信息技术（电子信息类） 教案 第3章 人工智能.docx

《信息技术(电子信息类)》课程教案

课题：人工智能

教学目的：

掌握人工智能的基本概念、产生发展、产业生态和人才需求。

理解知识表示与知识图谱的基本概念、构成与技术栈。

掌握机器学习的产生发展、监督学习、无监督学习、弱监督学习及应用实例。

理解神经网络与深度学习的基本概念、深度学习及应用实例。

掌握计算机视觉、数字图像处理、计算机视觉与机器视觉的内涵及应用。

理解计算机听觉、智慧语音、自然语言处理的基本概念。

掌握智能机器人的概念分类、云端智能机器人架构及应用场景。

了解人工智能推动工业革命和社会进步、发展趋势、面临的挑战及未来展望。

课型：新授课

课时：

本章安排8个课时。

教学重点：

重点：掌握机器学习、深度学习的基本概念和常用算法，以及计算机视觉、语音处理和自然语言处理的应用场景。

教学难点：

难点：深入理解神经网络（尤其是卷积神经网络和生成对抗网络）的工作原理及其在实际问题中的应用。

教学过程：

教学形式：讲授课，教学组织采用课堂整体讲授和分组演示。

教学媒体：采用启发式教学、案例教学等教学方法。教学手段采用多媒体课件、视频等媒体技术。

板书设计：

本课标题

人工智能

课次

4

授课方式

理论课□讨论课□习题课□其他□

课时安排

8

学分

共2分

授课对象

普通高等院校学生

任课教师

教材及参考资料

1.《信息技术(电子信息类)》；电子工业出版社。

2.本教材配套视频教程及学习检查等资源。

3.与本课程相关的其他资源。

教学基本内容

教学方法及教学手段

课程引入

在当今科技飞速发展的时代，人工智能（AI）已经成为推动社会进步和技术创新的核心力量。从自动驾驶汽车到智能家居，从医疗诊断到金融服务，人工智能的应用无处不在。本章将全面介绍人工智能的基本概念、知识表示与知识图谱、机器学习、神经网络与深度学习、计算机视觉、语音处理、自然语言处理、智能机器人，以及人工智能的挑战、发展趋势与未来，帮助学生深入理解人工智能的核心技术和应用场景。

参考以下形式：

1.衔接导入

2.悬念导入

3.情景导入

4.激疑导入

5.演示导入

6.实例导入

7.其他形式

3.1人工智能概述

3.1.1人工智能的基本概念

3.1.2人工智能的产生与发展

3.1.3人工智能的产业生态和人才需求

3.2知识表示与知识图谱

3.2.1知识表示与知识图谱的基本概念

3.2.2专家系统与知识图谱

3.2.3知识图谱的构成与技术栈

3.2.4典型的知识图谱项目

3.3机器学习

3.3.1机器学习的产生与发展

3.3.2监督学习

3.3.3无监督学习

3.3.4弱监督学习

3.3.5机器学习应用实例——手写数字识别

3.4神经网络与深度学习

3.4.1神经网络简介

人工神经网络（ArtificialNeuralNetwork，ANN），简称神经元网络或神经网络，提出于1943年，它从信息处理角度通过对人脑神经元及其网络进行模拟、简化和抽象，建立某种模型，按照不同的连接方式组成不同的网络，来模拟人脑神经元和生物神经网络。经过几十年的发展，随着算法、算力和数据的完善与积累，神经网络已经成为人工智能的一种主要实现方法，并且在计算机视觉、计算机听觉、自然语言处理等多个专项技术上取得重大突破和广泛应用，在个别专项能力上接近甚至超过了一般人类的水平，如人脸识别、图像分类、语音识别、机器翻译、医学影像判别等。

3.4.2神经网络与深度学习

根据神经网络运行过程中的信息流向，可将神经网络分为前馈式和反馈式两种基本类型。前馈神经网络（Feed-ForwardNeuralNetwork），简称前馈网络，采用一种单向多层结构，其中每一层包含若干个神经元，同一层的神经元之间没有互相连接，层间信息的传输只沿一个方向进行，各神经元从输入层开始，接收前一级的输入，并输出到下一级，直至输出层。整个网络中无反馈，可用一个有向无环图表示。前馈网络的第一层称为输入层，最后一层为输出层，中间为一到多层的隐藏层。

3.4.3深度学习

3.4.4深度学习应用实例——手写数字识别

3.5计算机视觉

3.5.1计算机视觉简介

3.5.2数字图像处理

3.5.3计算机视觉的内涵与应用

3.5.4机器视觉的内涵与应用

3.6计算机听觉

3.6.1计算机听觉简介

3.6.2智慧语音

1.语音识别

2.语音合成

3.声纹特征识别

3.6.3自然语言处理

3.7智能机器人

3.7.1机器人的概念与分类

3.7.2云端智能机器人

3.7.3云端智能机器人的系统架构

1．云端大脑

2．安全神经网络

3．机器人控制单元

3.7.4智能服务