《人工智能》课程教学大纲

《人工智能》教学大纲一、课程基本信息课程名称人工智能ArtificialIntelligence课程编码SCC310621030开课院部理学院课程团队数据科学团队学分3.0课内学时52讲授40实验0上机12实践0课外学时52适用专业数学与应用数学授课语言中文先修课程数理统计课程简介（限选）课程性质：本课程是数学与应用数学专业的限选课。主要教学内容：人工智能是数学与应用数学专业的限选课。本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的智能，使得计算机更好得为人类服务。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。课程教学目标：《人工智能》课程的主要目标是为大学本科高年级学生提供有关人工智能理论以及应用所必需的知识和技能；掌握人工智能的基本原理；掌握设计开发智能系统的基本方法。Coursenature:Thiscourseisalimitedcourseformathematicsandappliedmathematicsmajors.Mainteachingcontent:Artificialintelligenceisalimitedcourseformathematicsandappliedmathematicsmajors.Thiscourseintroduceshowtousecomputerstosimulatehumanintelligence,thatis,howtousecomputerstoimplementproblemssuchasproblemsolving,planningreasoning,patternrecognition,knowledgeengineering,naturallanguageprocessing,machinelearningandotherintelligencethatonlyhumanbeingshavemakecomputersservehumanbeingsbetter.Artificialintelligenceisadisciplinewithrapiddevelopmentofcurrentscienceandtechnology,andnewideas,newviewpointsandnewtechnologiesareconstantlyemerging.Itisalsoadisciplineinvolvingmathematics,computerscience,cybernetics,informationtheory,psychology,interdisciplinaryandmarginaldisciplinesofphilosophyandotherdisciplines.Teachingobjectivesofthecourse:themaingoalofthecourse"artificialintelligence"istoprovideseniorundergraduatestudentswithknowledgeandskillsnecessaryforthetheoryandapplicationofartificialintelligence;Masterthebasicprinciplesofartificialintelligence;masterthebasicmethodsofdesigninganddevelopingintelligentsystems.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1M1目标1：了解人工智能及其相关技术的发展和基本概念。是1.1,3.12M2目标2：理解并掌握人工智能关键技术，了解目前常用人工智能技术。是5.25.23M3目标3：通过课程项目的实践应用，掌握人工智能实现技术，并应用人工智能技术解决实际问题。是5.25.24M4目标4：能保障课程正常秩序（政治层面、课堂保障层面，非学生能力层面）否三、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1章第1章绪论本章重点和难点：人工智能的定义；人工智能的研究目标、研究方法和分支领域。////21.11.1人工智能的定义什么是人工智能；为什么需要“人工”智能；图灵测试与人工智能的定义。M10.5讲授、讨论0.5自学资料31.21.2人工智能的起源与发展人工智能的起源；从感知机到深度学习；符号主义的兴衰；行为主义的进展。M10.5讲授、讨论0.5自学资料41.31.3人工智能研究范畴认知建模；知识表示；机器感知；自动推理；机器学习。M10.5讲授、讨论0.5课后作业51.41.4人工智能的应用领域问题求解与博弈；专家系统；数据挖掘与知识发现；自然语言处理；深度神经网络；模式识别；智能信息检索；智能机器人；分布式智能与Agent。M10.5讲授、讨论0.5课后作业6第2章第2章知识表示本章重点和难点：状态空间法；问题归约表示；谓词逻辑法、语义网络法。////72.12.1知识表示的内涵知识与知识表示；知识表示的方法。M1,M20.5讲授、讨论0.5作业82.22.2谓词逻辑表示法命题逻辑；谓词逻辑；知识表示实例；谓词逻辑表示的特点和问题。