01-04人工智能教案

人工智能概论教案河北工业职业技术大学教案系别：计算机技术系班级：22物联网工程技术1、2班(本科)课程：人工智能概论教师：郝菁日期：2024年2月授课教师郝菁班级22物联网工程技术1班(本科);22物联网工程技术2班(本科)学时2授课日期2024/2/27主题或任务认识人工智能课型考查授课地点南3404教学目标1.理解人工智能的基本概念、原理和应用。2.探讨人工智能技术的伦理和社会影响。3.激发学生的创新思维，提高解决问题的能力。学习内容1.人工智能的定义与发展历程2.人工智能的基本原理和技术3.人工智能的应用领域4.人工智能的伦理和社会影响重点难点重点：人工智能的应用领域难点：人工智能的基本原理和技术教学方法1.讲授与互动相结合2.视频和实例展示3.分组讨论与汇报素材资源○PPT幻灯片○参考资料教学设计导入：通过展示人工智能在不同领域的应用视频，引导学生了解人工智能的概念和意义。讲授：介绍人工智能的发展历程、应用领域和未来发展趋势，同时结合实例进行讲解，加深学生对人工智能的认识和理解。小组讨论：将学生分成小组，针对具体的人工智能应用案例进行讨论，分析其优缺点和潜在的风险，提高学生的实际应用能力和团队协作精神。总结：对教学内容进行总结，强调人工智能的重要性和意义，引导学生树立正确的价值观和创新意识。学习评价○行为表现作业题目要求学生撰写一篇关于人工智能的短文，内容可以是对某个应用领域的深入探讨，也可以是对人工智能伦理问题的思考。双语教学projectmanagement项目管理

第1讲教案教学内容认识人工智能授课教师郝菁课程名称人工智能概论学时安排90分钟专业班级22物联网工程技术1班(本科);22物联网工程技术2班(本科)一、学习目标与任务学习目标描述知识目标：了解人工智能的发展历程熟悉人工智能的分类掌握人工智能研究的基本内容与应用技能目标：能够在AI开放平台上进行简单的体验操作能够很好的利用网络检索人工智能的相关知识能够正确分辨人类与人工智能的关系情感目标：通过项目提升学生的创意设计能力和团队合作能力；提高学生自主学习能力，培养欣赏美、发现美和创造美的能力。培养学生自主学习能力、团队合作能力和项目开发能力，实现专业技能与职业能力的“零距离”对接。学习内容说明认识并掌握什么人工智能重点：掌握人工智能的起源和发展历史难点：熟悉人工智能技术在各个领域的应用二、教学方法1.项目演示法教师通过演示一些真实项目（教师评价、在线学习、学生预警、在线考试、系部网站），让学生明确本门课程的学习目标，从而可以激发起学生对学习任务和学习过程、学习策略的积极性，培养学习兴趣等。2.分组讨论法学生通过分组讨论人工智能技术在各个领域的应用，同时提高学生的沟通能力和人际关系。3.资源式教学课堂训练：通过在线学习平台教师下发教学资源，进行有目的地实践训练。课后项目制作指导：通过QQ交流群、微信等方式，有针对性地进行课下项目制作的指导。三、学习活动组织1．课上：本节以项目贯穿教学过程，以教师为主导，学生为主体，首先通过分析几个真实项目介绍本学期的教学内容及目标，并介绍课程的考核方式及要求，同时在教学过程中同时采用提问法、讨论法和互动式教学方法。2．课下：能够自己体验教师提供的人工智能开放平台四、教学结构流程的设计教学环节教师活动学生活动课程简介（10分钟）教师介绍课程基本概况：课程在本专业的地位、课程目标、学时、教学安排、考试方式等。学生记录。新课导入（10分钟）教师演示几个真实项目设计意图：让学生了解课程目标。学生欣赏。新课讲解1、人工智能的起源与发展历史（10分钟）一、人工智能的起源与发展历史人工智能（ArtificialIntelligence,AI），作为计算机科学的一个重要分支，是由美国斯坦福人工智能研究中心的麦卡锡于1956年在达特茅斯学会上正式提出的，20世纪70年代以来被称为世界三大尖端技术（空间技术、能源技术、人工智能）之一。目前也有另一种说法，认为人工智能是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。AI从字面含义是指智能的人工制品，是研究如何将人的智能转化为机器智能，或是利用机器来模拟或实现人的智能。和其他新兴学科一样，目前关于人工智能的定义学界尚无统一的定论美国麻省理工学院的温斯顿教授这样定义人工智能：人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。简言之，人工智能主要是研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。人工智能的长期目标正如麦卡锡教授指出的，是实现达到人类智力水平的人工智能。人工智能的分类工智能无处不在，按照实力标准划分，一般来说人工智能可以分为三个层级：弱人工智能、强人工智能和超人工智能。(1)弱人工智能ArtificialNarrowIntelligence（ANI）：弱人工智能是指擅长于单个方面的人工智能。比如战胜围棋世界冠军的AlphaGo，就属于弱人工智能，因为它只会下围棋，无法完成除下围棋外的其他任务。(2)强人工智能ArtificialGeneralIntelligence（AGI）：强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。(3)超人工智能ArtificialSuperIntelligence(ASI)：超人工智能可以是各方面都比人类强一点，也可以是各方面都比人类强万亿倍的。人工智能的发展受到运算能力的制约，运算能力的突破会带动人工智能的发展。比如相比于1997年在国际象棋项目中击败人类的“深蓝”，AlphaGo的运算能力要更高，因此在算法的先进性以及计算深度等方面都是进步的。据估算人脑的运算能力达到了1016cps（calculationspersecond，每秒计算次数），若要实现强人工智能或者超人工智能，至少需要人工智能具备和人类大脑相似的运算能力，现如今全球最快的超级计算机前两名分别是我国的神威·太湖之光，天河二号超级计算机，如图1.3所示。我国的超级计算机两个超算的运算能力分别达到了9.3*1016cps和3.39*1016cps，均超过了人脑的等级。但以天河二号为例，其占地面积约为720m2，造价3.9亿美元，功耗2400万瓦，显然无法得到广泛的应用。其次，仅仅运算能力达到了要求还不足以支撑弱人工智能到强人工智能的发展，理论与算法的研究发展是另一个局限，目前人类对人脑结构和工作模式认识还不够健全，而且即使对人脑结构和工作模式有了深入的了解，也不意味着人工智能可以实现对人脑的模拟。因此，目前的人工智能均属于弱人工智能层级，由于运算能力与理论研究的限制，强人工智能目前依旧无法实现，超人工智能更是遥遥无期。