清华大学《人工智能导论》课程电子教案共143页文档
《人工智能导论》教学大纲(2024版)
人工智能导论课程教学大纲一、课程基本信息课程编号：课程中文名称：人工智能导论课程性质：学院基础课程、专业核心课程开课学期：3课内学时：32学时，其中授课32学时课外学时：32学时学分：2学分主要面向专业：自动化、测控、电气、机器人工程二、先修课程高等数学、概率论、线性代数、生命科学导论三、课程目标人工智能导论是面向理工科专业的重要基础课程。
课程以学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五维知识体系为主要内容，经典与现代人工智能知识结构模块化，具有广阔的思想和技术背景。
通过课程学习，使学生系统性掌握人工智能基本概念、方法、技术，把握人工智能重点方向及领域；掌握机器学习、深度神经网络等基本方法；初步具备利用人工智能技术解决问题的基本能力；初步理解人工智能伦理及其对人工智能技术发展的重要意义。
为进一步学习相关的专业基础课程和专业课程打下必要的理论和实践基础。
（1）从大历史观角度使学生理解人工智能发展的历史和思想脉络，使学生认识到人工智能的本质和内涵，思考人之为人的价值和意义,勇于承担社会发展责任。
（2）充分发挥人工智能多学科、多领域理论、知识交叉的特点和优势，培养学生多学科知识交叉思维和创新意识。
（3）激发学生学习人工智能的热情和人机协同创新思维，为后续人工智能+X专业学习、创新创业、竞赛、就业等奠定基础。
（4）系统理解机器智能实现技术和方法，认识到机器智能对人类智能补充与增强作用，学会利用人机协同技术和方法及解决各类问题。
(5)使学生充分理解人工智能对未来人类社会经济、科技和文明发展的重要作用，具备未来能社会发展需要的人工智能人才素质。
四、教学内容与教学方法五、考核方式六、参考教材及学习资源（一）参考教材：[1]莫宏伟，徐立芳.人工智能导论.第2版.[2]莫宏伟，徐立芳.人工智能伦理导论.。
《人工智能导论》课程电子教案(遗传算法 )
m
f (xi )
max {
1i m
f
(xi )}
M
i 1
m
上式中的第一个方程表示变换前后的平均值不变，第 二个方程表示将当前的最优值放大为平均值的M倍。
二进制编码的交配规则
双亲双子法
交配位置
a1 a2 ... ai ai+1 ... an b1 b2 ... bi bi+1 ... bn
交配前
多交配位法
1101001 1100010
1100000 1101011
整数编码的交配规则
下面以旅行商问题为例，介绍几种整数 编码的交配规则。
常规交配法
随机选取一个交配位，子代1交配位之前的基因选自 父代1交配位之间的基因，交配位之后的基因，从父 代2中按顺序选取那些没有出现过的基因。
交配位
码后作为最优解输出；
（11）结束。
例：求函数的最大值
f (x) x2
其中x为[0, 31]间的整数 编码：采用二进制形式编码
由于x的定义域是[0, 31]间的整数，刚好 可以用5位二进制数表示，因此可以用5 位二进制数表示该问题的解，即染色体。 如00000表示x＝0，10101表示x＝21， 11111表示x＝31等
0100100000010010
二进制表示存在的问题
采用这样的表示方法，对于n城市的旅行商问 题，至少需要用n×n位二进制向量表示一个 可能的旅行路线。一个n×n位二进制向量，
所有可能的编码个数为 2nn ，而一个对称的n
城市旅行商问题的可能解个数为n!/2，只占编 码个数非常小的比例。以n＝10为例，编码个 数为可能解个数的7.0×1023倍。可能解在整 个状态空间中，是非常稀疏的，交配和变异 所产生的是大量的非可能解。
《人工智能》课程教案完整版
一、教学内容二、教学目标1. 理解机器学习的基本概念，掌握监督学习与无监督学习的区别。
