计算机基础与人工智能应用
厦门大学全校大一新生人工智能通识课
时间地点：1-14周星期三[7-8节]文宣楼（4号楼）B313
主讲人：厦门大学计算机科学系 林子雨 博士/副教授
E-mail: ziyulin@xmu.edu.cn
个人主页：https://dblab.xmu.edu.cn/post/linziyu
1.课程名称：《计算机基础与人工智能应用》
2.课程性质：厦门大学全校大一新生人工智能通识课
3.课程简介：
本课程面向非计算机专业学生，提供计算机、网络和人工智能应用所必需的基础知识，帮助学生掌握安全、高效地与AI协同工作的基本能力，形成理性使用AI的综合素养。课程的理论性和实践性均较强。
课程理论部分包括计算机软硬件、网络、大数据、人工智能概述、AI主要技术（包含图像识别技术与文本处理等）的具体形式与工作原理、大模型技术原理与交互技巧等，实践部分包括计算机与AI基本应用练习、数据获取与预处理、基于人工智能平台与工具“零代码”项目实践，以及AI生成内容、智能体等实验。
本课程采用案例与问题教学法。从AI如何改变各行各业的角度，以实际问题入手，让学生掌握如何使用AI平台将AI及大模型技术运用到实际解决问题当中，培养学生与人工智能协同工作、以及计算机现代化工具应用的意识与能力，为助力解决本专业的实际问题打下坚实的基础。
4.培养目标
通过本课程的学习，达到以下目标：
- 系统地掌握计算机与人工智能基础知识：掌握软硬件基础知识、网络基础知识，了解大数据基本概念及大数据思维、掌握数据获取与预处理方法、了解人工智能的概念与发展，理解人工智能主要技术的具体形式与工作原理，掌握大模型提示工程基础与通用技巧。
- 具备较强的计算机应用与AI动手能力：具备熟练使用计算机与网络的能力，具备办公软件的应用能力、AI协同办公的能力。具备AI工具综合应用、精准对话、信息辨伪、伦理合规与风险自省的能力，能够通过人工智能平台与工具“零代码”完成AI项目。
具备自主学习能力、团队协作能力、人与AI协同解决问题的意识和能力、多学科知识交叉思维与创新意识，树立科技向善的价值观。
5.课程思政目标
按照“立德树人,把培育和践行社会主义核心价值观融入教书育人全过程”的根本要求，融合课程知识和能力点，对大学生分别进行爱国主义教育、道德品质教育、诚信教育等，实现“知识传授”和“价值引领”有机统一，深入挖掘本课程的思政教育价值。
与此同时，能够与人工智能时代紧密结合，加深学生对国家的历史、发展的认识，建立正确的人工智能道德伦理观。
6.教学方法
本课程录制有教学视频，采用线上线下混合式教学，学生通过慕课自主学习理论部分，任课教师线下讲解重难点，以及指导实践部分。通过阶段测试与练习督学促学。通过上机实践、项目设计、调研报告等方式进行教学活动的组织。
教学中采用学校的course平台发布教学视频、练习等学习资料，为学生配备AI课堂学伴，实现AI虚拟助教的功能，并给予学生学习激励与陪伴。
同时利用AI出题、平台数据分析、知识图谱等功能实施AI赋能课程教学。
7.主要教学内容
|
章（或节、实验项目） |
主要内容 |
课程思政映射与融入点 |
学时安排 |
实验项目类型（实验项目填写） |
是否虚/实（实验项目填写） |
实验项目修读要求（实验项目填写） |
|
软硬件系统 |
计算机发展简史、计算机软硬件系统的组成和功能； 计算机信息表示等，操作系统概述 |
|
2 |
|
|
|
|
计算机应用基本技能 |
文字处理、电子表格、演示文稿 AI协同的办公信息处理等 |
AI辅助OFFICE办公中的AI信息辨伪、风险自省案例 |
|
4 |
|
|
|
计算机网络基础 |
网络基本概念，网络协议、IP地址等；局域网的组成、网络安全等 AI与网络的关系 |
|
1 |
1 |
|
|
|
大数据 |
大数据概述 大数据思维 数据获取与预处理 |
|
3 |
2 |
|
|
|
人工智能概述与应用案例赏析 |
人工智能的发展、人工智能的人才发展趋势、生产生活应用 AIGC主要原理与技术、AIGC涉及的道德与法律 |
1.介绍人工智能发展的过程中，穿插科技对国家发展的重要作用，激发学生的爱国热情，为实现中国梦要更加努力学习。 2.引导学生建立正确的人工智能道德伦理观。 |
2 |
|
|
|
|
计算机视觉 |
计算机与人类视觉、包括主要技术：图像的分类、检测与分割。 结合具体的行业与实际问题，运用AI平台与工具，完成图像标注，“零代码”实现图像分类等项目 |
|
2 |
2 |
|
|
|
自然语言处理 |
自然语言处理概述、基本范式、任务分类等。 结合专业数据，运用AI平台与工具，“零代码”实现文本分类等项目。 |
|
2 |
2 |
|
|
|
大模型原理与应用实践 |
大模型基本概念与技术原理、大模型提示工程的基础知识与通用技巧等。 采用案例的方式讲解利用大模型生成内容、快速完成各项复杂的工作。 |
|
2 |
2 |
|
|
|
智能体原理与应用实践 |
讲解智能体原理； 掌握知识库、工作流等功能，“零代码”创建实用的智能体。 |
|
2 |
2 |
|
|
|
期末线下随堂考试 |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
合计 |
32 |
|||||
8.考核方式与要求
课程成绩采用两级记分制（合格、不合格）。
最终成绩由实验成绩（>=60，实践成绩记为合格）与期末考试成绩（>=60，期未成绩记合格）两部分组成：实践成绩占50%，期末考试成绩占50%。
实验成绩由考勤、平时实验完成情况、期末AI项目大作业组成。
实验成绩与期末考试成绩都合格，则最终成绩合格。