据人工智能领域专家的预估，人类在2040年左右将达成强人工智能，2060年左右达成超人工智能。人工智能的主要学派人工智能发展至今，产生了许多不同的学术流派。期间影响较大的主要有符号主义、连接主义、行为主义和仿真主义等。1.符号主义符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义（Logicism）、心理学派（Psychlogism）或计算机学派（Computerism）。在很长一段时间内，符号主义一直在人工智能中处于主导地位。符号主义学派认为人工智能源于数学逻辑。数学逻辑主要用于描述智能行为。当计算机出现后，人们利用计算机实现了逻辑演绎系统。符号主义学派把人的认知思维看作是一个个的符号，人的认知过程就是用各种符号表示的一种运算。符号主义认为用计算机的符号操作能够模拟人的认知过程，从而模拟人的左脑抽象逻辑思维。符号主义通过研究人类认知系统的功能机理，用某种符号来描述人类的认知过程，并把这种符号输入到的计算机中，从而模拟人类的认知过程，实现人工智能。专家系统就是符号主义的产物，专家系统的成功开发与应用对人工智能走向工程应用和实现理论联系实际具有重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。2.连接主义连接主义（Connectionism）又称为仿生学派（Bionicsism）或生理学派（Physiologism）。它是一种基于神经网络及网络间的连接机制与学习算法的智能模拟方法。连接主义学派认为人工智能源于生物仿生学，特别是对人脑模型的仿生研究。1943年，生理学家麦卡洛克和数理逻辑学家皮茨创立了脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径，MP模型也成为了成为连接主义发展的代表性成果。MP模型从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一条发展道路。连接主义学派从神经生理学和认知科学的研究成果出发，认为人的智能是人脑的高层活动的结果，人的智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。1986年，鲁梅尔哈特（Rumelhart）等人提出多层网络中的反向传播BP算法算法，为神经网络计算机走向市场打下了基础。BP算法流行至今，在BP算法的基础上也演变出了很多改进型的BP算法。我们现在所学的人工神经网络就是连接主义的一个主要研究方向。3.行为主义行为主义又称进化主义（Evolutionism）或控制论学派（Cyberneticsism），是一种基于“感知—行动”的行为智能模拟方法。行为主义起源于20世纪初的一个心理学流派。该流派认为，行为是有机体用以适应环境变化的各种身体反应的组合，行为主义的理论目标在于预见和控制行为。在20世纪40—50年代，控制论思想就已经成为了时代思潮的重要组成部分，例如，维纳和麦洛克等人提出了控制论和自组织系统，钱学森等人提出了工程控制论和生物控制论等。控制论认为，神经系统的工作原理与信息理论、控制理论、逻辑以及计算机都有相关性。控制论早期的研究工作是模拟人在控制过程中的智能行为和作用，例如，对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究，并进行“控制动物”的研制。到20世纪60—70年代，控制论系统的研究取得了一定进展，在20世纪80年代诞生了智能控制和智能机器人系统。4.仿真主义仿真主义可以说是符号主义、连接主义、行为主义后的第四个流派。人工智能的发展要想由当前的弱人工智能时代进入强人工智能时代，仅仅依靠符号主义、连接主义、行为主义这三个流派是不够的，即使未来有更高性能的计算平台和更大规模的大数据助力，人工智能的发展也还只是量变，不是质变。因为，人类对自身智能的认识还处在初级阶段，在人类真正理解智能机理之前，是不可能制造出强人工智能的。仿真主义认为，实现人工智能要从人的真实大脑结构入手，通过制造先进的大脑探测工具从结构上解析大脑，再利用工程技术手段构造出模仿大脑神经网络基元及结构的仿脑装置，最后通过环境刺激和交互训练仿真大脑实现类人智能，归纳起来就是“先结构，后功能”。例如，我们可以利用通用计算机作为逻辑推理等智能的实现载体。按照仿真主义的路线“仿制大脑”，设计制造全新的软硬件系统，这就是“类脑计算机”，又称为“仿脑机”。“仿脑机”是“仿真工程”的标志性成果，也是通向强人工智能之路的重要里程碑。虽然“仿制大脑”这项工程十分困难，但是在科技发达的几十年后也未必不能实现。教师讲解过程中与学生互动：教师提问：人工智能是什么？新课讲解2、人工智能技术在各个领域的应用（20分钟）一、人工智能的研究内容人工智能是一门综合性的学科，在控制论、信息论和系统论的基础上诞生，涉及哲学、心理学、认知科学、计算机科学等方法，这些方法为人工智能的研究提供了丰富的知识和研究方法。人工智能研究的主要内容如图1.4所示。图1.4人工智能的研究内容(1)认知建模：由于人类的认知过程复杂，建立认知模型的技术称为认知建模，目的是从某些方面探索和研究人的思维机制，尤其是人的信息处理机制。(2)知识表示：人类的智能活动过程主要是一个获得并应用知识的过程，人类通过实践，认识到客观世界的规律性，经过加工整理、解释、和改造形成知识。而为了使计算机具有智能，使其模拟人类的智能行为，须使它具有适当表示形式的知识。(3)自动推理：通过一个或多个已知的前提推断出一个新结论的思维形式成为推理，人解决问题就是利用以往的知识通过推理得出结论的。自动推理的理论和技术是专家系统、智能机器人等研究领域的重要基础。(4)机器学习：知识的表示与运用知识的推理算法是人工智能的核心，而机器学习是人工智能的关键问题，机器学习主要研究如何让机器模拟或实现人类的学习行为，使其自动获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。只有让机器具有类似人类的学习能力，才有可能实现人类水平的人工智能，机器学习是人工智能研究的核心问题之一，是当前理论研究与实际应用非常活跃的研究领域。（5）自动规划：自动规划（automaticplanning）是一种重要的问题求解技术，与一般问题求解相比，自动规划更注重于问题的求解过程，而不是求解结果。自动规划或机器人规划是继专家系统和机器学习之后人工智能的一个重要应用领域，也是机器人学的一个重要研究领域，是人工智能与机器人学一个令人感兴趣的结合点。二、机器学习从20世纪50年代起，人工智能经历了从赋予机器逻辑推理的能力到设法让机器拥有知识再到让机器自己能够学习知识的过程。