PAGEPAGE2教 案學年第二學期學院(部門)計算機工程技術學院（人工智能學院）授課專業名稱 計算機學院課程編碼課程名稱人工智能應用導論課程類型A（純理論課）B（[理論＋實踐]課）C（純實踐課）授課班級主講教師使用教材《人工智能應用導論（第二版）》教務處制二課程教學安排表章節編號任務單元/知識點章節目錄線下教學線上教學理論學時實踐學時單元測驗作業次數項目實戰演示匯報小組討論學習總結專題調研線上學時課程公告交流互動作業次數單元測驗AI情景導入33114121141311知識技能：了解過去、認識現在、把握未來項目實訓：人工智能應用場景體驗AI情景導入3313214131數據標注、數據可視化項目實訓：處理AI燃料AI情景導入3312214121知識技能：云計算、邊緣計算項目實訓：任務一：華為云鋼筋數量清點項目實訓：任務二：HilensKit手勢識別AI情景導入4413214131損失函數項目實訓：任務一：房價預測卷積神經網絡、循環神經網絡項目實訓：任務二：文字識別（OCR）知識技能：強化學習、深度學習框架項目實訓：任務三：FlippyBird游戲情景導入33113121141211知識技能：語音助手技術架構、定義及歷史、度量標準、應用限制與影響因素、語音識別原理、語音合成定義與基本原理、語音處理人工智能云平臺項目實訓：實現智能語音助理情景導入3313214121知識技能：計算機如何看世界、開發流程、視覺基本問題、深度學習框架、Keras實現基本圖像分類、基于CNN的CIFAR10圖像分類、OpenCV基礎項目實訓：食堂菜品識別情景導入331312114131知識技能：食堂刷臉結算系統架構、人臉檢測原理、發展歷程、攝像頭控制方法、識別結果可視化項目實訓：食堂刷臉結算項目8：電影影情景導入33111241211評情感分類——自然語言處理知識技能：NLP四個挑戰、詞法分析、句法分析、語義分析、單詞的表示、句子的表示、詞向量的獲取項目實訓：電影影評情感分類網絡情景導入2211214121知識技能：社交網絡的衡量指標、圖神經網絡及DGL框架項目實訓：影院會員社交網絡分析合計27273923318833692293章節名稱項目1.縱觀AI前世今生授課形式理論/實訓/理實一體化授課學時6教學目標（描述本次課的教學目標，描述可參考“布魯姆的教學目標分類”。）【素質】1.培養學生建立科技強國、自主創新、胸懷天下、技術報效祖國的使命感。2.引導學生用辯證發展的觀點認識人工智能的發展歷程。【知識】1.了解人工智能的應用場景。2.了解人工智能的發展歷程。3.了解人工智能的國內外發展現狀與發展特征。4.了解人工智能的未來技術發展趨勢與相關政策法規。【能力】體驗人工智能在各行各業應用場景，培養AI思維。教學重難點與解決方法【重點】1.人工智能的應用場景。2.人工智能的發展歷程。【解決方法】理論講解配合動畫視頻，使學生更加直觀理解，提升課堂教學效率。【難點】人工智能在制造、商務、醫療、城市各行各業的應用案例。【解決方法】通過項目實訓引導學生進行人工智能應用場景體驗，通過增強感性認識加深對理論方法的理解。學情分析與應對方法學情分析應對方法理論講解配合動畫視頻，使學生更加直觀理解教學用具PC機、Anaconda軟件教學安排1、情景導入（15分鐘）在普通的一天里，你知道我們接觸到了哪些人工智能的應用嗎？除了日常生活，在生產、服務各行各業、各個角落也隱藏著人工智能的身影。那么，到底什么是人工智能呢？她從何而來？現狀如何？未來又何去何從呢？在本項目中將為大家揭開人工智能的神秘面紗。在本章項目實訓中，將通過線上展館帶領大家一起更加立體地理解人工智能的應用場景。2、知識技能了解過去（1）人工智能的誕生（30min）人工智能并不是一下子提出的，也是有很多理論基礎做鋪墊的，那有哪些前期鋪墊理論呢？