“概率论与数理统计"课程教学大纲（质量标准）课程名称概率论与数理统计英文名称ProbabilityTheoryand Mathematical Statistics四课程编号010103开课学期课程性质课程属性必修课公共基础课3课程学分适用专业人工智能课程学时总学时：48：其中理论学时：48实验实践学时：0开课单位理学院工程数学教研室课程名称对先修课应知应会具体要求先修课程理解并会运用高等数学中导数、积分、级数等基本概念，并会进行高等数学相关的计算。后续课程毕业要求课程目标521.教师以教学内容为载体，融入德育元素，给学生传播正能量，在课程中，通过挖掘大量和数学、科技有关的传统文化、古人0.20.2智慧，并运用到数学课堂教学中，引导学生了解中国传统文化，0.2增强自信心和自豪感，使学生在学到知识的同时，树立正确的课程目标人生观、世界观、价值观。及与毕业2.掌握概率论中的基本概念和方法，理解随机事件的定义和事要求的对件之间的关系和运算，掌握加法公式、全概率公式和独立事件应关系序列。掌握一维和二维离散随机变量的概率函数和连续型随机0.50.50.5变量概率密度.并会解决相应的概率计算问题；掌握一维随机变量函数的分布：掌握随机变量数字特征的计算方法：掌握中心极限定理及其应用。3.理解数理统计的基本知识；掌握矩估计和极大似然估计法；0.30.30.3掌握区间估计和假设检验的方法《概率论与数理统计》课程是人工智能专业学生必修的一门公共基础课程，与其第一第二学期的高等数学课程和第三学期的线性代数课程为衔接课程。本学期上课周数12周，每周4学时，共48学时，3学分。通过对本课程的学习，使学生掌握概率论与数理统计的基本知识，能够具备数学理论基础，能够对概课程概述率论与数理统计中的问题进行正确的计算，具备数学运算能力：能够分析问题，用准确的数学语言表达专业学习中的所求量，具备严谨的表述能力：能够正确地分析实际问题，通过正确的逻辑推理，建立数学模型，借助于计算软件（Matlab，Maple）解决问题。33
33 “概率论与数理统计”课程教学大纲（质量标准） 课程名称 概率论与数理统计 英文名称 Probability Theory and Mathematical Statistics 课程编号 010103 开课学期 四 课程性质 公共基础课 课程属性 必修课 课程学分 3 适用专业 人工智能 课程学时 总学时：48； 其中理论学时：48 实验实践学时：0 开课单位 理学院工程数学教研室 先修课程 课程名称 对先修课应知应会具体要求 高等数学 理解并会运用高等数学中导数、积分、级数等基本概念，并会进行 相关的计算。 后续课程 课程目标 及与毕业 要求的对 应关系 课程目标 毕业要求 1 2 5 1.教师以教学内容为载体，融入德育元素，给学生传播正能量， 在课程中，通过挖掘大量和数学、科技有关的传统文化、古人 智慧，并运用到数学课堂教学中，引导学生了解中国传统文化， 增强自信心和自豪感，使学生在学到知识的同时，树立正确的 人生观、世界观、价值观。 0.2 0.2 0.2 2.掌握概率论中的基本概念和方法，理解随机事件的定义和事 件之间的关系和运算，掌握加法公式、全概率公式和独立事件 序列。掌握一维和二维离散随机变量的概率函数和连续型随机 变量概率密度,并会解决相应的概率计算问题；掌握一维随机 变量函数的分布；掌握随机变量数字特征的计算方法；掌握中 心极限定理及其应用。 0.5 0.5 0.5 3.理解数理统计的基本知识；掌握矩估计和极大似然估计法； 掌握区间估计和假设检验的方法 0.3 0.3 0.3 课程概述 《概率论与数理统计》课程是人工智能专业学生必修的一门公共基础课程， 与其第一第二学期的高等数学课程和第三学期的线性代数课程为衔接课程。本 学期上课周数 12 周，每周 4 学时，共 48 学时，3 学分。通过对本课程的学习， 使学生掌握概率论与数理统计的基本知识，能够具备数学理论基础，能够对概 率论与数理统计中的问题进行正确的计算，具备数学运算能力；能够分析问题， 用准确的数学语言表达专业学习中的所求量，具备严谨的表述能力；能够正确 地分析实际问题，通过正确的逻辑推理，建立数学模型，借助于计算软件 （Matlab，Maple）解决问题