机器学习就是人工智能研究发展到一定阶段的必然产物。机器学习研究依据不同的分类标准有多种划分，比如按照学习策略划分，机器学习可划分为机械学习、示教学习、类比学习和归纳学习；不过根据学习方式的不同把机器学习可划分为有监督学习、无监督学习。有监督学习：最为典型的应用就是分类，回归，有监督学习输入的训练数据具有标签，学习的过程就是在有标签“监督”的情况下找出特征与标签之间的关系。无监督学习：与监督学习不同，输入的数据没有标签，这类学习最典型的应用是聚类，学习的过程是根据数据，特征之间的内在联系来划分样本空间。目前机器学习有了十分广泛应用，如数据挖掘、计算机视觉、诊断、语音识别、自然语言处理等，下面介绍机器学习的几个经典算法：1.K-means算法：该方法是一个聚类方法，将数据划分为K个聚类；2.支持向量机：监督学习方法，应用于统计分类与回归分析中；3.Apriori算法：一种最有影响的挖掘布尔关联规则频繁项集的算法；4.K-近邻算法：一个样本的类别与其在特征空间中最为相似的K个样本中的大多数相同，常用于分类，回归；5.分类回归树：应用广泛的决策树学习方法，由特征选择、树生成及剪枝组成，用于分类、回归；6.朴素贝叶斯：朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法；7.逻辑回归：强大的统计学方法，通过使用逻辑函数来估计概率，从而衡量类别依赖变量和一个或多个独立变量之间的关系。三、人工智能的研究与应用领域1.专家系统：是人工智能最活跃、最广泛的领域之一。专家系统主要使用人类专家推理的计算机模型来处理现实世界中的复杂问题，其包含了大量的某个领域专家水平的知识与经验，并利用人类专家的知识和解决问题的方法来处理该领域问题。例如医院的基于专家系统的辅助诊断系统。2.数据挖掘：是人工智能和数据库领域的研究热点，利用人工智能自动分析数据并从中得到潜在隐含的知识，从而帮助决策者做出合理正确的决策。例如各大购物网站根据用户历史浏览的信息给出推荐的商品信息等。3.自然语言处理：研究计算机通过人类熟悉的自然语言与用户进行听说读写等形式的交流技术，研究包含：语言计算、语音识别、信息检索、文本分类等。常见的应用比如智能的机器翻译、垃圾邮件处理、机器聊天等。4.模式识别：研究如何让机器模拟人类识别的行为，使其学会从背景中识别感兴趣的模式，并做出准确的判断。例如指纹识别，车牌识别以及语音输入法等。5.智能机器人：智能机器人是一种自动化的机器，具备和人或生物相似的智力能力，如感知能力、规划能力、动作能力和协同能力等。目前智能机器人种类很多，如水下机器人、医疗机器人、机器人等。四、我国人工智能的发展与应用领域斯坦福大学正式发布《2021年人工智能指数报告》中提到，研发是AI进步的基础，自从1950年代技术首次激发计算机科学家和数学家的想象力以来，人工智能已发展成为具有重要商业应用的主要研究学科。在过去的20年中，AI论文的数量急剧增加，包括中国、欧盟和美国在内的主要大国都在竞相投资人工智能研究。2020年，中国在AI期刊的全球引用量首次超过美国。我国是人工智能大国，参加了一系列科技双边协议，这些协议强调在“一带一路”倡议的框架下，开展作为数字丝绸之路一部分的人工智能合作。例如，在“一带一路”倡议下与阿拉伯联合酋长国的中国经济合作中也提到了人工智能，我国对人工智能发展的重视可见一斑。我国开展人工智能的起步时间较晚，但发展迅速。在2021世界人工智能大会开幕式上，工信部部长肖亚庆表示，我国人工智能产业发展取得了显著成效，图像识别、语音识别等技术创新应用进入了世界先进行列，人工智能发明专利授权总量全球排名第一，核心产业规模持续增长，已经形成覆盖基础层、技术层和应用层的完整产业链和应用生态。可见我国人工智能的理论研究与应用发展都走在了世界前列，目前我国人工智能企业的主要应用领域如下。1.电商零售人工智能在电商零售领域的应用，主要是利用大数据分析技术，智能的管理仓储与物流、导购等方面，用以节省仓储物流成本、提高购物效率、简化购物程序。图1.5智能仓储管理2.安防安保人工智能在安防中的应用主要是依靠视频智能分析技术，模式识别技术对监控画面的进行分析与识别，来采取安防行动。主要应用方面智能监控和安保机器人。图1.6智能巡逻机器人3.教育领域人工智能进入教育领域最主要能实现对知识的归类，以及利用大数据的搜集，通过算法去为学生计算学习曲线，为使用者匹配高效的教育模式。同时，针对儿童幼教的机器人能通过深度学习与儿童进行情感上的交流。智能大教育主要体现在智能评测、个性化辅导、儿童陪伴等场景。如图1.7所示为一款智能的语音评测技术，通过语音识别技术可对用户一段朗读中的单词、句子、段落进行评测，并支持情景对话等。图1.7智能教育系统4.医疗领域人工智能在医疗健康领域的应用，主要是通过大数据分析，完成对部分病症的诊断，较少误诊的发生。同时，在手术领域，手术机器人也得到了广泛应用。应用场景主要是医疗健康的监测诊断、智能医疗设备等。较知名的企业有我国的华大基因、碳云智能以及美国的麻省理工学院的达芬奇外科手术系统等。5.个人助理人工智能系统在个人助理领域的应用相对成熟，即通过智能语音识别、自然语言处理和大数据搜索、深度学习神经网络，实现人机交互。个人助理系统在接受文本、语音信息之后，通过识别、搜索、分析之后进行回馈，返回用户说需要的信息的过程。如图1.8为我国某公司开发的对话式人工智能助理，采用了语音识别、自然语言处理和机器学习技术，用户可以使用语音、文字或图片，以一对一的形式进行沟通，实现信息查询、日程管理、生活服务等功能。图1.8对话式人工智能助理6.自动驾驶人工智能在驾驶领域的应用最为深入。通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让计算机可以在无人类主动的操作下，自动安全进行操作。自动驾驶系统主要由环境感知、决策协同、控制执行组成。目前自动驾驶在人工智能的应用领域中主要应用场景包括智能汽车、公共交通、快递用车、工业应用等。如图1.9为某汽车公司配备搭载的自动驾驶系统。图1.9自动驾驶系统7.金融领域人工智能在金融领域也得到了广泛的关注。在金融领域中，人工智能正逐渐深入到大数据征信、贷款、风控等众多方面，金融智能化已是大势所趋。金融领域采用人工智能技术能够一方面使得金融服务更加主动与智慧从而能够提升效率；另一方面利用人工智能能够提升数据的处理能力，辅助决策以及有助于提升风险控制能力等。目前，人工智能主要应用在智能投顾、智能客服、智能量化交易、安防、生物身份验证等场景。通过机器学习、语音识别、视觉识别等方式来分析、预测、辨别交易数据、价格走势等信息，从而为客户提供投资理财、股权投资等服务，同时规避金融风险，提高金融监管力度。