引出人工智能誕生的過程。（2）人工智能的發展（45min）60認識現在如今，人工智能又迎來了新的機遇和挑戰，也上升到了國家戰略，我國提出新一代人工智能的發展戰略。引出新一代人工智能。（1）人工智能的發展現狀（2）人工智能的發展特征把握未來（45min）人工智能是新一輪科技革命及產業革命重要的著力點，人工智能的發展對國家經濟結構的轉型升級有著重要的60本節將從政策法規、技術層面和業態形勢三個方面淺談新一代人工智能未來的發展趨勢。3、項目實訓任務一：智能制造案例體驗（20min）任務二：智能商務案例體驗（20min）任務三：智慧醫療案例體驗（20min）任務四：智慧城市案例體驗（20min）4、創新拓展：弱人工智能到強人工智能之路（10min）5、實訓報告、綜合測評（45min）學習評量（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）課后作業1.根據課上實驗結果完成實訓報告。2.完成職教云上的章節測驗。3.完成教材中的素質評測。課后反思（客觀描述課程教學過程中遇到的問題、不足及改進設想。）本章講解人工智能的應用場景、人工智能的發展歷程、人工智能的國內外發展現狀與發展特征、了解人工智能的未來技術發展趨勢與相關政策法規。大部分同學對人工智能技術應用感興趣。質量維度質量等級質量維度質量等級A（優）B（良）C（中）課堂表現1.積極參與課堂問題討論。2.掌握課堂所學知識點90%以上。3.一學期上課主動且正確地回答問題超過10次以上。1.能夠按要求參與課堂討論。2.掌握課堂所學知識點80%以上。3.一學期上課主動且正確回答問題超過6次以上。1.課堂討論參與被動。2.掌握課堂所學知識60%以上。3.一學期上課主動且正確回答問題5次以下。項目實訓項目完成效果優秀。能夠對實訓代碼進行擴展，舉一反三，超預期完成實訓任務。能夠按要求、按時完成實訓任務，完成效果良好，但存在個別細節問題。基本完成項目實踐任務的主要功能，存在一般性問題。課后作業能夠按時保質100%地完成課后作業，完成效果優秀。能夠100%完成課后作業，按時提交，存在細節問題。提交作業的80%以上，但存在問題。章節名稱項目2.處理AI燃料——數據授課形式理論/實訓/理實一體化授課學時6教學目標（描述本次課的教學目標，描述可參考“布魯姆的教學目標分類”。）【素質】了解我國堅持人民至上、生命至上防疫政策。激發學生胸懷天下、科技強國的愛國主義精神。【知識】了解數據集、開放數據集、數據采集的相關知識；了解數據標注的概念、開源工具和分類；了解數據可視化的概念和應用場景。【能力】能夠通過閱讀幫助文檔利用常見工具完成網絡數據的爬取。能夠通過閱讀幫助文檔使用常見的標注工具（Lableme）實現簡單的數據標注。能夠利用常見的工具實現簡單的數據可視化。教學重難點與解決方法【重點】1.數據集的相關概念及其在人工智能技術應用中的作用。2.數據采集、標注的概念、常用工具及方法。3.數據可視化的概念及實現方法。【解決方法】1.案例體驗結合理論講解，提升課堂教學效率。【難點】1.使用爬蟲進行數據采集的方法。【解決方法】1.通過項目實訓引導學生完整體驗數據爬取的全流程，通過增強感性認識加深對理論方法的理解。學情分析與應對方法學情分析應對方法本章節以體驗為主，提供完整代碼及詳細的實驗手冊。教學用具PC機、Anaconda軟件教學安排通過人工智能領域的一項共識：得“數據”者，得“人工智能”，說明數據在人工智能應用中的重要作用。通過案例分析說明人工智能應用落地離不開大量、精準的數據支撐，引出本章教學內容。開放數據集（20min）為成功推出人工智能項目，許多企業正在轉向采用外部數據集。互聯網技術的發展使得我們可以在網絡上方便的找到各種類型的數據集。按照應用領域分別介紹常見數據集的內容、特點、應用場景等。