任务一：随机事件及其概率(支撑课程目标1、2、5)知识要点：随机事件定义、事件的关系和运算、概率的古典定义、概率的加法定理、乘法定理、全概率公式、独立性、独立试验序列学习目标：理解随机事件的概念，掌握事件之间的关系和运算；会用古典定义、加法定理、乘法定理、全概率公式及事件独立性来计算概率：掌握独立试验序列。授课建议：共10学时，其中讲授8学时，习题课2学时。采用线上线下相结合的方式讲授。这部分内容和实际联系较多，在授课过程中，加入思政内容，提高学生的职业道德和文化素养。任务二：随机变量及其分布（支撑课程目标1、2、5)知识要点：随机变量的定义、离散随机变量的概率分布、连续随机变量的概率密度、分布函数、儿种常见分布、一维随机变量函数的分布学习目标：理解离散型随机变量（包括一维和二维）及其概率分布的概念，掌握二项分布、泊松分布及其应用；理解分布函数的定义：理解连续型随机变量（包括一维和二维）及其概率密度的概念，掌握概率密度与分布函数的性质以及用密度求概率的方法，掌握均匀分布、指数分布、正态分布及其应用：掌握一维随机变量的函数的分布求法。授课建议：共16学时，其中讲授12学时，习题课4学时。采用线上线下相结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动，多提问多练习，逐渐深化学生对方法的掌握与内涵的认识。任务三：随机变量的数字特征（支撑课程目标1、2、5）课程应知知识要点：数学期望、方差应会具体学习目标：理解随机变量（包括一维和二维）的期望和方差的概念、性质，内容要求会计算数学期望和方差；掌握常用分布的数学期望和方差。授课建议：共6学时，其中讲授4学时，习题课2学时。建议线上线下相结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动，多提问多练习，逐渐深化学生对方法的掌握与内涵的认识。任务四：中心极限定理（支撑课程目标1、2、5）知识要点：列维中心极限定理、拉普拉斯中心极限定理学习目标：理解列维中心极限定理、拉普拉斯中心极限定理；掌握用列维中心极限定理和拉普拉斯中心极限定理求事件的概率。授课建议：共2学时，其中讲授2学时。采用线上线下相结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动，多提问多练习，逐渐深化学生对方法的掌握与内涵的认识。任务五：数理统计的基本知识（支撑课程目标1、2、5）知识要点：总体、样本、统计量、正态总体下统计量的分布学习目标：理解总体、样本、统计量、样本均值和样本方差的概念，并会用计算器计算样本均值和样本方差：了解三大分布的定义和性质，了解分位点的概念并会查表计算：了解正态总体的某些常用抽样的分布。授课建议：共4学时，其中讲授4学时。建议线上线下相结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动，多提问多练习，让学生理解抽象的统计学知识。任务六：参数估计和假设检验（支撑课程目标1、2、5）知识要点：点估计、置信区间、假设检验34
34 课程应知 应会具体 内容要求 任务一： 随机事件及其概率(支撑课程目标 1、2、5） 知识要点：随机事件定义、事件的关系和运算、概率的古典定义、概率的 加法定理、乘法定理、全概率公式、独立性、独立试验序列 学习目标：理解随机事件的概念，掌握事件之间的关系和运算；会用古典 定义、加法定理、乘法定理、全概率公式及事件独立性来计算概率；掌握独立 试验序列。 授课建议：共 10 学时，其中讲授 8 学时，习题课 2 学时。采用线上线下相 结合的方式讲授。这部分内容和实际联系较多，在授课过程中，加入思政内容， 提高学生的职业道德和文化素养。 