《人工智能和大数据基础》教学大纲

ADDINCNKISM.UserStyle《人工智能和大数据基础》教学大纲课程编号：13210808英文名称：ArtificialIntelligenceandBigDataFundamentals学分：2.5学时：总学时40学时，其中理论40学时先修课程：高等数学、线性代数、概率统计、离散结构、高级语言、数据结构课程类别：专业必修课授课对象：智能制造工程专业学生教学单位：机械与电气工程学院修读学期：第4学期一、课程描述和目标人工智能是计算机科学理论基础研究的重要组成部分,人工智能课程部分是智能制造工程专业的专业必修课。通过本课程的学习使学生了解人工智能的提出、几种智能观、重要研究领域，掌握人工智能求解方法的特点；同时，掌握人工智能的基本概念、基本方法,会用知识表示方法、推理方法和机器学习等方法，求解简单问题等。大数据技术已经成为IT行业主流技术。大数据课程部分为大数据提供了从数据的海量存储、处理到应用多方面的技术,包括数据采集、海量数据存储、非关系型数据管理、数据挖掘、数据可视化以及智能分析技术如模式识别、自然语言理解、应用知识库等。通过大数据课程部分的学习，能将大数据处理的相关原理和技术,与实际工程应用相结合,构建相应的大数据分析与应用平台。课程目标1:了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域。课程目标2：学习各种人工智能的基本理论及其应用，拓展学术视野，重点掌握部分方法并能应用于解决简单实际问题。课程目标3：了解大数据分析处理计算框架；大数据分析处理基本流程；大数据分析处理评测方法。课程目标4：学习到数据分析的基本概念原理和经典算法；能将所学的知识运用计算机复杂工程问题。二、课程目标对毕业要求的支撑关系毕业要求指标点课程目标权重4.2

掌握数学算法、程序设计、数据库原理等专业知识，并将之结合能用于提高计算机相关领域的复杂问题的研究的能力。课程目标30.5课程目标40.55.1能将大数据分析的具体方法用编程语言来实现，确定设计方案，完成解决大数据复杂工程问题。课程目标417.2能够理解和评价计算机复杂工程问题解决方案及专业工程实践对环境、社会可持续发展的影响课程目标2110.2能够掌握一门外语，具备一定的国际视野，能够了解和跟踪计算机行业的最新发展趋势课程目标10.6课程目标20.4三、教学内容、基本要求与学时分配序号教学内容基本要求学时教学方式对应课程目标1人工智能概念及发展历史了解人工智能的起源与发展历史、基本研究内容、主要学派及其应用。4讲授式启发式课程目标12脑科学基础了解人脑的生理及认知机能。4讲授式启发式课程目标1课程目标23人工神经网络了解感知机、前馈神经网络、深度学习等理论。4讲授式启发式课程目标1课程目标24机器学习了解归纳学习、类比学习、统计学习、强化学习等理论。4讲授式启发式课程目标1课程目标25智能机器人了解智能机器人的体系结构、机器人视觉系统、机器人规划。4讲授式启发式课程目标1课程目标26大数据概述掌握数据挖掘的基本任务、数据挖掘建模过程4讲授式启发式课程目标37Python数据分析简介熟悉Python数据分析工具相关设置4讲授式练习式课程目标3课程目标48数据探索了解数据质量分析、特征分析、Python主要函数介绍4讲授式练习式课程目标3课程目标49数据预处理了解数据清洗、数据集成、数据变换4讲授式练习式课程目标3课程目标410挖掘建模掌握介绍分类预测、聚类分析、关联规则等相关算法4讲授式练习式课程目标3课程目标4合计40四、课程教学方法采用集中讲授、讨论、练习等教学方式。五、学业评价和课程考核考核依据建议分值考核/评价细则对应课程目标平时成绩40出勤10“全勤”为10分，旷课迟到根据具体情况酌情扣分。课程目标1课程目标3文档20“完成很好”为20分、“完成较好”为16分、“基本完成”为12分，“完成很差或不完成作业”<12分课程目标1课程目标2课程目标3课程目标4课堂表现10课堂表现包括课堂提问、课堂讨论等，“课堂表现优秀”为10分，“课堂表现良好”为8分，“课堂表现一般”为6分，“课堂表现差”<6分；课程目标2课程目标4期末考试60考试类型：开卷；考试分制：百分制；考试题型：命题方式由该任课老师确定；考试时间：由教学管理部门统一安排；5、评价标准：由命题教师提供。课程目标1课程目标2课程目标3课程目标4六、教材与参考书（一）推荐教材1．《人工智能导论》，莫宏伟主编，人民邮电出版社，2020年7月版；2．《Python数据分析与挖掘实战》，张良均主编，机械工业出版社，2016年01月版;（二）参考资料1．《人工智能基础》（第2版），刘济、何钦铭主编，高等教育出版社，2