數據采集（25min）在開放數據集無法滿足我們的應用需求時，可以自行進行數據采集工作。簡要介紹數據的分類及相應的采集方法。數據清洗（20min）在合法采集到數據之后，通常不能直接拿來使用，因為其中往往會存在臟數據。數據必須經過清洗、分析才能體現其潛在的價值。講解數據清洗的原理、實現方式與范圍。數據標注（45min）2.4.1數據標注的應用場景介紹數據標注中主要的應用行業及其標注場景。數據標注的分類方法從標注對象、標注構成形式及標注者類型等方面講解數據標注的分類。數據標注的任務分別講解分類標注、標框標注、區域標注、描點標注及其它標注方法的具體任務內容。常用標注數據集介紹圖像、視頻、文本及語音四類常用標注數據集。開源數據標注工具介紹常用的開源數據標注工具，包括運行平臺、標注形式及導出數據格式等。數據可視化（25min）數據可視化概念數據可視化分類分別介紹目前數據可視化中的三個重要分支：科學可視化、信息可視化和可視分析學。項目實訓（每個子任務45min）實訓分為百度貼吧圖?爬取、圖像場景分割標注及數據可視化三個子任務。requests、lablemematplotlib學習評量（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）課后作業1.根據課上實訓結果完成實踐報告，完成課后綜合評測。2.完成教材中的素質評測任務。課后反思（客觀描述課程教學過程中遇到的問題、不足及改進設想。）數據爬取實驗中，需要再三強調數據獲取渠道要合法合規。數據分析可視化實驗可以再增加一些趣味性，數據采集、標注和最后的分析沒有聯系起來。質量維度質量等級質量維度質量等級A（優）B（良）C（中）課堂表現1.積極參與課堂問題討論。2.掌握課堂所學知識點90%以上。3.一學期上課主動且正確地回答問題超過10次以上。1.能夠按要求參與課堂討論。2.掌握課堂所學知識點80%以上。3.一學期上課主動且正確回答問題超過6次以上。1.課堂討論參與被動。2.掌握課堂所學知識60%以上。3.一學期上課主動且正確回答問題5次以下。項目實訓項目完成效果優秀。能夠對實訓代碼進行擴展，舉一反三，超預期完成實訓任務。能夠按要求、按時完成實訓任務，完成效果良好，但存在個別細節問題。基本完成項目實踐任務的主要功能，存在一般性問題。課后作業能夠按時保質100%地完成課后作業，完成效果優秀。能夠100%完成課后作業，按時提交，存在細節問題。提交作業的80%以上，但存在問題。章節名稱項目3：認識AI動力—算力授課形式理論/實訓/理實一體化授課學時6教學目標【素質】1.通過學習，完全養成良好的自主學習習慣，具有吃苦耐勞的態度。2.在項目實訓中能表現出團隊協作能力，并形成數據驅動的科學價值觀。【知識】1.了解AI動力—算力2.了解云計算3.了解邊緣計算【能力】1.掌握使用華為AI云平臺ModelArts開發模型的方法2.掌握華為HilensKit應用開發的方法教學重難點與解決方法【重點】理解云計算的概念和體系架構理解邊緣計算的概念和架構【解決方法】使用結構圖和實際工程講解【難點】1.利用華為云平臺實現項目【解決方法】代碼操作演示學情分析與應對方法學情分析應對方法1.學生只是概念性的認識到云計算，并沒有系統地認識到工作原理。1.在講解前增加體系架構圖和實例。2.學生只是概念性的認識到邊緣計算，邊緣計算相關技術如何結合不理解。2.增加插圖，讓學生先直觀了解，再講解具體實例。教學用具--教學安排AIAIOpenAIFiveDOTA2”視頻，教師提出引導問題，人工智能憑什么能夠戰勝人類？