教师讲解过程中与学生互动：物联网工程项目的关键技术新课讲解3、人工智能开放平台体验（30分钟）一、百度AI开放平台百度AI开放平台可以体验多种AI先进技术，包括语音识别和文字识别等273项场景化能力、飞桨企业版EasyDL和BML、智能对话定制平台UNIT、AI学习与实训社区AIStudio、以及实现算法与硬件深度整合的软硬一体产品度目等，一站式满足AI模型开发、AI创新应用、AI学习实践的需求。我们以图像技术中的动物识别为例进行介绍。1.进入百度AI开放平台（/）图1.10百度AI开放平台2.点击上方菜单“开放能力”，点击“图像技术”--“动物识别”。图1.11“开放能力”界面3.滚动鼠标，下拉至“功能展示”区域。如下图所示，在红框中上传网络图片的URL或者本地清晰的动物照片，都可以完成识别。图1.12动物识别结果二、旷视科技Face++人工智能开放平台旷视科技Face++人工智能开放平台，提供人脸识别，换脸，银行业OCR等各类人体，图像，文字识别功能服务。我们以车牌识别为例进行介绍。1.进入旷视科技Face++人工智能开放平台（/）图1.12旷视科技Face++人工智能开放平台2.在上方菜单中点击“技术能力”-“车牌识别”图1.12“技术能力”菜单3.滚动鼠标，下拉至“功能展示区域”，与百度AI人工智能平台的动物识别类似，旷视科技Face++人工智能开放平台的车牌识别也支持“本地上传”和“图片URL上传”两种方式。图1.13“功能展示”界面图1.14车牌识别结果教师指定学生简述国内传感器现状，目的是提高学生注意力。课堂总结（5分钟）教师引导学生回答本次课的主要内容学生在老师的引导下共同总结本次课的主要内容。布置作业（5分钟）体验提供的人工智能开放平台学生记录作业。

授课教师郝菁班级22物联网工程技术1班(本科);22物联网工程技术2班(本科)学时2授课日期2024/3/05主题或任务人工智能与大数据用户画像课型考查授课地点南3404教学目标1.让学生了解用户画像的基本概念及其在业务决策中的重要性。2.掌握用户画像的制作流程和方法。3.培养学生分析和解决问题的能力，提高团队合作意识。学习内容1.用户画像的概念与重要性2.用户画像的制作流程3.用户画像的维度与构建方法4.用户画像的应用场景重点难点重点：用户画像的制作流程难点：用户画像的维度与构建方法教学方法1.讲授与互动相结合2.视频和实例展示3.案例分析素材资源○PPT幻灯片○参考资料教学设计导入新课：通过案例引入，展示用户画像在实际中的应用，引起学生的兴趣。理论学习：讲解用户画像的定义、作用以及创建方法。实践操作：学生分组进行用户信息的收集和分析，尝试创建用户画像。课堂讨论：各小组分享自己的实践成果，其他同学和老师提供建议和意见。总结反馈：总结本节课的重点内容，强调用户画像在产品设计中的重要性，同时让学生反馈学习成果。学习评价○行为表现○在线测试○作业作业题目（2选1）要求学生选择一个实际场景（如电商平台、社交媒体等），设计和制作一个详细的用户画像方案。要求学生分析一个自己常用的APP是如何应用用户画像进行精准推荐或个性化服务的，并写出分析报告。双语教学UserPersona用户画像

第2讲教案教学内容人工智能与大数据授课教师郝菁课程名称人工智能概论学时安排90分钟专业班级22物联网工程技术1班(本科);22物联网工程技术2班(本科)一、学习目标与任务1.学习目标描述知识目标：理解基于大数据分析的用户画像的概念；理解大数据的关键技术；理解用户画像的设计原则和过程。技能目标：能够用大数据技术分析商城数据的采集和行为预测过程。能从技术设计的角度了解大数据建模、采集挖掘和大数据分析过程，了解这些知识在大数据分析中的作用。了解大数据的应用领域。情感目标：通过项目提升学生的创意设计能力和团队合作能力；提高学生自主学习能力，培养欣赏美、发现美和创造美的能力。培养学生自主学习能力、团队合作能力和项目开发能力，实现专业技能与职业能力的“零距离”对接。2.学习内容说明认识并掌握什么是人工智能与大数据的结合重点：掌握大数据的发展及应用难点：熟悉大数据与人工智能的联系二、教学方法1.项目演示法教师通过演示一些真实项目，让学生明确本门课程的学习目标，从而可以激发起学生对学习任务和学习过程、学习策略的积极性，培养学习兴趣等。2.分组讨论法学生通过分组讨论大数据的用户画像分析流程，同时提高学生的沟通能力和人际关系。3.资源式教学课堂训练：通过在线学习平台教师下发教学资源，进行有目的地实践训练。课后项目制作指导：通过QQ交流群、微信等方式，有针对性地进行课下项目制作的指导。三、学习活动组织1．课上：本节以项目贯穿教学过程，以教师为主导，学生为主体，首先通过分析几个真实项目介绍本学期的教学内容及目标，并介绍课程的考核方式及要求，同时在教学过程中同时采用提问法、讨论法和互动式教学方法。2．课下：完成大数据的用户画像分析流程四、教学结构流程的设计教学环节教师活动学生活动课程简介（10分钟）教师介绍课程基本概况：课程在本专业的地位、课程目标、学时、教学安排、考试方式等。学生记录。新课导入（10分钟）教师演示几个真实项目设计意图：让学生了解课程目标。学生欣赏。新课讲解1、人工智能与大数据（10分钟）大数据应用场景-用户画像分析不仅普通用户在大数据时代可以享受到技术带来的便利，数据也可以为企业提供有商业价值的信息，然后企业可以做出用户画像，进一步对用户的购买和消费行为进行分析、预测和推荐。精确刻画人群特征，了解用户各种消费行为和需求，并针对一定业务场景进行用户特征不同维度的整合分析，就可以把原本无价值的数据提炼成栩栩如生的用户形象，从而发现和把握蕴藏在海量用户数据中的巨大商机，指导和驱动企业的业务决策。分析用户画像的目的就是解决把数据转化为商业价值的问题，也就是从海量数据中提取有价值的东西。这些以TB为单位计算的高质量、多维数据记录着用户长期大量的网络行为，如图2.2所示，用户画像根据这些结果来还原用户的兴趣喜好、社会背景、属性特征，甚至还能揭示其内在需求、性格特征、社交倾向等潜在的属性。图2.2大数据用户画像二、大数据用户画像分析的作用某电子商城是一家大型全品类综合电商网站，海量商品和顾客产生了从网页前端浏览、搜索、评价、交易到后台支付、收货、售后等多维度全面的数据体系。日益复杂的购买流程和业务逻辑使得这些数据的处理分析越来越重要；也就是说，该商城已经形成一个数据量非常大、种类繁多且增量巨大的数据大仓库，但是在之前相当长一段时间里，很多业务员经常面对营销目标群体把握不准确的局面，比如数据工程师被业务员追问，为什么促销活动做的时间和力度都到位了，就是没有带来想要的用户增长呢？从用户画像的角度分析，最可能的原因就是促销的时间、目标群体和相应的促销活动产生了错位。