人工智能基础_南京科技职业学院

播放

人工智能基础

开课时间： 2025年02月16日 ~ 2025年06月30日

学时安排： 5小时/周

进行至第13周，共20周已有 2866 人参加

立即参加

课程详情

课程评价(751)

spContent=ChatGPT、Sora等AI大模型产品已经来到我们身边，改变了人们获取知识、创造生活的方式。现如今，AI在数字人直播、智能客服、自动驾驶、智慧教育等方面大显身手，人机互联互通、携手共建、共享智慧新生活的时代悄然已来。为保证自己在AI浪潮中占领先机，真正成为AI应用的使用者和创新创业者。那就让我们一起翻开书本，进入《人工智能基础》慕课堂，踏上人工智能学习和探索之旅，与AI握手，拥抱精彩的人工智能世界。
使用智能学习助手

ChatGPT、Sora等AI大模型产品已经来到我们身边，改变了人们获取知识、创造生活的方式。现如今，AI在数字人直播、智能客服、自动驾驶、智慧教育等方面大显身手，人机互联互通、携手共建、共享智慧新生活的时代悄然已来。为保证自己在AI浪潮中占领先机，真正成为AI应用的使用者和创新创业者。那就让我们一起翻开书本，进入《人工智能基础》慕课堂，踏上人工智能学习和探索之旅，与AI握手，拥抱精彩的人工智能世界。
使用智能学习助手

—— 课程团队

课程概述

在人工智能+时代，学生要具备人工智能的思维，了解创新的基本方法和人工智能解决问题的基本要素，对人工智能的主要应用技术有一定的了解，才能较好适应未来工作的需求。本课程旨在培养学生能将人工智能的求解方法迁移到具体问题领域的能力。基于知识、能力、素质三位一体的人才培养规格要求和高职生的学情分析及认知特点，以当前人工智能的典型应用为教学载体，采用项目化教学策略，将典型应用案例进行分解和改造，形成一个个的能适应教学要求的教学任务，在教学任务中按照学中做、做中学的思路组织教学内容，将理论和实践统一起来，力求让学生具备人工智能的思维素养，掌握人工智能的基本方法，能基于人工智能融合创新开展基础应用工作。

本课程最大的特色和亮点是：

1、紧跟人工智能主流技术和应用趋势，基础理论与实践案例相结合，循序渐进展开教学，课程内容图文并茂，将抽象的问题简单化，由浅入深带领学生领略人工智能的魅力。

2、本课程以人工智能典型应用案例为载体，运用人工智能首选语音Python，加强对学生人工智能计算思维和方法的培养，以任务为驱动，抽丝剥茧，以问题为导向递进式展开课程内容的学习，力求让学生乐在其中，学有所获。

授课目标

本课程的授课目标是使学生初步了解人工智能的基本原理，学习和掌握人工智能的基本技术和技能，以拓宽知识面，为进一步深入学习和应用人工智能解决实际问题奠定基础，培养学生的创新意识、人工智能思维和创新方法。

通过本课程学习，学生参加校级以上人工智能技能大赛、或创新创业大赛获等，获大赛证书或1+X“计算机视觉应用开发”初级认证。

课程大纲

人工智能：开启智慧新时代

课时目标：知识要求： 了解创新意识和创新思维的重要性； 掌握创新的基本方法； 掌握人工智能的基本概念； 了解人工智能、机器学习和深度学习三者之间的关系； 熟悉人工智能的一些典型应用。技能要求： 能用人工智能的视野去洞悉周围的问题域； 会用创新的思维去探究新的问题； 能利用百度智能云、讯飞智能云等开放平台解决一个简单的人工智能领域的问题。

4学时—>

1.1 人工智能的缘起

1.2 机器学习与深度学习

1.3 案例1——小试牛刀：识别图片上的动物

Python：人工智能开发语言

课时目标：知识要求： 了解python语言特点和基本应用方法； 掌握jupyter的使用方法； 了解numpy存储数据的格式； 掌握matplotlib绘图流程； 熟悉数据的基本运算和常用绘图函数。技能要求： 会安装python虚拟机； 能熟练搭建jupyter运行环境； 会利用numpy库进行矩阵的运算 会利用matplotlib库绘制矩形图和散点图。