學生討論作答，教師總結并引出以下教學內容：3.1云計算（90min）IT云計算的服務體系：基礎設施即服務，平臺即服務，軟件即服務云計算的主要部署模式：公有云、私有云、混合云云計算的核心技術：虛擬化、分布式3.2邊緣計算（90min）邊緣計算優勢與應用場景：數據處理分析的實時性，安全性，低成本、低能耗、低帶寬成本邊緣計算架構：云、邊緣和現場3.3利用華為云平臺實現工地鋼筋數量清點（45min）1.打開“基于計算機視覺的鋼筋條數檢測”案例2.選擇框架“RuninModelArts”3.選擇硬件資源GPU4.按流程運行案例訓練5.模型預測3.4 HilensKit（45min）創建數據集訂閱算法使用訂閱算法創建訓練作業轉換模型導入模型至華為HiLens新建技能安裝技能啟動技能（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）質量維度質量等級A（優）B（良）C（中）學習評量課堂表現1.積極參與課堂問題討論2.掌握課堂所學知識點90%以上3.一學期上課主動且正確地回答問題超過10次以上1.能夠按要求參與課堂討論2.掌握課堂所學知識點80%以上3.一學期上課主動且正確回答問題超過6次以上1.課堂討論參與被動2.掌握課堂所學知識60%以上3.一學期上課主動且正確回答問題5次以下項目實戰1.能夠利用所學超預期完成項目實踐任務，完成效果優秀，有創1.能夠按要求、按時完成實踐任務，完成效果良好，存在細1.基本完成項目實踐任務的主要功能，存在一般性問題新點節問題課后作業1.能夠按時保質100%地完成課后作業，完成效果優秀1.100%時提交，存在細節問題1.80%在問題課后作業1.完成職教云課后練習題目2.找到提供云計算，邊緣計算的國內外平臺及應用案例課后反思（客觀描述課程教學過程中遇到的問題、不足及改進設想。）本章講解云計算，邊緣計算的概念，架構和應用場景，教學后學生對云計算，邊緣計算的技術有初步了解，隨著使用云計算的應用的變多，云計算對學生已經不陌生。后續需要更新案例，更新技術場景。PAGEPAGE10章節名稱項目4.了解AI大腦—算法授課形式理論/實訓/理實一體化授課學時8教學目標（描述本次課的教學目標，描述可參考“布魯姆的教學目標分類”。）【素質】培養學生嚴謹細致、精益求精的新時代工匠精神。關心國家大事，體會家國天下情，培養愛國、愛家，愛自己的情懷。引導學生了解國家科技發展以及一流的國內人工智能企業，培養科技報國的使命感。【知識】了解機器學習算法基本原理了解深度學習算法基本原理了解強化學習算法基本原理【能力】能夠通過機器學習算法完成房價預測。能夠通過深度學習算法完成文字識別。能夠通過強化學習算法完成自動游戲。教學重難點與解決方法【重點】通過房價預測、文字識別、FlippyBird自動游戲，掌握機器學習、深度學習、強化學習應用技能【解決方法】1.案例體驗結合理論講解，提升課堂教學效率。【難點】1.深度學習模型訓練方法。【解決方法】1.通過項目實訓引導學生完整模型訓練與預測全流程，通過增強感性認識加深對理論方法的理解。學情分析與應對方法學情分析應對方法本章節以體驗為主，提供完整代碼及詳細的實驗手冊。教學用具PC機、Anaconda軟件教學安排1.情景導入（45min）：2.知識技能準備（115min）知識：機器學習基本原理（45min）知識：機器學習線性回歸（25min）知識：深度學習基本原理（45min）技能：深度神經網絡、卷積神經網絡、循環神經網絡、對抗生成網絡、深度強化學習（20min）項目實踐（180min）6項目以體驗為主，代碼教師可以直接提供給學生腳本文件，工程構建還是需要學生自行完成。任務一：房價預測（65min）任務二：文字識別（OCR）（70min）任務三：FlippyBird（45min）創新拓展：多模態人工智能的崛起（20min）學生自行上網查找多模態人工智能相關應用，并在線上進行專題討論質量維度質量等級質量維度質量等級A（優）B（良）C（中）課堂表現1.積極參與課堂問題討論。2.