《人工智能导论》教学大纲

《人工智能导论》教学大纲适用范围：202X版本科人才培养方案课程代码：08150081课程性质：专业选修课学分：2学分学时：32学时（其中：理论32学时，实验0学时）先修课程：高等数学、概率论与数理统计后续课程：无适用专业：物联网工程、物联网工程（专升本）开课单位：计算机科学与技术学院一、课程说明人工智能是计算机科学中的重要内容，已经成为计算机技术发展以及许多高新技术产品中的核心技术。由于人工智能是模拟人类智能解决问题，几乎在所有领域都具有非常广泛的应用。《人工智能导论》是数据科学与大数据技术、数字媒体技术、物联网工程等计算机类专业本科生的一门专业选修课程，也是电子信息、自动化、电气、机械等类专业学习人工智能的重要选修课程。本课程主要介绍人工智能问题求解的一般性原理和基本思想以及一些前沿内容，为学生提供基本的人工智能技术和有关问题的入门性知识，为进一步学习和研究人工智能理论与应用奠定基础。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：了解人工智能的特点、主要研究领域、研究历史及未来发展动向以及人工智能伦理相关的思政内容；课程目标2：掌握人工智能的基本概念、基本原理和基本方法；课程目标3：了解应用人工智能技术解决实际问题的范例。三、课程目标与毕业要求《人工智能导论》课程教学目标对物联网工程等专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度1.工程知识1.3掌握相关自然科学知识、工程基础知识和思维方法，能够将其用于解决数据科学与大数据技术领域的复杂工程问题，能够将数据科学与大数据技术专业知识用于对复杂工程问题解决方案的分析与优化。课程目标1：了解人工智能的特点、主要研究领域、研究历史及未来发展动向以及人工智能伦理相关的思政内容；课程目标2：掌握人工智能的基本概念、基本原理和基本方法。H3.设计/开发解决方案3.3在解决方案设计中，具有综合考虑社会、健康、安全、法律、文化及环境等因素的意识和创新意识。课程目标2：掌握人工智能的基本概念、基本原理和基本方法；课程目标3：了解应用人工智能技术解决实际问题的范例。H4．研究4.1能够基于科学原理并采用科学方法对数据科学与大数据技术领域问题进行分析。课程目标1：了解人工智能的特点、主要研究领域、研究历史及未来发展动向以及人工智能伦理相关的思政内容；课程目标2：掌握人工智能的基本概念、基本原理和基本方法；课程目标3：了解应用人工智能技术解决实际问题的范例。H注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配1.理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时对应的课程目标第1章绪论1.1人工智能的概念1.2人工智能的发展简史1.3人工智能研究的基本内容1.4人工智能的主要研究领域教学要求：（1）了解人工智能研究的特点、内容、发展历史及未来，增加对人工智能学科的认识。把握计算机科学与技术的发展趋势；（2）了解人工智能研究的基本内容和主要研究领域，熟悉本专业的前沿知识和研究热点。重点:了解人工智能研究的基本内容；难点:了解本专业的人工智能相关的前沿知识和研究热点。41、2、3第2章知识表示2.1知识与表示的概念2.2一阶谓词逻辑表示法2.3产生式表示法2.4框架表示法教学要求：（1）熟练掌握知识及知识表示的概念；（2）了解知识的相对正确性、可表示性及可利用性等特性；（3）了解新技术的发展趋势。重点:知识的相对正确性、可表示性及可利用性等特性；难点:新技术的发展趋势。41、2、3第3章确定性推理方法3.1.推理的基本概念3.2.自然演绎推理3.3谓词公式化为子句集的方法3.4鲁宾逊归结原理3.5归结反演3.6应用归结原理求解问题教学要求：（1）熟练掌握谓词公式化为子句集的方法；（2）熟练掌握归结原理、方法，并能灵活应用。重点:谓词公式化为子句集的方法；难点:归结原理、方法及应用。41、2、3第4章不确定性推理方法4.1不确定性推理的基本概念4.2可信度方法4.3证据理论4.4模糊推理方法教学要求：（1）了解可信度方法、证据理论及其推理方法；（2）掌握模糊集合、模糊知识表示、模糊推理方法，并能灵活应用。重点:可信度方法、证据理论及其推理方法；难点:模糊集合、模糊知识表示及模糊推理方法。41、2、3第5章搜索求解策略5.1搜索的概念5.2状态空间的搜索策略5.3盲目的图搜索策略5.4启发式图搜索策略教学要求：（1）搜索的基本概念、基本方法；（2）掌握搜索方法的实现与基本软件设计，基本创新方法。重点:搜索策略的基本概念和基本方法；难点:搜索方法的实现与基本软件设计。41、2、3第6章智能计算及其应用6.1遗传算法的产生与发展6.2基本遗传算法6.3遗传算法的改进算法6.4遗传算法的应用6.5群体智能算法产生的背景6.6粒子群优化算法及其应用6.7蚁群算法及其应用教学要求：（1）掌握遗传算法的基本概念和基本方法；（2）了解一些遗传算法的改进算法，了解遗传算法的应用实例。重点:遗传算法的基本概念和基本方法；难点:遗传算法的改进算法，及遗传算法的应用实例。41、2、3第7章专家系统与机器学习7.1专家系统的产生与发展7.2专家系统的概念7.3专家系统的工作原理及其建立方法7.4知识获取的主要过程与模式7.5机器学习7.6知识发现与数据挖掘7.7专家系统的建立7.8专家系统实例7.9专家系统的开发工具教学要求：（1）掌握专家系统的基本概念、基本特征、一般结构等基本内容；（2）掌握专家系统的建造、开发，了解专家系统的应用例子。