不知道如何写作文章，推荐国内最强的AI写作工具，帮你写爆款文案

新开设的人工智能专业有哪些专业课程——考试考点/真题/大作业汇总专业课考试

我是人工智能专业开设以来的第一届学生，这带来了一个弊端，那便是专业课考试无往年真题可以参考。其它传统专业可以通过刷题来快速掌握考点，并且每年题目的差异性不会太大，比较好准备。而我们专业的学生只能对着仅有的PPT和书本进行复习，备考难度颇高。于是在此考试结束之际，凭借仅有的记忆，记录一些考试考点，希望能对部分读者起到帮助。

认知计算

认知计算是考试的第一门专业课。所谓认知计算，某种程度上是机器学习+深度学习的一些基础知识。机器学习方面主要考点有机器学习的一些基本概念、梯度下降法以及各类优化(SGD、Mini-等)，深度学习方面主要考点有卷积神经网络(CNN)、循环神经网络(RNN)、长短时记忆网络(LSTM)、门控循环神经网络(GRU)。印象最深的有题是请说明LSTM和GRU的结构和区别，因此，对这两种神经网络的结构图需要进行记忆和理解。试卷是纯英文命题，考前多看看英文PPT，题目都能看懂。这里看到我同学总结的复习笔记，写得很清楚，附上传送门。西电认知计算复习笔记

人工智能概论

人工智能概论是考试的第二门专业课。虽然课程名包含“人工智能”，但是和机器学习并没有太大的关联性。主要考察的内容包括智能搜索、认知推理、模糊计算、智能算法。试题方面：第一道大题为神经网络的前馈计算（比较基础，求和+激活函数）第二道大题为A*算法的OPEN表和表的填充，第三道大题为模糊推理的计算（PPT上的原题），第四道大题为推理谁是小偷的逻辑证明题（和PPT上例子类似），第五道大题为遗传算法的二进制编码公式/轮盘赌方式（轮盘赌可以参考我曾讲解过的内容【人工智能那些事】2、遗传算法求解TSP问题)，最后一道大题为蚁群算法求解过程(会给出公式，理解如何计算即可）。

机器学习

机器学习是考试的第三门专业课。纯英文PPT并不太友好，并且PPT上的内容很多属于拓展类知识，考试并不考查。主要可根据老师给出的考点大纲进行针对性学习。试题方面：第一道大题为计算题考察感知机的计算过程，其它大题基本以简答为主，着重考察对学科精神，比如有道题考察用贝叶斯的角度理解线性回归，考点上并未涉及，需要搜寻更多资料。另外，有类题型是专业术语翻译题（中译英）十个名词，能记着的有主成分分析、无监督学习、深度神经网络、混淆矩阵…对这些专业名词还需要额外记忆单词拼写。总体试题较难。另外，考纲上的重点最大似然估计/最大后验估计/支持向量机未在考试中考察。另外老师给了一份复习习题人工智能需要学哪些课程，相关参考解答可借鉴我同学的版本，附传送门。XDU机器学习习题参考解答

模式识别

模式识别是考试的第四门专业课。模式识别相当于把机器学习中的分类/聚类这一块抽离出来进行重点考察。主要内容如思维导图所示。试题方面：左侧三部分特征提取与选择/组合分类器/半监督学习几乎没有重点涉及。反倒是考纲上没有的第一章的内容出了很多选择题考概念，需要多阅读课本第一章的概念介绍/应用。大题也没涉及SVM，第一道大题是贝叶斯分类，但分布给出的是二元正态分布，因此有必要记忆一下多元正态分布的公式。第二道大题考的是模糊均值聚类（FCM)的过程，隶属度函数/聚类中心更新的两个式子需要记忆。最后一道是15分的综合题，要求根据某图片数据集，设计一个分类器，给出设计过程，开放性较强。

数字信号处理/微机原理

数字信号处理和微机原理放在一起说了，准确的说，这两本并不是人工智能专业特色的专业课。只是智能院前身是电子工程学院，因此电院这两门特色专业课也自然迁移到本专业了。数字信号处理(DSP)和往年电院真题不太一样，试题比较灵活，主要考察的学科精神，只记做题套路较难得分。比较经典的一道大题，绘制信号的采样频域的采样图。压轴大题考察了窗函数的设计条件以及信号结构流图，但和模式化的窗函数设计步骤又不太一样，难度较高。微机原理有多道原题来自于2015年电院的真题卷，后面三道大题几乎和原题一样，分别考察8088与存储器的连线设计/编程，8259方式0/方式2/方式3/初始化编程，8255控制LED灯，多刷题对提分帮助较大。

