人工智能通识课程教学大纲.doc
- 文档编号:18691322
- 上传时间:2023-09-14
- 格式:DOC
- 页数:6
- 大小:72.50KB
人工智能通识课程教学大纲.doc
《人工智能通识课程教学大纲.doc》由会员分享,可在线阅读,更多相关《人工智能通识课程教学大纲.doc(6页珍藏版)》请在冰点文库上搜索。
“人工智能”通识课程教学大纲
英文课程名
ArtificialIntelligence
总学时
32
学分
2
课程编码
理论教学学时
32
适用专业
大二及以上人文社科类
课程类别(请注明选修或必修)
通识课程
选修
实践
教学
学时
实验学时
先修课程
大学数学
大类基础课程
上机学时
专业基础及专业课程
其它
开课学院(部)
计算机科学与技术学院
一、课程的性质和教学目标
课程性质:
人工智能是计算机科学中的重要内容,已经成为计算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题,几乎在所有领域都具有非常广泛的应用。
此课程是针对人文社科类各专业本科生的一门通识课程,主要介绍人工智能技术的基本思想以及一些前沿内容,为学生提供人工智能前沿技术的应用思路和有关问题的入门性知识,学习不同学科的思想方法,为进一步学习与应用人工智能技术奠定基础。
本课程通过人工智能知识的基础性、整体性、综合性、广博性,使学生拓宽视野,着力提高人文社科专业学生的科学素质和优化学生的知识结构。
教学目标:
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。
2.掌握人工智能解决问题的思路。
3.了解应用人工智能的研究领域和应用范例。
该课程的目标是把握计算机科学与技术的发展趋势,熟悉本专业的前沿知识和研究热点。
该课程讲述了人工智能的发展简史、人工智能研究的基本内容和主要研究领域、人工智能的研究热点。
要求学生掌握基本创新方法,能够结合自己的专业提出解决问题的思路,从而更好的掌握人工智能知识,培养学生的理论联系实际能力和创新能力,逐步培养他们发现问题、提出问题、分析问题和解决问题的能力。
二、课程教学方法设计
本课程以课堂教学为主,结合课外阅读、课堂讨论。
课堂教学主要讲解基本原理,结合人工智能最新前沿技术的相关介绍,辅助以最新的视频资料和文献,使同学们对人工智能课程的各个章节产生兴趣,从而促进学习热情,在之后的理论学习中能更好地理解技术的先进性与实用性。
要求学生在课内学习的基础上,自己完成网络资料与科技文献的检索工作,以培养同学们文献检索的能力。
针对感兴趣的章节进行自主学习,加深加强课堂理论教学,并提高自身的自学能力。
课外大作业要求学生能够运用课堂知识,结合自己专业,探讨人工智能在自己领域的创新思路。
三、课程教学内容及学时分配
1.理论教学安排
序号
章节或知识模块
教学内容
学时分配
能力培养
教学要求
素质培养
教学要求
学生任务
作业要求
自学要求
讨论
1
人工智能的发展与主要应用领域
1.你了解人类的智能吗?
2.人工智能的诞生
3.人工智能几起几落曲折发展
4.从两场标志性人机博弈看人工智能的进步
5.人工智能研究的基本内容
6.人工智能的主要应用领域
7.人工智能会使许多人失业?
3
了解人工智能研究的特点、发展历史及未来,了解人工智能研究的基本内容和主要研究领域,为以后学习和应用人工智能奠定基础。
增加对人工智能学科的认识,开阔学生创新思路。
查阅最新人工智能研究点
2
知识表示与知识图谱
1.你了解人类知识吗?
2.计算机如何表示人类知识?
3.表示专家知识的产生式表示法
4.框架知识表示法
5.知识图谱
3
掌握知识及知识表示的概念,了解产生式、框架知识表示方法。
了解知识图谱等新技术的发展趋势。
了解各种表示方法的思想与具体表示形式、优缺点、适宜的应用对象。
查阅知识图谱的应用案例和最新研究热点。
3
模拟人类思维的模糊推理
1.推理的概念与分类
2.模糊集合与模糊知识表示
3.模糊关系与模糊关系的合成
4.模糊推理与模糊决策
5.模糊推理的应用
3
了解模糊的概念、模糊集合、模糊知识表示、模糊推理及其应用。
掌握推理与不确定性推理的概念;了解模糊推理方法的思路。
查阅模糊推理的应用案例。
课堂讨论模糊推理的应用
4
搜索策略
1.搜索的概念
2.如何将对象用状态空间表示?
