1

航空

何燕飞

基于生成式大模型的交通装备设计方法探索

本课程带领学生观看未来城市的交通装备视频，体悟科技发展的未来交通装备带来的便利性；学习传统交通装备的总体设计方法，与AI智能体互动探索传统设计方法优劣；探讨AI工具在未来交通装备中的应用，学习多种AI工具融合辅助完成未来交通装备的设计任务；最后亲手体验AI工具在未来交通装备设计中的应用，提交未来交通装备的设计报告。

1.平时表现（40%）： 依据学习通中课堂参与度、随堂练习完成情况评定。
  2.实践项目（60%）： 利用AI工具完成从市场调研、需求分析、创新设计、草图生成、性能预估的设计全流程，并形成一份结构完整的交通装备设计报告。

2

航运

杨雪锋

平面航海模拟器设计与实现

本实践模块以“AI辅助编程+航海模拟”为核心，深度融合人工智能技术与航海仿真领域，致力于开发一款简易航海模拟器。借助AI编程工具的高效性与精准性，大幅提升开发效率与代码质量。实践过程中，参与者将系统学习航海模拟器架构设计和船舶动力学模拟等专业知识，同时掌握AI工具在编程全流程中的应用技巧。

1.平时表现得分（40%）： 依据学习通中课堂参与度、随堂练习完成情况评定。
  2.航海模拟器研发得分（60%）： 利用AI工具开发一套平面航海模拟器，通过学生互评、老师评价，确定航海模拟器成绩。

3

河海

赵迪

智慧水利实战：从通识理论到AI安全预警

这是一门引领您探索水利前沿的跨学科通识课。课程分为两大模块：在全景认知篇，将系统构建从智能闭环、数字感官到数字孪生的智慧水利知识体系；在项目实战篇，将通过“码头钢平台位移监测”真实案例，亲手运用Python与AI技术，完成从视频感知、位移分析到阈值预警的完整开发流程。本课程旨在通过“一案贯穿”的方式，无需深厚背景与编程基础，即可理解前沿技术、掌握实战技能，最终具备用数字技术守护工程安全的初步能力。

采用过程性评价与成果性评价相结合的方式，全面评估学习效果。总评构成：过程性评价 (50%) + 终结性评价 (50%)：
  （1）过程性评价 (50%)：贯穿全程，引导学习
  ①课程任务点完成度 (10%)：自动记录学生在学习通平台观看所有课程视频的完成进度。
  ②基础知识通关测验 (20%)：在“全景认知篇”各讲与“项目实战篇”关键章节后，设置选择题、判断题等形式的在线测验。
  ③互动与思辨讨论 (15%)：在课程论坛中设置2-3个工程问题讨论题，要求学生用课程所学知识回帖并至少评论一位同学的帖子。
  ④完成调查问卷（5%）：在课程结束时发布一份关于课程内容、讲授方式、学习体验的匿名问卷。
  （2）终结性评价 (50%)：开放探究，杜绝抄袭
  自行拍摄或利用AI工具生成一段短视频，内容需包含一个可监测的、安全的微小运动或形变。随后，运用本课程所学，为该视频开发一个位移/运动监测与预警系统，并撰写一份项目报告。

4

建规

雷怡

AI建筑创想工坊

本实践模块以“校园空间填空”为主题，设 3 个项目共 10 课时。项目 1   用豆包 / DeepSeek 做空间调研与策划，衔接大纲 “大模型数据分析”；项目 2 用即梦 / 豆包设计空间方案，呼应 “ AIGC 图文生成”；项目 3 用   AIGC 生模型、剪映做介绍视频，契合 “视频生成” 知识点。模块通过校园场景降低实践门槛，巩固 AI 工具应用能力，融入校园文化与绿色理念，落实大纲   “工具应用、社会责任感” 素养目标，服务专业启蒙。

1.平时表现（40%）： 依据学习通中课堂参与度、随堂练习完成情况评定。
  2.实践项目（60%）： 利用AIGC工具完成“校园空间策划框架+方案设计图+项目介绍视频”成果包。

5

交运

何永福

零基础实现基于计算机视觉的行人检测

行人检测是智能交通、自动驾驶领域的关键基础任务。本实践模块基于百度飞桨PaddlePaddle线上开发平台，指导学生实现道路交通场景下的行人目标检测，掌握人工智能在交通领域中的模块化开发流程与应用方法。课程鼓励学生结合通义千问等生成式大模型，开展人机协同编程与设计，提升代码开发效率与问题解决能力。通过真实场景项目实践，培养学生运用生成式AI人机协同解决交通领域复杂工程问题的能力。

