《人工智能导论》教学大纲（含课程思政内容）
05
教学内容和课时安排（含课程思政内容）
（一）课程学时分配
（二）课程思政参考内容
（三）课程教学内容与重点难点
第1章人工智能导引
教学目的：了解人工智能的概念、学习人工智能的目的和意义、应用；了解人工智能的分支。
教学内容：人工智能的概念、应用场合；人工智能的分支。
重点难点：重点是了解人工智能的分支，难点是人工智能各个分支之间的关系。
第2章Python基础知识
教学目的：了解Python在不同环境下的安装；熟练使用python的基本编程，包括各种数据结构；掌握第三方模块的安装和使用，文件的读写；掌握NumPy包的熟练使用；掌握Python的绘图基础。
教学内容：编程基础（列表、元组及字典、基本语句；函数）；模块的安装与使用；文件的读写；NumPy的使用；Python的绘图基础。
重点难点：重点是使用Python进行相关的编程，如NumPy的编程，绘图基础等。难点是使用NumPy进行较为复杂的开发与绘图。
第3章机器学习初步
教学目的：了解机器学习的概念、其与人工智能的关系、机器学习的分类；了解数据预处理与特征工程，包括数据清洗、数据变化、过滤、特征工程；熟练使用Sklearn包；熟练使用回归分析。掌握聚类的基本原理与常见的聚类算法。
教学内容：机器学习及其工作流程；机器学习的分类；数据预处理与特征工程；Sklearn库的使用；逻辑回归分类和线性回归预测；聚类的原理与K-Means聚类算法。
重点难点：重点是机器学习的流程与Sklearn的实践。难点是聚类算法及其调优。
第4章自然语言处理
教学目的：了解自然语言处理的概念；掌握文本分词与词汇还原的方法；掌握文本分块与词袋模型；熟练使用TF-IDF算法，并据此构建文档类别预测器。
教学内容：自然语言处理的概念；文本分词与词汇还原；文本分块与词袋模型；文档类别预测；语义分析器；主题模型。
重点难点：重点是文本分词及其文档类别判断的方法。难点是语义分析器的理解与实现。
教学目的：了解处理语音信号的方式，可视化处理的过程；掌握处理语音信号的的相关技术；能够独立建立一个英文的语音识别系统。
教学内容：处理语音信号；可视化音频信号；音频信号从时域转换到频域；生成音频信号的方法；提取语音特征；构建语音识别系统。
重点难点：重点是语音特征的提取策略和方法；难点是构建语音识别系统，尤其是适当结合深度学习机制进行语音信号的识别。
第6章计算机视觉
教学目的：了解什么是计算机视觉,掌握安装流行的计算机视觉库—OpenCV。了解利用帧间差分法检测视频中的移动部分。掌握使用色彩空间和背景差分法来跟踪对象,使用CAMShift算法来构建一个目标跟踪器,并学习光流的基本知识。熟悉人脸检测的相关概念,构造一个人脸检测和跟踪器。
教学内容：计算机视觉的概念；OpenCV介绍；视频中移动物体检测方法；目标跟踪器的构建；基于光流的跟踪；Harr级联和积分图；人脸检测与跟踪。
重点难点：重点是熟悉基于OpenCV进行的各种视觉处理方法，为进一步深入视觉学习奠定基础。难点是人脸检测和跟踪，尤其是复杂的场景，如戴口罩情况下。
第7章人工神经网络
教学目的：了解什么是人工神经网络，熟悉如何建立人工神经网络；了解感知器，掌握基于感知器构建一个分类器；掌握单层和多层神经网络；掌握循环神经网路。
教学内容：神经网络的概念；建立和训练人工神经网络；感知器；构建单层人工神经网络和多层人工神经网络；循环人工神经网络；构建光学字符识别引擎。
重点难点：重点是熟悉构建单层、多层以及循环神经网络；难点是神经网络的使用，如利用神经网络来构建一个光学自负识别引擎。
第8章强化学习与深度学习
教学目的：掌握强化学习的概念及其表现；了解深度学习以及卷积神经网络；熟练使用卷积神经网络构建简单的应用。
教学内容：强化学习的概念；深度学习的概念；卷积神经网络；利用卷积神经网络建立图像分类器。
重点难点：重点是深度学习及其使用；难点是利用卷积神经网络进行实际的应用开发，尤其是其可解释性问题是需要学生简单了解的。
第9章区块链
教学目的：了解区块链的基本概念；掌握区块链和人工智能的关系；了解如何利用人工智能技术对区块链进一步优化。
教学内容：区块链概念；人工智能与区块链；在区块链中使用朴素贝叶斯；优化区块链。