掌握課堂所學知識點90%以上。3.一學期上課主動且正確地回答問題超過10次以上。1.能夠按要求參與課堂討論。2.掌握課堂所學知識點80%以上。3.一學期上課主動且正確回答問題超過6次以上。1.課堂討論參與被動。2.掌握課堂所學知識60%以上。3.一學期上課主動且正確回答問題5次以下。項目實訓項目完成效果優秀。能夠對實訓代碼進行擴展，舉一反三，超預期完成實訓任務。能夠按要求、按時完成實訓任務，完成效果良好，但存在個別細節問題。基本完成項目實踐任務的主要功能，存在一般性問題。課后作業能夠按時保質100%地完成課后作業，完成效果優秀。能夠100%完成課后作業，按時提交，存在細節問題。提交作業的80%以上，但存在問題。學習評量（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）課后作業1.根據課上實訓結果完成實踐報告，完成課后綜合評測。2.完成教材中的素質評測任務。課后反思（客觀描述課程教學過程中遇到的問題、不足及改進設想。）1.算法部分的實驗難度都偏高，對于初學者來講完成難度較大，也很難理解，后需要選擇簡單、容易理解的實驗。章節名稱項目5：智能語音助理——語音處理授課形式理論/實訓/理實一體化授課學時6教學目標（描述本次課的教學目標，描述可參考“布魯姆的教學目標分類”。）【素質】1.“家國”情感培育；2.“守法”行為規范；3.“創新”職業精神。【知識】1.掌握語音識別的基本概念和原理；2.掌握語音合成的基本概念和原理；3.掌握語音助理的系統架構。【能力】1.使用Python語言實現語音數據的讀取和播放；2.應用AI云平臺接口，實現語音識別、語音合成功能；3.實現語音小助手功能。教學重難點與解決方法【重點】1.理解語音識別、語音合成的工作原理【解決方法】講解結合演示動畫，使學生更加深刻直觀的理解語音識別、語音合成的基礎原理【難點】1.掌握AI云平臺接口調用方法，實現語音識別、語音合成、語音助手功能【解決方法】先進行開發演示，提供實驗指導視頻，再由學生嘗試完成，完成過程中可參考實驗指導視頻，課堂提問指導；再進行一次針對課堂問題的演示講解，最后由學生獨立完成實踐任務。學情分析與應對方法學情分析應對方法1.學生對語音的基礎知識了解較少，但原理講解時，學生興趣不大；1.結合動畫以及演示視頻，在實操過程中，配合理論講解。2.百度AI云平臺網頁結構復雜，學生容易找不到位置。2.提前預習實操視頻，熟悉百度AI開放平臺教學用具--教學安排1.講解語音處理的應用場景（45min）：細化講解語音的應用場景。2.演示利用百度API實現語音識別的實踐開發（45min）。3.學生參考指導視頻，嘗試自行完成語音識別實驗（45min）。4.根據課堂輔導常見問題，進行集中輔導演示（20min）。5.學生繼續完善語音識別任務（25min），提交課堂實踐任務。6.學生根據前面語音識別任務，自行探索完成語音合成實驗。課前預習環節：課上實踐講解環節：1.情景導入（45min）：2.知識技能準備（90min）知識：結合情景導入的討論成果，講授智能語音助手系統架構。（15min）知識：結合動畫、微課視頻，講解語音識別發展歷程、語音識別原理、語音合成原理。（35min）（20min）（20min）3.項目實踐（110min）4任務一：錄音與播放（20min）任務二：語音識別（20min）任務三：語音合成（20min）任務四：實現語音助手（20min）（30min）4.創新拓展：AI虛擬人物語音實時互動（25min）學生學習AI虛擬人物語音實時互動內容，并上網查找智能語音相關的創新應用，并在線上進行專題討論。（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）質量維度質量等級A（優）B（良）C（中）課堂表現1.