1.实验代码与开发文档（50%），重点评估代码规范性、模型实现准确性及人机协同开发的应用情况；
  2.实践报告与成果展示（50%），要求提交包含研究背景、问题分析、技术路线、实现过程、结果分析及反思等内容的课程报告。重点考查学生综合运用飞桨平台与生成式AI工具解决交通领域实际问题的能力，以及工程思维与创新意识。

6

经管

戴刚

AI赋能数据分析

本课程旨在帮助学生构建面向未来的人工智能通识素养，并培养运用AI工具解决数据分析问题的实践应用能力。课程将系统介绍如何利用AI工具完成从数据采集与清洗、数据计算与探索，到深度分析与可视化呈现的全流程操作，最终生成专业的数据分析报告。通过丰富的案例教学与实操训练，使学生掌握Prompt构建、数据交互等AI工具的使用技巧，建立起用数据说话、用数据决策的思维模式，为后续专业课程学习及未来职业发展奠定扎实基础。

1.平时表现（40%）： 依据学习通中课堂参与度，包括完成章节学习学习，完成章节任务点，在讨论区回复主题讨论的完成情况评定。
  2.实践项目（60%）： 通过学习AI工具完成从数据采集、清洗到分析与可视化课后任务

7

旅传

潘力

AIGC辅助广告文案创作

本课程旨在深入探讨AIGC工具在广告文案创作领域的应用。学生将掌握根据多样化媒体平台及电子商务平台特性，在数字营销范畴内高效运用人工智能技术，创作出能吸引目标消费群体关注且符合相关规范的广告文案。

1. 平时表现（40%）：依据学习通中课堂参与度、与任课教师的互动情况等完成评定。 2. 实践项目（60%）：借助AIGC工具，生成不少于两种类型的广告文案作品，投稿中国大学生广告艺术节学院奖（C类学科竞赛）广告文案赛道。

8

设计

罗显怡

人机共创艺术设计（前沿技术）

本课程模块旨在引导学生搭建AI设计工作流，引入飞书流程管理平台，结合即梦、Midjourney、Stable Diffusion、Vizcom、混元3D等AlGC工具，学生将在概念生成、用户研究、原型建模、三维渲染、视频生成等环节完成从“灵感生成”到“方案输出”的闭环创意设计实践。课程强调设计思维、创意开发和商业管理三者协同，培养具备人工智能时代设计策略实施与创意落地的能力。

1.平时表现（40%）：依据学习通中课堂参与度、练习完成情况及与任课教师的互动情况等完成评定。
  2.实践项目（60%）： 利用各类AIGC工具完成设计工作流搭建，提交创意产品设计方案（包含静态展示及动态视频），作品成果可参加各类设计竞赛（AIGC创意设计赛道）。

9

设计

何顺平

人机共创艺术设计（基础原理）

本模块带领学生从0到1拆解AIGC的“黑箱”。我们不急着画图，先通透原理：生成模型怎样听懂文字、如何拆解风格、潜在空间藏着什么美学基因。四周“轻代码”体验，亲手调参、驯化算法，看清随机背后的秩序。随后聚焦文生图实战，锁定“生活美学”——把一杯茶、一盏灯、一束花提示成治愈系插画。终展将印制明信片、桌垫、帆布包，让AI灵感住进真实日常。无需绘画基础，只要好奇心，来把算法变成画笔，把日常过成展览。

1.平时表现（40%）：依据学习通中课堂参与度、练习完成情况及与任课教师的互动情况等完成评定。
  2.实践项目（60%）：利用各类AIGC工具完成限定主题的视觉艺术创作方案（1.静态人物、风景、静物等插画图片,2.风格不限:油画\水彩\摄影\特殊肌理\赛博机械等），作品成果可参加各类设计竞赛（AIGC创意设计赛道）。

10

数统

曹文明

基于生成对抗网络的图像生成

本模块是一门面向零基础学生的通识课程，旨在揭开当今人工智能图像生成技术的神秘面纱。我们将聚焦于核心技术——生成对抗网络（GAN），通过生动的比喻和案例，讲解其“生成器”与“判别器”相互博弈、共同进化的奇妙原理。将探讨GAN如何从随机噪声中创造出逼真的人脸、艺术作品乃至全新世界，并分析其在社会、伦理及创意产业中引发的深远影响。无需编程基础，本课程将带领你直观理解AI的创造力，激发你对科技与人文交叉领域的批判性思考，读懂“AI作图”背后的科学逻辑与未来潜能。

1.平时表现（40%）：考察线上学习过程的参与度与持续性。成绩将依据学生在“学习通”平台上的学习行为评定，具体包括：课程章节内容的完成进度、章节任务点的达成率，以及在讨论区围绕生成对抗网络原理与应用等主题的讨论质量。
  2：实践项目（60%）：考核对生成对抗网络的动手应用能力。学生将亲身体验从图像数据集的采集与清洗开始，到利用主流AI工具训练并优化一个生成对抗网络模型，最终生成富有创意的视觉图像，并完成结果的可视化分析与报告。

