“人工智能导论”课程大纲

《人工智能导论（Python版）微课视频版》教学大纲课程名称人工智能导论（Python版）微课视频版IntroductiontoArtificialIntelligence,PythonMicroVideoEdition课程编码课程类别专业基础课学分1理论学时32实践学时18预修课程建议修读学期3考核方式实践类考核方式适用专业计算机相关专业大纲执笔人姜春茂大纲审核人一、课程目标课程目标1：了解人工智能的基础知识，包括人工智能的历史、应用、分支等；课程目标2：掌握机器学习、自然语言处理、语音识别、视觉、神经网络、强化学习和深度学习、区块链等的基本原理与初步算法实践。课程目标3：熟练使用Python进行人工智能相关内容的开发与扩展应用。课程目标4：了解在人工智能学习过程中的伦理、社会关联以及中国传统文化为主体的思政内容。二、课程目标与毕业要求的对应关系本课程以实践驱动为主线，掌握人工智能各个分支的基础知识，学习相关的开发方法和技术，了解影响设计目标和技术方案的各种因素；能够根据具体的对象及其特征，选择研究路线，设计实验方案。三、课程教学要求本课程是一门以实践驱动的人工智能导入型课程，其一方面希望提高学生的动手能力，另一方面也提高学生对于相关主题内容的感知度、兴趣度。通过本课程的学习，使学生掌握基本概念、设计原理与实施方法。在教学方式上，鼓励学生多动手实践提高实际解决问题的能力。学生应该勤于阅读勤于实践勤于沟通；应该孜孜不倦的学习，提高自己的创新能力。就素质培养而言，培养和提高学生的自主学习能力和终身学习的意识，以及主动学习的习惯是培养过程关键的一环。希望通过该课程，学生可以更多的就自己感兴趣的内容自主的查找资料，开发算法，进而加以实践。四、教学内容与课程目标的对应关系H-表示支撑度高，M-表示支撑度中等，L-表示支撑度低章节课程目标1课程目标2课程目标3课程目标4人工智能导引HLLPython基础LHL机器学习初步MHHL自然语言处理MHHL语音识别MHHL计算机视觉MHHL人工神经网络MHHL强化学习和深度学习MHHL区块链MHL人工智能算法MHHL五、教学内容、重难点和课时安排（一） 课程学时分配各章节教学内容学时分配表章节教学内容学时分配支撑课程目标n讲授实验/实践1人工智能导引212Python基础3233机器学习初步322，34自然语言处理422、35语音识别422、3、46计算机视觉422、3、47人工神经网络422、3、48强化学习和深度学习222、3、49区块链222、3、410人工智能算法422、3、4合计3218（二）课程教学内容第1章人工智能导引教学目的：了解人工智能的概念、学习人工智能的目的和意义、应用；了解人工智能的分支。教学内容：人工智能的概念、应用场合；人工智能的分支。重点难点：重点是了解人工智能的分支，难点是人工智能各个分支之间的关系。第2章Python基础知识教学目的：了解Python在不同环境下的安装；熟练使用python的基本编程，包括各种数据结构；掌握第三方模块的安装和使用，文件的读写；掌握NumPy包的熟练使用；掌握Python的绘图基础。教学内容：编程基础（列表、元组及字典、基本语句；函数）；模块的安装与使用；文件的读写；NumPy的使用；Python的绘图基础。重点难点：重点是使用Python进行相关的编程，如NumPy的编程，绘图基础等。难点是使用NumPy进行较为复杂的开发与绘图。第3章机器学习初步教学目的：了解机器学习的概念、其与人工智能的关系、机器学习的分类；了解数据预处理与特征工程，包括数据清洗、数据变化、过滤、特征工程；熟练使用Sklearn包；熟练使用回归分析。掌握聚类的基本原理与常见的聚类算法。教学内容：机器学习及其工作流程；机器学习的分类；数据预处理与特征工程；Sklearn库的使用；逻辑回归分类和线性回归预测；聚类的原理与K-Means聚类算法。