M1,M20.5讲授、讨论0.5作业92.32.3产生式规则表示法正向规则和逆向规则；确定和不确定规则；特殊和一般性规则；元规则。M1,M20.5讲授、讨论0.5作业102.42.4语义网络表示基本语义关系；语义网络的结构；知识的语义网络表示；语义网络的推理过程；语义网络表示法的特点。M1,M21讲授、讨论1作业112.52.5知识图谱表示知识图谱的定义；知识图谱的架构；知识图谱构建的关键技术；知识图谱在搜索中的典型应用。M1,M20.5讲授、讨论0.5作业122.62.6框架表示法框架的构成；框架的推理；框架表示法的特点。M1,M20.5讲授、讨论0.5作业132.72.7脚本表示法脚本的结构；脚本的推理；脚本的特点。M1,M20.5讲授、讨论0.5作业14第3章第3章智能搜索本章重点和难点：搜索策略；盲目搜索；启发式搜索；博弈树搜索。////153.13.1搜索概论搜索的定义；状态空间表示。M1,M21讲授、讨论1作业163.23.2盲目搜索宽度优先搜索；深度优先搜索。M1,M21讲授、讨论1作业173.33.3启发式搜索启发式搜索策略；有序搜索；通用图搜索算法；A*算法。M1,M21讲授、讨论1作业183.43.4博弈树搜索博弈的定义；极大极小分析法；α-β剪枝技术；蒙特卡洛树搜索。M1,M21讲授、讨论1作业19上机1上机1：搜索技术实验A*算法实验。M2,M32上机2撰写实验报告20第4章第4章自动推理本章重点和难点：确定性推理；非确定性推理。////214.14.1确定性推理自然演绎推理；归结演绎推理；经典的归结方法。M1,M22讲授、讨论2作业224.24.2非确定性推理非确定性推理的基本问题；概率方法；主管Bayes方法；可信度推理方法；模糊推理方法。M1,M22讲授、讨论2作业23上机2上机2：推理技术实验家用洗衣机模糊推理系统。M2,M32上机2撰写实验报告24第5章第5章机器学习本章重点和难点：机器学习；特征工程；机器学习算法；模型选择与评估。////255.15.1理解机器学习机器学习定义；机器学习分类；机器学习基本流程。M1,M21讲授、讨论1作业265.25.2数据集数据集的划分；数据预处理与可视化分析。M1,M21讲授、讨论1作业275.35.3特征工程特征提取；特征选择；降维。M1,M21讲授、讨论1作业285.45.4机器学习算法分类算法；聚类算法；回归算法。M1,M21讲授、讨论1作业29第6章第6章深度学习本章重点和难点：深度学习形成过程；深度学习基本方法；深度学习中的正则化；深度学习中的优化。////306.16.1深度学习形成过程感知器、BP神经网络；深度神经网络。M1,M20.5讲授、讨论0.5作业316.26.2深度学习基本方法正向学习；反向调整。M1,M20.5讲授、讨论0.5作业326.36.3深度学习中的正则化参数惩罚；数据集扩充增强；Dropout。M1,M21讲授、讨论1作业336.46.4深度学习中的优化ReLU激活函数；批量归一化；随机梯度下降；动量法；AdaGrad优化算法；RMSProp优化算法；Adam优化算法。M2,M31讲授、讨论1作业346.56.5深度学习软硬件实现Caffe；Tensorflow；硬件支撑；深度学习一体机。M2,M31讲授、讨论1作业35第7章第7章卷积神经网络本章重点和难点：卷积的本质；卷积神经网络的结构。////367.27.2卷积神经网络的发展历程神经生物学家的发现；卷积网络的提出；卷积神经网络的发展动力。M1,M20.3讲授、讨论0.3作业377.37.3卷积的本质什么是卷积；什么是卷积核；卷积运算。M1,M20.5讲授、讨论0.5作业387.47.4卷积神经网络的结构卷积神经网络的整体结构。M1,M20.5讲授、讨论0.5作业397.57.5卷积层局部连接；卷积层的核心参数；权值共享。M2,M30.5讲授、讨论0.5作业407.67.6非线性激活函数传统激活函数；激活函数ReLU。M2,M30.2讲授、讨论0.2作业417.77.7池化层池化层的原理及实现。M2,M30.3讲授、讨论0.3作业427.87.8全连接层全连接层结构及原理。M2,M30.5讲授、讨论0.5作业437.97.9CNN网络的训练CNN网络训练过程；CNN网络训练方法。M2,M30.5讲授、讨论0.5作业447.17.10经典的卷积神经网络LeNet-5；AlexNet。M2,M30.5讲授、讨论0.5作业45上机3上机3：CNN实验利用CNN神经网络识别手写数字。M2,M32上机2撰写实验报告46第8章第8章循环神经网络本章重点和难点：工作原理；改进的循环神经网络；深层循环神经网络。////478.18.1循环神经网络的工作原理循环神经网络的模型结构；循环神经网络的基本工作原理；循环神经网络的前向计算；循环神经网络的梯度计算。M1,M21讲授、讨论1作业488.28.2改进的循环神经网络梯度爆炸与梯度消失；长短时记忆神经网络。M1,M21讲授、讨论1作业498.38.3深层循环神经网络为什么需要深层循环神经网络；深层循环神经网络的结构；深层循环神经网络的工作原理。M2,M30.5讲授、讨论0.5作业508.48.4双向循环神经网络双向网络结构；双向循环神经网络的工作原理；双向循环神经网络的训练。M2,M31讲授、讨论1作业518.58.5循环神经网络的应用情感分析；语音识别；机器翻译；基于循环神经网络的语言模型。