《《人工智能基础1》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《人工智能基础1》课程教学大纲.docx（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、人工智能基础1教学大纲一、课程基本信息课程名称人工智能基础Fundamentals of Artificial Intelligence课程编码CST111111020开课院部计算机科学与技术学院课程团队python课程教学团队学分2.0课内学时36讲授24实验0上机12实践0课外学时0适用专业勘查技术与工程（物探）授课语言中文先修课程程序设计课程简介 （必修）“人工智能基础”是一门综合性前沿学科，是计算机学科的重要分支。通过对该课程的学习，使学生掌握人工智能技术的基本原理； 除了必要的知识点与宽泛的知识图谱，本课程还力求深入浅出地介绍有关智能搜索技术、机器学习、神经网络、计算机视觉、自然语言
2、处 理等在内的不同领域的目前人工智能的主要研究、应用领域的原理、方法和成果；增强学生的逻辑思维与实验能力，为今后在各自领域开 拓高水平的人工智能技术应用奠定理论基础。The Fundamentals of Artificial Intelligence，/ is a comprehensive frontier discipline and an important branch of computer science. Through the study of this course, students can master the basic principles of artificia
3、l intelligence technology. In addition to the necessary knowledge points and a broad knowledge map, this course also strives to introduce the relevant intelligent search technology in a simple and in-depth way, the principles, methods and achievements of the main research and application fields of a
4、rtificial intelligence in different fields such as machine learning, neural network, computer vision and natural language processing; enhance students logical thinking and experimental ability, and lay a theoretical foundation for developing high-level artificial intelligence technology applications
5、 in their respective fields in the future.负责人大纲执笔人审核人二、课程目标序号代号课程目标0BE毕业要求指标点任务自选1Ml目标1 :理解人工智能的体系结构、知识图谱、技术理论及产业新成果，使学生认识到新技术对国家 发展的重要意义是2M2目标2 ：掌握人工智能中知识表示、知识获取、知识应用三大部分中各知识点的算法实现或模型的建 立是3M3目标3 ：培养学生利用信息技术工具分析、建立人工智能模型和解决实际问题的能力，培养学生的科 学精神，提升创新思维是三、课程内容序号章节号标题课程内容/重难点支撑课 程目标课内学时教学方式课外 学时课外环节1第一章第一
6、章绪论本章重点难点：人工智能概念、知识和概念之间的关系/21. 11.1人工智能的起 源和定义现代人工智能的起源，人工智能的不同定义Ml, M40.5讲授/31.21.2人工智能的流 派符号主义、连接主义和行为主义Ml0.5讲授、讨 论/41.3人工智能的进展和 发展趋势经典概念，各个流派的融合Ml1讲授、讨 论/5第二章第二章知识表示本章重点难点:各种知识表示方法，本体和互联网环境下的知识 表示方法、知识图谱的生命周期和典型应用/62. 12.1知识与知识表 示的概念知识的概念，知识的特性，知识表示Ml0.5讲授/72.22. 2产生式表不法产生式，产生式系统及其特点M20.5讲授/82.3
7、2. 3框架表示法框架表示法的一般结构和应用方式M20.5讲授、讨 论/92.42. 4状态空间表示 法状态空间，状态空间的图描述M20.5讲授/102.52. 5知识图谱表示 法知识图谱，本体知识表示，万维网知识表示，知识图谱的现状 和发展M20.5讲授/112.6第二章上机简单动物识别系统的知识表示/简单动物识别系统的推理M22上机/12第三章第三章搜索技术本章重难点：各种常用的搜索方法，深度搜索、启发式搜索的/理解和构建133. 13.1图搜索策略M20.5讲授、讨 论/143.23. 2盲目搜索深度优先策略，宽度优先策略M2, M30.5讲授/153.33. 3启发式搜索A算法和A*算
8、法的构建M2, M30.5讲授/163.43. 4博弈搜索q-B剪枝算法、蒙特卡洛树搜索方法M2, M30.5讲授/173.5第三章上机简单的一字棋游戏M22上机/18第四章第四章群智能算 法本章重点难点：群智能算法的基本思想，各种常用群智能算法/194. 14.1群智能算法产 生的背景Ml0.5讲授/204.24. 2遗传算法编码，群体设定，适应度函数，选择，交叉，变异M2, M31讲授/214.34. 3粒子群优化算 法及其应用参数分析：PS0算法、位置更新方程、参数设置M2, M31讲授/224.44. 4蚁群算法蚁群的觅食习性，基本算法的应用，参数选择M2, M30.5讲授、讨 论/2
