本课程采用的主要教学方法包括：问题导向法、案例教学法、项目驱动法、以赛促学法、以证促学发。

1、问题导向法：通过若干问题引发学生思考和讨论，并逐步引导和提示，引出要讲授的课程内容，结合问题讲授内容。在讲授新知识点、拓展知识以及编程实验题目时应用此法，以培养学生的思维能力。

2、案例教学法：通过案例及通俗化的方法，让学生更容易理解和掌握教学内容。通过身边实例类比、知识点在案例中的运用及学生自寻案例等方法来应用此法，以培养学生的迁移性思维。

3、项目驱动法：以若干个项目为依托，分解项目要求，根据各要求让学生在教学过程中达到每个阶段的教学目标。

4、以赛促学法：

①　分小组考核、评比。该方法主要在教学班级内的各小组中展开，旨在教学班级内营造你追我赶的学习氛围。通过小组比拼，能让后进小组学习其他优秀小组及同学的长处，反思自己及本组的不足，明确今后努力改善的方向。

②　鼓励学生积极参与人工智能领域相关竞赛，如：川渝人工智能大赛等。课堂上给学生拓展一定的竞赛相关的知识，激发学生的学习兴趣，为就业增值。

5、以证促学法：通过本课程的学习，学生可以参加由百度与深度学习技术及应用国家工程研究中心权威认证的“大模型提示词工程师（初级）”认证，以证明自身实力，助力职业发展。

课程学习过程中，全程使用人工智能新技术工具完成教学和实践，因此需要使用电源教室，方便学生自带笔记本电脑。使用的相关软件为浏览器，学生可在自己的浏览器中打开文心一言、AIstudio、Chatgpt等人工智能工具完成项目实践。

教材：

姚红，郭晓丹.人工智能与大模型应用 讲义.

推荐书目：

(1) 初学阶段

①　秋叶，刘进新等.玩转ChatGPT办公：秒懂AI提问，ISBN：9787115620460，人民邮电出版社，2023.

②　秋叶，刘进新等.玩转ChatGPT办公：秒懂AI写作，ISBN：99787115617149，人民邮电出版社，2023.

(2) 深入学习

①　程絮森，杨波，王刊良，李浩然.大模型入门技术原理与实战应用,ISBN：9787115638816.出版地：人民邮电出版社, 2024.

②　翟尤，郭晓静，曾宣玮.AIGC未来已来：迈向通用人工智能时代,ISBN：9787115613813,人民邮电出版社,2023.

(3) 高阶实训

①　丁博生，张似衡，卢森煌，吴楠.Prompt魔法：提示词工程与ChatGPT行业应用，ISBN：9787111740018，机械工业出版社，2024.

(4) 课程拓展

①　周志华.机器学习 [Machine Learning]，ISBN：9787302423287，清华大学出版社，2016.

②　[意] 皮埃罗·斯加鲁菲（Piero Scaruffi）.人工智能通识课，ISBN：9787115536808,人民邮电出版社，2020。

③　[美] 查鲁·C.阿加沃尔（Charu C.Aggarwal）.人工智能：原理与实践,ISBN：9787111710677,机械工业出版社，2023.

课程考核和成绩评定应坚持目标明确、标准科学；坚持全程式、多样式，坚持有利于调动和激发学生的学习热情，有利于学习和掌握本课程知识。有利于培养学生高阶能力和综合素质。考核评价原则实行“三个结合”。一是在考核方式上，过程考核和期末考核相结合，平时成绩和期末成绩并重，突出过程管理；二是在考核形式上，标准答案和非标准答案相结合，设计适量的开放性题目；三是在考核内容上，课堂内容与课外读物相结合，有一定比例的内容来自推荐读物。

1、过程性评价：满分100分，由4部分构成，考勤与课堂表现占20%、课外作业占20%、测验占30%、课程论文占30%。

2、期末考核，满分100分。

（1）考试形式：闭卷，学习通平台在线考试。

（2）考试知识点范围：

人工智能发展历程、生成式AI发展历程、生成式AI技术、大模型基本原理、LLM、PLM、提示词框架、提示词优化方法、提示词工程在具体领域中的应用方式（怎么撰写提示词、以及对给出的提示词进行分析）、领域知识（例如专利说明书的组成部分等）

（3）考试具体要求

高中低阶题目比例为4:4:2，题型包括选择题、判断题和编程题，10%的分值来源于推荐读物。

3、总结性评价：按照学校相关文件制定过程性考核评价和期末考核成绩的构成比例，形成最终评价分数，最终成绩由期末考试成绩和平时成绩以5:5的比例构成。

①　平时学习成绩和期末考试卷面成绩都必须达到50分或以上，则视为有效成绩；其中任何一部分低于50分视为综合成绩不合格。

②　课程平时学习成绩达到50分或以上，而期末考试卷面成绩低于50分的，该门课程不合格，可参加补考。

③　课程平时学习成绩低于50分的，该门课程不合格，不得参加补考，应重修该门课程。