《走进人工智能》课程教学大纲.docx

《《走进人工智能》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《走进人工智能》课程教学大纲.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、走进人工智能教学大纲一、课程基本信息课程名称走进人工智能Into Artificial Intelligence课程编码CST523031020开课院部计算机科学与技术学院课程团队人工智能教学团队学分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（公选课组）授课语言中文先修课程课程简介（任选）人工智能的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。本课程包括知识表示、知识获取、知识应用三部 分。其中，知识表示主要介绍概念表示、知识表示、知识图谱；知识获取主要介绍搜索技术、群智能算法、机器学习、人工神经网络与深 度学习；知识应用涉及计算机视觉、自然语言处理、语音

2、处理、专家系统五部分。本课程内容还包括介绍多个模型的在不同领域的应用实 践成果，并且以课程专业知识点为主，挖掘课程知识点与思政元素的融合点为目标，利用思政案例、使学生在掌握专业知识的同时，培养 学生树立正确的价值观和深入理解社会主义核心价值观等。The research of artificial intelligence includes robot, language recognition, image recognition, natural language processing and expert system. This course includes three parts:

3、 Knowledge representation, knowledge acquisition and knowledge application. Among them, knowledge representation mainly introduces concept representation, knowledge representation and knowledge graph; Knowledge acquisition mainly introduces search technology, swarm intelligence algorithm, machine le

4、arning, artificial neural network and deep learning; knowledge application involves five parts: Computer vision, natural language processing, speech processing and expert system. The content of this course also includes the introduction of the practical results of the application of multiple models

5、in different fields, and the aim is to focus on the professional knowledge points of the course and to excavate the fusion points of the course knowledge points and ideological and political elements, using ideological and political cases to enable students to master professional knowledge while cul

6、tivating students to establish correct values and deeply understand socialist core values.负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE毕业要求指标点任务自选1Ml目标1 ： 了解人工智能的国际发展趋势与研究内容，掌握人工智能的基本概念、基本思想方法，对人 工智能从整体上有一个较清晰全面的系统了解，能将工程的设计和开发置于国际背景下。是2M2目标2 ：掌握典型的人工智能算法：启发式搜索、群智能算法、机器学习、专家系统、人工神经网 络，能够运用智能科学原理和建模方法，从系统的角度抽象描述和分解人工

7、智能应用领域的复杂工 程问题，建立系统模型。是3M3目标3 ：通过文献调研了解人工智能研究的国内外研究现状，分析人工智能应用领域的复杂工程问 题，构建可行方案，初步具备解决实际问题的能力。是4M4目标4 ：调研人工智能在各领域的应用情况并进行应用评估，能够正确评价人工智能应用领域复杂工 程问题的实践对环境和可持续发展的影响。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第一章第一章绪论1. 掌握人工智能的起源和定义。2. 了解人工智能的3个流派和人工智能的发展趋势。3. 了解国内人工智能的研究现状。Ml2讲授2自学2第二章第二章知识表示1 .学习知

8、识与知识表示的概念。2 .学习产生式表示法，掌握确定性规则和不确定性规则的产生 式表示、确定性事实和不确定性事实的产生式表示。3 .学习框架的一般结构，能够用框架表示知识。Ml2讲授2自学资料3第三章第三章知识图谱1 .学习知识图谱的概念和知识图谱实例。2 .学习本体知识表示，掌握语义网知识表示。3. 了解知识图谱的现状及发展、维基类知识结构化与常用知识 图谱；掌握知识图谱的构建流程和生命周期。Ml2线上视频+ 讨论2自学4实验1实验1 ：知识图谱学习知识图谱的知识，了解并测试国内外知识图谱的功能。M43上机2撰写实验 报告5第四章第四章搜索技术1 .学习图搜索策略，掌握图搜索策略的图表示。2

9、 .学习盲目搜索，用深度优先搜索、宽度优先搜索解决问题。3 .学习启发式搜索，掌握典型的启发式搜索算法。4 . 了解博弈搜索。M22线上视频+ 讨论2自学6第五章第五章群智能算 法1 . 了解群智能算法产生的背景和类型。2 .掌握典型的群智能算法的原理，能够用遗传算法、粒子群优 化算法、粒子群优化算法、蚁群算法解决实际应用问题。M22讲授2自学7第八早第六章机器学习1. 了解机器学习的概念和发展现状。2. 学习监督学习的概念，掌握典型的监督学习算法：K-近邻算 法、决策树、支持向量机。3. 学习无监督学习的概念；掌握典型的聚类算法，了解自编码 器。4. 了解弱监督学习的概念和典型算法。5. 了