2. 学会分类与回归任务的基本原理，了解常用机器学习算法。
3. 能够运用所学知识解决实际问题，培养创新思维和团队合作能力。
三、教学难点与重点教学难点：机器学习算法的理解与应用。
教学重点：监督学习与无监督学习的区别、分类与回归任务。
四、教具与学具准备1. 教具：多媒体教学设备、黑板、粉笔。
五、教学过程2. 新课导入：介绍机器学习的基本概念，阐述监督学习与无监督学习的区别。
3. 知识讲解：a. 监督学习：讲解监督学习的基本原理，以分类与回归任务为例，介绍常用算法。
b. 无监督学习：介绍无监督学习的概念，讲解常用算法。
4. 例题讲解：结合实际案例，讲解机器学习算法的应用。
5. 随堂练习：布置与例题类似的练习题，让学生独立完成，巩固所学知识。
6. 小组讨论：分组讨论实际应用场景，探讨如何运用机器学习技术解决问题。
六、板书设计2. 板书内容：a. 机器学习基本概念b. 监督学习与无监督学习c. 分类与回归任务d. 常用机器学习算法七、作业设计1. 作业题目：a. 解释监督学习与无监督学习的区别。
b. 列举三种常用机器学习算法，并简要说明其原理。
c. 结合实际案例，设计一个分类或回归任务，并说明所使用的算法。
2. 答案：a. 监督学习：根据已知输入和输出，学习得到一个函数，用于预测未知输出。
无监督学习：仅根据输入数据，学习数据的内在规律和结构。
b. 线性回归、逻辑回归、支持向量机。
c. 略。
八、课后反思及拓展延伸1. 反思：本节课学生对机器学习的基本概念和算法有了初步了解，但对算法的深入理解和应用仍有待提高。
2. 拓展延伸：鼓励学生课后查阅资料，了解其他常用机器学习算法，如决策树、随机森林等，并尝试应用于实际问题。
组织课后讨论活动，分享学习心得。
重点和难点解析一、教学内容的选择与安排1. 机器学习基本概念的深化机器学习基本概念的讲解需要更加深入，除了定义，还应包括机器学习的类型（如强化学习、迁移学习等）以及它们在实际中的应用场景。
AI导论教学大纲-人工智能导论-廉师友-清华大学出版社
人工智能导论课程教学大纲廉师友编写清华大学出版社（2020）说明为了方便各位任课老师的教学，本书作者结合自己多年来给计算机专业讲授人工智能课程的教学大纲和这部《人工智能导论》新教材的内容以及该课程的基本要求，制定了这一新的教学大纲，供各位老师参考。
从内容来看，这个大纲与这部新教材是一致的，其课时应该说已达到这门课程的上限。
各位老师可根据各自院校的实际情况对该大纲的教学内容进行取舍，并确定相应的课时，以制定适合各自教学任务的教学大纲。
希望这份资料对各位任课老师的教学能有所裨益和帮助！当然，若发现其中有不妥或错误之处也请指正！作者2020年3月《人工智能导论》课程教学大纲课程编号：英文课名：Introduction to Artificial Intelligence适用专业：人工智能、计算机、自动化和电子信息类专业（考试）学时：90 学分：课程类别：专业课课程性质：必修课/必选课一、课程性质和目的《人工智能导论》为人工智能、计算机、自动化和电子信息类专业的一门必修或必选课程，其目的是使学生理解人工智能的基本原理，初步学习和掌握人工智能的基本技术，为进一步学习人工智能后续专业课程或从事人工智能的研发奠定基础，指引方向。
二、课程内容第1章人工智能概述基本内容和要求：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。
第2章人工智能程序设计语言基本内容和要求：1．了解人工智能程序设计语言的特点、分类和发展概况；2．理解PROLOG语言的语句特点、程序结构和运行机理，能读懂和编写简单的PROLOG 程序；3．了解Python语言的特点和使用方法，能读懂和编写简单的Python程序。
教学重点：1．PROLOG语言；2．Python语言。
