188宝金博页面版

1 教案 13 ：第 7 章 机器的" 语言大师"—— 自然语言处理（25-26 学时） 课程：人工智能基础及应用 | 授课层次：职业本科 | 2 学时 1 教学分析 1.1 授课信息 授课内容 第 7 章 自然语言处理（7.1-7.2节） 授课项目 项目七 让机器理解语言 授课班级 职业本科 一年级 学生人数 40 人 授课学时 2 学时 授课形式 理实一体化教学 授课地点 智慧教室 授课时间 第 13 周 第 25-26 节 1.2 教学内容 选自第 7 章前两节。本节聚焦基础文本处理与词向量语义理解。讲解文本原子化（分词技术）、关键词提。ù市员曜/停用词/词干提。、文本数学表示（词袋/TF-IDF）、词向量（Word2Vec/GloVe）与语义理解基。镏斫饣魅绾"处理—表示—理解"语言，为后续文本分类与大模型奠定基础。 1.3 学情分析 知识与技能基础 认知与实践能力 学习特点 通过前六章，学生已建立 AI 认知与多模态基。欢"自然语言处理"有日常体验（搜索/翻译），但对文本处理流程缺乏系统认知；具备基本数学基。源氏蛄拷衔吧。 学生能够感知 NLP 应用，但难以从处理流程角度分析；对分词与词向量较为陌生；需要实操帮助建立直观理解。 对"机器如何理解语言"兴趣浓厚；喜欢文本处理实操；乐于体验 NLP 应用；偏好实操驱动。 1.4 教学目标 素养目标 知识目标 能力目标 1. 了解我国 NLP 企业（百度、搜狗、字节）进展，增强科技自信； 2. 培养数据思维与语言建模能力； 3. 培养求真务实的科学精神。 1. 掌握分词技术（中英文差异、jieba）； 2. 掌握关键词提。ù市员曜/停用词/词干提取与词形还原）； 3. 掌握文本数学表示（词袋/TF-IDF）； 4. 理解词向量（Word2Vec/GloVe）与语义理解基础。 1. 能够说明分词流程； 2. 能够运用工具完成关键词提。 3. 能够计算 TF-IDF； 4. 能够解释词向量的语义关系。 1.5 教学重难点 教学重点 1. 分词技术与关键词提。 2. 文本数学表示（词袋/TF-IDF）； 3. 词向量与语义理解。 教学难点 理解文本从离散到连续的表示转变；把握词向量捕捉语义关系的原理。 2 教学策略 2.1 教学设计理念