用户画像分析的背景和方法大数据发展已经成为我国的国家战略，国家领导人多次强调要瞄准世界科技前沿，集中优势资源突破大数据核心技术，加快构建自主可控的大数据产业链、价值链和生态系统。大数据产业在国内发展得如火如荼，如电子商务、政务、民生、金融、工业、医疗等领域，大数据技术已经得到广泛应用。据统计，2016年大数据产业规模达14500亿元，2012年达19520亿元，到2020年将达到5万亿元。大数据技术和行业应用发展从国内来看，基础架构技术已越来越成熟，大数据领域由技术创新驱动转向应用创新驱动的趋势开始显现，但许多传统的企业在如何建设大数据平台，如何利用大数据技术来指导企业业务发展上仍然缺乏经验，这在某种程度上制约了大数据技术的大规模产业应用。该商城拥有全渠道零售和端到端的高质量的数据，包括用户的浏览记录、消费行为、商品制造信息、销售数据、物流仓储配送以及客服评价等丰富完整的信息。同时，该商城的业务流程中包含有大量丰富的大数据应用场景，是大数据实践的典型场所。早在2010年，该商城就启动了大数据领域的研发和应用探索工作，经过八年来的持续投入，大数据平台无论从规模、技术先进性，还是体系的完整性等方面均已达到国内一流水平。作为支撑公司数据运营的重要阵地，目前已拥有数据规模达800PB+、集群规模40000+服务器，每日的业务表900万+、JOB数100万+，单个集群规模达到2000+台，每日的离线数据日处理量30PB+，实时计算每天消费的数据记录近万亿条。教师讲解过程中与学生互动：教师提问：物联网工程项目招投标基本概念教师引导：招投标是招标和投标的简称。招投标是一种商品交易行为，是交易过程的两个方面。招投标是一种国际惯例，是商品经济高度发展的产物，是应用技术、经济的方法和市场经济的竞争机制的作用，有组织开展的一种择优成交的方式。新课讲解2、大数据用户画像分析技术介绍（20分钟）一、用户画像的概念和用途一些外文资料或者演讲中经常出现过的profile一词，其实和画像是一个概念，都表示从多个的维度来描述一个人，这些维度可以是可以是抽象的、事实的；可以是社会属性，比如职业、社交特征；可以是自然属性，比如性别、年龄；可以是财富状况，比如是否高收入人群，是否有固定资产；可以是位置特征，比如在哪个城市生活；可以是家庭情况，比如是否已经结婚，是否有孩子；可以是购物习惯，比如喜欢网购还是喜欢逛商场；可以是其他行为习惯。总而言之，画像其实就是想方设法用数据来描述人的特征，所有能想到的描述一个人的特征的都可以算作是画像的范畴。进行用户画像的目的，就是为了解决业务问题，或者为了获得一个新订单，或者为了拓展一个新用户。想要获得新用户，首先必须知道自己产品定位的用户画像（也就是用户有什么行为特征，有什么消费习惯），而很多产品设计的时候由于对用户的了解不够，定位不清晰，结果导致最后产品上线后效果与预期有巨大差异。如图2.3所示大数据用户画像的几个方面。图2.3用户画像的几个方面例如，某银行的电子支付团队计划与滴滴出行合作，在春节后以短信推送优惠劵的方式进行营销，选择了多类人群进行投放，其中有两类人群：“有打车需求且无车”和“有打车需求且有车”。初步决策“有打车需求且无车”人群的广告触达的营销效果会更好，但结果却发现，广告触达“有需求且有车”人群的比例却最高。这就反映出无论是开车还是打车，习惯了使用车的人反而更离不开车。用基础数据来制作用户画像正是帮助企业了解用户消费行为习惯和定位产品最直接的方法。大数据时代典型的用户画像包括以下两种。1.用户的消费特征与需求画像在网络购物时代，网上购物所留下的数据记录为电商企业了解客户的消费和购物需求提供了依据。商家通过对用户的消费品质、消费渠道、个体消费能力、消费内容、消费激励等数据建模，并进行较长时间的训练学习，可为每个客户构建一个精准的消费画像，如图2.4所示。图2.4用户的消费特征与需求画像2.用户的潜在偏好画像网络社会是现实社会的真实映射，一个人的偏好在网络时代完全可以体现出来。常听的歌曲，经常浏览的新闻，翻阅的小说及视频聊天等信息，就可以很方便的体现了一个人的偏好特征，如图2.5所示。图2.5用户的潜在偏好画像用户画像随着大数据记录信息的激增，可以说越来越丰富，越来越精细，用户画像也被应用到某些行业自身客户的营销中，比如互联网精准营销，以标签、画像为基础的精准定向广告投放盛行。通过对人群基本属性、行为习惯、商业价值等多种维度信息数据综合分析，精准的进行目标受众的画像和定位，实现基于大数据的精准营销。拥有用户流量入口的社交软件和媒体公司，纷纷通过整合自有和外部的媒介资源，在用户画像的基础上针对行业客户提供广告精准投放服务。用户画像设计的业务目标要更好地解决业务问题，首先必须明确用户画像设计的业务目标，而用户画像是帮助企业明确目标客群的重要手段之一。当企业了解了自己的用户都的消费行为特征等信息以后，接下来的任务就是如何将有类似画像特征人群的潜在用户变成自己的用户，也就是在营销上获新客的过程。所以，从大的框架来看，用户画像承载了两个业务目标：（1）如何准确的了解现有用户；（2）如何在大量人群中通过广告营销获取类似画像特征的新用户。以上这两个目标，其实在根源上逻辑是有些冲突的。了解现有用户的画像，需要的是少量、画像特征覆盖度全面的无倾斜的精准样本，这样能更精确地定位产品的用户。而通过画像结果做广告营销获取新用户，在一定程度上需要的是大量的相似样本。数据量的大小和精准度的不同决定了后续画像模型在应用设计中的不同。和用户画像相关联的另一个概念是“标签”。标签是表达人的基本属性、行为倾向、兴趣偏好等某一个维度的数据标识，它是一种相关性很强的关键字，可以简洁的描述和分类人群。标签的定义来源于业务目标，基于不同的行业，不同的应用场景，同样的标签名称可能代表了不同的含义，也决定了不同的模型设计和数据处理方式。例如，一款销售男装的App想在近期做营销，只筛选“男性”和“网络购物”这两个标签进行投放，可能效果并不理想。因为“性别”标签可能有多种维度，真实性别男女是一种维度，网络购物特征男女是一种维度，性取向男女可能又是另外一种维度。因为网络的发展，网络的另一端是不是一个真实的人都无法确定，更何况是性别特征。想要正确的设计标签模型和计算处理数据，必须了解画像标签应用的场景和目标。基于大数据技术的用户画像的设计过程从逻辑上说，是从具体的业务场景出发，结合数据表现，归纳学习出基准的规则或方法，然后通过反复迭代的学习过程，生成符合既定约束条件的最优化方案，然后把此方案泛化推广到类似的场景中去。