重点难点：重点是区块链概念的理解，产生的原因的深入分析；难点是如何充分的利用区块链技术进行多方向（领域）融合的设计与开发，包括在教育领域、知识产权保护等等。
第10章人工智能算法
教学目的：了解人工智能常用的启发式算法；掌握其基本的思想方法；掌握遗传算法、模拟退火算法、蚁群算法等。
教学内容：启发式搜索算法；遗传算法；模拟退火算法；蚁群算法。
重点难点：重点是掌握典型的启发式算法，如遗传算法、模拟退火等；难点是这些算法优化的特定目标和适用的场景；同时，也希望同学能够探索一些其它的启发式算法，并进一步比较分析，这也是本章的另一个难点。
06
课程教学方法
本课程教学采用以多媒体教学为主，以板书为辅的教学方式，并加强图示教学和实例教学以增强学生的学习兴趣并加深学生对重点知识以及理论与实际工程问题相结合的理解。
1、教师课堂讲授：基本概念和核心知识内容的传授，由主讲教师完成。
2、课堂讨论：要求学生以小组的形式对所学的知识点进行现场讨论。
3、MOOC：对课程的一些知识点采用国内外知名专家学者的视频公开课进行知识的传授。
4、SPOC：对于授课难点问题尤其是实际运用的问题时，采用翻转课堂的形式积极引导学生的参与意识，提高学生的创新能力。
5、学生/项目组讲授/表达：学生小组讨论，对于常识性的知识点的表达，提高学生的沟通和表达能力。
07
课程学习资源
1.教材
《人工智能导论（Python版）微课视频版》
ISBN：978-7-302-57239-8
作者：姜春茂
定价：49元
｜学习资源｜
500分钟视频、PPT课件、示例源码、习题答案。返回搜狐，查看更多
卢宇：中小学人工智能教育教什么怎么教―中国教育信息化网ICTEDU
近年来，在国家相关政策的大力支持下，我国中小学人工智能教育从无到有，正在逐步进入快速发展时期。开展高质量的中小学人工智能教育，需要首先关注当前所面临的一些挑战。在此基础上，需要规范和明确课程的核心内容与范围，遵循人工智能学科本身特点进行课程设计，从而帮助广大中小学教师了解和掌握“教什么”与“怎么教”。
中小学人工智能教育的痛点有哪些
随着人工智能技术的快速发展，我国高度重视人工智能课程进入中小学课堂。早在2003年，教育部就将“人工智能初步”作为选修模块，纳入国家《普通高中信息技术课程标准》。近年来，国家陆续出台了系列相关政策和指导意见，倡导在基础教育阶段设置人工智能课程，推动了我国中小学人工智能教育的开展与实施。当前，在基础教育阶段，尤其是义务教育阶段，人工智能教育也面临着一些痛点问题。
一是人工智能课程定位模糊。人工智能课程当前多作为选修或校本课程，属于“个性化课程”。相当一部分中小学与课外培训机构缺乏对其清晰的认识，将传统的创客教育、STEM教育或编程教育中的教学内容，经过简单改造后直接搬到人工智能课堂中。学生所学到的知识与人工智能学科本身的基本思想和方法相去甚远。
二是课堂教学内容分化。有些教学内容没有考虑学生的基本认知能力和数理基础，倾向于讲授人工智能特定子领域的复杂模型和理论，以抽象性知识为线索组织教学。例如，在中小学课堂上直接讲授机器学习领域的“对抗网络”等复杂模型，学生很难对其有深入完整的认识和理解。有些教学内容则只强调体验式学习，侧重于简单的动手实践活动，学生通常难以学习到人工智能领域的基本原理和知识。相应地，教学资源建设水平也参差不齐。迄今为止，全国范围内已出版超过30种人工智能教材及配套资源，相当一部分是以购买实践环节所需的软硬件平台为导向，受商业利益驱动明显。
三是人工智能课程师资缺乏。我国高等教育正在加快人工智能学科建设与人才培养，但在师范院校存在一定的滞后性。许多师范院校在本科和研究生阶段还没有开设人工智能课程。因此，毕业生缺乏系统的人工智能知识，不具备设计和讲授中小学人工智能课程的能力。在职的中小学教师队伍中，更加缺乏具备相关知识与教学能力的教师。而非师范类院校或信息类专业培养的毕业生，受薪酬待遇等因素影响，进入基础教育领域的数量很少。
中小学人工智能教育教什么
总体而言，人工智能学科的目标是研究和开发用于模拟、延伸和扩展人类智能的理论方法与技术，以构建不同形态的智能机器。智能机器既可以是硬件形态，如服务类智能机器人，也可以是软件形态，如围棋博弈程序。在中小学阶段，人工智能教育需要让学生了解智能机器的基本能力，理解人工智能处理问题与人类的异同，并认识其对社会生活的影响。具体可以包括以下核心内容：
