课程文件

教学大纲

面向成人学习者、职业教育和高校非计算机专业拓展学习的 AI 全栈导论与实践在线课程；不授予官方学分、学历或职业资格。

工作量与教学安排

建议总学习量为 133 学习小时，按 19 周、133 个日学习单元组织。当前日课扩充与题库仍分批建设，课程状态为“可学习”。

先修诊断

诊断仅用于推荐补学，不阻止进入课程，也不计入建议总评。

计算机文件、进程、网络和命令行基础
Python 变量、函数、列表、字典和包安装基础
基础代数、函数和概率概念
Git 仓库、提交和分支的基本使用

课程学习成果

CO1

解释从芯片、服务器、网络到云原生平台的 AI 基础设施链路

主要证据：第 1–4 周测验与架构图作业

CO2

比较数据库、大数据和流批处理方案并完成基本选型

主要证据：第 4–5 周实验与选型报告

CO3

解释机器学习、深度学习、Transformer 和大模型训练与推理的关键机制

主要证据：第 6–8 周测验与模型实验

CO4

使用提示工程、RAG、Agent 和 MCP 设计可验证的 AI 应用工作流

主要证据：第 9–10 周实验与阶段项目

CO5

将 AI 能力用于知识库、编程、客服和数据分析等场景并识别安全边界

主要证据：第 11–12 周案例分析

CO6

完成一个从需求、数据、开发、测试到部署复盘的端到端 AI 项目

主要证据：第 13 周阶段项目

CO7

分析 AI 硬件、AI 城市和智慧政务方案中的系统约束、治理与成效指标

主要证据：第 14–16 周专题作业

CO8

以来源、实验记录、指标和反思证明结论，区分事实、推断和建议

主要证据：全课程学习档案与结课项目

19 周进度表

周	主题	阶段	周目标	CO
1	第1周：芯片与服务器基础设施	初阶	理解芯片架构、服务器组成、计算与存储的基本原理	CO1 CO8
2	第2周：操作系统与虚拟化	初阶	掌握OS核心概念、Linux实操、虚拟化与容器化技术	CO1 CO8
3	第3周：云计算与云原生	初阶	理解云服务模型、华为云生态、云原生架构思想	CO1 CO8
4	第4周：中间件与分布式	初阶	掌握消息队列、缓存、数据库等中间件	CO1 CO2 CO8
5	第5周：大数据技术栈	初阶	掌握大数据处理核心框架，理解批处理与流处理范式	CO2 CO8
6	第6周：机器学习基础	初阶	建立机器学习核心概念框架，掌握经典算法原理	CO3 CO8
7	第7周：深度学习基础	初阶	理解神经网络原理，掌握PyTorch基本操作	CO3 CO8
8	第8周：大模型核心技术	进阶	深入理解LLM架构、训练流程、RAG检索增强生成	CO3 CO8
9	第9周：微调与提示工程	进阶	掌握Prompt Engineering技巧，了解微调方法	CO4 CO8
10	第10周：工具链与MLOps	进阶	掌握AI开发工具链、模型部署、监控与运维体系	CO4 CO8
11	第11周：AI场景化应用（一）	进阶	掌握NLP、对话系统、知识库等核心AI应用场景	CO5 CO8
12	第12周：AI场景化应用（二）	进阶	探索多模态、AI Agent、行业落地等前沿应用	CO5 CO8
13	第13周：综合项目实战	进阶	综合运用所学，完成一个端到端AI项目	CO4 CO5 CO6 CO8
14	第14周：AI硬件产业链专题	专题	建立AI硬件7层产业链视角，能判断算力供给、成本、瓶颈与国产替代路径	CO7 CO8
15	第15周：AI城市与城市智能体专题	专题	理解AI城市总体架构、关键平台与场景建设方法，能设计城市治理智能化闭环	CO7 CO8
16	第16周：智慧政务与政务大模型专题	专题	掌握智慧政务业务域、数据底座、AI应用场景和安全合规落地路径	CO7 CO8
17	第17周：推理系统与加速	进阶	用可测指标设计训练与推理基础设施	CO1 CO3 CO8
18	第18周：大模型高级原理	进阶	比较注意力、路由、解码与蒸馏方案的边界	CO3 CO4 CO8
19	第19周：Agent 与智能应用	实战	构建可观测、安全且可评估的智能应用链路	CO4 CO5 CO6 CO8

教学方法与资源

课程采用概念提纲、实践任务、知识卡片、形成性自测、作业和项目组合。延伸资源只有在内容批次核验完成后才会作为已核验链接展示。

学术诚信

学习档案、作业和项目应标注资料来源、工具使用和 AI 协助范围；不得伪造实验、指标、引用或把未经核验的生成内容作为事实。