课程

主题

内容

1

开营仪式 

开营宣讲 

微软参观 

2

人工智能导论 

• 人工智能概念

• 历史发展 

• 基础技术 

• 应用领域   

_

AI对教育的影响 

• 高质量教师队伍建设的意义 

• 教师需要什么样的人工智能

• 人工智能赋能教学展望  

3

数据分析基础 

• 什么是数据分析，以及数据在AI领域的重要性 

_

AI的技术基础：AI 模型 

• AI 模型是什么 

• AI 模型的生命周期 

_

使用 AI 模型的几种方法 

• 使用模型

• 使用训练代码
  

• 使用训练代码 + 预训练模型

• 使用算法

4

智能语音  

• 科普智能语音的基本原理，介绍世界主流的AI平台，并通过导师指导体验智能语音技术。

_

智能语音实战 

• 实战任务： 
  A：构思设计基于Azure语音认知服务的小应用（PPT提交设计）

  难度系数：★ 

  
  B：《设计一款多语言AI同声传译机器人》。

  难度系数：★★★ 

5

自然语言处理 

• 科普自然语言处理的基本原理，介绍世界主流的AI平台，并通过导师指导体验自然语言处理技术。 

_

自然语言处理应用实战 

• 中小学课程文本分类，实现一个基于文本的分类模型，能够对中小学课程文本进行分类。 

6

计算机视觉  

• 科普计算机视觉的基本原理，介绍世界主流的AI平台，并通过导师指导体验计算机视觉技术。

_

计算机视觉

实战 

• 计算视觉在PPT制作中的应用，通过Officeplus提升教师PPT制作能力和效率。 

_

计算机视觉

应用实践 

• 实现一个基于图像的分类模型，能够对不同类别的图像进行分类。训练数据是一个图像数据集，其中包含图像文件和图像类别两个特征。图像类别包括动物、植物、建筑物、交通工具等几类。 

7

AI新技术介绍之ChatGPT 

• 科普当前最火的AI大模型-ChatGPT的基本原理，探索ChatGPT在教育行业中的应用场景。 

_

ChatGPT对教育的影响  

• 学习和探索ChatGPT在教育工作中的应用，例如高效备课、资料整理、表格运算、范文撰写等。 

8

AI新技术介绍之提示学习  

• Prompt Learning:用提示学习调教大模型 

_

AI新技术介绍之图像生成 

• 介绍AIGC领域中的图像生成进化史，探索在教育行业中的应用场景。  

_

AI新技术介绍之3D动画

生成   

• 在计算机中如何重建三维世界，探索在教育行业中的应用场景。 

9

机器学习基础 

• 有监督 vs 无监督 

• 回归、分类及序列预测 

• 数据集的划分 

• 模型的评价方法  

_

线性回归模型、梯度下降算法 

• 一元线性回归的原理 

• 多元线性回归的原理 

• 梯度下降算法 

_

机器学习经典模型   

• 分类模型（朴素贝叶斯、逻辑回归、决策树和 SVM 原理）

• 序列预测模型（CRF，HMM） 

• 聚类等无监督模型  

10

模型训练全周期初体验I  

• Python编程切分数据集，并进行数据处理集 

   训练并存储模型（回归及分类） 
  

_

深度学习基础 

• 神经网络概念和历史 

11

神经网络与

深度学习 

• 激活函数、前向传播和反向传播 

  各种类型的神经网络 

_

训练神经网络进行分类 

• tensorflow的使用 

• 训练神经网络 

12

AI道德与准则 

• 了解对机器人AI进行道德约束的基本设定，特别是在基础教育中的应用AI技术的规范与约束。  

_

智能对话与

虚拟主播 

• 智能对话系统的分类和介绍 

• 其中的NLP模块 

• 虚拟主播简介 

13

DE和VA

的使用 

• Dialog Engine介绍和架构 

• DE构建知识库和对话的案例 

• Virtual Anchor的使用方法 

_

DE和VA实战

• 用Dialog Engine构建知识库和对话流程 

• 用Virtual Anchor制作动画视频   

14

知识图谱基础 

• 知识图谱的概念、本体和构建过程 

_

知识图谱实战 

• 使用SmartKG 构建一款知识图谱 

15

毕业测评

线上测评或线下答辩 

_

结营仪式 

闭营宣讲

证书颁发&专家交流