《人工智能导论》课程教学大纲

1、人工智能导论课程教学大纲一、课程基本信息课程名称（中文）人工智能导论课程名称（英文）Introduction to Artificial Intelligence课程类别1：专业选修课课程性质2选修授课语言3中文授课学期第5学期学分3课程学时及分配总学时讲课实验课外483216适用专业计算机科学与技术教材王万森，人工智能原理及其应用（第4版），电子工业出版社，2018年8月第4版授课学院计算机与软件学院先修课程离散数学、概率论与数理统计、数据结构、程序设计基础后续课程机器学习，大数据技术，自然语言处理，计算机视觉课程简介课程基本定位：人工智能是计算机科学与技术类专业应用性比较强的专业选修课，是

2、计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。本课程是人工智能理论和方法的导论课程，主要介绍人工智能研究中的经典理论和方法，使学生通过本课程的学习后能较全面、深入地理解和掌握人工智能的基本概念、基本方法、主要功能及其实现技术，了解人工智能方法在多媒体分析、计算机视觉、机器学习等方面的发展前沿，为学生今后从事相关领域的工作打下较坚实的基础，激发学生利用人工智能技术改善人民生活、造福人类社会。核心学习结果：通过本课程学习，使学生掌握人工智能领域的基本概念、理论、常用技术及方法，具备解决简单智能化应用问题能力。主要教学方法：讲授、讨论、案例、实验

3、。大纲更新时间2020.8.20注：1.课程类别：选填“通识核心课/通识拓展课/通修课/学科基础课/专业主干课/专业选修课/专业实践/素质拓展”2.课程性质：选填“选修/必修”3.授课语言：选填“中文/双语/全英文或其他语种”二、课程目标序号课程目标（参考培养目标、毕业要求、课程定位）支撑毕业要求指标点1达成途径1.1掌握人工智能的基本概念、理论、相关技术及工作原理。指标点1.1： 掌握数学与自然科学的基本概念、基本理论和基本技能，领会数学、物理思想方法，培养逻辑思维和逻辑推理能力。讲授、讨论、作业。2.1在状态空间能够应用智能搜索技术求得问题的解。指标点4.1：能够针对计算机领域问题，选择合

4、适的仿真实验或者测试方案。讲授、讨论、案例、实验。2.2能够应用遗传算法求取函数的最大值。2.3能够应用传统机器学习方法进行目标物分类检测。2.4能够应用深度学习方法进行目标物分类检测。3.1具有自主学习、终身学习以及自我完善的意识。毕业要求指标点 12.2：能认识不断探索和学习的必要性，具有自主学习和终身学习的意识。自学、专题讨论、作业。注：1.支撑毕业要求指标点：选填项。需要进行专业认证，有毕业要求指标点可参照的课程必填，无明确毕业要求指标点可参照的可不填。三、理论教学内容章标题教学内容学时思政融入点1学生学习预期成果2教学方式3课程目标第1章人工智能概述2介绍我国科技工作者在人工智能研究

5、中的贡献及存在的差距，增强民族自豪感、责任感和使命感。理解人工智能的相关概念，熟悉人工智能研究内容和三大学派，熟悉人工智能主要研究和应用领域。讲授、自学1.1,3.1第2章确定性知识系统4介绍我国科研团队在确定性知识推理中的研究成果，激发学生学习相关知识的积极性。探讨如何运用人工智能技术为社会做出贡献。掌握确定性知识含义、表示方法及常用推理方法讲授、讨论、案例、演示1.1,3.1第3章不确定性知识系统4理解不确定推理的含义及常用推理方法讲授、讨论、案例、演示1.1,3.1第4章智能搜索技术6掌握智能搜索的含义、常用状态空间搜索方法、遗传算法用法讲授、讨论、案例、演示1.1,2.1,2.2,3.

6、1第5章机器学习6引导学生运用机器学习相关技术设计能改善人们生活的智能系统。掌握常用机器学习方法的工作原理、适用范围及实现方法讲授、讨论、案例、演示1.1,2.3,3.1第6章人工神经网络与连接学习4掌握人工神经网络的原理、模型及用法，尤其是深度学习经典模型用法讲授、讨论、案例、演示1.1,2.4,3.1第7章分布智能4理解分布智能的原理及常见类型讲授、讨论1.1, 3.1第8章智能应用简介2了解自然语言理解的研究内容及典型专家系统涉及的人工智能技术讲授、讨论、案例、演示1.1, 3.1注：1.思政融入点：至少写3条，简述该课程教学中将思政教育内容与专业教育内容有机融合的知识点（下同）。 2.

7、学生学习预期成果：描述学生在学完本节内容后应获得的知识、能力或素养水平（下同） 3.教学方式:包括讲授、讨论、案例、演示等，但不限于所列，根据课程实际需要列举四、实践（实验或实习）教学1编号实验或实习项目名称教学内容学时实验或实习类型2思政融入点学生学习预期成果课程目标1人工智能网上冲浪通过网络搜索引擎了解人工智能的研究内容、研究进展以及相关的重要人物和有影响的事件2综合性列举我国在推动人工智能发展中的杰出科学家及其重要研究成果，增强民族自豪感了解人工智能的研究内容、研究进展及重要人物代表1.12Bayes推理方法利用Bayes方法进行分类推测2验证性掌握Bayes推理方法的使用1.13智能搜