大作业汇总

这学期是大作业最多的一学期，部分大作业我已在之前几篇博客详解过，后续也会补充一些单篇。为了汇总方便，将所有内容放在了上：

大二课程

大学生职业生涯规划

工程概论-3

数字电路

数据结构

概率论

模拟电路实验

英语-中国文化

大三课程

EDA实验

人工智能概论

工程概论-4

微机原理

数字信号处理

智能控制导论

模式识别

知识工程

脑科学基础

认知计算

中小学人工智能课程内容设计及实施案例分析

我国中小学人工智能教育取得飞速发展与瞩目成绩的同时，也存在以下几点主要问题。

其一，缺乏完善的课程体系，无论是国家课程还是校本课程，人工智能教育都是依托其他课程开展的，这导致了人工智能教育内容分量难以确定，目标难以明晰。横向来看，教学内容过于碎片化，学生难以构建相关知识体系；纵向来看，学段间的人工智能教育内容联系不够紧密可以帮你写爆款文案的AI系统，这既不利于学生循序渐进的知识与技能学习，也使得教师难以把握学情从而导致教学目标与教学效果之间的落差。此外，现阶段中小学人工智能教育的教材大多属于产品说明书或用户指南[4]。

二、中小学人工智能课程设计

表1中小学人工智能课程目标及内容架构

人工智能技术虽然复杂深奥，但是其应用广泛且贴近生活，知识内容间紧密联系，对学生而言并非是不可感知、无法构建的。以人工智能为依托培养学生的计算思维、智能素养也并非是难以实现的。教师如何设计人工智能课程内容以及课程间以何种方式组织就显得尤为重要。

（一）中小学人工智能课程内容设计案例

下面，以初中年级人工智能课程中的“智能灯”为例对中小学人工智能的课程内容设计做详细阐述。“智能灯”一课意在通过学生对于生活中常见情境下智能灯的设计了解其背后设计原理，能够通过模块化程序设计和代码编写出智能灯的程序，激发学生对于人工智能在生活中应用的兴趣。“智能灯”课的具体课程内容设计如图1所示：

图1以“智能灯”为例的人工智能课程内容设计

1.问题提出，明确任务

问题提出：绿色、环保、节能、和谐是当今生活的主旋律，智能灯的出现深化了人类与灯光之间的关系。请同学们结合生活实际谈一谈你所了解的智能灯！

明确任务：明确智能灯的设计要求——内置监测外界光线强度传感器，当光敏值大于700时，灯自动打开，当光敏值小于700时，灯自动熄灭。

2.深入探究，设计展示

深入探究：请学生利用可视化工具，例如思维导图，深入理解智能灯的设计要求，分析其所需要的元器件并搭建其真实应用的简易场景。

设计展示：小组通过分工利用模块化程序语言和语言对智能灯进行设计，调试形成小组作品，并对本组作品进行演示和分享，讨论这两种不同的计算机语言在应用时的异同之处。

3.总结反思，拓展提高

以思维导图的形式回顾智能灯设计的全过程。在实际生活中往往面临着更为复杂的情境，当外界光线昏暗，智能灯会自动给打开且不能自动关闭，这也造成了一种资源浪费。进而引发学生对智能灯更深入的思考，完善、改进作品设计，为之后的课程内容做好准备。

本案例从生活实际出发引发学生的学习兴趣，在内容设计过程中通过对可视化工具的利用帮助学生理清思维脉络，不仅重视学生对模块程序和计算机语言的学习利用，更是通过比较二者的语言风格加强学生对编程的深入理解，进而培养学生的计算思维。

（二）中小学人工智能课程组织案例

人工智能虽然是一个知识体系丰富的新兴技术领域，其内容架构设计包含人工智能基础、算法与编程、机器人与智能系统等多个模块。表面看起来是彼此独立、互不关联的内容，但实际上，无论是技术特点还是知识内容都是可联系、可互通的。忽视了课程内容间的联系、放弃将内容整合成为模块是无法将人工智能的原理与技术讲解透彻的，也无法将计算思维和智能的培养渗入课堂。因而，以综合任务为导向的模块化组织中小学人工智能课程不仅能够有效帮助学生构建人工智能知识体系，更有助于教师组织形式丰富、内容多样的系统课程，增加课堂趣味性、有效性。

以“模拟城市交通系统”为例组织相关课程内容。如图2所示，智能路灯、自动道闸、智能信号灯、环线巴士、无人加油站原本都是独立的课程内容，根据课程与生活实际的联系整合成模拟城市交通系统为主题的模块。教师利用5-10个课时实践此模块，引导学生设计完成模拟城市交通系统这个综合任务实践每课内容，帮助学生在体验人工智能的同时，创造性地应用人工智能解决实际问题。

