《人工智能导论》教学大纲（本科）.docx

《《人工智能导论》教学大纲（本科）.docx》由会员分享，可在线阅读，更多相关《《人工智能导论》教学大纲（本科）.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工智能导论教学大纲课程英文名Introduction to Artificial Intelligence课程代码02M0032学分2总学时32理论学时24实验/实践学时8课程类别专业课课程性质任选先修课程高等数学、线性代数、信号处理适用专业测控技术与仪器测控技术与仪器（卓越）开课学院计量测试工程学院执笔人审定人制定时间2020年11月注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。一、课程地位与课程目标（一）课程地位本课程是测控技术与仪器专业本科生的一门基础理论课。通过这门课程的学习，学生初步掌 握人工智能的基本理论和常用方法，掌握目前人工智能领域的主流研究方

2、向，为学习专业理论课 和扩大数学知识面奠定必要的工程应用数学基础。（二）课程目标本课程以培养计量行业工程人才为核心，激发学生对专业的认同感和爱国情怀；同时在工程 问题的发现与解决过程中，理解人工智能对国民经济的重要意义，培养学生形成求真务实的科学 思维，激发学生创新意识。具体课程目标如下：1 .掌握人工智能相关的数学方法和基础知识。2 .培养学生利用数学知识解决工程问题的能力。3 .强化学生通过自主学习掌握新方法的能力。二、课程目标达成的途径与方法以课堂教学为主，结合平时作业、课后答疑等。课堂教学主要讲解人工智能、机器学习的基本概念，一些基本的机器学习和人工智能方法如 线性回归、Logisti

3、cs回归、聚类分析、神经网络、支持向量机、贝叶斯分类器、深度学习的基本 方法如深度前馈网络、深度卷积网络等，通过演算和分析，使学生能够熟练应用相关的数学工具。 课堂教学尽量引入互动环节，使同学们能更好地融入课堂教学，提高教学效果。三、课程目标与相关毕业要求的对应关系课程目标课程目标对毕业要求的支撑程度（H、M、L）毕业要求1毕业要求3毕业要求6课程目标1M课程目标2M课程目标3M注：1 .支撑强度分别填写H、M或L （其中H表示支撑程度高、M为中等、L为低）。四、课程主要内容与基本要求第一章概论介绍人工智能的定义、人工智能的发展史和人工智能的研究内容。第二章线性回归和Logistic回归理解线

4、性模型的基本形式，掌握最小二乘法的求解思路，掌握如何利用梯度下降法求解最小 二乘问题。掌握如何利用Logistic回归进行分类。第三章正则化了解过拟合的概念，理解如何利用正则化方法改进回归和分类性能，了解正则化问题的求解 方法。第四章聚类分析学习基本的聚类分析方法如k均值聚类、k最近邻算法等。第五章贝叶斯分类器掌握Naive Bayesian分类器的思路，理解贝叶斯网络的基本结构。第六章神经网络理解神经网络的基本结构，掌握神经网络的参数优化方法，学会利用神经网络进行回归和分 类任务。第七章深度学习基础理解整流线性单元的概念，了解深度学习的基本思路，掌握随机梯度下降法，掌握如何利用 卷积神经网络

5、进行图像识别。五、课程学时安排章节号教学内容学时数学生任务对应课程目标第1章概论人工智能的定义、人工智能的发展史和人工智能的 研究内容2课后习题课程目标1第2章线性回归和Logistic回归线性模型的基本形式，最小二乘法的求解思路，如 何利用梯度下降法求解最小二乘问题4课后习题课程目标1 课程目标2 课程目标3第3章正则化过拟合的概念，如何利用正则化方法改进回归和分 类性能，正则化问题的求解方法2课后习题课程目标1 课程目标2 课程目标3第4章聚类分析基本的聚类分析方法如k均值聚类、k最近邻算法等2课后习题课程目标1课程目标2课程目标3第5章贝叶斯分类器Naive Bayesian分类器的思路

6、，理解贝叶斯网络的 基本结构2课后习题课程目标1 课程目标2 课程目标3第6章神经网络神经网络的基本结构，神经网络的参数优化方法，4课后习题课程目标1课程目标2学会利用神经网络进行回归和分类任务课程目标3第7章深度学习基础整流线性单元的概念，深度学习的基本思路，随机 梯度下降法，如何利用卷积神经网络进行图像识别8课后习题课程目标1 课程目标2课程目标3六、实践环节及基本要求序 号实验项目名称学 时基本要求学生任务实验性 质实验 类别1Python基础2熟悉python的操作上机操作综合性必做2基本算法程序编写12编写各类回归算法上机操作综合性必做3基本算法程序编写22编写各类分类算法上机操作综

7、合性必做4深度学习基础算法编写2编写CNN等深度学习算法上机操作综合性必做注：1.实验性质指演示性、验证性、设计性、综合性等；2.实验类别指必做、选做等。七、考核方式及成绩评定（-）考核方式与评价考核内容考核方式评定标准（依据）占总成绩 比例过程考核含到课率、平时作业、实验报告点名册、作也本成绩、实验报告40%期末考核考试卷面成绩60%考核类别考试成绩登记方式百分制（二）课程目标考核环节和达成标准课程目标教学环节考核环节合格标准课程目标1讲授平时成绩（考勤、课后习题）A0.6期末考试成绩3 （选择、填空、简答题）BA目标达成度-0.8 x+0.2 xB。A课程目标2讲授期末考试C （计算分析题）0.6目标达成度= C。课程目标3讲授期末考试。（计算分析题）0.6目标达成度二2 D。八、推荐教材与主要参考书（-）推荐教材：1 .机器学习，周志华主编，清华大学出版社，2016年。2 .深度学习中文版，Ian Goodfellow, Yoshua Bengio, Aaron Courville主编，人民邮电出 版社，2022年。(-)主要参考书：1.深度学习：入门与实践，龙飞、王永兴编，清华大学出版社，2022年。