8、索技术利用智能搜索技术解决八数码问题2验证性掌握经典智能搜索技术的应用2.14遗传算法用遗传算法求函数的最大值2验证性掌握遗传算法的工作原理2.25决策树利用ID3决策树方法完成分类任务2验证性掌握决策树的使用前提及过程2.36支持向量机利用支持向量机进行图像分类识别2验证性掌握支持向量机工作原理及工作流程2.37人工神经网络利用人工神经网络完成图像分类识别2验证性列举我国科技工作者在人工神经网络研究中的杰出代表、主要成果，激发学生学习人工神经网络的兴趣。掌握人工神经网络模型结构及工作工程2.38深度学习算法及应用使用深度学习开源工具完成图像分类识别2综合性列举我国在深度学习研究中的杰出人物、

9、主要成果，提高学生在深度学习研究中的兴趣。掌握深度学习的工作原理、优点、用法及局限性2.4注：1.此表可用于课内实践教学环节或某门综合实践课程2.实验类型：选填”验证性/综合性/设计性”；实习类型：选填“认识实习/生产实习/毕业实习”五、课程评价（一）考核内容、考核方式与课程目标对应关系课程目标考核内容考核方式及占比（%）成绩（%）课程作业课程实验课程考试目标1.1是否掌握人工智能的基本概念、理论、相关技术及工作原理。107080目标2.1是否具有在状态空间应用智能搜索技术求得问题的解的能力。33目标2.2是否具有应用遗传算法求取函数的最大值的能力。33目标2.3是否具有应用传统机器学习方法进

10、行目标物分类检测的能力。33目标2.4是否具有应用深度学习方法进行目标物分类检测能力。33目标3.1课程讨论环节和实验环节是否能够反映自主学习、终身学习以及自我完善的意识。538合计151570100注：1. 课程目标在考核方式及占比：主要根据课程目标自行设计和制定多元化考核方式，表中所列仅为参考（红色数据可删除）。但所列考核方式必须覆盖全体学生，可根据当学期具体教学情况酌情调整。2. 各考核方式占总成绩权重：根据课程实际情况对各考核方式占总成绩的权重予以赋值。（二）考核方式评分标准1课程作业评分标准课程目标评分标准占比90-100（优）80-89（良）70-79（中）60-69（及格）0-5

11、9（不及格）15%目标1.1能够深入理解人工智能的基本概念、理论、相关技术及工作原理。能够较好地理解人工智能的基本概念、理论、相关技术及工作原理。能够理解人工智能的基本概念、理论、相关技术及工作原理。基本理解人工智能的基本概念、理论、相关技术及工作原理。不理解人工智能的基本概念、理论、相关技术及工作原理。2课程实验评分标准（笔试类评分标准可在大纲中按以下格式予以说明，也可在通过“试卷分析表”予以说明）课程目标评分标准占比90-100（优）80-89（良）70-79（中）60-69（及格）0-59（不及格）15%目标2.1具有很强的在状态空间应用智能搜索技术求得问题的解的能力。具有较强的在状态空

12、间应用智能搜索技术求得问题的解的能力。具有一般的在状态空间应用智能搜索技术求得问题的解的能力。基本具有在状态空间应用智能搜索技术求得问题的解的能力。不具有在状态空间应用智能搜索技术求得问题的解的能力。目标2.2具有很强的应用传统机器学习方法进行目标物分类检测的能力。具有较强的应用传统机器学习方法进行目标物分类检测的能力。具有一般的应用传统机器学习方法进行目标物分类检测的能力。基本具有应用传统机器学习方法进行目标物分类检测的能力。不具有应用传统机器学习方法进行目标物分类检测的能力。目标2.3具有很强的应用传统机器学习方法进行目标物分类检测的能力。具有较强的应用传统机器学习方法进行目标物分类检测的

13、能力。具有一般的应用传统机器学习方法进行目标物分类检测的能力。基本具有应用传统机器学习方法进行目标物分类检测的能力。不具有应用传统机器学习方法进行目标物分类检测的能力。目标2.4具有很强的应用深度学习方法进行目标物分类检测能力。具有较强的应用深度学习方法进行目标物分类检测能力。具有一般的应用深度学习方法进行目标物分类检测能力。基本具有应用深度学习方法进行目标物分类检测能力。不具有应用深度学习方法进行目标物分类检测能力。目标3.1实验报告格式规范，文字严谨，内容正确，条理性好，无抄袭痕迹，图文并茂；能正确问答所提的问题。实验报告格式规范，文字严谨，内容比较正确，条理性好，无抄袭痕迹，图文并茂；能

14、比较正确问答所提的问题。实验报告格式比较规范，文字比较严谨，内容正确，条理性好，无抄袭痕迹，图文并茂；能比较正确问答所提的问题。实验报告格式基本规范，文字严谨，内容基本正确，条理性好，无抄袭痕迹，图文并茂；能基本正确问答所提的问题。实验报告有明显的抄袭痕迹，不能正确问答所提的问题。3课程考试评分标准课程目标评分标准占比90-100（优）80-89（良）70-79（中）60-69（及格）0-59（不及格）70%目标1.1能够深入理解人工智能的基本概念、理论、相关技术及工作原理。能够较好地理解人工智能的基本概念、理论、相关技术及工作原理。能够理解人工智能的基本概念、理论、相关技术及工作原理。基本理解人工智能的基本概念、理论、相关技术及工作原理。不理解人工智能的基本概念、理论、相关技术及工作原理。注：考核方式和课程目标在考核方式中占比应与“（一）考核内容、考核方式与课程目标对应关系”