積極參與課堂問題討論1.能夠按要求參與課堂討論1.課堂討論參與被動2.掌握課堂所學知識點90%以上2.掌握課堂所學知識點80%以2.掌握課堂所學知識60%以3.一學期上課主動且正確地回答問題超過10次以上上上3.一學期上課主動且正確回3.一學期上課主動且正確答問題超過6次以上回答問題5次以下學習項目實戰1.能夠利用所學超預期完成項目1.能夠按要求、按時完成實踐1.基本完成項目實踐任務的評量實踐任務，完成效果優秀，有創任務，完成效果良好，存在細主要功能，存在一般性問題新點節問題課后作業1.能夠按時保質100%地完成課1.1001.80后作業，完成效果優秀時提交，存在細節問題在問題線上學習1.能夠主動完成線上學習任務，1.能夠主動完成絕大部分線1.能夠基本完成線上自學，MOOC平臺資源完成率100%90%MOOC資源完成率80%以上以上期末考試成績90分以上成績80-90分之間成績低于80分課后作業1.完成職教云課后練習題目2.完善課上語音助手實踐任務，并提交實驗報告。學有余力的同學，可嘗試采用其他云平臺完成語音識別和語音合成功能。課后反思（客觀描述課程教學過程中遇到的問題、不足及改進設想。）1.語音處理實驗理論較深，學生很難聽懂，基礎普及課程可以不涉及。后續在導論課程中減少這部分理論知識，增加實驗環節。章節名稱項目6.食堂菜品識別——計算機視覺授課形式理論/實訓/理實一體化授課學時6教學目標（描述本次課的教學目標，描述可參考“布魯姆的教學目標分類”。）【素質】1.建立學生科技強國、技術報效祖國的使命感；2.培養學生精益求精的新時代工匠精神。【知識】1.了解基本圖像分類流程；2.理解卷積神經網絡基礎。【能力】TensorFlowKeras教學重難點與解決方法【重點】1.學會利用Keras實現基本圖像識別。【解決方法】1.案例體驗結合理論講解，提升課堂教學效率。【難點】1.如何對卷積神經網絡進行優化調參提升圖像識別率。【解決方法】1.通過項目實訓引導學生完整體驗數據爬取的全流程，通過增強感性認識加深對理論方法的理解。學情分析與應對方法學情分析應對方法本章節以體驗為主，提供完整代碼及詳細的實驗手冊。教學用具PC機、Anaconda軟件教學安排通過人工智能領域的一項共識：得“數據”者，得“人工智能”，說明數據在人工智能應用中的重要作用。通過案例分析說明人工智能應用落地離不開大量、精準的數據支撐，引出本章教學內容。計算機視覺定義（20min）計算機視覺應用開發，主要包括圖像采集、圖像清洗、圖像標注、模型選擇、模型訓練、模型評估、模型調用（預測）幾個基本步驟，按照分析目的可以將計算機視覺的基本任務分為圖像分類、目標檢測、圖像分割、目標跟蹤，通過對基本任務的組合集成應用，可以完成如人臉識別、文字識別、視頻審核等更為復雜的應用。深度學習框架：TensorFlow2.0（25min）實現MNIST數據集手寫數字的識別，該項目是TensorFlow初學者快速入門的示例任務。Keras（20min）基本圖像分類開發主要包括圖像采集、圖像清洗、圖像標注、模型選擇、模型訓練、模型評估、模型調用（預測）幾個基本步驟。CNNCIFAR10（45min）卷積神經網絡(ConvolutionNeuralNetworkCNN)，又稱為深度卷積神經網絡，可以將其簡單地理解為包含卷積操作且具有深度結構的網絡，是通過權值共享和局部連接的方式，對數據進行特征提取，并進行預測的過程。卷積神經網絡通過反饋修正卷積核和偏置參數使輸出與預測間的偏差減小。構建卷積神經網絡進行深度學習開發可以從四個方面展開：輸入輸出、網絡結構、損失函數以及評價指標。OpenCV（25min）利用OpenCV將一張彩色圖像轉換為灰度圖像，并將灰度圖像存儲起來。