人工智能基础（专 2023秋）: 《人工智能基础》课程大纲
广东开放大学《人工智能基础》课程大纲
1.基本信息
课程名称
人工智能基础
课程代码
10921
课程类型
□公共基础课 □素质提升课
□专业基础课 □专业核心课
√□专业（职业）拓展课 □综合实践课
□跨专业先修课
适用专业
大数据与会计
适学对象
大数据与会计等财经类专业学生
课程学分
2
课程教师
丰壮丽、吴萍、强南囡、林佩珊、谢剑刚、文军、杨水燕、汪静、刘丽杰
2.课程简介
课程特点：《人工智能基础》是广东开放大学远程开放教育大数据与会计专业（专科）的专业选修（拓展）课，本门课程2学分，36学时，开设1学期，一般建议安排在第五学期开设。本课程是面向非计算机专业专科学生的人工智能通识课程，也是学生进入互联网和人工智能世界的专业拓展课程。本课程以人工智能的知识传递、技能提升、思维训练和AI应用为目的，旨在培养学生的人工智能素养、计算思维能力和人工智能应用能力，尤其是不同的职业岗位所需要的带有普遍性的信息处理能力、问题解决能力和人工智能技术应用能力。
课程作用：本课程是针对专科大数据与会计等财经类专业学生开设的人工智能通识课，定位为通向互联网和人工智能世界的桥梁，承担知识传递、技能提升、思维训练和AI应用的目的，课程设计理念以提高人工智能素养为切入点，以培养应用人工智能技术解决复杂问题为核心，以培养学生具备基本的人工智能思维能力为目标，重点培养学生的人工智能素养、计算思维能力和人工智能应用能力。
适学对象：本课程适用于财经类专业学生。
3.学习条件（或要求）
本课程需要具备计算机基础知识，其先修课程为计算机应用基础等。一般安排在第五学期开设。
4.课程目标
知识目标：
1）了解人工智能历史、定义和应用场景；
2）理解利用计算机进行问题求解的一般过程；
3）掌握结构化程序设计的基本结构；
4）了解图像识别、人脸识别、自然语言处理和机器学习的基本原理和应用场景；
5）了解大数据和商业智能的定义、原理和应用场景；
6）掌握各种不同的云AI的调用过程；
7）掌握数据挖掘技术的基本流程；
8）掌握机器学习的基本流程。
职业技能目标：
1）能够运用Python语言和生态解决实际问题；
2）能够调用云AI服务解决专业和行业问题；
3）综合运用Python等工具进行数据抓取、分析和展现；
4）运用机器学习进行实际问题求解；
5）具有运用云AI应用解决专业问题的能力；
6）具有运用人工智能手段对图像、文字、语音的处理能力
7）具有较强的思考、分析和解决问题的能力；
8）具有AI新技术的学习和应用能力。
职业素质养成目标：
1）培养学生独立的学习和分析能力；
2）培养学生团队协作意识和表达沟通能力；
3）培养良好的编码规范和文档规范习惯；
4）培养学生跟踪新技术和创新设计能力。
5.课程单元
本课程选用肖正兴等主编的《人工智能应用基础》，高等教育出版社，2019年12月第3次版。本课程的内容分为8个章节，本课程教学和学习的具体要求，具体内容如表1。
表1 课程内容说明表
课程单元
教学任务
教学目标
（以完成工作任务、获取职业知识或提高职业素质的形式描述）
学时
章节1：
人工智能绪论
人工智能的历史。
人工智能是什么。
人工智能的典型应用场景。
了解课程性质、整体内容和考核方式。
了解人工智能的历史。
了解人工智能是什么。
了解人工智能的典型应用场景。
掌握常用的AI小程序的使用，并且理解其基本原理。
4
章节2：
人工智能Python基础
（1）python基本语法、控制结构、函数、库使用
（2）python常用数据类型
（3）列表和字典
（4）python内置函数
（5）字符串操作
理解Python基本语法规则；
理解Python数据基础知识；
理解三种控制结构的基本概念和处理流程；
理解if语句和for语句的基本语法规则；