任务二：随机变量及其分布(支撑课程目标 1、2、5） 知识要点：随机变量的定义、离散随机变量的概率分布、连续随机变量的 概率密度、分布函数、几种常见分布、一维随机变量函数的分布 学习目标：理解离散型随机变量（包括一维和二维）及其概率分布的概念， 掌握二项分布、泊松分布及其应用；理解分布函数的定义；理解连续型随机变 量（包括一维和二维）及其概率密度的概念，掌握概率密度与分布函数的性质 以及用密度求概率的方法，掌握均匀分布、指数分布、正态分布及其应用；掌 握一维随机变量的函数的分布求法。 授课建议：共 16 学时，其中讲授 12 学时，习题课 4 学时。采用线上线下 相结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动， 多提问多练习，逐渐深化学生对方法的掌握与内涵的认识。 任务三：随机变量的数字特征(支撑课程目标 1、2、5） 知识要点：数学期望、方差 学习目标：理解随机变量（包括一维和二维）的期望和方差的概念、性质， 会计算数学期望和方差；掌握常用分布的数学期望和方差。 授课建议：共 6 学时，其中讲授 4 学时，习题课 2 学时。建议线上线下相 结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动，多 提问多练习，逐渐深化学生对方法的掌握与内涵的认识。 任务四：中心极限定理(支撑课程目标 1、2、5） 知识要点：列维中心极限定理、拉普拉斯中心极限定理 学习目标：理解列维中心极限定理、拉普拉斯中心极限定理；掌握用列维 中心极限定理和拉普拉斯中心极限定理求事件的概率。 授课建议：共 2 学时，其中讲授 2 学时。采用线上线下相结合的方式讲授， 在授课过程中，要注重以学生为主体，增进和学生互动，多提问多练习，逐渐 深化学生对方法的掌握与内涵的认识。 任务五：数理统计的基本知识(支撑课程目标 1、2、5） 知识要点：总体、样本、统计量、正态总体下统计量的分布 学习目标：理解总体、样本、统计量、样本均值和样本方差的概念，并会 用计算器计算样本均值和样本方差；了解三大分布的定义和性质，了解分位点 的概念并会查表计算；了解正态总体的某些常用抽样的分布。 授课建议：共 4 学时，其中讲授 4 学时。建议线上线下相结合的方式讲授， 在授课过程中，要注重以学生为主体，增进和学生互动，多提问多练习，让学 生理解抽象的统计学知识。 任务六：参数估计和假设检验(支撑课程目标 1、2、5） 知识要点：点估计、置信区间、假设检验
学习自标：掌握矩估计和极大似然估计法：了解区间估计的概念，会求单个正态总体参数的置信区间；理解显著性检验的基本思想，掌握假设检验的基本步骤：掌握正态总体的均值和方差的假设检验。授课建议：共10学时，其中讲授8学时，习题课2学时。采用线上线下相结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动，多提问多练习，逐渐深化学生对方法的掌握与内涵的认识。1.具备硕士研究生及以上学历或讲师及以上技术职务：2.具有高校教师资格证书：师资标准3.具备概率论与数理统计课程的专业研究能力，能遵循应用型本科的教学规律，正确分析、设计、实施及评价课程。1.本学期使用教材孟艳双、崔兆诚编著《概率论与数理统计》，中国水利水电出版社2023年出版。主要参考书：魏宗舒等编《概率论与数理统计教程》，高等教育出版社：课外作业为教研室编写的作业纸：教材选用2.教材应以学生为本，文字表述要简明要，内容展现应图文并茂，突出重点，标准重在提高学生学习的主动性和积极性；3.教材应充分体现兼顾基础、突出应用的教学思路；4.参考书：高教版《概率论与数理统计》，高等教育出版社，“十二五”国家级规划教材。课程评价和考核方式：平时成绩40%+期未考试成绩60%（后期参与课改将根据课改要求调整）。平时成绩的考核方式包括课堂考勤、平时作业（作业认真程度和正确率）、课评价与堂表现（课堂纪律、回答问题情况等）、阶段性测评（随堂测试和期中测试）、考核标准网络教学平台表现、课程报告等。期末考试成绩的考核方式主要是知识应用性试卷，通过试卷评分进行评价。如果有课程改革、教学研究等特殊要求，经审核后可适当进行调整。撰写人：崔兆诚系（教研室）主任：史昱学院（部）负责人：孙海波时间：2025年5月20日35