重点:专家系统的基本概念、基本特征、一般结构等基本内容；难点:专家系统的设计和开发方法。41、2、3第8章人工神经网络及其应用8.1神经元与神经网络的基本概念8.2BP神经网络学习算法及其应用8.3卷积神经网络与深度学习8.4Hopfield神经网络及其改进8.5Hopfield神经网络的应用教学要求：（1）掌握人工神经网络的基本概念、常用人工神经网络模型；（2）了解BP神经网络学习算法及其在模式识别、软测量等工程中的应用；（3）了解Hopfield神经网络的特性及其在联想记忆、优化等工程中的应用。重点:BP神经网络学习算法及其应用；难点:Hopfield神经网络的特性及其应用。41、2、3合计32五、教学方法及手段本课程以课堂讲授为主，采用启发式、讨论式教学和案例教学等，促进学生积极思考，开发学生的潜能，培养学生思考问题、分析问题和解决问题的能力；以“少而精”为原则，精选教学内容，精讲多练，安排学生小组报告，巩固课堂所学知识；课程利用丰富的线上资源，提供灵活的自主学习平台。六、课程资源库1.推荐教材：（1）王万良.人工智能导论（第5版）[M].北京:高等教育出版社,2020.2.参考书：（1）姚期智.人工智能[M].北京:清华大学出版社,2022.（2）余明辉,詹增荣,汤双霞.人工智能导论[M].北京:人民邮电出版社,2021.（3）中国电子信息产业发展研究院（赛迪研究院）.人工智能创新启示录：技术前沿[M].北京:人民邮电出版社,2022.3.期刊：（1）严行健.人工智能主体化的法律应对——以未来强人工智能的出现为视角[J].对外经贸,2022,(10):76-79.（2）郭菲琳.人工智能技术在档案工作中的应用逻辑与路径展望[J].兰台内外,2022,(32):28-30.（3）刘梦君,蒋新宇,石斯瑾等.人工智能教育融合安全警示:来自机器学习算法功能的原生风险分析[J].江南大学学报(人文社会科学版),2022,21(05):89-101.（4）孟庆民,何雪云,邹玉龙等.人工智能背景下电子信息类教育新形态探索[J].高教学刊,2022,8(28):16-18,22.（5）ZixiangZhou,JieGong.AutomatedresidentialbuildingdetectionfromairborneLiDARdatawithdeepneuralnetworks[J].AdvancedEngineeringInformatics,2018,36:229-241.4.网络资源：（1）Jack_Kuo.人工智能技术应用的领域主要有哪些？.(2022.01.24)./weixin_37251044/article/details/78538826．（2）Jack_Kuo.【深度学习】：激活函数.(2020.06.11)./article/details/106693273.七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末大作业成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表3。表3课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现10（1）根据课堂出勤情况和课堂回答问题情况以及课下学习线上资料情况进行考核，满分100分。（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√244阶段检测10（1）根据每个阶段的测试情况评分，满分100分；（2）每次阶段测试单独评分，取各次测试成绩的平均值作为此环节的最终成绩。（3）以阶段测试成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√244作业20（1）主要考核学生对线上资料学习情况，和对各章节知识点的复习、理解和掌握程度，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√299期末大作业60（1）主要考核人工智能知识的综合掌握和运用能力，涵盖本课程整体知识脉络。（2）成绩100分，以成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√102525合计：100分164242八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、阶段检测、作业、期末大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由期末大作业成绩和过程性考核成绩组成。其中：期末大作业成绩为100分（权重60%）；课堂表现、阶段检测、作业等过程性考核成绩为100分（权重40%）。期末大作业考核和过程性考核分值分配分别与教学大纲各章节的学时基本成比例。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表4。表4过程性考核方式评价标准考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60课堂表现25按时上课，积极参与教学活动，踊跃回答问题，准确率大于90%。按时上课，认真参与教学活动，回答问题准确率大于80%。按时上课整，偶尔参与教学活动，回答问题准确率大于70%。偶尔迟到，上课不记笔记，偶尔参与教学活动。有旷课情况，上课不记笔记，不参与教学活动。阶段检测25认真复习，按时完成阶段测试