人工智能教育课程范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇人工智能教育课程范例，将为您的写作提供有力的支持和灵感！

篇1

高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。

实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。（二）安排学生对经典算法程序进行实验

与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。

在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。

学生应通过对这些程序作验证性实验来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。

例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。

（三）启发学生引入人工智能理论方法对毕业设计加以创新

篇2

2011年6月8日，教育部鲁昕副部长提出高等职业教育以系统培养高端技能型人才为目标。要实现这一目标，高职教育应从职业技术教育和人文素质教育两方面入手。但目前各高职院校在功利思想的驱动下，在课时、师资有限的情况下，忽视高职人文教育，出现高职人文教育课程与职业技术教育课程争课时、抢资源、教学效果差的现状。因此，在资源有限的情况下，构建一个合理的人文教育课程体系关系到人才培养目标的实现。

一、基于工作岗位能力的高职人文教育课程体系的目标

基于工作岗位能力的高职人文教育是针对现状而提出的一种职业形态的特殊人文教育，在分析人的职业能力形成规律后，提出切实可行的教育措施，有的放矢的对原有高职人文教育进行了改革，有助于高职院校实现培养高端技能型人才的目标。

该体系围绕高职教育人才培养目标，结合高职学生认知特点，考虑专业教育对人文教育的共性要求，突出不同行业、不同专业对人文教育的个性化要求，整合教学内容，开拓教育途径，在专业课程设置中设计以受教育者知识、能力、素质协调发展为目的的基于工作过程的人文教育课程体系。

二、基于工作岗位能力的人文教育课程体系的实施方法

（一）变纵向课程体系为以岗位能力为核心的横向课程体系

“高等职业教育课程设置的原则是尊重学科性，但并不恪守学科性。现存的两段式或是三段式课程体系，都过分强调分阶段。在这种体系下，分成一、二学期基础课，三、四学期专业课，五、六学期设计与实习课。各学期缺乏连贯性，导致知识的重复或支解。”[梁春阁·对高等职业教育课程设置的几点建议·职教论坛·2003年第2期第19页。]这种课程安排还会使刚进校的高职学生感到迷茫，体会不到高职课程与中学的区别，也感受不到不同专业的区别，还可能导致高职学生的流失。因此，有必要将人文素质课根据专业课需要以及学生认知能力发展特点按阶段和难度连续分散到每一学期，逐渐深入，各专业自成体系。据笔者调查，高职学院普遍在第一学年集中开设“两课”、高等数学、应用写作、高职英语等人文素质课，其实大可将这些课程与专业课程交替开设。这样既避免同类课过于集中让学生产生疲劳感，同时又可让人文教育课与专业课程互补，形成教育合力，有利于教育目标的实现。

（二）围绕专业设置人文教育课程，形成人才培养合力

打破学科逻辑的界线，抛弃呈现完整的学科体系的思路与想法，在课程体系设计前对相关职业或岗位群所需职业能力进行分析，并针对专业职业能力构成来组织内容，以工作过程所需的知识与技能以及它们在工作过程中的排列顺序为顺序组织课程体系。根据专业方向设置人文素质课，不同专业的人文素质课也各有侧重，做到既为学生学好专业课打下基础，又为学生能够继续深造打好基础。以会计专业为例，会计专业的学生除了要具备进行日常会计实务的会计处理能力和对日常经济业务进行正确核算的专业技术能力外，还必须同时具备会计人员职业道德、熟悉相关法律知识和应用文书写作能力。因此可以再开设思想道德修养与法律基础之后紧接着开设经济法基础，并且在思想道德修养与法律基础时应针对会计专业的岗位需求增删内容。会计专业的高等数学应设在第一学期，而高职英语为了方便广大学生过级，可在第二、第三学期开设。

（三）整合专业技术课与人文素质课，实施全方位的人文教育

专业课程与人文素质课程以人才培养目标为契合点，以工作过程知识为基础，强调对学习者的行动导向，使其能够在与工作过程相吻合的学习情境中，通过学习和实践，不仅掌握职业技能，还在情感、态度等方面得到提升。因此，在设置课程体系的时候，参照专业培养目标，以工作岗位过程分析为依据，将人文素质课程教学内容改革以诚信、合作、责任、敬业等职业人文素质的养成为基础，加强现有专业课程的内容整合，并从职业价值观、职业道德、职业核心能力等方面渗透人文教育。

（四）机构联手，实现人文教育课内、课外实施

人文教育的实施由以课堂教学为载体的“人文课程”与以课外活动为载体的“素质拓展”两部分组成。但是，由于种种原因，大多数的高职院校中的教学管理系统和学生管理系统各自为阵，未能形成培养人才的合力。基于工作岗位能力的人文教育需要打破这种“两张皮”的格局，整合教育资源，形成人才培养新格局。“人文课程”由“核心课程”（公共必修课）和“辅修课程”（公共选修课）组成，由教务处牵头，各教研室配合，统筹安排。“素质拓展”由院级和系级素质拓展项目组成，分别由学生处、团委和各系部职能部门组织实施。

【参考文献】

［1］胡燕燕. 浅谈高职课程体系的构建原则[J]. 中国职业技术教育，2005（1）.

