课程简介
本课程是一门专为人文社科领域的本科生设计的通识课程，旨在帮助学生理解和掌握人工智能的基本概念、技术原理以及在人文社科领域的应用。在当今快速发展的人工智能时代，无论是科研工作还是社会实践，都越来越多地涉及到人工智能技术的使用和影响。
该课程从人文社科学生的知识背景和学习习惯出发，采用生动的案例分析、互动式讨论和实践操作等多种教学方法，使学生能够较为轻松地学习到人工智能的基础知识和核心思维方式。通过本课程的学习，学生不仅能够获得必要的技术知识和技能，更能够培养出一种以人工智能为核心的数字化素养。这种素养不仅包括对人工智能技术的基本理解和应用能力，还包括批判性思维、伦理意识、社会责任等多维度的素质。此外，本课程还注重培养学生利用人工智能方法分析和解决人文社科实际问题的能力。通过案例分析和项目实践，学生将学会如何将人工智能技术与人文社科研究相结合，提高研究的效率和质量，同时也能够更好地理解和解决社会实践中遇到的复杂问题。面向人文社科的人工智能通识课程是一门旨在帮助人文社科学生适应数字化时代，提升个人综合素质和专业能力的课程。通过本课程的学习，学生将能够更好地理解和应用人工智能技术，为未来的学术研究和社会实践打下坚实的基础。
课程大纲
第一章 AI介绍
1.1 AI之梦
1.2 符号主义
1.3 人工智能伦理
第二章 数学、计算机和编程基础
2.1 编程和计算机基础
2.2 数学知识略影
2.3 Python基础
2.3.1 Python基础（一）
2.3.2 Python基础（二）
第三章 机器学习
3.1 基本概念
3.1.1 基本概念（一）
3.1.2 基本概念（二）
3.2 线性回归
3.3 逻辑回归
第四章 机器学习经典模型
4.1 过拟合（一）
4.2 过拟合（二）
4.3 支持向量机
4.4 决策树
第五章 神经网络及应用
5.1 神经网络与人工神经网络
5.2 神经元和激活函数
5.3 前馈神经网络
第六章 深度学习
6.1 深度学习概述
6.2 卷积神经网络
6.3 循环神经网络
第七章 大模型
7.1 大模型发展历史
7.1.1 大语言模型的发展脉络
7.1.2 GPT系列：从文字预测到通用智能的跃迁
7.1.3 Qwen、DeepSeek、Grok的技术竞速
7.2 大模型背后的技术
7.2.1 大模型背后的技术（一）
7.2.2 大模型背后的技术（二）
7.3 常用的大语言模型及其应用
7.3.1 常用大语言模型介绍
7.3.2 提示词设计原则
7.3.3 大语言模型的多模态应用
7.3.4 智能体创建及应用
第八章 数据链条和数据生态
8.1 数据生态和数据链条
8.2 数据收集
8.3 数据管理
8.4 数据预处理
8.5 数据分析
8.6 数据应用和可视化
第九章 计算社会科学和社会仿真
9.1 社会科学的“实验困境”与计算的曙光
9.2 新范式正在开启无限可能
9.3 路径探索：一个通用的社会科学实验装置