掌握导入库的方法；
掌握数字和字符串的基本使用方法；
掌握数据内置函数（range、print、input、int）的基本用法；
能掌握利用if语句、for语句和turtle库绘制复杂图形的基本方法；
16
章节3：
图像识别
1. 通识：特斯拉“眼中”的世界
2. 通识：技术探寻_图像识别的技术实现
3. 解决方案分析
4. 预备知识1：图像的简单处理，完成【引例3_1】
5. 预备知识2：百度AI开放平台的使用
6. 任务1：审核单张图像
7. 任务2：图像化审核结果
8. 任务3：批量审核图像
9. 任务4：存储审核结果
10. 通识：应用场景，展望未来
(1)了解BaiduAI生态
(2)了解图像识别的基本原理
(3)掌握百度AI库调用的基本流程
(4)掌握PIL库的简单图像处理方法
(5)了解图片审核的接口功能和调用
10
章节4：
自然语言处理
1. 通识：智能语音助手
2. 通识：自然语言处理简介
3. 项目导入、解决方案分析
4. 预备知识1：八爪鱼采集器
5. 预备知识2：读取Excel文件
6. 任务1：模板数据采集
7. 任务2：自定义数据采集
1、了解八爪鱼采集的下载、安装及注册，掌握简易采集数据方法，理解自定义采集数据模式、规则配置及调整；
2、掌握读取Excel文件的方法
6
章节5：
人脸识别
1. 通识：宝贝回家——人脸识别寻亲
2. 通识：人脸识别的关键技术与原理
3. 解决方案分析
4. 拓展任务：分类单人照、合照和非人物照片
通识：应用场景，展望未来
(1)了解人脸识别的基本原理
(2)了解AI人脸识别的接口功能和调用
6
章节6：
大数据与商业智能
1. 任务1导入数据、设置数据格式
2. 任务2建立数据模型
3. 任务3新建列"和"新建度量值
4. 任务4数据可视化
5. 任务5制作交互式、可视化面板
6. 任务6数据钻取、分析
了解数据分析的基本流程；
掌握用PowerBI进行数据分析的基本方法，能应用PowerBI完成如下需求：
数据的清洗和整理;
数据建模;
数据可视化呈现:
数据钻取及分析。
6
章节7：
机器学习
1. 项目导入：项目需求及解决方案
2. 子任务1：分类问题及分类器的构建
3. 子任务2：设计鸢尾花分类器
4. 子任务3：实现鸢尾花分类
理解机器学习原理;
了解分类问题及分类器的构建过程;
掌握一些简单二分类问题的分类器设计方法。
6
总学时
36
6.课程准备
6.1.教师准备
6.1.1.文本教学资源（说明课程使用的教材等纸介资源情况。）
本课程选用肖正兴等主编的《人工智能应用基础》，高等教育出版社，2019年12月第3次版。本课程的内容分为8个章节
6.1.2.教学平台资源（说明教学平台资源的基本情况。）
课程简介、教学大纲、考核说明、学习建议、重难点解读材料、单元练习、系统录课视频、多媒体课件、形考题库、案例等。
6.1.3.实验工具（说明课程做实验时需要的工具。）
计算机及相应的软件，详见教材。
6.2.学习者准备
6.2.1.文本资料（要求学习者需具备的主教材及参考书籍。）
主教材：本课程选用肖正兴等主编的《人工智能应用基础》，高等教育出版社，2019年12月第3次版。
6.2.2.学习环境（说明教学有线上教学和面授教学两种环境。）
具备上网条件的电脑、手机；多媒体教室。
6.2.3.实验工具（要求学习者需准备的与实验有关的工具。）
计算机及相应的软件，详见教学内容及教材相关指引。
7.学习建议（此项说明在学习过程中学习者基本的行为要求。）
（1）进入广开教学平台学习，阅读导学资源，按照老师的指引开展学习。
（2）阅读课程指定的教材和参考书目，积极主动有计划、有安排地开展自主学习。
（3）参加学校安排的讲授辅导和讨论课：尽可能多地参加面授辅导、网上教学活动，当面或通过QQ、电话、电子邮件、在线课程平台中发帖子等方式向老师提问，以获得老师的指导。
