《人工智能》教学大纲.docx

人工智能教学大纲适用意围：2O2X版本科人才培养方案涕程代码：08150351课程性质：专业选修深学分：4学分学时：N学时（理论48学时,实验16学时）先修课程：高等数学、概率论与数理统计后续课程：无适用专业：数据科学与大数据技术开课单位：计算机科学与技术学院一、课程说明人工智ffe是计徵机科学中的虫娈内容，己羟成为计修机技术发展以及许多高新技术产品中的核心技术.由于人工智能是模拟人类智能解决问遨.几乎在所有领域行具有非常广泛的应用.人工智能3是数据科学与大数据技术等计算机类专业本科生的一门专业选修课程,本课程主要介绍人工智能问时求解的一般性原理和基本刖想以及一些前沿内容,为学生提供基本的人工智能技术和有关问跑的入门性知识,为进一步学习和研究人工智能理论与应用奠定基础，二、课程目标通过本课程的学习，使学生达到如下目标：课程目标h了蟀人工智能的特点、主要研窕领域、研究历史及未来发展动向以及人工智能伦理相关的思政内容：课程目标2：争握人工智能的基本概念、基本原理和基本方法：课程目标3：了解应用人工智能技术解决实际问题的范例.三、课程目标与毕业要求£人工智能/课程教学目标对数据科学与大数据技术等专业毕业要求的支探见表U«1课程教学目标与毕业要求关JK毕业要求指标点课程目标支部9&1.工程知火1.3掌握相关自然科学知识、工程基础知识和思维方法，能够将其用于解决数据科学与大数据技术领域的更杂工程问遨，能助将数据科学与大数据技术专业知识用于对爱杂工程问题解课程目标1：了解人工智能的特点、主要研究领域、研究历史及未来发展动向以及人工智能伦理和关的思政内容：课程目标2：掌握人工智能的葩本概念、基本原理和基本方法.H决方案的分析与优化。3.设计/开发解决方案3.3在解决方案设计中，具行综合考虑社会、健康、安全、法律、文化及环境等因点的意识和创新意识，课程目标1：了解人工智能发展史、现状、发展电势以及人工智能伦理相关的思政内容；课程目标2：掌握人工智能相关的知识表示、推理方法、专家系统以及神经网络等人工智Ife范本原理。I1.4.研究4.1能幡基于科学原理并采用科学方法对数据科学与大数据技术领域问题进行分析.课程目标2：掌握人工智能的基本概念、*本原理和基本方法，课程目标3：掌握基本人工智健技术求解问题的方法.H注：表中-H(XM(中尸表示修程与相关毕业要求的关联度.四、教学内容'基本要求与学时分配1 .理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容被学要求，教学富点雄点理论学时实验学时对应的课程目标第I章绪论1.1 人工智他的概念1.2 人工智能的发展简史1.3 人工智能班完的荔本内容1.4 人工智Ife的主要研究钝域:学要求：<1>了解人工智能研窕的特点、内容、发展历史及未来.增加对人工智能学科的认识.把握计算机科学与技术的发展趋势。<2>了解人工智能研究的基木内容和主要研究领域，熟怂本专业的前沿知识和研究热点.点：了解人工智能研究的基本内容.魔点：了解本专业的人工智能相关的前沿知识和研究热点。2O1、3第2氽知识表示2.1 知识与表示的概念2.2 一阶调词逻辑表示法2.3 产生式表示法2.4 框架表示法校学要求，< 1熟练常树知识及知识表示的概念，< 2>了解知识的相时正确性、可衣示性及可利用性等特性.< 3>了解新技术的发展趋势“点：知识的相对正确性、可表示8O1、2性及可利用性等特性.充点：新技末的发展趋势.第3出确定性推理方法3.1 .推埋的基本羸含32自然演绎推理3.3 训词公式化为子句集的方法3.4 钟宾逊归结原理3.5 归给反演3.6 应用归结原理求解问题教学要求，(1)熟练掌握谓词公式化为子句集的方法.<2>熟练掌握归结原理、方法，并能灵活应用。点：谓词公式化为子句集的方法.难点：归结原理、方法及应用.6O1、2、3第4依不确定性推理方法4.1 不倘定性推理的基本概念4.2 可信度方法4.3 证据理论4.4 模糊推理方法教学要求I<1>了解可信度方法、证据理论及其推理方法.<2>掌握模栩集合、模糊知识表示、模糊推理方法，井能灵活应用.点：可信度方法、证据理论及其推理方法，难点：模树集合、模糊知识表示及模糊推理方法.2O1、2.3第5政智能计算及其应用5.1 遗传律法的产生与发展5.2 基本遗传算法5.3 遗传尊法的改进算法5.4 遗传算法的应用5.5 群体智能算法产生的背景5.6 粒子群优化算法及其应用5.7 蚊称匏法及其应用被学要求：D掌握遗传算法的基本概念和基本方法.<2>了解一线遗传算法的改进算法,了解遗传算法的应用实例。点:遗传算法的胫本概念和掂本方法。难点：遗传灯法的戊进免法，及遗传算法的W用实例.841、2、3第6章专家系统与机器学习6.1 专家系统的产生与发展6.2 概念、一般结构63专家系统的工作原理及其建立方法6.4 知识获取的主要过程与模式6.5 机器学习6.6 知识发现与数据挖掘6.7 专家系统的建立6.8 专家系统实例6.9 专家系统的开发工具教学要求：<1>掌握专家系统的基本概念、基本特征、一段结构等基本内容.2掌娓专家系统的建造、开发.了解专家系统的应用例子。点：专家系统的小木概念、堪本特征、一般结构等夔本内容。