很多时候用户画像都是从一个具体品类的业务场景或需求出发，有一些业务员运营经验很丰富，结合对他们经验和需求的访谈，数据分析师会把业务语言抽象出来，结合数据语言转化成通用的技术语言，然后用他们大数据平台生产出符合需求预期的结果，经过业务员反复验证有效后，这个画像就宣告成功，然后，分析师再次分析规划，将此画像推广到商城全站应用中去，如图2.6所示，这种从群众中来到群众中去的方法由于其敏捷高效快速迭代的优点，产生了一大批性能优良的产品。图2.6用户画像建立过程1.用户画像方向或者分类体系的建立给谁画像，画什么像，为什么画这个像，画像的分类和预期结果是怎么样的，这些问题都不是系统完全自动产生的。当然，在大数据足够多的程度下，可形成客户的关键信息画像，但是现在应用更为广泛的是人工+系统结合的用户画像，即人工设计画像的方向和体系。这样的优势是体系化和结构化，应用性更强，比如我们要进行消费能力的画像、消费内容偏好画像、消费流失画像，这些也是后面数据采集和画像模型构建的前期和目标。客户画像体系和方向的构建是客户画像最关键的一步，类似于打地基和房屋初始设计，东方国信就为电信行业构建了扎实可靠、丰富详实的客户标签体系，依靠电信业客户信息的应用价值和场景，通过三层的标签结构实现了标签的“由浅到深”、”由客观到主观”、“由通用到场景”的画像，这三层分别是基础标签（简单加工后的数据）、营销画像标签（以营销和服务的基础元素，比如各类偏好、能力、倾向就研究的客户标签）、场景&产品营销标签（对应具体场景和产品的目标客户的精准标签），这些标签不仅很好的成为运营商洞察和营销客户的有力支撑和助手，也成为运营商大数据运营的关键。2.用户数据收集当确立了画像的方向，即确定了需要的数据信息和力度，比如客户的消费的详细的信息，客户的下单的时间、客单价、商品信息，商品促销信息等等，客户画像的数据要做到真实、可关联应用、存在一定的周期可供偏好类模型构建。3.用户标签、指数建模研究上面提到，有的标签是客观引用形式，而很多标签则是需要大量的大数据行为来综合建模完成的，比如我们说客户是爵士乐偏好人群，不能通过客户的某一次购买或者搜索关注行为来下决定，而是要多其应用的频次、占消费比、占大部分人群比等综合信息综合构建。4.用户画像的应用隐私用户画像是营销和服务的重要手段，但是在用户画像应用中更要注意用户的隐私的保护和应用授权，比如商家在一定程度上可以根据客户的消费水平在内部形成客户购买促销力度的标签，但是不能将客户的消费数据给其他的行业或者产业。工信部规定，要在征得用户授权、保障用户隐私安全不泄露的前提下，合理、合法的收集、使用用户个人信息。这就要求利用大数据进行用户画像活动时，要征得用户同意，并且保障用户隐私不泄露，做到安全、合法。教师讲解过程中与学生互动：请同学叙述物联网工程项目的招投标流程新课讲解3、大数据的用户画像分析流程（30分钟）大数据的用户画像分析流程用户画像是将用户的线上行为数据化。通过在商城中购买商品种类、价格、频次等一系列活动，每一个活动代表一个或多个标签，通过对标签的汇总、分析、分类来深化对个人或群体的认知。其中包括基本属性、购买能力、行为特征、社交网络、心理特征、兴趣爱好。如图2.7用户画像建立过程。图2.7用户画像建立过程一、用户画像构建基本操作流程有以下4步：1、将所有收集的信息存储到数据仓库中。2、通过数据仓库中的数据设立用户标签。3、通过用户标签建立模型4、业务部门调用模型在第三步建立模型过程中，有些人倾向于使用算法、有些倾向于使用分析统计，京东的架构是将两者合并，基于各自对业务的理解建立起来的模型应用于业务。所谓是骡子是马，拉出来溜溜便知孰优孰劣。模型的核心目标是应用于业务。利用数据分析确定问题，通过特征构建模型，将模型小范围测试，收集反馈信息，模型自动化学习和训练不断强化，如图2.8所示。图2.8用户画像建立过程用户画像一般会体现为用户的基本属性、社会属性、行为属性和心理属性。本篇文章将从2个用户基本属性和2个用户购买行为属性展开分析。用户基本属性：性别、年龄、地域、受教育水平、职业、婚育情况、有孩可能性。用户购买行为属性：购买商品的品类分布、购买习惯（购买星期和购买时段）。应用到实践中的各个环节图2.9用户画像实践环节各个环节如图2.9所示。1、拉新分为网站外拉新和网站内拉新，站外拉新是增加新用户注册数量，站内拉新是扩展用户购买的品类，例如，某用户以前只在商城上购买3C产品，通过推广，现在他在上面购买了生鲜，这即站内拉新。站外拉新与站内拉新在用户画像方面的应用类似，以站外拉新为例，通过分析来自其他平台渠道引流过来的流量分析，以QQ和今日头条为例，哪里引来流量的转化率高，消费金额更大，从而作为广告投放的决策依据。户外投放广告也是相同的原理。2、激活用户是根据用户在商城页面搜索的轨迹，点击了那些、加入购物车了那些，判断用户心理特征，通过发送优惠券，给予专属优惠价格等方式促进其下单购买。3、留存用户即让用户持续不断的使用。通过客户的购买过程，识别出那些用户是将要流失的，然后做出相应的解决方案。造成用户流失特征有很多，比如用户投诉、客服解决不满意等。由运营部门调取数据仓库中的数据分析。4、创收即让用户多下单。在这方面首先要确定你的业务诉求是什么。是毛利最大化还是销售额最大化或是销量最大化。不同的诉求根据用户画像做出不同的决策。5、社交传播即分享红包。在你的朋友圈中经常发动态的可能就是一些特定的人群，我就是那种一年也不发一条的那种人。通过用户画像找出那些特定的人群，通过给予优惠鼓励他分享，形成自传播。三、用户画像结果分析首先进行数据采集：包括用户基本信息数据、用户购物车数据、用户订单数据（一周的数据）。数据分析采用Python语言工具对数据进行清洗，可视化分析。平台的用户购买的品类前三名是粮油调味、饮料冲调、休闲食品，都是和日常饮食相关的品类。如图2.10所示图2.10用户购买品类分析结果平台的用户在一周内的消费高峰期是周四，这一天的订单数量最高，同时可以看到，一周中的前四天的订单数要明显高于后三天。如图2.11所示图2.11用户在一周内的消费高峰平台的用户在一日内的消费高峰有三个时点，分别是0点、上午10点和晚上10点，如图2.12所示。图2.12用户消费高峰时间点只是根据上述分析描画出一个大致的用户形象：“30岁左右的广东男性，本科毕业后在互联网行业工作，有一个幸福的家庭和可爱的孩子，在周四的晚上10点在京东平台上购买家用的粮油和一些常买的休闲食品。”根据分析结果可以对用户进行精准推荐和投放。教师指定学生上台实践，目的是提高学生注意力。课堂总结（5分钟）教师引导学生回答本次课的主要内容学生在老师的引导下共同总结本次课的主要内容。布置作业（5分钟）查找大数据技术相关关键技术学生记录作业。

