数据采集与预处理、机器学习、机器视觉特征提取与图像处理、深度学习应用开发与实践、人工智能训练师综合项目实战等
二、课程设计思路
《人工智能导论》是人工智能技术应用专业的一门专业主干课，同时也是一门涉及多领域的交叉科。本课程共32学时，学分2分。随着人工智能、大数据和云计算技术的日益成熟和高速发展，当前社会已全面迈入了人工智能、大数据和云计算时代，人工智能是一门高度交叉的学科，其是研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人们智能的科学。《人工智能导论》课程是在人工智能专业培养中，在第一学期进行学习，主要锻炼学生工程素养，培养学生工匠精神的过程中，从团队教师的言传身教到每个教学模块与思政教育的紧密结合，在锻炼学生工程素养，培养学生工匠精神的过程充分发挥了课程思政铸魂育人的重要作用。
从人工智能的发展史，到当今人工智能在各个领域应用场景的介绍，以及实现如图像识别、语音识别、文本处理等机器学习和深度学习的原理，整个教学过程中，把技术与实际生活相结合，让教学变得生动有趣，也同时学到很多人工智能的专业知识。
本课程构建“实践导向、模块化结构”的课程体系思路而设置，将“理想情怀”引入课堂，积极引导学生建功立业，将“责任担当”引入课堂，增强当代大学生的使命感。
目标2：《人工智能导论》课程是一种以育人为核心目标的整体课程观，以探索在课程思政中培养工匠精神，为工匠精神培养融入专业建设,发挥授课教师在课程教学中的育人责任,发挥本门课程的育人功能,根据人工智能课程自身的特性深入挖掘内隐的思政教育资源，融入思政内容后，课程教学秉承德智融合、立德树人的综合教育理念，凝练全局思维、发展思维、民族振兴、实践创新、工匠精神等多个“思政主题”，在知识传授、能力培养中引导学生树立正确的世界观、人生观和价值观，弘扬社会主义核心价值观，传播爱党、爱国、爱社会主义的正能量，培养实事求是、勇于实践、敢于创新的科学精神，结合专业知识教育引导学生深刻理解社会主义核心价值观，自觉弘扬中华优秀传统文化、革命文化、社会主义先进文化。
三、课程目标
（一）知识目标
1.了解人工智能发展过程；
2.了解机器学习的基本方法；
3.了解深度学习的基本方法；
4.了解深度学习在图像处理、语音识别等领域的应用
（二）能力目标
1.能够基本掌握人工智能知识体系
（三）素质目标
1．具有严谨、认真、细致、实事求是的科学态度；
2．具有新知识探索求知的精神；
3．具有较强的自我知识及技术更新能力。
4.具有知识变通与素养精湛型、创新型和技能型的综合素质能力。
四、课程内容及要求
序号
学习模块
主要学习内容
素质与能力要求
学时
(理论+实践)
1
人工智能概述
1.1人工智能简史
能理解和掌握人工智能简史、人工智能在各行各业的应用
1.2人工智能在各行各业的应用
人工智能环境部署
2.1人工智能深度学习环境部署
掌握人工智能环境（GPU环境）部署
4+4
2.2pycharm集成软件部署
2.3anaconda集成软件（虚拟环境）部署
2.4TF、keras、pytoch架构部署
3
计算机视觉
计算机视觉概述
能理解和掌握计算机视觉
常用计算机视觉模型和关键技术
能理解和掌握模型和关键技术
4
机器学习
3.1机器学习、卷积神经网络概念
熟练运用人工智能与机器学习、分类检测来解决实际问题。
3.2机器学习分类
3.3人工智能分类检测深度学习
5
深度学习
深度学习简介、特征的图像分类
能理解和掌握深度学习
基于手工特征的图像分类、基于深度神经网络的图像分类、基于深度神经网络的图像分类、图像分类的实际应用、深度学习的图像分类的实际应用
熟练掌握基于手工特征的图像分类、基于深度神经网络的图像分类。
6
人工神经
网络
4.1神经网络的起源、发展、挫折与进步
熟练掌握人工神经
网络以及其应用
4.2神经网络基本原理和应用
4.3神经网络算法优缺点
7
自然语言处
理
自然语言理解的概念
掌握自然语言理解的概念与发展语言处理过程。
自然语言处理过程
7.2视频行为识别、基于深度学习的视频行为识别
8
人工智能在制造业中的应用
8.1人工智能在制造业中的应用
掌握机器视觉识别在智能分拣中的应用场景。
8.2机器视觉识别在智能分拣中的应用场景
10
习题&复习
练习与讲解
总课时32学时，其中理论20学时，实践12学时。
五、教学资源与其它
教学资源类别
教学资源基本要求
教学场所
教材、主要参考书
教材：
《人工智能导论》丁艳
主要参考书：
1、《人工智能导论》徐洁磐，中国铁道出版社2、《人工智能基础》汤晓鸥等，华东师范大学出版社
教学辅助资料
/
数字化资源
/sta_page/material.htmlprojectId=lpitaiyn37xaw7aup8mcnq
六、教学建议
(一)教学重点
1.人工智能环境部署；
2.人工智能与机器学习、分类检测、基于深度神经网络的图像分类、图像分类的实际应用。
(二)教学难点
使用人工智能技术解决实际项目问题。
(三)教学方法与手段
采用线上线下混合教学方法，运用学习通平台；采用任务驱动和真实项目导入，教学做一体；针对项目特点融入课程思政，培养学生精益求精的职业素养。
七、考核与评价
（一）考核方式
1.考核评价=过程评价40%+阶段评价60%；
2.过程评价：包括职业素质与平时成绩；
3.阶段评价：包括阶段性项目考核与期末考核。
评价方式
考核内容与占比
分数比值
职业素质
包括精益求精、实事求是的编写代码的习惯、一定的工程协调能力和组织管理能力、较强的自我知识和技术更新能力和较强的文明法制意识，学生考勤及课堂纪律。
10%
平时成绩
课内外作业(包括线上作业等)
30%
阶段性项目考核
完成2个阶段性项目考核任务
20%
期末考核
笔试
40%
合计
100%
（二）项目考核评价表
考核项目
考核内容
考核标准
所占比例
基于深度神经网络的图像采集及分类
1.任务进行深度神经网络训练环境搭建
2.深度神经网络的图像数据集、构建一个神经网络图片分类器
3.基于深度神经网络的图像在GPU上进行训练图像分类。
满分100分
50%
基于深度学习的视频行为识别
1.任务进行深度学习网络模型训练环境搭建、完成硬件配置、设备操作软件
2.深度学习的视频行为识别模型、构建分类器
3.深度学习的视频行为识别验证。
八、课程训练项目设计参考方案
编
号
能力训练
项目名称
拟实现的能力目标
训练方式与步骤
3.基于深度神经网络的图像在GPU上进行训练图像分类
深度神经网络基本知识、深度神经网络训练环境搭建和GPU安装知识
教学做一体
训练方式：机房、详见实训指导
深度学习网络模型训练环境搭建、深度学习网络模型知识
训练方式：机房训练。详见实训指导
九、编制说明
在教学过程中，教师可以根据教学实施的实际情况需要，在保证达到教学效果的前提下，对课程内容以及学时分配作适当地、灵活地调整。