人工智能概论课程教学大纲(新).docx
《人工智能概论课程教学大纲(新).docx》由会员分享,可在线阅读,更多相关《人工智能概论课程教学大纲(新).docx(9页珍藏版)》请在文库网上搜索。
1、人工智能概论教学大纲大纲版本:V2.0课程名称(中/英):人工智能概论/ Introduction to Artificial Intelligence学分:2总学时:42理论学时:42实验学时:课程类别:通识教育课开课学期:5/6适用专业:各学科各专业课程性质:选修/必选先修课程:高等数学基础、计算机和信息技术基础一、课程简介人工智能概论课程是高等学校各学科各专业选修或必选的一门通识教育课。本课程全面概述人工智能的基本原理和技术,包括:人工智能概述、图搜索与问题求解、知识表示与机器推理、机器学习与知识发现、机器感知与语言交流、智能系统和智能化网络及人工智能编程语言与开发平台等的初步知识。本课
2、程引导学生了解人工智能主要分支的原理、方法、应用及发展概况,初步学习人工智能的基本技术,对人工智能学科有一个概略而具体的认识,获得一定的基础知识,明确进一步学习的目标和方向。二、课程目标(一)课程具体目标 1. 了解人工智能的研究内容、研究途径与方法以及应用和发展概况。 2. 理解状态图搜索与问题求解的基本原理和技术,初步掌握相应的常用算法。 3. 理解并初步掌握一阶谓词、产生式和语义网络(知识图谱)等知识表示方法和相应的机器推理技术,以及不确定和不确切性知识的表示与推理技术。 4. 了解机器学习和知识发现方法的一般原理,理解符号学习、统计学习、神经网络学习、深度学习和强化学习的基本原理和常用
3、算法。 5. 了解模式识别和自然语言处理的基本原理和方法。 6. 了解人工智能系统的类型、特点及发展概况,理解专家系统、Agent系统、智能机器人、智能计算机和智能化网络的基本原理和建造技术。 7. 了解人工智能程序设计语言的类型、特点和应用概况,理解经典语言PROLOG和流行语言Python的基本语法和程序风格。(二)教学内容安排总体思路人工智能概论是高等学校各学科各专业的一门通识教育课程,也是一门新开课,其目的在于拓展学生的知识面,优化学生的知识结构,以更好适应信息化和智能化社会的飞速发展。有鉴于此,本课程的教学内容安排的总体思路是:勾画人工智能学科的总体架构,简述其各个分支的原理、方法和
4、发展概况,使学生对人工智能及其应用有一个概略而具体的认识,获得一定的基础知识,并明确进一步学习的目标和方向。三、教学内容及基本要求(一)人工智能概述(3学时)主要内容:人工智能的研究内容与方法、人工智能的分支领域、人工智能的应用(支撑课程目标1)基本要求:1理解人工智能的概念、目标和研究策略;2理解人工智能的研究内容与方法;3了解人工智能的分支领域;4了解人工智能的应用与发展概况。重点难点:人工智能的研究内容与方法作业:1. 简述人工智能的研究内容、研究途径和方法,以及它们的关系。2. 简述人工智能的分支领域和研究方向。3. 简述人工智能的应用领域或课题,试举出几例。课外要求:上网浏览有关人工
5、智能应用和发展的资讯。1. 观看教材中相关微课视频。2上网浏览有关人工智能应用和发展的资讯。(二) 图搜索与问题求解(3学时)主要内容:状态图与状态图搜索、状态图搜索问题求解、(支撑课程目标2)基本要求:1理解状态图的基本概念,初步掌握状态图搜索基本技术和状态图问题求解的一般方法,包括穷举式搜索、启发式搜索;2理解并初步掌握一些经典规划调度问题(如迷宫、八数码、梵塔、旅行商、八皇后等问题)的求解方法;教学重点:1状态图搜索常用算法;2问题的状态图表示。教学难点:问题的状态图表示和启发函数设计。作业:1. 综述状态图搜索的方式、策略和算法。2. 解答教材习题三中的4、5、6、7题。课外要求:1.
6、 阅读教材中相关延伸学习导引; 2. 观看教材中的相关微课视频。(三)知识表示与机器推理(一)(4学时) 主要内容:知识的一阶谓词、产生式规则、语义网络表示及其推理(支撑课程目标3)基本要求:1了解知识表示的基本概念;2理解常用知识表示方法的基本原理;3. 初步掌握自然语言命题的谓词形式表示和实体概念的语义网(知识图谱)表示。教学重点: 一阶谓词、产生式规则、语义网络。教学难点: 语义网络与知识图谱。作业:教材习题四1、2、3题。课外要求: 阅读教材中相关延伸学习导引,进而查阅感兴趣的资料。(四)知识表示与机器推理(二)(4学时) 主要内容:不确定性信息和不确切性信息、不确定性知识的表示及推理
7、、不确切性知识的表示及推理(支撑课程目标3)基本要求: 1理解不确定性信息和不确切性信息的特点和区别;2了解不确定性知识的表示与推理方法及不确定性推理的发展概况; 3了解不确切性知识的表示及其推理方法。教学重点:不确定和不确切性知识的表示及其推理原理。教学难点:基于软语言规则的推理方法。作业:教材习题五2、4、5、6、7题。课外要求:1. 阅读教材中第5章的延伸学习导引 2. 观看教材相关微课视频。(五)机器学习与知识发现(一)(6学时) 主要内容: 机器学习的基本原理和分类、符号学习、决策树学习、强化学习(支撑课程目标4)基本要求: 1理解机器学习的基本原理和分类。2了解符号学习的基本方法,
8、包括: 记忆学习、演绎学习、类比学习、示例学习、发现学习、决策树学习等;3了解强化学习的基本原理和算法,包括Q函数及Q学习算法。教学重点:1决策树学习;2强化学习。教学难点:强化学习的Q学习算法。作业:教材习题六1、3、4、5、7题。课外要求:阅读教材中第6章的延伸学习导引(六)机器学习与知识发现(二)(6学时) 主要内容: 统计学习、神经网络学习、深度学习、数据挖掘与知识发现(支撑课程目标4)基本要求: 1了解统计学习的基本原理、方法和分类;2理解神经网络及其学习的基本原理,包括神经网络的拓扑结构与学习机理、神经网络模型及其分类等;3理解BP网络的拓扑结构、学习原理和BP学习算法;4了解深度
9、学习基本原理和发展概况。 5了解数据挖掘与知识发现的基本原理,包括对象、任务和方法等。教学重点:1统计学习;2神经网络学习。教学难点:统计学习和神经网络学习的梯度下降法。作业:教材习题七1、3、4、6题。课外要求:阅读教材中相关延伸学习导引。(七)机器感知与语言交流(4学时) 主要内容: 模式识别、自然语言处理(支撑课程目标5)基本要求:1. 了解模式识别的基本原理和方法及分类,包括统计模式识别、结构模式识别和神经网络模式识别等;2. 理解统计模式识别基本原理和方法,包括距离分类法、几何分类法和概率分类法;3. 了解自然语言处理的途径和方法,包括基于规则、基于统计和基于联结的途径和方法;4.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 概论 课程 教学大纲