授课教师郝菁班级22物联网工程技术1班(本科);22物联网工程技术2班(本科)学时2授课日期2024/3/12主题或任务人工智能与云计算课型考查授课地点南3404教学目标1.让学生了解人工智能与云计算的基本概念。2.探究人工智能如何在云计算平台上运行。3.学习云计算对人工智能应用的影响和优势。学习内容1云计算的定义与分类。2.云计算的架构3.云计算的优势与挑战4.云计算对人工智能的支持5.人工智能在云计算平台上的应用重点难点重点：云计算对人工智能的支持难点：人工智能在云计算平台上的应用教学方法1.理论讲解：通过PPT、视频等多媒体资源向学生传授基础知识。2.案例分析：选取典型的人工智能与云计算融合案例进行分析，帮助学生理解原理。素材资源○PPT幻灯片○参考资料教学设计1.导入新课。播放人工智能与云计算结合的短片，激发学生的学习兴趣。互动提问：你们知道什么是人工智能和云计算吗？它们之间有什么关系？2.理论知识讲解介绍人工智能与云计算的基本概念、核心技术和应用场景。详细阐述云计算如何支持人工智能的发展，以及两者融合后的优势。3.案例分析。选取1-2个典型的人工智能与云计算融合案例，如智能语音助手、人脸识别等。4.总结与反思。总结今天学到的知识点和操作技能。引导学生思考人工智能与云计算在未来的发展趋势和可能的应用场景。5.作业布置。鼓励学生在课后继续探索云计算平台上的人工智能应用，提高实际操作能力学习评价○行为表现○在线测试○作业作业题目要求学生撰写一篇关于人工智能与云计算融合应用的报告，分析某个具体案例的实现原理和应用价值。双语教学CloudComputing云计算

第3讲教案教学内容人工智能与物联网授课教师郝菁课程名称人工智能概论学时安排90分钟专业班级22物联网工程技术1班(本科);22物联网工程技术2班(本科)一、学习目标与任务1.学习目标描述知识目标：掌握AIOT的概念；了解AIOT实现的关键技术；熟悉AIOT的在各领域中的实际应用。技能目标：能够使用AIOT云平台完温湿度数据获取，报警检测，视频监控等常用的智慧环境。能够设计AIOT在实际生活中的应用场景，使用AIOT技术解决实际问题，提高用户体验。情感目标：通过项目提升学生的创意设计能力和团队合作能力；提高学生自主学习能力，培养欣赏美、发现美和创造美的能力。培养学生自主学习能力、团队合作能力和项目开发能力，实现专业技能与职业能力的“零距离”对接。2.学习内容说明认识并掌握什么是AIOT重点：掌握AIOT的概念难点：了解AIOT的相关技术二、教学方法1.项目演示法教师通过演示一些真实项目，让学生明确本门课程的学习目标，从而可以激发起学生对学习任务和学习过程、学习策略的积极性，培养学习兴趣等。2.分组讨论法学生通过分组讨论AIOT的相关技术，同时提高学生的沟通能力和人际关系。3.资源式教学课堂训练：通过在线学习平台教师下发教学资源，进行有目的地实践训练。课后项目制作指导：通过QQ交流群、微信等方式，有针对性地进行课下项目制作的指导。三、学习活动组织1．课上：本节以项目贯穿教学过程，以教师为主导，学生为主体，首先通过分析几个真实项目介绍本学期的教学内容及目标，并介绍课程的考核方式及要求，同时在教学过程中同时采用提问法、讨论法和互动式教学方法。2．课下：利用AIOT技术写一份设计概要四、教学结构流程的设计教学环节教师活动学生活动课程简介（10分钟）教师介绍课程基本概况：课程在本专业的地位、课程目标、学时、教学安排、考试方式等。学生记录。新课导入（10分钟）教师演示几个真实项目设计意图：让学生了解课程目标。学生欣赏。新课讲解1、AIOT的基本概念（10分钟）一、AIOT实现的需求分析“AIoT已经成为物联网发展的必然趋势。”12月20日，在深圳举行的物联网技术大会上，恩智浦大中华区微控制器事业部市场经理弋方认为：“AI是大脑，IoT是连接。”二者有机结合，才是未来。“AIoT”在2017年首次提出，迅速成为物联网行业的热词，AI(人工智能)赋能IoT(物联网)似乎已成为各大传统行业智能化升级的最佳通道。AIoT即将成为工业机器人、智能家居、智慧城市及自动驾驶等新兴产业的重要基础。“人工智能正在给人类社会带来深刻的变革。”雷军也曾在9月举行的“世界人工智能大会”上提到，AI与IoT结合将形成AIoT，也就是万物智慧互联，在这个领域未来有着巨大的发展空间。AI和IoT技术的结合成为了一种新的技术趋势，AIoT是未来的核心驱动力，也将成为企业布局的热门领域，AIOT概念见图3.1。图3.1AI+IOT二、AIOT融合为我们带来了便利AIoT是是怎样融合的呢？两大技术的融合为我们带来了哪些方便呢？AIoT（人工智能物联网）=AI（人工智能）+IoT（物联网）。AIoT融合AI技术和IoT技术，通过物联网产生、收集来自不同维度的、海量的数据存储于云端、边缘端，再通过大数据分析，以及更高形式的人工智能，实现万物数据化、万物智联化。物联网技术与人工智能相融合，最终追求的是形成一个智能化生态体系，在该体系内，实现了不同智能终端设备之间、不同系统平台之间、不同应用场景之间的互融互通，万物互融。广泛的定义来看，AIoT就是人工智能技术与物联网在实际应用中的落地融合。它并不是新技术，而是一种新的IoT应用形态，从而与传统IoT应用区分开来。如果物联网是将所有可以行使独立功能的普通物体实现互联互通，用网络连接万物，那AIoT则是在此基础上赋予其更智能化的特性，做到真正意义上的万物互联。三、AIOT相关基本概念人工智能(ArtificialIntelligence),即AI,在1956年的一个会议上由一些美国计算机领域的专家所提出来,同时也是第一出现这样概念,也标志着人工智能学科的出现。因此,许多科学家专家都纷纷加入到对这个新领域的研究和学习,在一定程度上使得人工智能得到了较快的发展,甚至在当时掀起了一股对人工智能研究的高潮。在1980年的时候,人们出现对该应用领域认识狭窄、缺乏常识性知识、知识获取困难、推理方法单一等问题致了人工智能进入了一个低迷时期,发展十分的缓慢。随着科学技术的不断发展,人工智能技术又再一次被走进人们的视野。直到2016年谷歌推出的围棋机器人Alphago之后,人工智能又迎来了新的春天,其发展的速度呈现一个指数级的增长趋势,并逐渐走进人们的日常生活中。与此期间,被称为继计算机、互联网之后的第三次信息革命浪潮的新兴技术物联网在全世界范围内同样也得到快速的发展。物联网(I0T),即物物相连,而这一项技术目前主要是通过各种传感器以及相关的射频识别技术支撑等技术实现的,并且在一定程度上已经成为我们日常生活中的好帮手。同时,对于物联网来说,是互联网基础上的延伸和扩展的网络,将各种信息传感设备与互联网结合起来而形成的一个巨大网络,实现在任何时间任何地点,人、机、物的互联互通”。但是,随着社会的不断进步人们对物联网的要求也日益増加。因此,为了在未来打造出一种更具智能化和人性化物联网,故把当今火爆的人工智能技术与之相结合,从而产生出一项新的技术ー一人工智能物联网(AIOT)。