人工智能算法分析-教学大纲

《人工智能算法分析》教学大纲课程信息课程名称：人工智能算法分析课程类别：素质选修课/专业基础课课程性质：选修/必修计划学时：64计划学分：4先修课程：无选用教材：《人工智能算法分析》，徐立芳，莫宏伟主编，2023年，电子工业出版社教材。适用专业：本课程可作为计算机科学与技术、智能科学与技术、人工智能等专业高年级本科生和研究生的课程，也可供从事或有志于人工智能行业的研究人员和从业者参考。课程负责人：二、课程简介近年来，深度学习获得了空前的成功，推动了人工智能技术的应用落地，典型的应用包括目标跟踪、目标识别、机器翻译、图像生成和智能机器人等。因此，本课程的内容和组织安排力求从大的发展观出发，从概念到原理再到算法编程实现，力争通过理论和实践相结合的方式使读者对人工智能的相关算法的理解和应用更上一层楼。学生通过学习，应该能从整个人工智能技术发展史出发，掌握人工智能衍生出的各种学习方法，以及这些方法的原理和发展现状，并通过编程案例分析，对理论进行融会贯通。希望学生从学习的过程中体会计算机科学和人工智能技术带来的快乐和力量。三、课程教学要求序号专业毕业要求课程教学要求关联程度1工程知识1.掌握深度学习、强化学习、迁移学习等学习方法的概念、发展现状和模型。2.了解人工智能算法的应用领域和市场需求，为产品设计和开发提供指导。L2问题分析1.学会对人工智能算法设计中出现的问题进行分析和解决，包括硬件故障、软件错误、网络问题等。2.学会进行故障排除和维修和计算方法，以实现数据处理应用。H3设计/开发解决方案1.掌握机器学习经典分类算法，能将人工智能算法应用到工作和生活领域中。2.学会进行系统测试和验证，以确保系统的质量和性能符合要求。H4研究L5使用现代工具1.掌握人工智能算法研发的现代工具，如仿真软件、调试工具等。2.学会使用现代工具进行数据分析和处理，提高工作效率和准确性。M6工程与社会1.了解人工智能算法研发的产品对社会的影响和作用，以及相关的法律法规和标准。2.学会将相应技术应用于实际生产和社会服务中，为社会做出贡献。L7环境和可持续发展L8职业规范L9个人和团队1.学会个人发展和团队合作，提高个人和团队的综合素质。2.学会与他人合作和沟通，建立良好的人际关系和团队合作氛围。H10沟通1.学会进行有效的沟通和表达，与客户、同事和上级保持良好的沟通和协作。2.学会进行跨文化沟通和合作，提高国际化视野和跨文化交流能力。M11项目管理1.学会进行项目管理和组织，包括项目计划、进度控制、质量管理等。2.学会进行风险评估和管理，提高项目成功的概率和效率。L12终身学习1.学会进行自我学习和自我提升，不断提高自身的专业水平和创新能力。2.学会进行终身学习和职业发展规划，不断拓展职业领域和发展空间。H注：“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述。“关联程度”栏中字母表示二者关联程度。关联程度按高关联、中关联、低关联三档分别表示为“H”“M”或“L”。“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业毕业要求条目不相关。四、课程教学内容章节名称主要内容重难点关键词学时类型1绪论人类的学习与机器的学习机器学习与机器智能机器学习的发展历程机器学习的类型机器学习的主要方法机器学习的主要算法机器学习的典型应用与发展趋势如何阅读本书了解机器学习的发展历程；掌握机器学习的主要方法、主要算法、典型应用与发展趋势8理论+实操2机器学习经典分类算法回归算法决策树算法支持向量机KNN算法贝叶斯算法熟悉机器学习经典分类算法的理论与案例分析；掌握回归算法、决策树算法、支持向量机、kNN算法和贝叶斯算法10理论+实操3机器学习经典分类算法k-means算法AdaBoost算法马尔可夫算法随机森林算法了解k-means算法、AdaBoost算法、马尔可夫算法、随机森林算法的概念、原理与编程6理论+实操4深度学习深度学习及其研究现状人工神经网络生成对抗网络循环神经网络理解深度学习概念及其发展现状；掌握深度学习算法的理论与案例分析8理论+实操5强化学习强化学习及其研究现状学习算法蒙特卡洛算法动态规划算法初步理解强化学习及其研究现状；掌握Q-学习算法、蒙特卡洛算法、动态规划算法的原理与算法流程8理论+实操6迁移学习迁移学习及其研究现状TraAdaBoost算法层次贝叶斯算法掌握迁移学习及其研究现状；理解TraAdaBoost算法、层次贝叶斯算法的原理与算法流程4理论+实操7联邦学习联邦学习及其研究现状联邦平均算法纵向联邦学习算法理解面联邦学习及其研究现状；掌握联邦平均算法、纵向联邦学习算法的原理与算法流程4理论+实操8因果学习因果学习及其研究现状结构因果模型多变量结构识别算法理解因果学习及其研究状；掌握结构因果模型多变量结构识别算法原理与算法流程4理论+实操9文本挖掘文本挖掘概念与现状Word2vec-词嵌入递归神经网络理解文本挖掘概念与现状；掌握Word2vec-词嵌入、递归神经网络的算法流程4理论+实操10图像处理图像处理概念与现状条件图像到图像翻译解纠缠图像到图像翻译理解图像处理概念与现状；掌握条件图像到图像翻译、解纠缠图像到图像翻译4理论+实操11人工智能大模型人工智能大模型概念与现状TransformerGPT理解人工智能大模型概念与现状；掌握Transformer、GPT的原理与应用4理论+实操五、考核要求及成绩评定序号成绩类别考核方式考核要求权重（%）备注1期末成绩期末考试大作业50百分制，60分为及格2平时成绩实践11次40优、良、中、及格、不及格3平时表现出勤情况10两次未参加课程则无法获得学分注：此表中内容为该课程的全部考核方式及其相关信息。六、学生学习建议学习方法建议1.依据专业教学标准，结合岗位技能职业标准，通过案例展开学习，将每个项目分成多个任务，系统化地学习。2.通过每个项目最后搭配的习题，巩固知识点。3.了解行业企业技术标准，注重学习新技术、新工艺和新方法，根据教材中穿插设置的智能终端产品应用相关实例，对已有技术持续进行更新。4.通过开展课堂讨论、实践活动，增强的团队协作能力，学会如何与他人合作、沟通、协调等等。学生课外阅读参考资料《人工智能算法分析》，徐立芳，莫宏伟主编，2023年，电子工业出版社教材。七、课程改革与建设（1）通俗易懂，方便学习，构建数字化资源，立体呈现教育信息化的特点，结合仿真软件，充分提高学生学习效率和积极性。（2）注重技能的养成和思维的拓展。通过引导式教学，设计包括引导问题、优化