3.回溯策略
4.盲目的图搜索策略
5.启发式图搜索策略
2
了解搜索的基本概念、基本方法。
能够针对一些实际问题了解搜索的具体应用。
掌握搜索中回溯策略和启发式图搜索策略的思路。
讨论A*搜索和A搜索的关系。
5
模拟生物进化的遗传算
1.进化算法的生物学背景
2.遗传算法
3.遗传算法的主要改进算法
4.基于遗传算法的调度方法
3
了解一些遗传算法的基本思想,了解一些遗传算法的应用实例。
掌握遗传算法解决问题的基本思想。
了解生物进化过程,以及如何遗传算法中体现。
6
模拟生物群体行为的群智能算法
1.群智能算法的生物学背景
2.模拟鸟群行为的粒子群优化算法
3.模拟蚁群行为的蚁群优化算法
2
了解群智能算法的基本思想,了解粒子群优化算法、蚁群优化算法的基本思想。
了解粒子群优化算法、蚁群优化算法如何解决优化问题。
了解鸟和蚁群协作过程,以及如何在算法中体现。
7
模拟生物神经系统的人工神经网络
1.人工神经元与人工神经网络
2.机器学习的先驱——Hebb学习规则
3.掀起人工神经网络第一次高潮的感知器
4.掀起人工神经网络第二次高潮的BP学习算法
4
了解神经网络的思想,BP神经网络学习算法及其在模式识别、软测量等工程中的应用
掌握人工神经网络的基本概念、常用人工神经网络模型。
能够针对创新点开展切实有效的理论和应用研究。
查阅最新的ANN相关技术应用。
课堂讨论BP-ANN在模式识别中的应用
8
机器学习与深度学习
1.机器学习的基本概念
2.机器学习的分类
3.知识发现与数据挖掘
4.动物视觉机理与深度学习的提出
5.卷积神经网络与胶囊网络
6.生成对抗网络及其应用
4
了解机器学习的基本概念、基本方法,了解深度学习的生物背景和算法的基本内容。
了解深度学习解决问题的创新思想。
查阅深度神经网络的应用。
9
专家系统
1.专家系统的产生与发展
2.专家系统的概念
3.专家系统的工作原理
4.简单的动物识别专家系统
5.专家系统实例及其骨架系统
6.专家系统开发环境
2
掌握专家系统的基本概念、基本特征、一般结构等基本内容。
了解专家系统的建造、开发,专家系统的应用例子。
了解家系统的实用性
10
自然语言理解
1.自然语言理解的概念与发展
2.语言处理过程的层次
3.机器翻译方法概述
4.循环神经网络
5.基于循环神经网络的机器翻译
6.语音识别
2
了解自然语言理解的概念与发展历史。
了解机器翻译、语音识别的基本思路。
了解人工智能技术在机器翻译、语音识别的创新思路。
11
计算机视觉
1.计算机视觉概述
2.计算机视觉数字图像
3.基于深度学习的计算机视觉
4.基于计算机视觉的人脸识别与虹膜识别
2
了解计算机视觉的基本概念,了解基于深度学习的计算机视觉的基本思想,具体了解.基于计算机视觉的人脸识别与虹膜识别过程。
了解人工智能解决计算机视觉问题的创新思想。
12
智能机器
1.机器人的产生与发展
2.机器人中的人工智能技术
3.智能机器人的应用
4.智能机器人伦理与技术展望
2
了解机器人中的人工智能技术和各种智能机器人的应用。
了解人工智能技术在智能机器人中应用的创新思想。
四、考核方式及成绩评定方式
课程考核强调平时成绩和最终成绩的综合方式。
其中,课堂表现主要从学生上课是否专心听讲、回答教师提问是否正确,以及分组讨论是否积极、正确、有独特见解等,以提高课堂教学效果,培养学生的对新技术的兴趣,并逐步培养其创新能力。
作业和课内实践方面要重点培养学生的创新能力,并且提高其对新技术探索和自学习的兴趣。
期末考试将按照本课程的教学目标全面考核学生课程学习的效果,分析课程对毕业要求的达成度。
考核方式采用考查课形式。
考核方式为专题讨论论文等,最终由任课教师选定。
一般要求平时作业成绩与课内讨论及课内实验的最终考核占比30%,大作业或笔试成绩的最终考核占比70%。
五、课程评价与改进
课程考核结束后,遵循学院的教学委员会通过的毕业要求达成度评价机制和评价方法。
对本课程的毕业要求达成度进行自我评价。
主要依据学生的考试成绩和平时成绩,并保存各个成绩段的学生相关资料,供学院教学委员会指定的教师进行评价。
教师根据评价结果,改进其教学方法和教学内容,以便更好支撑学生毕业要求的达成。
六、教材及参考书目
教材:
《人工智能通识教程》,王万良编著,清华大学出版社,2020
执笔者:
审核者:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 课程 教学大纲