M2,M30.5讲授、讨论0.5作业52上机4上机4：循环神经网络实验基于LSTM模型的股票预测。M2,M32上机2撰写实验报告53第9章第9章自然语言处理本章重点和难点：自然语言处理原理；自然语言模型。////549.19.1概论自然语言处理；自然语言处理方法及发展。M1,M20.2讲授、讨论0.2作业559.29.2自然语言处理原理语言学基础；汉语分词；词性标注；命名实体识别；句法理论与自动分析。M1,M20.3讲授、讨论0.3作业569.39.3自然语言模型语料库；统计语言模型；语言模型的平滑；概率图模型。M2,M30.5讲授、讨论0.5作业5710.110.1分布式人工智能多智能体系统；边缘计算；群体感知。M1,M20.5讲授、讨论0.5作业589.49.4自然语言处理应用文本情感分析；自然语言模型在消歧中的应用。M2,M30.5讲授、讨论0.5作业5910.310.3分布式智能应用智慧交通；柔性制造；工业区块链；战术物联网。M2,M30.5讲授、讨论0.5作业6010.210.2分布式协同体系架构符号推理体系；行为主义体系；协进化体系；平行只能体系。M1,M21讲授、讨论1作业619.59.5自然语言处理前瞻自然语言处理的未来发展趋势。M1,M20.5讲授、讨论0.5作业6211.111.1智能机器人基本概念定义；分类。M1,M20.5讲授、讨论0.5作业6311.211.2智能机器人关键技术多传感器融合；自主导航与避障；路径规划；智能控制；人机接口技术。M1,M20.5讲授、讨论0.5作业64第10章第10章分布式智能本章重点和难点：分布式人工智能；分布式协同体系架构。////65第11章第11章智能机器人本章重点和难点：智能机器人关键技术；智能机器人控制策略。////6611.311.3智能机器人控制策略PID控制；模糊控制；自适应控制；神经网路控制。M2,M30.5讲授、讨论0.5作业6711.411.4智能机器人应用智能工业机器人；智能农业机器人；家庭智能机器人；其他应用。M2,M30.5讲授、讨论0.5作业68第12章第12章人工智能前沿本章重点和难点：深度强化学习；生成对抗网络；可解释的深度学习理论；神精胶囊网络；自动机器学习。////6912.112.1深度强化学习从AlphaGo谈技术；深度强化学习的理念。M1,M2,M31讲授、讨论1作业7012.212.2生成对抗网络（GAN）感性认识；基本原理；生成对抗网络的应用领域。M1,M2,M31讲授、讨论1作业71上机5上机5：深度强化学习实验基于强化学习的“走迷宫”游戏。M2,M32上机2撰写实验报告7212.312.3可解释的深度学习理论深度学习的不足；理论探索的方向。M1,M2,M30.5讲授、讨论0.5作业7312.412.4神经胶囊网络基于反向传播的神经网络缺陷；神经胶囊网络的核心思想。M1,M2,M31讲授、讨论1作业7412.512.5自动机器学习自动学习的背景；创建无需编程的学习模型。M1,M20.5讲授、讨论0.5作业75上机6上机6：GAN实验基于GAN的手写数字生成。M2,M32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大作业1.本课程要求利用深度学习模型实现大数据处理，两到三人一组共同完成一道大题，并提交论文并答辩。2.根据模型建立情况、论文方案的准确性和个人在大作业的贡献率评分。30%2实验1.本课程12个学时实验，共6次实验。2.成绩采用百分制，根据实验完成情况评分。3.考核学生对人工智能相关知识的应用能力，针对人工智能中的知识表示、搜索策略、推理技术、专家系统、计算智能等问题，从技术角度优选解决方案获得有效结论。60%3考勤随机点名、刷卡点名等5%4课堂表现随机检查学生上课精神状态、回答问题情况5%五、评分细则序号课程目标考核环节大致占比评分等级1M1课堂表现10%A-精神状态饱满，回答问题准确。B-精神状态良好，问题回答较好。C-精神状态一般，问题回答一般。D-很少参加课堂讨论，精神状态较差，回答问题有误。B-按时提交作业，钢铁冶金、粉末冶金、热处理原理、常用金属材料等基本知识点理解存在少量错误。2M1实验60%A-按时提交实验报告，代码实现及数据分析符合规范，结论无误。B-按时提交实验报告，模型基本规范，结果基本正确。C-模型本身存在问题。D-未提交实验报告或实验报告存在严重抄袭现象。3M1大作业30%A-按时提交大作业论文，模型符合规范，结果无误，课程答辩讲解清楚，回答问题正确。B-按时提交大作业论文，模型基本规范，结果基本正确，课程答辩讲解较清楚，回答问题基本正确。C-模型存在问题，课程答辩讲解不清，回答问题有错误。D-未提交大作业论文或大作业论文存在严重抄袭现象，未参加课程答辩。4M2大作业40%A-按时提交大作业论文，模型符合规范，结果无误，课程答辩讲解清楚，回答问题正确。B-按时提交大作业论文，模型基本规范，结果基本正确，课程答辩讲解较清楚，回答问题基本正确。C-模型存在问题，课程答辩讲解不清，回答问题有错误。D-未提交大作业论文或大作业论文存在严重抄袭现象，未参加课程答辩。5M2实验60%A-按时提交实验报告，代码实现及数据分析符合规范，结论无误。B-按时提交实验报告，模型基本规范，结果基本正确。C-模型本身存在问题。