項目實訓（每個子任務45min）實訓分為下載并創建數據集、數據預處理及構建模型、訓練模型、調用模型五個子任務。質量維度質量等級質量維度質量等級A（優）B（良）C（中）課堂表現1.積極參與課堂問題討論。2.掌握課堂所學知識點90%以上。3.一學期上課主動且正確地回答問題超過10次以上。1.能夠按要求參與課堂討論。2.掌握課堂所學知識點80%以上。3.一學期上課主動且正確回答問題超過6次以上。1.課堂討論參與被動。2.掌握課堂所學知識60%以上。3.一學期上課主動且正確回答問題5次以下。項目實訓項目完成效果優秀。能夠對實訓代碼進行擴展，舉一反三，超預期完成實訓任務。能夠按要求、按時完成實訓任務，完成效果良好，但存在個別細節問題。基本完成項目實踐任務的主要功能，存在一般性問題。課后作業能夠按時保質100%地完成課后作業，完成效果優秀。能夠100%完成課后作業，按時提交，存在細節問題。提交作業的80%以上，但存在問題。TensorFlow學習評量（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）課后作業1.根據課上實訓結果完成實踐報告，完成課后綜合評測。2.完成教材中的素質評測任務。課后反思（客觀描述課程教學過程中遇到的問題、不足及改進設想。）1.菜品識別圖像數據集的數據量不足，學生訓練完以后識別準確率不高，需要準備更多的數據集，或者課前要求同學自行補充更多數據。PAGEPAGE16章節名稱項目7：食堂刷臉結算——計算機視覺授課形式理論/實訓/理實一體化授課學時6教學目標（描述本次課的教學目標，描述可參考“布魯姆的教學目標分類”。）【素質】培養學生細致嚴謹、精益求精的科學精神。激發創新精神，建立自信自立的價值觀。【知識】1.了解刷臉結算的系統架構；2.了解人臉檢測、人臉識別原理。【能力】1.掌握人臉采集、人臉檢測、數據預處理技能；2.了解體驗深度神經網絡模型構建、訓練、調參；3.掌握識別結果可視化技能。教學重難點與解決方法【重點】1.人臉檢測、識別流程與基本原理【解決方法】1.講解配合視頻動畫，使學生更加直觀理解。【難點】1.構建深度卷積神經網絡、模型訓練評估操作過程比較復雜。【解決方法】1.要求學生課前線上預習操作視頻，熟悉操作過程，課上講解，2人小組互幫完成。學情分析與應對方法學情分析應對方法467要求學生課前線上預習操作視頻，熟悉操作過程，課上講解，2人小組互幫完成。項目以體驗為主，代碼教師可以直接提供給學生腳本文件，學生主要體驗開發過程。教學用具PC機、Anaconda軟件教學安排1.情景導入（45min）：通過線上預習、小組討論、匯報的方式，使學生先了解人臉識別的各種應用場景。學生課前觀察商超刷臉結算設備，考慮刷臉結算的實現過程。2.知識技能準備（90min）知識：結合情景導入的討論成果，講授食堂刷臉結算系統架構。（20min）（30min）OpenCVOpenCV5.項目實踐（100min）6項目以體驗為主，代碼教師可以直接提供給學生腳本文件，工程構建還是需要學生自行完成。任務一：人臉采集（20min）任務二：人臉檢測（20min）任務一：人臉采集（20min）任務二：人臉檢測（20min）任務三：數據預處理（10min）任務四：構建模型（10min）（20min）任務六：動態人臉識別（20min）6.創新拓展：二維到三維計算機視覺的第四次革命（35min）學生自行上網查找三維視覺相關應用，對比與二維視覺應用的區別，并在線上進行專題討論。（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）質量維度質量等級A（優）B（良）C（中）課堂表現1.積極參與課堂問題討論1.能夠按要求參與課堂討論1.課堂討論參與被2.掌握課堂所學知識點90%2.掌握課堂所學知識點80%2.掌握課堂所學知以上3.