一是智能机器的感知能力。该项能力可以概括为“采集信息、了解世界”。各类传感器对外部世界的信息进行采集并提取有意义的知识，使智能机器了解世界，具备和人一样的“看”和“听”等能力。同时，智能机器还可以感知很多人类所不能或难以精确感知到的信息，例如地理位置信息（GPS）等。
二是智能机器的推理能力。该项能力可以概括为“逻辑思维、求解问题”。智能机器可以模拟人类逻辑思维过程，得到新的知识。例如可以像人类一样，进行归纳或演绎推理。虽然智能机器已经可以进行非常复杂的逻辑推理和问题求解，但是它们目前仍然不能像人类一样进行创造性思考。
三是智能机器的学习能力。该项能力可以概括为“观察世界、寻找规律”。智能机器通过对客观世界的观察，从中寻找到规律或模式，从而提高自身的性能。观察的结果通常以数据的形式存储和使用，智能机器用特定的模型找到适用于新情况的规律或模式，也就是机器学习的过程。模拟人类大脑结构的人工神经网络模型，是迄今为止最成功的机器学习模型，在围棋博弈、图片分类等特定任务上已经超过了人类的能力。
四是智能机器的交互能力。该项能力可以概括为“理解人类、沟通交流”。智能机器需要用自然合理的方式与人进行沟通和交流，包括理解人类复杂的语言与情绪等。当前的各种智能音箱和智能手机助理，都是这方面能力的体现。智能机器的交互能力目前仍停留在较为初级的阶段，仅仅相当于人类儿童的水平。
五是智能机器的道德能力。该项能力可以概括为“信息安全、摒弃偏见”。各类智能机器一方面正在让我们的生活和工作更加方便和高效，但另一方面也可能给我们带来负面影响和危害。例如，智能机器可能会侵犯个人隐私或制造“信息茧房”，也可能会从人类社会产生的数据中学习到带有“偏见”的知识。因此，需要引导学生深入认识这些问题的存在和发生的可能，具备自我防护意识和信息社会责任。
这些核心内容都易于被中小学阶段的学生理解和掌握，且有一定的理论和实践深度，便于教师设计具体课程内容和构建教学资源。
中小学人工智能课程如何设计
中小学人工智能课程可以基于上述核心内容组织和规范教学内容，同时需要遵循科学合理的基本设计原则。
首先，课程设计应强调基础性概念和基本原理的掌握，而不能将大量仍处于探索阶段的所谓人工智能最新成果搬进课堂，陷入盲目“求新”的误区中。当前人工智能学科仍然处于快速演进的过程中，与数学、物理等传统学科相比，很多最新成果还未经过理论和实践的充分检验，缺乏经典性和稳定性。例如，机器学习相关课程可以侧重监督式与非监督式学习的基本思想和方法，避免涉及正在快速演进的各类复杂的深度学习模型。
其次，针对不同学段学生的认知能力和特点，设计相应的教学内容和课堂活动，不同学段之间要有明显区别。例如在小学阶段可以主要以体验性活动与课堂讨论为主；在初中阶段更多侧重于对基本原理的了解和简单实践；在高中阶段可以适当深化对重要概念和方法的理解并组织综合性实践。针对同一核心内容，不同学段的课程设置需要由浅入深，进行整体设计和规划。对于较为复杂的概念与方法的讲解，应尽量采用横向类比的方法，向学生直观呈现。
再其次，课程设计应多采用项目式或探究式学习，不必强调完备的知识和理论体系，从而让学生易于接受并产生深入探索的兴趣。可以选取学生在日常生活中常见的情境和主题，设计合理的驱动问题与教学支架，引导学生利用人工智能技术解决实际问题或制作项目作品。例如，可以选取“垃圾分类”主题，以“如何构建更智能的垃圾桶”为驱动问题，引导学生在完成智能垃圾桶的设计和制作过程中，完成相关核心内容的学习。
我国中小学人工智能教育，需要遵从人工智能学科本身的知识体系和思想方法，让学生在体验中了解人工智能可以用来解决什么问题，在学习中掌握人工智能的基本概念和思想方法，在实践中思考人工智能会带来什么新的问题和影响。同时，要鼓励领域专家、行业协会、人工智能企业等社会多元主体参与，共建共享优质课程设计方案、工具和案例，协同解决优质教师队伍匮乏等瓶颈性问题，为人工智能课程在中小学大规模、高质量落地提供保障。
（作者卢宇系北京师范大学教育学部副教授、未来教育高精尖创新中心人工智能实验室主任）