35 学习目标：掌握矩估计和极大似然估计法；了解区间估计的概念，会求单 个正态总体参数的置信区间；理解显著性检验的基本思想，掌握假设检验的基 本步骤； 掌握正态总体的均值和方差的假设检验。 授课建议：共 10 学时，其中讲授 8 学时，习题课 2 学时。采用线上线下相 结合的方式讲授，在授课过程中，要注重以学生为主体，增进和学生互动，多 提问多练习，逐渐深化学生对方法的掌握与内涵的认识。 师资标准 1.具备硕士研究生及以上学历或讲师及以上技术职务； 2.具有高校教师资格证书； 3.具备概率论与数理统计课程的专业研究能力，能遵循应用型本科的教学规律， 正确分析、设计、实施及评价课程。 教材选用 标准 1.本学期使用教材孟艳双、崔兆诚编著《概率论与数理统计》,中国水利水电出 版社 2023 年出版。主要参考书：魏宗舒等编《概率论与数理统计教程》，高等 教育出版社 ；课外作业为教研室编写的作业纸； 2.教材应以学生为本，文字表述要简明扼要，内容展现应图文并茂，突出重点， 重在提高学生学习的主动性和积极性； 3.教材应充分体现兼顾基础、突出应用的教学思路； 4.参考书：高教版《概率论与数理统计》，高等教育出版社，“十二五”国家级规 划教材。 评价与 考核标准 课程评价和考核方式： 平时成绩 40%+期末考试成绩 60%（后期参与课改将根据课改要求调整）。 平时成绩的考核方式包括课堂考勤、平时作业（作业认真程度和正确率）、课 堂表现（课堂纪律、回答问题情况等）、阶段性测评（随堂测试和期中测试）、 网络教学平台表现、课程报告等。 期末考试成绩的考核方式主要是知识应用性试卷，通过试卷评分进行评价。 如果有课程改革、教学研究等特殊要求，经审核后可适当进行调整。 撰写人：崔兆诚 系（教研室）主任：史昱 学院（部）负责人：孙海波 时间：2025 年 5 月 20 日
“人工智能基础课程教学大纲（质量标准）人工智能基础课程名称Fundamentals of Artificial Intelligence英文名称四课程编号080100开课学期课程性质必修课公共基础课课程属性2课程学分适用专业人工智能课程学时总学时：32：其中理论学时：20实验实践学时：0上机学时：12开课单位信息科学与电气工程学院（人工智能学院）人工智能教研室课程名称对先修课应知应会具体要求先修课程无无后续课程无毕业要求课程目标4531.课程以理论讲解为主，结合MOOC线上学习，使电气工程及其自0.4动化专业学生培养自我学习的意识，能够快速理解掌握相关内容并0.20.3应用于以后的实践。2.解释人工智能的基本入门知识和思维，通过学习使学生了解人工课程目标智能的基本知识和思维方法，确立科学的价值观念，掌握人工智能0.50.30.4及与毕业在自动化专业行业方面的应用。要求的对3.在社会、法律、环境等多种因素的影响下，调动学生从人工智能应关系的角度去分析、思考和解决自动化专业复杂工程问题，建立开拓创0.10.10.1新的职业品格和行为习惯，为自动化专业学生创新创业和各专业的“人工智能+"奠定基础。4.引导学生坚定正确的政治方向、树立远大的理想抱负、了解世情国情、党情、民情，树立共产主义远大理想和中国特色社会主义共0.20.20.2同理想，坚定中国特色社会主义道路自信、理论自信、制度自信、文化自信，立志肩负起民族复兴的时代重任。《人工智能基础》是一门面向全校各专业大一年级学生的公共基础课，共32学时，采用“线上+线下”混合式教学，以课程讲解为主，通过穿插大量的实例，使学生能够快速理解掌握人工智能相关基础知识。课程通过阐述人工智能的基础入门知识，使学生了解人工智能的基本知识和思维方法，调动学生从人工智能的角度去思考和解决问题，为各学科各专业学生开展创新创业奠定基础，服务于我校各专业的“人工智课程概述能+"专业升级。课程主要有六大模块：1.单述人工智能的基本概念、发展历史、研究范式和应用领域；2.介绍分类的基本概念、感知机和支持向量机，并对分类器的工作步骤和多分类器设计进行详细讲解：3.围绕回归和聚类，介绍机器学习的相关基础知识以及常用的相似度计算方法：4.从人工神经网络的发展历史出发，对生物神经网络和人工神经36