图2“模拟城市交通系统”课程模块

三、中小学人工智能课程实施策略

（一）跨学科整合式教学

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它的涉及领域除了计算机科学外，更包括了生物学、心理学等。跨学科的整合能够将数学、生物、神经科学等多学科知识与人工智能知识相融合、渗透。在这个过程中，教师不仅能够利用其他学科知识帮助学生理解人工智能知识内容，更利用其他学科思维帮助学生培养计算思维的核心素养。跨学科整合式的教学是将人工智能学科与其他相关学科进行融合，以项目形式实践课程内容人工智能需要学哪些课程，利用人工智能技术创造性地解决实际生活问题。以“机器视觉”一课为例设计如下，这一课中，教师将人工智能中机器视觉的知识与神经科学相结合（如图3），以人是如何看到事物的为导入，进而类比解释机器是如何“看到”事物的。该教学设计在渗透了脑科学知识的基础上，帮助学生联系生活实际体验人工智能的应用与价值。

图3“机器视觉”与神经科学知识融合

（二）情境游戏化教学

由于中小学学生的认知水平存在局限性和差异性，以及人工智能领域知识特性，学生难以通过讲授和演示直接理解课程内容。人工智能技术的发展也为创设情境提供了条件，教师完全可以利用人工智能技术的应用反哺课堂教学，帮助学生增强学习的体验感，对人工智能技术形成直观、形象的理解。借助游戏化的角色、模式以及元素，为学生提供丰富、有趣的学习内容；通过机制、增益等策略，能够丰富学习者的经历和体验，同时提高学习者在活动中的参与率和巩固率[9]。因而，将情境的创设与游戏化学习相结合，有利于增强人工智能教学课堂的趣味性、个性化。例如东南大学举办的人工智能为主题的夏令活动中实施的“火灾演练”，要求学生扮演消防员在模拟灭火行动中完成救援。创设的火灾情境融合机器人小车巡线、FPV第一视角等教学内容。氛围营造、综合竞赛及消防员的角色扮演都极大激发了学生的课堂兴趣及参与感。该项目在实践中得到了学生与教师的一致肯定。该设计能够帮助学生将人工智能知识与生活实际相联系，建构开源硬件的知识体系。鼓励学生在游戏化式轻松的教学环境中大胆创新。从而达到培养学生核心素养与创新能力的目标。

表2“火灾演练”项目内容

面向中小学开展人工智能课程有利于学生了解现代科技发展、适应未来生活有着重要的意义。目前，我国中小学人工智能教育尚在探索发展阶段，无论是课程内容的设计还是其组织方式、或是教学策略均未成型，本研究希望借以案例的分析，促进研究者对中小学人工智能课程设计广泛、深入的思考。

参考文献

[1]国务院关于印发新一代人工智能发展规划的通知[EB/OL].

[2]教育部关于印发《教育信息化2.0行动计划》的通知

[3][7]谢忠新,曹杨璐,李盈.中小学人工智能课程内容设计探究[J].中国电化教育,2019(4):17-22.

[4]徐多,胡卫星,赵苗苗.困境与破局:我国机器人教育的研究与发展[J].现代教育技术,2017,27(10):94-99.

[5]周邵锦,王帆.K-12人工智能教育的逻辑思考:学生智慧生成之路——兼论K-12人工智能教材[J].现代教育技

术,2019,29(4):12-18.

[6]解月光,杨鑫,付海东.高中学生信息技术学科核心素养的描述与分级[J].中国电化教育,2017(5):8-14.

[8]李德毅.AI——人类社会发展的加速器[J].智能系统学报,2017,(5):583-589.

[9]祝智庭,魏非.教育信息化2.0:智能教育启程,智慧教育领航[J].电化教育研究,2018,39(9):5-16.

东南大学百研工坊：21世纪是我国创新型人才培养的关键期。东南大学百研工坊（儿童发展与教育研究所）结合信息技术、生物医学工程、脑科学技术，进行青少年科学素养的国际比较研究和学生核心概念掌握水平的评测系统的研究与开发，我们的目标是：（1）面向中小学学生综合能力发展的steam研究；（2）通过实证教育研究，探究科学素养的本质及有效的培养途径；（3）将科学素养的传统评测方法与现代信息技术相结合，探究基于ECD模型的学生科学素养评测方法研究；（4）运用ERP、EEG和眼动等脑科学技术，开展对学生核心概念熟练掌握程度的评测研究。