人工智能技术正深刻改变各行各业,对人才的知识结构提出了全新要求。本项目的核心目标是提升全体学生的数字素养与创新能力。通过本课程,打破专业壁垒,使不同学科背景的学生系统掌握人工智能的基本概念、核心原理、典型应用场景及相关的社会伦理与治理规范。这不仅有助于消除非专业学生对人工智能技术的认知隔阂与“黑箱”疑虑,更能培养其运用人工智能思维分析与解决本领域问题的跨学科融合创新能力,从而为未来社会培养和输送具备坚实人工智能素养的宽口径复合型人才。 课程致力于构建“知识普及+工具应用+思维培养”的三位一体教学体系。在教学方法上,将积极引入大语言模型、智能体开发平台等前沿工具,推动教学模式从传统的知识传授向“人机协同”的探究式、项目式实战教学转型。通过该课程的学习,学生不仅能建立对人工智能的科学认知,更能提升在真实场景中利用人工智能技术增强学习和工作的能力,为后续各专业与人工智能深度融合的“X”类进阶课程奠定广泛而坚实的共同基础。
Foundations for Product Management Success
Power BI Fundamentals - Create visualizations and dashboards from scratch
Overview
Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it
Syllabus
- 第一章 人工智能概述
- 1.1 初识人工智能
- 1.2 人工智能的起源
- 1.3 人工智能的发展历程
- 1.4 人工智能发展的优势
- 1.5 人工智能面临的挑战
- 1.6 人工智能的未来展望
- 第二章 机器学习与深度学习:智能算法的基石
- 2.1 机器学习概述
- 2.2 机器学习算法简介
- 2.3 深度学习简介
- 2.4 常见深度学习模型
- 2.5 机器学习与深度学习的应用场景
- 第三章 人工智能与新兴数字技术
- 3.1 技术基础与核心概念
- 3.2 技术架构与关键支撑
- 3.3 典型场景与应用实践
- 3.4 人工智能赋能新兴技术
- 第四章 大语言模型(LLM):语言智能的突破
- 4.1 AI 大模型
- 4.2 国外流行 AI 大模型概述
- 4.3 国内流行 AI 大模型概述
- 4.4 DeepSeek 概述
- 第五章 人工智能的生活体验
- 5.1 人工智能与早餐推荐
- 5.2 人工智能与贷款决策
- 5.3 人工智能与夏日奶茶促销
- 第六章 人工智能的学科融合
- 6.1 引言
- 6.2 AI赋能教育类学科
- 6.3 AI赋能文科
- 6.4 AI赋能理科
- 6.5 AI 赋能艺体类学科
- 6.6 AI 赋能交叉学科
- 第七章 人工智能伦理与社会影响
- 7.1 伦理学与人工智能伦理学概念
- 7.2 人工智能伦理的发展
- 7.3 人工智能伦理体系及主要内容
- 7.4 人工智能伦理的主要问题
- 7.5 人工智能伦理的规范和原则
- 7.6 人工智能的社会影响
- 第八章 人工智能热点问题与未来发展
- 8.1 生成式人工智能AIGC
- 8.2 多模态大模型
- 8.3 AI 智能体
- 8.4 强化学习
- 期末考试
Taught by
Liao Yunyan, Wang Ping, Xu Pei, and Lei Haopeng