教师讲解过程中与学生互动：教师提问：什么是最小系统？教师引导：运行工作基本条件新课讲解2、物联网的重要性（20分钟）一、了解人工智能与物联网的关系及其融合的重要性物联网的重要性在于它可以帮助收集实时数据，从而组织或人员则可以在此基础上做出更实际、更智能的决策，因为理论信息和知识从来都不足以进行有效的决策。因此，物联网的受欢迎程度正在呈指数级增长，这一事实可以从BusinessInsider所进行的一项调查中得到验证，该调查预测，到2027年，物联网设备将超过410亿台，而2019年还仅为80亿台。人工智能，也称为机器智能，是指在类似人类智能的机器中模拟智能的过程，从而使得机器能够像人类一样思考和行动。当人工智能与物联网相结合时，我们就得到了一种叫做人工智能物联网(AIoT)的东西。人工智能与物联网相结合的主要原因是，虽然物联网设备的目的是收集所有数据并将其传输到通常的云端或任何其他空间，但在这些空间中，人工智能，被认为是AIoT的大脑，最终做出实际的决策或是模拟机器的行动或响应。二、了解人工智能与物联网的发展历程，以及研究现状人工智能始于1956年达特茅斯会议，物联网概念提出已经二十多年。人工智能物联网(AIoT)是2018年兴起的概念，指系统通过各种信息传感器实时采集各类信息(一般是在监控、互动、连接情境下的)，在终端设备、边缘域或云中心通过机器学习对数据进行智能化分析，包括定位、比对、预测、调度等。下面我们了解一下AIOT的三个发展阶段（如图3.3）：第一个阶段：单机智能。智能设备与设备之间不发生相互联系，由用户主动发起交互需求，系统感知、识别和理解用户的指令，进行正确决策、执行以及反馈；第二个阶段：互联智能。在单机智能基础上，通过中心云，连接多个终端，设备与设备之间可以通过一个指令进行联动，如智慧家居系统（通过语音指令可以实现空调温度调节、电视播放、采光调节等）、车联网（通过语音指令实现车内控制、导航、娱乐等）；第三个阶段：主动智能。在互联智能基础上，系统根据环境、时间和用户行为偏好等，进行用户画像，自动学习适应，随时待命，主动提供服务。如L4、L5级自动驾驶、部分工业互联网和物流机器人等。图3.3AIOT的三个发展阶段AIOT发展的现状：由于当前AIoT技术和商业快速落地，存在一下几点亟需解决的问题：认知智能层面的发展仍然缓慢；行业标准与规范化不足；大规模物联网设备的安全问题也有待重视。在物联网和人工智能的时代，消费领域和产业领域都将面临新的机遇，这一机遇窗口期内，用户触达能力和内容服务生态聚合能力是最重要的资源，具备明星产品+自有操作系统产品的企业更易突围，将会成长为AIoT时代所有场景服务的核心者。三、人工智能与物联网的主要应用场景在过去的几年里，AIoT的发展非常迅速。截至目前，AIoT已经在智能家居、智慧城市、智能安防以及工业机器人等领域得到广泛应用。1.智能家居智能家居旨在将家中的各种设备通过物联网技术连接到一起，并提供多种控制功能和监测手段。与传统家居相比，智能家居不仅具有传统的居住功能，并且具有网络通信、设备自动化等功能，提供全方位的信息交互，甚至可以为各种能源节约费用。目前智能家居是通过局域网络将家庭内部的智能设备连接起来，实现自动化控制。相较传统家居，这似乎已经将生活变得非常“智能”。但AIoT将赋予智能家居真正的智能，实现家庭自动化转为家庭智能化，带来全新的智能家居体验。届时智能系统能独立思考并与周边其他智能设备互联互通，具备调用每个联线设备的能力，系统会采集联线的所有设备的数据，与用户的使用习惯、行为习惯，健康状态等比对，主动帮助主人处理各种事情，甚至能创造性的解决问题。2.智慧城市智慧城市旨在利用各种信息技术或创新理念，集成城市的组成系统和服务，提升资源运用效率，优化城市管理和服务，改善市民的生活质量。智慧城市是未来城市的主流形态，而万物互联是城市智能化的基础，在AI的帮助下，城市将拥有“智慧大脑”，从而为城市增加智能元素，最大化助力城市管理。AIoT可以创造城市精细化新模式，真正实现智能化、自动化的城市管理模式。AIoT依托智能传感器、通讯模组、数据处理平台等，以云平台、智能硬件和移动应用等为核心产品，将庞杂的城市管理系统降维成多个垂直模块，为人与城市基础设施、城市服务管理等建立起紧密联系。借助AIoT的强大能力，城市真正被赋予智能，例如智能调节红绿灯等，城市将更懂人的需求，带给人们更美妙的生活体验。3.智能安防其一，单一的安防数据已经不足以解决安全问题，并且当下安防系统友好性偏差、效率偏低，AIoT的加入能够更好的解决这些问题，为智能安防带来新的活力。首先，AIoT助力之下的智能安防在居家保全、消防、独居老人安全或宠物的照料等方面具有更高价值。加强了音控功能，可进行影音同步整合，可以将“影”和“音”进行对话，为安防设备带来升级与加值。其二，在国土防灾领域，AIoT也有非常大的作用，近年来政府力推智慧防灾，广泛普及智慧影响分析、中控平台及无线传输与储存等，智能安防结合AIoT技术可监看或预警泥石流、河川、水坝以及桥梁等，让安防智能化真正保障人民安全。另外，在AIoT时代，安防行业与交通行业相交，利用AIoT技术，无论是音视频技术还是核心智能算法、大数据等，智能安防都能全面惠及交通智能。4.工业机器人AIoT在工业领域仍然具有非常广阔的应用前景，其中主要的就是在工业机器人领域的应用。在自动化普及的工业时代，生产过程机会完全自动化，机器人具有高度的自适应能力，工业物联网会在AIoT的辅助下，实现机器智能互联。此外，AIoT还可以帮助管理者更加自如的操控，尤其在一些工业危险领域，以机器人代替人工，将AIoT的作用进一步发挥。在未来，工业生产将更进一步实现智能化，工业机器人将得到更广泛的应用。在AIoT的支持下，机器人与工业设备等实现了完全的互联互通，并可对相关数据进行实时持续处理，从而进一步提高效率，降低成本。教师讲解过程中与学生互动：新课讲解3、AIOT的其他关键技术（30分钟）AI与IoT两种强大技术的结合带来了各种各样的应用和灵活性。AIoT的优势在于它能够促进和提供可行的选择。物联网可以提供有关设备的信息，但是通过添加机器学习算法，组织可以预测决策和结果，从而有可能使物联网在将来自行做出决策。可以通过范围广泛的应用案例来衡量该技术的影响。通过本小节的学习与讨论，掌握四大技术的基本概念，熟悉其方法，了解常用的技术应用场景。主流的四大关键技术1.RFID技术RFID无线射频识别技术基本介绍：无线射频识别技术(RadioFrequencyIdenfication，RFID)是一种非接触的自动识别技术,基本原理是利用射频信号和空间耦合(电感或电磁耦合)或雷达反射的传输特性，实现对被识别物体的自动识别。RFID系统至少包含电子标