篇3

中图分类号：G642.3 文献标志码：A 文章编号：1674-9324（2012）06-0152-02

虽然人工智能的发展历史只有五十余年，但它已经广泛应用于专家系统、机器翻译、图像处理和机器人技术等领域。随着人工智能技术对社会经济发展的影响不断增大，人工智能课程不再是计算机专业独有的专业课程，国内外很多高校在自动化、智能交通等专业都开设了选修课，甚至在高中的信息技术课程中也在推广设置。吉林大学硕士专业“模式识别”将《人工智能》设为专业学位课程，同时也将其设为汽车、机械等其他学科的选修课程。由于研究生相关基础知识水平参差不齐，课程内容又比较抽象、生涩，为了提高教学质量，在本次教学改革过程中充分考虑学生学习新知识的心理演变过程，认真研究教学内容、教材、教学方法等诸多方面，力求在教授基本原理的同时，培养学生对智能系统进行理论分析、设计并编程实现的能力，为后期的论文研究阶段打下坚实的基础。本次教学改革受到了吉林大学研究生课程体系建设和核心课程建设项目的资助。

一、教学内容

教学改革的关键是教学内容。人工智能与统计学、心理学、语言学、计算机科学、生物学、控制论等都有交叉关系，学科涉及的内容十分庞大。人工智能学科知识的繁多与授课学时有限之间的矛盾比较突出。作为国内模式识别专业的领军院校，如中科院智能所、清华大学、上海交通大学和南京理工大学等，他们所开设的《人工智能》课程学时和内容也不尽相同。我们参考了上述院校的授课内容，同时考虑到本校本学科的学术研究方向，精心归纳、优化教学内容，力争做到教学内容系统、精炼和实用。目前，我们讲授的教学内容主要包括：智能化智能体系统、盲目搜索方法、启发式搜索方法、局部搜索方法、约束满足问题、博弈树搜索方法、知识表示方法、不确定知识与推理、规划与机器学习等，共40学时。

另外，人工智能领域中新问题、新理论交错涌现，这就要求教学大纲要定期修订，教学内容要及时更新，同时教师也需要不断提高自身的学术水平，以便提高硕士课程的研究性内涵。

二、教材选用

要搞好课程建设，教材是一个很关键的问题。我们广泛阅读和研究了国内外的经典教材，经过一番斟酌之后，我们选用了Stuart Russell和Peter Norvig所著的《人工智能-一种现代方法（第二版）》。首先，选用国外教材能够更快地追踪最新研究成果。同时该教材已经被世界上900多所大学采用，符合促进高校的教学内容向国际水准靠拢、与国际接轨的理念。另外，人民邮电出版社在2002年曾经出版该书的英文版的第一版，双语学习能有助于提高学生的英语水平，为学生后续的查阅英文文献，甚至发表英文文章奠定基础。

三、教学方法

在国内，比较有影响的是中南大学以蔡自兴教授为首的教学团队为计算机科学与技术本科专业开设的人工智能课程，该课程在2003年被评为全国高等学校首批精品课程[1]。2007年该课程又开始进行全国双语教学示范课程建设，成绩斐然[2]。多年来，我们不断汲取同行的成功教学经验[3]，结合本学科的硕士专业特点、考虑学生的知识结构和实践能力，不断改革和尝试，总结了一套行之有效的教学方法。我们一切以学生为主体，在教学过程中充分考虑学生学习新知识的心理演变过程，采用灵活多变的教学手段。让学生从感兴趣，保持兴趣，到收获用所学知识解决实际问题的成功喜悦，并进一步增强投身于科研论文研究的热情。

课程伊始，通过多媒体演示人工智能技术已取得的杰出成就，激发学生的学习兴趣。然后布置学生查阅资料，列举人工智能发展史上的重要事件和最新研究的热点问题，课上再组织学生做报告。通过上述活动，一方面拓展了学生的专业视野，另一方面锻炼了学生的表达能力。

随着课程内容的深入，让学生组成兴趣小组，任意选择问题实例，利用每节课学习的理论、算法不断地更新该实例的解决方案，评价性能优劣。学习小组可以培养学生科研协作的精神。另外，课堂上每组轮流做报告阐述各自的研究进展，演示编程效果。其他同学或给出修改意见，或提出个人观点。最后老师及时总结，引导学生提高分析问题的深入性和广泛性。充分的课堂讨论能够提高学生多角度思维的能力，培养学生善于钻研和勇于创新的精神。同学间的这种学术交流也可以让学生有机会了解彼此的学习状况与能力，促进学生展开良性的学习竞赛，也为学生接受和理解老师最后给出的课程成绩做了心理铺垫。老师总结时要对学生的努力多肯定，激发他们的学习热情和潜能，让他们感到学习知识的快乐。