难点:专家系蛟的设计和开发方法.812、3笫7章人工神经网络及其应用7.1 神经元与神经网络的基本概含7.2 BP神经网络学习算法及其应用7.3 卷枳神经网络与深度学习7.4 HopfieM神经网络及其改进7.5 Hop1.1.ck1.神经网络的应用教学晏求I< 1掌握人工神羟网络的基本概含、常用人J1.神经网络模型.< 2>了解BP神羟网络学习算法及其在模式识别、软测Ift等工程中的应用。< 3>了解HoPfie1.d神经网络的特性及其在联想记忆、优化等工程中的应用.点：Bp神经网络学习算法及其应用.常点：Hopf1.e1.d神经网络的特性及其应用。82,3第X章自然谱音处理及其应用8.1 自然语言理解的概念与发展8.2 语言处理过程层次8.3 机器翻译8.4 谙讦识别教学要求，<1>了解自然语音理解的概念与发展历史。<2>掌握大规模此实文本的处理方法、机器翻译、语音识别等应用的基本思路.点,掌握语音分析、词法分析.充点，句法分析、谙义分析等基本概念与思路。642.3合计48162 .实验部分实验部分的教学内容、基本要求与学时分配见表3。表3实殓项目、实验内容与学时实殴项目实验内容和要求实题学时对应的课程目标1.基于遗传獴法的图像分割实验内容I遗传算法的思想以及遗传算法在图像分制上的应用。实验要求：擎提遗传算:法的本质特征,并利用遗传算法解决图像分割问遨42、32.基于机器学习的图像去雾实舱内容：专家系统以及机器学习的思世，图像发原问题的特点。实验襄求：掌握专家系统和机器学习相关思想在图像去零中的应用.41、2、33.基于神经网络的预测系统实验内容：神经网络模型构建方法以及神经网络的特点.实Ift要求，掌握神经网络相关模型提取并分析文本,从而实现预测功能.4K21.基干深度学习的机器用洋实验内容：机涔期洋的实现步骤及基本思患.实验要求，掌握利用深度学习技术实现机器物译的具体步骤.-1I、2、3合计16五、教学方法及手段本课程以课堂讲授为主，采用后发式、讨论式教学和案例教学等，促进学生枳极思考,开发学生的潜能，培葬学生思考时时、分析问遨和解决何超的能力：以“少而精”为原则.精选教学内容,精讲多练安排学生小组报告.巩固课堂所学知识：课程利用丰富的线上资源,提供灵活的自主学习平台。六、课程资源库1 .推荐教材（I）王万通人工智能注论（第5版）IM1.北京：裔等教育小版社.2020.（2）梁爱华等.Python人工智能实践M.北京：清华大学出版社,2022.2 .参考书（1）姚期智.人工智能M北京：清华大学出版社.2022.(2)余明辉,詹增荣.扬双质.人工智能导论M.北京：人民邮电出版社.2021.(3)中国电子信息产业发展研究院(赛迪研究院).人工智能创新启示录:技术前沿M.北京：人民邮电出版社,2022.3 .期刊(1)严行健.人工智能主体化的法律应对一以未来强人工智他的舟现为视知J对外经贸.202X(10):76-79.(2)邦菲琳.人工智能技术在档案工作中的应用逻辑与路径展柒叫.经台内外,2022.(32):28-30.(3)刘梦后，蒋新宇，石斯理等.人J：智能教行融合安全警示:来自机器学习算法功能的原生风险分析J.江南大学学报(人文社会科学版),2022,21(05):89-101.(4)孟庆民.何中云.邹玉龙等.人工智能背景下电子佰思类教育新形态探索IJ.高教学刊.4 022.8(28):16-18,22.(5)ZixiangZhouiJieGong.Automatedrside11ia1.bui1.dingdetectionfromairborne1.iDRdatawithdeepneura1.nc<worksJ.AdvancedEngineeringInfomiatics,2018,36:229-241.4.网络资滁：(1)Jack.Kuo.人工智能技术应用的领域主要仃哪些？.(2022.01.24).https:/.»'b1.og.csdn.nc1.,wcixin_37251044i'artic1.c/dctai1.s/7853X826.(2)Jack-Kuo.【深度学习】激活函数.(2020.06.11).httpsjack-kuo.b1.Qg.csdn.necartic1.edetai1.106693273.七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末大作业成绩两部分构成,具体考核/评价细则及时深程目标的支撑关系见表4.表4课程考犊对调国目标的支撑考核环节占比考核/坪价细则课程目标12315(1)根据课堂出勤情况和课堂回答问题情况进行考核,满分100分.(2)以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩.366实验15(1)根据每个实验的实验操作完成情况和实3金报告质就单独评分,满分K)O分：(2)每次实聆单独评分，取各次实验成缢的平均依作为此环节的最终成绩.(3)以实验成绩乘以其在总评成绩中所占的比例计入课程总评成绩。69作IS(1)主要考核学生对各章节知识点的复习'理解和业掌握程度，满分100分：（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩.267