8学时—>

2.1 初识Python

2.2 Python开发环境搭建

2.3 Python编程基础

2.4 numpy库基础应用

2.5 matplotlib库基础应用

2.6 案例1——求解一元二次方程

2.7 案例2——用折线图解读第二产业GDP发展态势

线性回归：预测未来趋势

课时目标：知识要求： 了解机器是如何学习的； 了解线性回归的基本原理； 理解算法的含义； 掌握梯度下降法； 了解评价机器学习效果的基本方法。技能要求： 能对样本数据进行简单的处理 能用线性回归方法预测房屋的价格； 会保存训练模型 能对房屋价格预测结果进行合理的分析。

4学时—>

3.1 认识机器学习

3.2 认识线性回归

3.3 案例1——预测房屋价格

3.4 案例2——预测投保人医疗费用

分门别类：帮你分而治之

课时目标：知识要求： 了解分类器的工作流程； 了解几种常用的分类器； 理解K近邻算法； 理解支持向量机算法； 掌握手写数字数据的导入方法； 了解分类效果的评估方法。技能要求： 能根据分类问题正确选择合适的分类器； 会利用K近邻算法来识别手写数字； 能利用SVM分类鸢尾花。

4学时—>

4.1 分类器

4.2 几种主要的分类算法

4.3 案例1——手写数字识别

4.4 案例2——辅助诊断乳腺癌

物以类聚：发现新簇群

课时目标：知识要求： 了解聚类概念； 理解K均值算法； 掌握聚类算法的优点和缺点； 理解无监督算法含义； 掌握鸢尾花聚类的基本方法； 了解聚类效果的评估方法。技能要求： 能合理选择聚类算法的调节参数 会确定相对正确的族个数； 能对聚类结果进行合理评估。

4学时—>

5.1 聚类分析

5.2 k均值聚类

5.3案例1——探究鸢尾花品种

5.4 案例2——电商用户分类

个性化推荐：主动满足你的需求

课时目标：知识要求： 了解个性化推荐的概念； 理解关联分析相关概念； 了解协同推荐的基本原理； 理解协同推荐中的稀疏问题和冷启动问题； 掌握生成关联规则的基本流程； 掌握协同推荐的基本流程； 了解推荐效果的评估方法。技能要求： 能利用关联规则处理类似尿不湿-啤酒问题； 会利用协同推荐向观众推荐他可能感兴趣的电影。

4学时—>

6.1 认识个性化推荐

6.2案例1——推荐你喜爱的电影

6.3案例2——推荐你要一起购买的商品

语音识别：让机器言听计从

课时目标：知识要求： 了解语音识别的基本原理； 了解讯飞云提供的语音服务； 掌握利用讯飞语音包开发应用的基本步骤； 了解影响语音识别准确度的因素。技能要求： 会利用讯飞智能云或百度智能云提供的开发包来识别你的声音； 能基于语音识别技术开发一个智能器物，如智能音控音箱、智能开关或智能语音输入程序等。

4学时—>

7.1 语音识别

7.2深度神经网络

7.3 案例1——利用CNN识别英文语音数字

7.4案例2——自制一个简单的实时语音识别系统

人脸识别：机器也认识你

课时目标：知识要求： 了解神经网络工作基本原理； 理解神经元、多层神经网络等基本概念； 了解人脸识别和图像识别的异同点； 了解影响人脸识别准确度的因素。 掌握在百度智能云、讯飞云或其它三方云平台上构建人脸识别应用的基本步骤。技能要求： 会利用讯飞智能云或百度智能云提供的开发包来验证你的身份； 能利用开发包设计一个人脸对比或人脸搜索的应用程序。

4学时—>

8.1 人脸识别基础

8.2 认识OpenCV

8.3 案例1——照片智能搜索

8.4案例2——口罩检测赋能疫情防控

展开全部

预备知识

1、Python编程基础

2、高等数学中求导、微积分和矩阵运算基础；

3、计算机基础理论

参考资料

教材：人工智能基础与应；书号：978-7-115-57036-9；主编：宋楚平、陈正东；