，夯实理论基础，为实践能力培养提供充分知识储备。

课前提炼授课内容知识点，将其与预习课件、慕课视频、自测试题、思政案例等资料线上推送，引导学生自学自测进行先导知识的学习。

课中采用“问题+任务”双驱动、“产学+赛学”双融合的教学模式，以学生为主体进行课堂教学。在深化理论知识的基础上，以实际任务为中心，将学习与问题挂钩；以解决任务为动力，在教学中把理论与实践有机结合起来。根据方案构思、项目设计、操作实施、交付验收的CDIO模式，结合分组讨论、成果展示及相互交流等多种方式，引导学生积极主动思考，由浅及深逐步内化知识，促进理论知识与项目开发的有机融合。

课后通过提供丰富资源、布置高阶作业结合分层辅导的方式，引导学生独立思考和深度参与，消化重点知识，解决难点问题，激励学生勇于突破思维定势，多维度思考，勇于攻坚克难、勇于创新，树立科技强国的责任感和使命感。

（二）项目教学

项目教学采用“项目开发-课程设计-工程竞赛”阶梯递进融合式工程能力培养模式，“子任务式”开发环节提高学生实践参与热情度；“项目式”课程设计针对性进行项目训练，培养团队意识，强化实践动手能力；科技竞赛、校企合作课题实现真实项目的设计、仿真、调试和现场测试等完整环节，进一步锻炼学生解决复杂工程问题的能力。

（三）思政教育

以“如春在花、如盐化水”思政教育模式为指引，做到“浇花浇根、育人育心”，紧密结合新工科的特点，以课程为基础，项目为引领，结合交叉学科知识进行案例教学，有效融合课程相关思政元素，共筑协同育人的大思政格局。

五、教学重点与难点

（一）教学重点

本课程的教学重点是人工智能的基本概念和原理；以数据建模和机器学习为核心的人工智能在计算机视觉、自然语言、语音识别等特定领域的进展；机器学习、深度学习的基本概念、主要算法和模型训练优化方法；全连接网络和卷积神经网络的搭建。

（二）教学难点

本课程的教学难点是逻辑推理的经典算法；无监督机器学习的基本原理；全连接网络和卷积神经网络的模型构建与训练方法；深度学习在自然语言与视觉分析中的具体应用；强化学习的策略优化与策略评估。

六、教学内容、基本要求与学时分配

序号