9、34.5第四章上机遗传算法/蚁群算法的编程实现M22上机/24第五章第五章机器学习本章重点难点：机器学习的定义，监督、无监督、弱监督等各 种学习方法/255. 15.1机器学习的发 展Ml0.5讲授、讨 论/265.25. 2监督学习K-近邻算法，决策树，支持向量机M21讲授/275.35. 3无监督学习聚类、自编码器的原理与实现M21讲授/285.45.4弱监督学习半监督学习，迁移学习，强化学习M20.5讲授/295.5第五章上机k-means聚类的编程实现/”小明是否会去游泳”的决策树算法 编程实现M22上机/30第八早第六早人工神经本章重点难点：神经网络的概念，BP、卷积和生成对抗神经网
10、/网络与深度学习络的结构，深度学习316. 16.1神经网络的发 展历史Ml0.5讲授/326.26. 2神经元与神经 网络生物学上的神经元及结构，神经元数学模型，神经网络的结 构，神经网络的学习Ml0.5讲授/336.36. 3 BP神经网络 及其学习算法BP神经网络结构，BP学习算法及其实现，BP神经网络在模式 识别中的应用M2, M31讲授/346.46. 4卷积神经网络人脑视觉机制，卷积神经网络的结构、局部连接、权值共享、 多卷积核和池化M2, M31讲授/356.56. 5生成对抗网络生成对抗网络的基本原理，结构与具体实现M2, M31讲授、讨 论/366. 66. 6深度学习的应
11、用M2, M30.5讲授/376. 7第六章上机房价预测的BP神经网络实现M22讲授、上 机/38第七章第七章专家系统本章重点难点：专家系统的组成及各自的功能，推理机的机 制，非确定性推理及要解决的问题/397. 17.1专家系统概述Ml0.5讲授/407.27. 2推理方法正向推理及其基本思想、逆向推理及其基本思想M20.5讲授/417.37. 3专家系统范例M20.5讲授、讨 论/427.47. 4非确定性推理实事的表示，规则的表示，逻辑运算，规则运算，规则合成M20.5讲授/437.57. 5专家系统工具骨骼型工具，语言性工具M21讲授/447.6第七章上机小型专家系统的设计与实现M22
12、上机、讨 论/45第八章第八章计算机视 觉本章重点难点：浅层视觉模型及其不足，深度模型的实现/468. 18.1计算机视觉概 述计算机视觉的概念，与计算机视觉有密切关系的学科Ml, M50.5讲授/478.28. 2数字图像的类 型及机内表示像素、灰度图、深度信息Ml, M30.5讲授、讨 论/488.38. 3常用计算机视 觉模型和关键技术基于浅层模型的方法，基于深度模型的视觉方法Ml, M30.5讲授/498.48. 4应用实例：人 脸识别技术Ml0.5讲授/50第九章第九章自然语言 处理本章重点难点：机器翻译的各个阶段的实现，基于自然语言的 人机交互系统，实现聊天机器人的主流方法/519
13、. 19.1自然语言处理 概述四个最基本的任务：分词、词性标注、依存句法分析和命名实 体识别；深度学习对自然语言处理的影响Ml0.5讲授、讨 论/529.29. 2机器翻译编码器解码器翻译模型，注意力机制的引入Ml0.5讲授/539.39.3自然语言人机 交互对话系统，聊天机器人Ml0.5讲授/549.49. 4智能问答基于知识图谱的问答任务Ml0.5讲授/ /四、考核刀式序号考核环节操作细节总评占比1平时表现1 .考勤 学生出勤情况，有无旷课、迟到或早退，一般占总成绩的5乳2 .课内小测验 侧重于过程化考核，对学生平时各章书的学习情况进行测试，并按百分制统计成绩。20%2上机操作1 .本课程
14、12个学时上机，共6次。2 .成绩采用白分制，根据实践内容完成实际情况进行评分，以百分制给出。30%3课程报告本课程要求利用C、Pylhon等工具对搜索算法、群智能算法、神经网络或计算机视觉等内容进行实践操作实现并总结， 采用分组的形式，根据每组内每个学生所做部分的实现程度进行评分，可按AD形式（最后换算为百分制分数），也可 直接采用百分制评分。50%五、评分细则序号课程目标考核环节大致占比评分等级1Ml平时表现100%A-全勤，课内小测验优秀。B-全勤，课内小测验合格。C-缺勤1-2次，课内小测验基本合格。D-缺勤3次以上，课内小测验不合格2M2上机操作100%A-上机环节参与度以及任务完成
15、程度的总结果优秀。B上机环节参与度以及任务完成程度的总结果合格。c-上机坏书参与度以及任务完成程度的总结果基本合格。D-对上机任务不掌握，上机坏书参与度以及任务完成程度的总结果不合格。3M3课程报告100%A-利用python等现代工具完成群智能算法、人工神经网络、计算机视觉处理等应用任务，操作难度大、 有创新，设计对任务实现的过程报告方案合理。B-利用python等现代工具完成群智能算法、人工神经网络、计算机视觉处理等应用任务，操作合理，设 计对任务实现的过程报告方案合理。C-利用python等现代工具完成群智能算法、人工神经网络、计算机视觉处理等应用任务，操作基本正 确，设计对任务实现的过
16、程报告方案基本合理。D-利用python等现代工具完成群智能算法、人工神经网络、计算机视觉处理等应用任务，操作不止确， 设计对任务实现的过程报告方案不合理评分等级说明：A, B, C, D, E = 90-100, 80-89, 70-79, 60-69, 0-59; A, B, C, D = 90-100, 75-89, 60-74, 0-59; A, B, C = 90-100, 75-89, 60-74, 0-59; M, N = 80-100, 0-79六、教材与参考资料序号教学参考资料明细1图书1人工智能导论，李德毅，中国科学技术出版社，2018.08, ISBN:978750468
17、1195. （*主教材）2图书 1 人工智能（第 2 版）,Stephen Lucci,人民邮电出版社，2018. 09, ISBN:9787115488435.3图书 Artificial Intelligence: A Modern Approach, Stuart Russell , Peter Norvig, Pearson, 2009. 05, ISBN:0136042597.4图书ISBN:Artificial Intelligence: What Everyone Needs to Know, Moore Phoebe V, Cambridge University Press, 2016.10, 0190602392.