36 “人工智能基础”课程教学大纲（质量标准） 课程名称 人工智能基础 英文名称 Fundamentals of Artificial Intelligence 课程编号 080100 开课学期 四 课程性质 公共基础课 课程属性 必修课 课程学分 2 适用专业 人工智能 课程学时 总学时：32； 其中理论学时：20 实验实践学时：0 上机学时：12 开课单位 信息科学与电气工程学院（人工智能学院） 人工智能教研室 先修课程 课程名称 对先修课应知应会具体要求 无 无 后续课程 无 课程目标 及与毕业 要求的对 应关系 课程目标 毕业要求 3 4 5 1.课程以理论讲解为主，结合 MOOC 线上学习，使电气工程及其自 动化专业学生培养自我学习的意识，能够快速理解掌握相关内容并 应用于以后的实践。 0.2 0.3 0.4 2.解释人工智能的基本入门知识和思维，通过学习使学生了解人工 智能的基本知识和思维方法，确立科学的价值观念，掌握人工智能 在自动化专业行业方面的应用。 0.5 0.4 0.3 3.在社会、法律、环境等多种因素的影响下，调动学生从人工智能 的角度去分析、思考和解决自动化专业复杂工程问题，建立开拓创 新的职业品格和行为习惯，为自动化专业学生创新创业和各专业的 “人工智能+”奠定基础。 0.1 0.1 0.1 4.引导学生坚定正确的政治方向、树立远大的理想抱负、了解世情、 国情、党情、民情，树立共产主义远大理想和中国特色社会主义共 同理想，坚定中国特色社会主义道路自信、理论自信、制度自信、 文化自信，立志肩负起民族复兴的时代重任。 0.2 0.2 0.2 课程概述 《人工智能基础》是一门面向全校各专业大一年级学生的公共基础课，共 32 学 时，采用“线上+线下”混合式教学，以课程讲解为主，通过穿插大量的实例，使学生 能够快速理解掌握人工智能相关基础知识。课程通过阐述人工智能的基础入门知识， 使学生了解人工智能的基本知识和思维方法，调动学生从人工智能的角度去思考和解 决问题，为各学科各专业学生开展创新创业奠定基础，服务于我校各专业的“人工智 能+”专业升级。 课程主要有六大模块：1.阐述人工智能的基本概念、发展历史、研究范式和应用 领域；2.介绍分类的基本概念、感知机和支持向量机，并对分类器的工作步骤和多分 类器设计进行详细讲解；3.围绕回归和聚类，介绍机器学习的相关基础知识以及常用 的相似度计算方法；4.从人工神经网络的发展历史出发，对生物神经网络和人工神经
网络进行综合叙述，并介绍传统神经网络和深度神经网络：5.从成像原理出发，介绍图像信息处理的基本概念和发展历史，循序渐进的讲解图像和视频信息处理的基本概念方法及应用，并对涉及到的卷积神经网络进行介绍：6.围绕自然语言处理，详细阐述其发展历史、典型应用、基本技术和特征提取，并介绍循环神经网络在自然语言处理中的应用。任务一：课程介绍（支撑课程目标1、2、4）知识要点：课程安排与介绍，MOOC平台的使用学习目标：1.MOOC平台的使用：2.通过翻转课堂讨论对人工智能的认识，与人工智能专业方面的密切联系；3.培养爱党、爱国、爱社会主义、爱人民、爱集体的良好情操。授课建议：在课程之初即发挥教师的积极性、主动性、创造性，引领学生“为学须先立志。志既立，则学问可次第着力。立志不定，终不济事。”精心设计诸多教学环节：“清晰理想信念以终为始筑梦前行”“重拾上课仪式感活在当下活力前行”：“期待相识言传身教训练有素自信前行”：渗透“高校培养什么样的人、如何培养人以及为谁培养人这个根本问题”。