课程简介
课程共分为八个模块，遵循“理论为基、实践导向、前沿引领”的教学理念，从智能与计算的基础概念出发，逐步过渡到信息如何数字化、计算机如何处理数据、数据的处理流程及大数据的产生，再到人工智能的兴起、机器学习算法的突破、大模型与具身智能的广泛应用，最后延伸到智慧办公的实际场景。每章内容既相对独立，又彼此紧密相连、层层递进，共同构成一个完整的知识体系，帮助学习者从基础走向前沿。
前四部分（计算与思维方式变革、数据表示与编码、计算系统、数据与大数据）构建了完整的计算机科学知识体系，为后续人工智能、大模型、具身智能相关技术的理解、机器学习算法的应用奠定基础。
后四部分（人工智能概论、机器学习、大模型及其应用、具身智能）紧扣人工智能核心理论、前沿技术及应用。精选了大量案例与应用场景，兼顾经典与前沿，旨在增强学习者的学习兴趣、拓展视野；同时也设计了多个实践环节，如利用大模型完成不同类型的任务，编写Python程序使用机器学习算法完成预测等，让学习者能够便捷地跟随课程完成实际操作，建立学习自信，进而激发学习热情。
课程大纲
第一章 计算与思维方式变革
1.1 计算与智能的概念
1.2 计算工具的演进
1.3 计算工具的发展趋势
1.4 思维方式变革
第二章 数据表示与编码
2.1 问题导入
2.2 数制系统与数值的表示
2.3 解决数值计算问题：原码、反码、补码
2.4 字符与文本的表示
2.5 图像与声音的表示
第三章 计算系统
3.1 问题导入
3.2 经典计算系统：冯诺依曼设计架构
3.3 中央处理器CPU
3.4 存储设备
3.5 计算机语言
3.6 如何提升算力
3.7 重启试一试
3.8 操作系统之文件管理
第四章 数据与大数据
4.1 问题导入
4.2 什么是数据
4.3 数据处理的流程
4.4 大数据的起源与应用
第五章 人工智能概述
5.1 何谓人工智能
5.2 人工智能的发展
5.3 人工智能的应用
5.4 人工智能真的无所不能吗
第六章 机器学习
6.1 何谓机器学习
6.2 机器学习能做什么不能做什么
6.3 机器学习基本术语
6.4 机器学习基本算法
6.5 伦理与风险
大模型及其应用
7.1 大模型能做什么
7.2 何谓大模型
7.3 大模型的构建流程
7.4 正确认知大模型
7.5 大模型应用案例：从网页到网站
7.6 大模型应用案例：从视频片段到完整视频
第八章 具身智能
8.1 问题导入与具身智能带来的影响
8.2 具身智能的基本概念与发展
8.3 具身智能的关键技术与挑战
8.4 我们需要的AI
1.1 计算与智能的概念
1.2 计算工具的演进
1.3 计算工具的发展趋势
1.4 思维方式变革
第二章 数据表示与编码
2.1 问题导入
2.2 数制系统与数值的表示
2.3 解决数值计算问题：原码、反码、补码
2.4 字符与文本的表示
2.5 图像与声音的表示
第三章 计算系统
3.1 问题导入
3.2 经典计算系统：冯诺依曼设计架构
3.3 中央处理器CPU
3.4 存储设备
3.5 计算机语言
3.6 如何提升算力
3.7 重启试一试
3.8 操作系统之文件管理
第四章 数据与大数据
4.1 问题导入
4.2 什么是数据
4.3 数据处理的流程
4.4 大数据的起源与应用
第五章 人工智能概述
5.1 何谓人工智能
5.2 人工智能的发展
5.3 人工智能的应用
5.4 人工智能真的无所不能吗
第六章 机器学习
6.1 何谓机器学习
6.2 机器学习能做什么不能做什么
6.3 机器学习基本术语
6.4 机器学习基本算法
6.5 伦理与风险
大模型及其应用
7.1 大模型能做什么
7.2 何谓大模型
7.3 大模型的构建流程
7.4 正确认知大模型
7.5 大模型应用案例：从网页到网站
7.6 大模型应用案例：从视频片段到完整视频
第八章 具身智能
8.1 问题导入与具身智能带来的影响
8.2 具身智能的基本概念与发展
8.3 具身智能的关键技术与挑战
8.4 我们需要的AI