（4）参加学习平台的讨论和活动：尽量多参加小组学习和讨论，以达到同学间互相学习、互相启发、互相帮助、共同提高的效果。
（5）多看案例和案例解析，通过案例来运用所学的知识点，巩固学习效果。
8.讲授辅导
本课程应安排6次讲授辅导，每次课不少于3学时，在辅导老师的指导下学习。
9.学习评价
学习者需要依照广开教学平台和“课程单元”辅导的要求学习本课程，再经过课程责任教师和辅导教师的指导，完成形成性考核和课程讨论，掌握课程的重点内容，达到本课程的学习要求。学习评价见表2。
9.1.形成性考核（50%）
本课程考核为50%形成性考核+50%终结性考核。形成性考核总成绩按百分制计算，满分为100分。每完成一次形考任务，满分为100分，按一定的比例折算计入形考总成绩。形成性考核总体上安排了2次课程讨论、4次形成性综合考核、8次课程单元练习。
单元讨论，各教学点辅导教师组织学生参加有主题的两次讨论，每次须参与讨论且最少发有效贴1个，单元讨论占形成性综合成绩的20%；
形成性综合考核，必须完成4次形考任务，占总成绩的80%；
单元练习，旨在学生对单元知识的巩固，不参与形成性综合成绩的评定。
9.2.终结性考核（50%）
《人工智能基础》课程终结性考核是对学生最终学习效果的检验，采用网络开卷考试的方式进行，期末考试的具体时间和考试平台等教务处统一通知。
表2 学习评价表
形成性
考核
序号
考核内容（包括作业、实操和讨论）
评价标准
分值
1
课程讨论
讨论标准：两次课程讨论，视发帖内容和回贴质量予以评分（主题贴至少1个），发帖由教师评分（满分100分）。
形成性考核涵盖：单选题、判断题、多选题，总计100分。
20
2
形成性综合考核
80
3
4
形成性考核总评
100分制
终结性考核
1
实操
2
开卷考核
综合考核涵盖：单选题、判断题、多选题，总计100分。
终结性考核总评
100分制
课程成绩：形成性考核成绩×50%+总结性考核成绩×50%＝课程考核总评
10.建议学习进度表
本课程的学习时间为18周。学习者平均每周需用3小时来学习和做作业。为帮助学习者分配学习时间，以下是本课程的学习进度参考表。学习者也可以根据自己的学习情况自行编排适合自己的学习进度表，但提交形成性考核的期限必须按学校的要求进行，详见表3。
表3 建议学习进度表
课程单元
常规学习时间
备注
讲授辅导一
课程学习指引、课程学习目标、学习内容、考核方式说明
广东开放大学学习平台学习资源指引
第1次辅导课
第1周
讲授辅导二
章节1：人工智能绪论
第2次辅导课
第3周
讲授辅导三
章节2：人工智能Python基础
第3次辅导课
第5周
讲授辅导四
章节3：图像识别
章节4：自然语言处理
第4次辅导课
第7周
讲授辅导五
章节5：人脸识别
章节6：大数据与商业智能
第5次辅导课
第9周
讲授辅导六
章节7：机器学习
第6次辅导课
第12周
备注：预留六周为机动周，辅导老师可安排相关活动。
（说明：此表引导学习者合理安排学习进度，要求课程教师把课程内容科学合理地分为若干个课程单元，以周为单位分配学习时间。有特殊要求可备注。）
11.教学团队人员
教师姓名
课程内容
（每位老师填写所负责的课程内容单元名称）
备注
丰壮丽
课程设计、学习指引
办公室电话：020-83493029
电子邮箱：435640705@qq.com
吴萍
章节1：人工智能绪论
三水开放大学
林佩珊
章节2：人工智能Python基础
中山开放大学
谢剑刚
章节3：图像识别
广东开放大学
文军
章节4：自然语言处理
茂名开放大学
强南囡
章节5：人脸识别
佛山开放大学
杨水燕
章节6：大数据与商业智能
斗门开放大学
汪静
章节7：机器学习
广东开放大学
12.其它说明（说明本课程与职业技术资格的关系，是否为考证课程等。）
无