11

教务处

闫果

AI 时代的数据分析入门

本课程是一门专为零编程基础的大学生设计的跨学科实践课程。课程将带你亲历从数据环境搭建、数据处理、到深度分析与可视化的完整数据科学流程，引导你系统掌握Python数据分析与可视化的核心技能。课程采用“里程碑式”学习管理，每一阶段的成果都通过Git Tag记录。全程使用以VSCode为核心，集成AI编程助手、Git版本控制及Gitee代码托管的现代开发环境。AI助手将作为你的编程伙伴，贯穿从代码调试、函数查询到报告生成的各个环节，极大降低学习门槛，让你专注于数据洞察与思维提升。

1. 平时表现(50%):完成学习通里面的课程作业以及提交到gitee的完整的代码、生成的图表和清晰的README.md。

2. 课程报告（50%）。请运用课程所学的数据分析方法，对课程提供的数据集进行挖掘。请你以个人专业（若属大类，请自行界定）为分析单元，完成一份研究报告。报告需完成以下内容：研究热点分析，技术路径趋同性分析，应用场景创新性分析，院内比较定位分析。

12

信息

夏冬

AI数据挖掘实践

本课程聚焦 AI 数据分析实践。以约 10 万条电商购物用户行为数据为基础，覆盖数据清洗、描述性统计、特征可视化，还涉及特征构建、PCA 降维、K-Means 聚类，以及随机森林、ARIMA、Prophet、LSTM   等预测模型应用，同时解析大模型在数据分析中的用法与优劣势，助力学习者掌握完整数据分析流程。

1.平时表现（40%）： 依据学习通中课堂参与度，包括完成章节学习学习，完成章节任务点。
  2.实践项目（60%）： 通过学习AI工具完成数据分析的整个流程，包括数据清洗、特征构建、数据处理、总结分析，并且最终提交一份课程实践报告。

13

智慧

周李磊

基于生成式大模型的智能地图创作

教授学生运用DeepSeek等生成式大模型进行地图内容创作和设计。课程模块首先介绍智能体（Agent）架构与知识库技术原理，指导学生构建大模型驱动的专业知识库系统，并实现高效的知识问答功能。随后讲授地图学基础理论，包括地图投影、符号化、空间数据表达等核心概念。最后结合智能体技术，让学生掌握利用大模型自动解析空间数据、生成地图设计方案、优化制图流程的实践技能，为智能化地理信息服务奠定基础。

1、平时表现（40%）：学习通里面知识节点视频任务点的学习（包括视频或者PPT后配套的选择题）
  2、实践项目（60%）：提交一幅基于智能体创作的专题地图，要求以自己家乡为地图的边界范围，创作符合地图学制图要求的地图  

14

材料

张兰芳

从“厨房食谱”到“AI配方”：混凝土的进化之旅

本实践模块以“混凝土配合比设计”为典型工程案例，面向全校各专业学生，旨在引导学生探索生成式AI技术赋能传统行业的创新范式。课程将复杂工程问题转化为与AI对话的交互过程，让学生无需前置专业知识，即可掌握利用大语言模型进行方案生成、评估与优化的核心方法。

1、平时表现（40%）：学习通里面知识节点视频任务点的学习（包括视频或者PPT后配套的选择题）
  2、实践项目（60%）：通过AI工具学生独立或分组完成一项混凝土配合比设计任务，并提交一份课程实践报告，报告内容包括：需求分析、提示词设计、方案生成与多轮迭代、方案评估与决策，并总结AI在辅助设计过程中的优势与局限性，反思本次实践的收获。

15

机电

操兵

基于生成式大模型的机械零件图加工特征智能识别模型开发

本实践模块将引导学生借助Deepseek、文心一言等生成式大模型，利用计算机视觉、深度学习和图像处理方法，实现机械零件图纸中加工特征的自动识别与分类，开发加工特征识别程序，培养学生数据收集、程序开发、模型训练、结果分析等全流程能力及使用AI技术实现工程目标的能力与思维。

一、考核目标
  1. 理解加工特征识别与分类的方法和原理，以及生成式大模型在实际工程中的作用。
  2. 能够根据实际工程目标，借助生成式大模型完成简单模型的开发，并具备一定模型分析和优化能力。
 
  二、课程考核方式
  本实践模块采取考察方式，综合评价学生对加工特征识别与分类方法的理解及借助生成式大模型实现工程目标的能力。其中，平时成绩占50%，考核学生对线上内容的学习；课程报告占50%，考核学生借助大模型完成程序开发、问题分析及优化的能力。