四、考核方式

实践表明笔试测验的方式不能全面反映学生的学习情况，所以本课程尝试采取自选实验设计题目，根据实验报告、上机演示结果和口试等方式综合评定成绩。其中，实验报告要求学生根据实验题目详细介绍设计思路，阐述编程方法，分析实验结果。口试是老师当场就报告中的问题提问，并对学生的回答进行讲评。课程成绩中，实验报告设计分析占60%，上机成果演示占30%，口试占10%。

通过实验设计的考核方式，学生的学习积极性得到了很大的调动，充分发挥了学生的自主创新能力，锻炼了学生知识综合应用技能。但美中不足的是该方式不像笔试那么客观，学生的成绩容易受教师的主观性影响。另外，人工智能作为一门学位课，其成绩往往直接影响学生的奖学金评定，学生和相关领导对成绩的评定原则十分关心和重视。为了减少人为因素对学生成绩的干扰，避免师生因课程成绩产生分歧，我们规定了完善的考核细则。考核细则发给同学，作为实验报告的首页，方便记录每一个环节上学生的得分情况，做到成绩评定有据可查。

非笔试的成绩评定方式对任课教师的要求也提高了，我们教师团队还规定了详细的教师工作守则。首先要求教师认真细致地阅读学生的实验报告，给出报告得分，并准备口试时提问的问题，得分和问题都要在实验报告的首页做好记录。询问每个同学的问题都不能重复，上机演示和口试环节都是公开的。问题可以是设计不合理的思路，或是阐述不清的步骤等，教师要注意掌握问题的数量，尽量做到均衡。上机演示时，学生经常因为紧张而漏掉部分功能的演示，因此，教师要跟学生加强沟通。口试时，根据学生的状态，可以给予适当启发，但要在成绩评定上做出相应调整。经过多年的摸索，我们将上机演示按照实验报告成绩的倒序方式进行，这样有利于在口试过程中由浅入深，逐渐加深问题的难度，有效避免重复。教师评价时应严格缜密，让学生正确认识自己的设计水平，对课程成绩的认定跟老师达成一致。

经过教学团队的不懈努力，“模式识别”专业的“人工智能”课程建设在教学内容、教学方法、教材选用、考核方式等方面的研究都取得了一些成绩，教学实践表明教改措施已见成效，教学质量有了明显提高。

参考文献：

篇4

我校是青岛市人工智能实验学校。在工作中我们借助教研、教学平台，积极推动人工智能课程开展和教师教研、集备工作，根据兴趣导向、应用驱动，学用结合，强化实践的原则，组建了实验班，按照上级对于高中段开课部署每两周开设1课时，开展人工智能教育教学工作。

在课堂上组织实验班的学生观看了人工智能的《开学第一课》，主要是“什么是人工智能”、“如何制造人工智能？、“New Google AI Can Have Real Life Conversations With Strangers”等内容，很有收获。但是在观看过程中发现很多的人工智能相关联的知识，比如JAVA、大数据、Python、人工智能、物联网、数据分析、H5/WEB前端、嵌入式、Linux、C语言、单片机、C++等解根本看不懂，发现自己的很多方面都需要补课，不然每次培训老师讲解的专业东西还是理解不了，这对于我们教师和学生都是一个难点。也断断续续参加了各种形式的培训，和同仁们交流起来总体感觉是没有系统化，特别是参加了祁荣斌博士组织的磨课，和同事们讨论起来感觉层次太高，有些内容也是理解不了！学生和学生的学习和生活环境比较起来也存在地域差异性导致了学生接受人工智能相关教育程度深浅不一，而且面向高中生的课本难度很大，很希望能有个机会从零基础开始系统化学习人工智能，这样才能更好的教好学生，这一点线下交流的时候是很多老师的心声，期望能在领导和专家的引领下实现。

篇5

[4] 第九届中国国际数码互动娱乐展览会[EB/OL]. [2011-06-23]. /.

[5] 彭岩,王万森. 智能科学与技术专业建设的探索与实践[J]. 计算机教育,2009(11):30－33.

[6] 王小捷. 北京邮电大学的智能科学与技术专业[J]. 中国人工智能学会通讯,2011(3):28－30.

[7] 李仪.“人工智能与游戏编程”课程设计[J]. 计算机教育,2010(10):99-101.

[8] 陈少波. 中国动漫游戏专业教育现状和发展策略[J]. 浙江学刊,2007(2):221-224.

[9] 王浩. Visual C++游戏开发经典案例详解[M]. 北京:清华大学出版社,2010:204-217.

[10] 吴清强,刘方. 计算机游戏基础教程[M]. 北京:电子工业出版社,2010:187-196.

[11]John David Funge. 人工智能在计算机游戏和动画中的应用[M]. 班晓娟,艾迪明,译. 北京:清华大学出版社,2004:107-116.

[12] 于洪. 智能科学与技术专业的算法设计与分析课程教学探讨[J]. 计算机教育,2010(10):15－18.

Study on Intelligent Game Development and Design Teaching

YU Hong, WANG Guoyin, LIU Hongtao