一學期上課主動且正確地以上以上回答問題超過10次以上3.一學期上課主動且正確3.一學期上課主回答問題超過6次以上5學習評量項目實戰1.能夠利用所學超預期完成1.能夠按要求、按時完成實1.基本完成項目實項目實踐任務，完成效果優踐任務，完成效果良好，存的主要功能，存在秀，有創新點在細節問題問題課后作業1.能夠按時保質100%地完成1.能夠100%完成課后作業，1.提交作業的80%課后作業，完成效果優秀按時提交，存在細節問題存在問題線上學習1.能夠主動完成線上學習任1.能夠主動完成絕大部分線1.能夠基本完成線務，MOOC平臺資源完成率MOC資源完成率90%學，MOOC100%以上以上期末考試成績90分以上成績80-90分之間成績低于80分課后作業MOOC完成的刷臉結算工程包，給學生適當提示，要求課后繼續改進訓練，提高識別效果（識別精度、召回率等指標提升）課后反思（客觀描述課程教學過程中遇到的問題、不足及改進設想。）1.計算機視覺課程攝像頭資源緊張，后續申請購買增置攝像頭。以章節名稱8.電影影評情感分類——自然語言處理授課形式理論/實訓/理實一體化授課學時6教學目標【素質】1.通過學習，完全養成良好的自主學習習慣，具有吃苦耐勞的態度。2.在項目實訓中能表現出團隊協作能力，并形成數據驅動的科學價值觀。【知識】1.理解自然語言處理的基本概念。2.理解自然語言處理的研究內容。3.理解自然語言處理的應用領域。4.5.熟練運用常用的深度學習算法解決自然語言處理中的工程應用問題。【能力】1.能夠借助自然語言處理來分析判斷電影的評論文本的情緒類型教學重難點與解決方法【重點】認識自然語言處理的建模和算法過程掌握詞法分析技術、句法分析技術【解決方法】講解配合視頻，使學生更加直觀理解【難點】1.運用常用的深度學習算法實現情感分析【解決方法】代碼操作演示學情分析與應對方法學情分析應對方法1.學生只是概念性的認識到自然語言處理的內容，并沒有系統地認識技術體系。1.在講解前增加關鍵技術的體系架構圖。2.學生對自然語言處理相關的專業術語了解很少，概念講解接受存在困難。2.增加插圖和視頻，讓學生先直觀了解，再講解概念知識。教學用具--教學安排演示華為云自然語言體驗中心情感分析示例，教師提出引導問題，自然語言處理的應用有哪些？學生討論作答，教師總結并引出以下教學內容：自然語言處理（90min）1.講解自然語言處理的最典型四個研究難題：問答、復述、摘要、翻譯2.講解詞法分析技術：分詞、詞性標注、命名實體識別、詞義消歧和指代消解3.講解句法分析技術：短語結構句法分析和依存結構句法分析4.講解語義分析技術：閱讀理解，文本摘要自然語言表示（90min）1.講解單詞的表示：詞袋模型，獨熱編碼，分布式表示2.講解句子的表示：平均法3.講解詞向量：語料，模型，特征維度用自然語言處理方法來分析判斷電影的評論文本的情緒類型（90min）1.下載數據集和預訓練詞向量2.初始化運行環境和模型參數3.加載數據集4.加載預訓練詞向量及權重5.構建模型6.訓練模型7.評估模型8.調用模型學習評量（制定本次課的評量標準，評量學生對教學內容的掌握情況與課堂整體表現，可使用附錄補充。）質量維度質量等級A（優）B（良）C（中）課堂表現1.積極參與課堂問題討論2.掌握課堂所學知識點90%以上3.一學期上課主動且正確地回答問題超過10次以上1.能夠按要求參與課堂討論2.掌握課堂所學知識點80%以上3.一學期上課主動且正確回答問題超過6次以上1.課堂討論參與被動60%以上一學期上課主動且正5次以下項目實戰1.能夠利用所學超預期完成項目實踐任務，完成效果優秀，有創新點1.能夠按要求、按時完成實踐任務，完成效果良好，存在細節問題1.基本完成項目實踐任務的主要功能，存在一般性問題課后作業1.能夠按時保質100%地完成課后作業，完成效