10、解国内研究学者的典型机器学习算法。M22线上视频+ 讨论2自学8第七章第七章人工神经 网络与深度学习1 . 了解神经网络的发展历史。2 .学习神经元与神经网络的概念和结构，掌握BP神经网络及 其学习算法，了解BP神经网络在模式识别中的应用。3 .学习卷积神经网络，掌握其网络结构，了解积神经网络的实 例。4 . 了解深度学习的应用、生成对抗网络的基本原理和结构。M22讲授2自学9第八章第八章专家系统1 .学习专家系统的基本结构和推理方法，掌握正向和逆向推 理。2 . 了解一个简单的专家系统，用推理规则实现推理过程。3 .掌握非确定性推理。4 . 了解不同类型的专家系统工具、专家系统的应用及其局限

11、性M32讲授2自学10第九章第九章计算机视 觉1 . 了解计算机视觉的任务及其应用价值。2 .学习数字图像的类型及机内表示。3 .学习常用的计算机视觉模型和关键技术，掌握基于浅层模M32讲授2自学型的方法；了解基于深度模型的视觉方法。4. 了解人脸识别技术。11实验2实验2:人脸识别 技术了解并测试人脸识别算法。M43上机2撰写实验 报告12第十章第十章自然语言 处理1 .学习自然语言处理框架，了解自然语言处理发展现状。2 .学习机器翻译，掌握典型的机器翻译模型。3 . 了解自然语言人机交互系统和智能问答系统。M32线上视频+ 讨论2自学13第十一章第十一章语音处 理1 .学习语音的基本概念，

12、掌握语音识别系统的框架；掌握基于 高斯混合模型-隐马尔可夫模型的模型，了解基于深度神经网络 -隐马尔可夫模型的模型。2 .掌握语音合成的过程，了解语音增强的多种方法，语音转换 的基本系统框架。3 . 了解情感语音识别模型。M32讲授2自学14实验3实验3 ：语音处理了解并测试语言处理软件的功能。M43上机2撰写实验 报告15第十二第十二章人工智 能哲学与伦理1. 了解弱人工智能。2. 了解强人工智能。3. 学习人工智能的道德规范和风险。M42讲授2自学16实验4实验4 ：可视化数据与数据分析结果可视化。M43上机2撰写实验 报告四、考核方式序号考核环节操作细节总评占比1考勤与课 堂表现随机点名

13、、使用网络平台的学生在线信息统计到课情况；随机检查学生上课精神状态、回答问题情况10%2实验1 .本课程采用课下学时进行实验，提交实验报告。2 .成绩采用百分制，根据实验完成情况评分。40%3.考核学生对模型和算法的掌握情况。3课程大作 业对本课程的一个复杂模型查阅相关文献资料，了解其研究进展，撰写文献综述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考勤与课 堂表现20%A-缺勤2次以内。B-缺勤3次及以上且很少参加课堂讨论。2Ml实验20%A-按时提交实验报告，模型分析符合规范，结论无误。B-按时提交实验报告，模型分析基本规范，结论基本正确。c-测试分析过程存在问题。D-未完

14、成实验3Ml课程大作 业60%（见大作业评分标准）4M2考勤与课 堂表现20%A-缺勤2次以内。B-缺勤3次及以上且很少参加课堂讨论。5M2实验40%A-按时提交实验报告，模型分析符合规范，结论无误。B-按时提交实验报告，模型分析基本规范，结论基本正确。c-测试分析过程存在问题。D-未完成实验6M2课程大作 业40%（见大作业评分标准）7M3考勤与课 堂表现20%A-缺勤2次以内。B-缺勤3次及以上且很少参加课堂讨论。8M3实验40%A-按时提交实验报告，模型分析符合规范，结论无误。B-按时提交实验报告，模型分析基本规范，结论基本正确。c-测试分析过程存在问题。D-未完成实验9M3课程大作 业

15、40%（见大作业评分标准）10M4实验50%A-按时提交实验报告，模型分析符合规范，结论无误。B-按时提交实验报告，模型分析基本规范，结论基本正确。c-测试分析过程存在问题。D-未完成实验11M4课程大作 业50%（见大作业评分标准）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; A, B = 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, TSBN:978-7-5046-8119-5. （*主教材）