《人工智能与机器学习》课程教学大纲_第1页
《人工智能与机器学习》课程教学大纲_第2页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

PAGEPAGE1研究生课程教学大纲课程名称中文人工智能与机器学习课程编号0006200037英文ArtificialIntelligenceandMachineLearning开课单位网络空间先进技术研究院考核方式考查学时32学分2课程类别专业课编制者仇晶适用对象学术型硕士、专业型硕士课程简介(中文)：课程主要探索和学习人工智能及机器学习的基本理论、方法和应用，内容包括人工智能的基本概念、基本原理、知识的表示、推理机制和求解技术，以及机器学习的技术和方法。课程简介(英文)：Thecoursemainlyfocusonthebasictheories,methodsandapplicationsofartificialintelligenceandmachinelearning.ThecoursecontentincludesthebasicconceptsandbasicprinciplesofAI,Knowledgerepresentation,KnowledgeInference,andthetechnologiesandmethodsofmachinelearning.课程目标与基本要求：课程旨在学习和研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题。使学生掌握机器学习的核心算法与理论，并将机器学习算法应用于不同领域，解决不同实际问题。课程内容体现学科前沿。基本要求：了解人工智能研究的发展、成果、基本原则。掌握1-2种流行的机器学习算法。至少应用一种机器学习算法用于解决实际问题。掌握机器学习模型框架，具备自学能力。课程内容及学时分配：第一章人工智能及机器学习简介（2学时）第二章知识表示方法（2学时）第三章基于遗传算法的TSP问题解决方案（4学时）第四章推理技术（2学时）第五章机器学习的主要策略及基本结构——以自动下棋为例（2学时）第六章基于支持向量机的罪名预测实例分析（4学时）第七章基于贝叶斯算法的文本分类实例分析（4学时）第八章神经网络与深度学习框架——TensorFlow（4学时）第九章基于深度学习的图片分类实例分析（4学时）第十章神经机器翻译的实例分析（4学时）教材及主要参考书目：1.周志华，《机器学习》，清华大学出版社，2016年；2.王万良，《人工智能导论（第4版）》，高等教育出版社，2017年；3.美国伯克利大学与Google人工智能科学家合作编写，《人工智能：一种现代的方法（第3版）》，清华大学出版社，2013年。预修课程：概率论与数理统计、高等数学、线性代数教师团队成员：编制者签名：年月日学科点意见：学科点负责人签名：年月日注：1、课程类别指公共课、专业课。2、适用对象指学术型硕士、专业型硕士、在职专业型硕士、博士等。3、课程内容要强调理论性与应用性课程的有机结合，突出案例分析和

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论