课程概述：
为打破“理论与实践脱节”的教学壁垒，课程计划采用多方协同、场景化融入的融合实践模式，围绕法律制定与法律适用两大核心层面，搭建多元化实践教学场景。
联动资深律师，聚焦法律适用实践：前往律所开展专题教学和案例研讨，以数据合规、AI侵权等实际法律问题为切入点，通过真实案例拆解（如数据采集与使用的合规边界、AI生成内容的侵权认定等），讲解法律适用中的关键要点、争议难点及实务操作流程，让学生掌握技术场景下法律实务的核心能力。
结合企业真实需求，深化实践认知：借助合作律师的资源优势，课程引入企业的实际法律需求案例。通过律师对企业在大数据运营、AI技术应用中面临的法律风险（如用户数据保护、AI算法合规等）及需求的解读，让学生直面人工智能时代企业的真实法律痛点，将理论知识与产业实践需求紧密结合，提升解决实际问题的能力。
培养目标：
课程通过融合实践教学，从知识、能力、素养三个维度，深度支撑复合型人才培养目标。课程覆盖大数据与AI领域的核心法律规范，满足各专业对前沿领域合规发展和创新掌握的毕业要求；在实践层面，通过律所案例研讨、企业需求分析、园区参访等环节，完成实务操作能力的毕业要求，确保学生毕业时具备基本的技术场景法律应用能力。
课程以培养适应人工智能经济时代的复合型人才为核心目标，通过立法专家解析、律师实务教学、企业需求对接，帮助学生跳出传统技术或者法律知识框架，形成“技术认知+法律思维+实践能力”的综合素养——既掌握经济法、知识产权法等专业基础，又能应对大数据、AI引发的新型法律问题，最终达到“懂技术、善法律、能实践”的培养目标，为学生毕业后进入政府、律所、科技企业等奠定基础。
课程安排：
大数据与AI法导论
第二章 金融领域的人工智能应用及其法律规制
第三章 人工智能法的基本理论
第四章 人工智能与大数据的证券交易及监管应用及规制探究
第五章 金融领域的人工智能应用及其法律规制理论探究
第六章 数字证券属性及监管探究
第七章 数据及其法律规制
第八章 人工智能企业出海的数据合规案例分析
第九章 个人数据处理的基本原则
第十章 违法处理个人信息的法律责任
第十一章 算法及其法律规制
第十二章 平台及其法律规制（上）
第十三章 平台及其法律规制（下）
第十四章 反不正当竞争法在人工智能和大数据领域的应用
第十五章 各部门法在数据相关案例中的适用挑战
第十六章 适用挑战的合规化解路径
教学方法：
课程教学改革打破理论讲授为主、实践为辅的传统模式，以融合实践为核心重构教学逻辑，实现理论学习—实践应用—反思的闭环设计。
教学内容动态化重构：以实践需求为锚点调整教学内容，不再固守固定教材体系。一方面，将合作律所的最新案例（如AI生成内容侵权案、跨境数据合规案）、企业真实痛点（如小红书算法合规需求、AI医疗企业数据保护难题）、园区企业调研结果转化为教学素材，替代部分陈旧案例；另一方面，紧跟实践中暴露的知识缺口，实时补充前沿内容（如生成式AI合规、算法反垄断审查），确保教学内容与行业需求、技术发展同频。例如，在园区调研发现企业普遍关注AI环保设备数据真实性合规后，立即新增环境数据合规专题教学，实现实践反馈—内容更新的快速响应。
教学模式场景化创新：依托多维度实践场地，构建沉浸式+协同式教学模式。在律所场景中，采用案例拆解—模拟实操—律师点评模式，让学生在真实办公环境中体验法律实务流程；在企业场景中，通过实地参观—需求座谈—现场献策，引导学生直面技术应用中的法律问题，锻炼解决实际问题的能力；在园区场景中，以调研走访—专题讲座—设备观摩相结合，帮助学生理解技术落地场景中的合规边界。同时，深化双师同堂模式，由高校教师负责理论框架搭建，律所律师、企业法务、立法专家聚焦实践应用展开教学，实现理论深度+实践精度的双重保障。
教学组织模块化设计：将课程教学拆解为理论基础模块—实践应用模块—反思模块。理论基础模块（教学楼授课）为实践环节奠定知识基础；实践应用模块（律所、企业、园区）通过任务驱动让学生应用理论解决具体问题（如撰写合规方案、参与模拟诉讼）；反思模块（教学楼）组织学生分享实践心得、复盘问题不足，结合指导教师与合作单位的反馈优化解决方案，形成学—用—思—改的完整链条。例如，学生在小红书实践中提出的合规建议，会在后续课堂中进行集体研讨，由律师点评可行性，帮助学生完善思路。
主讲老师：
周照峰Fieldfisher中国区管理合伙人，格拉斯哥大学法学博士
袁波 上海财经大学法学院副教授、博士生导师
朱颖颖 上海财经大学法学院讲师、硕士生导师
审核｜郝振江