建议线下课堂教学2学时。任务二：绪论（支撑课程目标1、2、4）知识要点：人工智能的基本概念、发展历史、研究范式和应用领域。学习目标：1.了解人工智能的基本概念；2.熟悉人工智能的发展历史：3.掌握人工智能的研究范式课程应知4.熟悉人工智能的应用领域；应会具体5.天池AI实训平台——02-03Python基础编程（项目练习）；内容要求6.培养科学精神、探索创新精神：7.注重把辩证唯物主义、历史唯物主义贯穿到人工智能发展的始终：实验案例：1.python面向对象项目实战：大作业：1.天池实验室-python面向对象项目实战；授课建议：利用国内外的事实、案例、素材，引导学生全面客观认识当代中国、看待外部世界。通过对人工智能的基本概念、发展历史、研究范式和应用领域的介绍引导学生对人类社会发展规律的认识和把握不断深入，让学生真心喜爱、终身受益。复习Python基础知识，学会使用天池AI平台进行Python项目开发。建议在线MOOC学习2学时，线下课程2学时。任务三：基本分类（支撑课程目标1、3、4）知识要点：分类的概念、原理及主要分类识别技术。学习目标：1.了解基本分类概念；2.理解分类器的原理；3.了解分类识别技术；4.熟悉测试与分类实现：5.天池AI实训平台—-05-01~05-06：Matplotlib数据可视化分析37
37 网络进行综合叙述，并介绍传统神经网络和深度神经网络；5.从成像原理出发，介绍 图像信息处理的基本概念和发展历史，循序渐进的讲解图像和视频信息处理的基本概 念方法及应用，并对涉及到的卷积神经网络进行介绍；6.围绕自然语言处理，详细阐 述其发展历史、典型应用、基本技术和特征提取，并介绍循环神经网络在自然语言处 理中的应用。 课程应知 应会具体 内容要求 任务一：课程介绍（支撑课程目标 1、2、4） 知识要点：课程安排与介绍，MOOC 平台的使用 学习目标： 1.MOOC 平台的使用； 2.通过翻转课堂讨论对人工智能的认识，与人工智能专业方面的密切联系； 3.培养爱党、爱国、爱社会主义、爱人民、爱集体的良好情操。 授课建议：在课程之初即发挥教师的积极性、主动性、创造性，引领学生“为学 须先立志。志既立，则学问可次第着力。立志不定，终不济事。”精心设计诸多教学 环节：“清晰理想信念 以终为始 筑梦前行”；“重拾上课仪式感 活在当下 活力前行”； “期待相识 言传身教 训练有素 自信前行”；渗透“高校培养什么样的人、如何培养人 以及为谁培养人这个根本问题”。 建议线下课堂教学 2 学时。 任务二：绪论（支撑课程目标 1、2、4） 知识要点：人工智能的基本概念、发展历史、研究范式和应用领域。 学习目标： 1.了解人工智能的基本概念； 2.熟悉人工智能的发展历史； 3.掌握人工智能的研究范式； 4.熟悉人工智能的应用领域； 5.天池 AI 实训平台——02-03Python 基础编程（项目练习）； 6.培养科学精神、探索创新精神； 7.注重把辩证唯物主义、历史唯物主义贯穿到人工智能发展的始终； 实验案例： 1.python 面向对象项目实战； 大作业： 1.天池实验室——python 面向对象项目实战； 授课建议：利用国内外的事实、案例、素材，引导学生全面客观认识当代中国、 看待外部世界。通过对人工智能的基本概念、发展历史、研究范式和应用领域的介绍， 引导学生对人类社会发展规律的认识和把握不断深入，让学生真心喜爱、终身受益。 复习 Python 基础知识，学会使用天池 AI 平台进行 Python 项目开发。 建议在线 MOOC 学习 2 学时，线下课程 2 学时。 任务三：基本分类（支撑课程目标 1、3、4） 知识要点：分类的概念、原理及主要分类识别技术。 学习目标： 1.了解基本分类概念； 2.理解分类器的原理； 3.了解分类识别技术； 4.熟悉测试与分类实现； 5.天池 AI 实训平台——05-01~05-06：Matplotlib 数据可视化分析；