重点难点：重点是机器学习的流程与Sklearn的实践。难点是聚类算法及其调优。第4章自然语言处理教学目的：了解自然语言处理的概念；掌握文本分词与词汇还原的方法；掌握文本分块与词袋模型；熟练使用TF-IDF算法，并据此构建文档类别预测器。教学内容：自然语言处理的概念；文本分词与词汇还原；文本分块与词袋模型；文档类别预测；语义分析器；主题模型。重点难点：重点是文本分词及其文档类别判断的方法。难点是语义分析器的理解与实现。第5章语音识别教学目的：了解处理语音信号的方式，可视化处理的过程；掌握处理语音信号的的相关技术；能够独立建立一个英文的语音识别系统。教学内容：处理语音信号；可视化音频信号；音频信号从时域转换到频域；生成音频信号的方法；提取语音特征；构建语音识别系统。重点难点：重点是语音特征的提取策略和方法；难点是构建语音识别系统，尤其是适当结合深度学习机制进行语音信号的识别。第6章计算机视觉教学目的：了解什么是计算机视觉,掌握安装流行的计算机视觉库—OpenCV。了解利用帧间差分法检测视频中的移动部分。掌握使用色彩空间和背景差分法来跟踪对象,使用CAMShift算法来构建一个目标跟踪器,并学习光流的基本知识。熟悉人脸检测的相关概念,构造一个人脸检测和跟踪器。教学内容：计算机视觉的概念；OpenCV介绍；视频中移动物体检测方法；目标跟踪器的构建；基于光流的跟踪；Harr级联和积分图；人脸检测与跟踪。重点难点：重点是熟悉基于OpenCV进行的各种视觉处理方法，为进一步深入视觉学习奠定基础。难点是人脸检测和跟踪，尤其是复杂的场景，如戴口罩情况下。第7章人工神经网络教学目的：了解什么是人工神经网络，熟悉如何建立人工神经网络；了解感知器，掌握基于感知器构建一个分类器；掌握单层和多层神经网络；掌握循环神经网路。教学内容：神经网络的概念；建立和训练人工神经网络；感知器；构建单层人工神经网络和多层人工神经网络；循环人工神经网络；构建光学字符识别引擎。重点难点：重点是熟悉构建单层、多层以及循环神经网络；难点是神经网络的使用，如利用神经网络来构建一个光学自负识别引擎。第8章强化学习与深度学习教学目的：掌握强化学习的概念及其表现；了解深度学习以及卷积神经网络；熟练使用卷积神经网络构建简单的应用。教学内容：强化学习的概念；深度学习的概念；卷积神经网络；利用卷积神经网络建立图像分类器。重点难点：重点是深度学习及其使用；难点是利用卷积神经网络进行实际的应用开发，尤其是其可解释性问题是需要学生简单了解的。第9章区块链教学目的：了解区块链的基本概念；掌握区块链和人工智能的关系；了解如何利用人工智能技术对区块链进一步优化。教学内容：区块链概念；人工智能与区块链；在区块链中使用朴素贝叶斯；优化区块链。重点难点：重点是区块链概念的理解，产生的原因的深入分析；难点是如何充分的利用区块链技术进行多方向（领域）融合的设计与开发，包括在教育领域、知识产权保护等等。第10章人工智能算法教学目的：了解人工智能常用的启发式算法；掌握其基本的思想方法；掌握遗传算法、模拟退火算法、蚁群算法等。教学内容：启发式搜索算法；遗传算法；模拟退火算法；蚁群算法。重点难点：重点是掌握典型的启发式算法，如遗传算法、模拟退火等；难点是这些算法优化的特定目标和适用的场景；同时，也希望同学能够探索一些其它的启发式算法，并进一步比较分析，这也是本章的另一个难点。六、课程教学方法本课程教学采用以多媒体教学为主，以板书为辅的教学方式，并加强图示教学和实例教学以增强学生的学习兴趣并加深学生对重点知识以及理论与实际工程问题相结合的理解。教师课堂讲授：基本概念和核心知识内容的传授，由主讲教师完成。课堂讨论：要求学生以小组的形式对所学的知识点进行现场讨论。MOOC：对课程的一些知识点采用国内外知名专家学者的视频公开课进行知识的传授。SPOC：对于授课难点问题尤其是实际运用的问题时，采用翻转课堂的形式积极引导学生的参与