教学难点：1．PROLOG语言的匹配合一和回溯控制；2．Python语言的程序结构和资源库的使用。
《人工智能导论》教学教案
《导论》教学教案一、教学目标1. 让学生了解的定义、发展历程和应用领域。
2. 使学生掌握的基本原理和技术。
3. 培养学生的创新意识和团队合作能力。
二、教学内容1. 的定义与发展历程1.1 的定义1.2 的发展历程1.3 的应用领域2. 的基本原理2.1 机器学习2.2 深度学习2.3 自然语言处理2.4 计算机视觉3. 的技术应用3.1 智能语音识别3.2 智能3.3 自动驾驶3.4 智能医疗三、教学方法1. 讲授法：讲解的定义、发展历程、基本原理和应用领域。
2. 案例分析法：分析典型的技术应用案例。
3. 小组讨论法：分组讨论技术的发展趋势和应用前景。
4. 实践操作法：引导学生动手实践，体验技术。
四、教学资源1. 教材：《导论》2. 课件：的发展历程、基本原理、技术应用等3. 案例资料：典型的技术应用案例4. 编程工具：Python、TensorFlow等5. 网络资源：相关的学术论文、资讯、技术博客等五、教学评价1. 课堂参与度：学生参与课堂讨论、提问和回答问题的积极性。
2. 小组讨论报告：学生分组讨论的技术发展趋势和应用前景报告。
3. 课后作业：学生完成的课后编程练习和思考题。
4. 期末考试：考查学生对基本原理和应用领域的掌握程度。
六、教学安排1. 课时：共计32课时，每课时45分钟。
2. 授课方式：线上线下相结合，以线下授课为主。
3. 教学进程：第1-4课时：的定义与发展历程第5-8课时：的基本原理第9-12课时：的技术应用第13-16课时：典型技术应用案例分析第17-20课时：小组讨论技术的发展趋势和应用前景第21-24课时：实践操作，体验技术第25-28课时：课堂讨论与问答第29-32课时：期末考试七、教学活动1. 授课：讲解的基本概念、发展历程、基本原理和应用领域。
2. 案例分析：分析典型的技术应用案例，如智能语音识别、智能等。
4. 实践操作：引导学生动手实践，如使用Python、TensorFlow等编程工具。
《人工智能导论-》- 01 概论
你做过图灵测试吗
什么是CAPTCHA
CAPTCHA (Completely Automated Public Turing Test to Tell Computers and Humans Apart)全自动区分计算机和人类的图灵测试的简 称。 CAPTCHA的目的是区分计算机和人类的一种程序算法，这种程序必须能 生成并评价人类能很容易通过但计算机却通不过的测试。这种技术可以有 效的避免网络中自动填表机器人等软件对了网络信息的正常传播严重干扰。
人工智能的研究与应用领域
专家系统
专家系统是一个智能计算机程序系统，其内部具有 大量专家水平的某个领域知识与经验，能够利用人类 专家的知识和解决问题的方法来解决该领域的问题。 发展专家系统的关键是专家知识的表达和运用，专 家知识指来自人类专家,并能有效解决该领域内的典型 问题的事实和过程。
• 在线专家网站 http://www.aiinc.ca/demos • Expert System Tools /~manaris/ai-educationrepository/expert-systems-tools.html • Expert system application download /software/expert_systems/
• 2006年的罗纳奖获得者 / …
为什么要研究人工智能
•
程序被动地按照人们为它事先安排好的工作步骤进行工作。由于缺 乏智能性、缺乏自学习与自适应能力,难以处理越来越复杂的问题。
• AI是人类智能的扩大和延伸，其作用将是不可估量的。 • AI的研究对探索人类自身智能的奥秘提供有益的帮助。 • 对“数据世界”的需求进而发展到对“知识世界”的需求而产生的。 • 寻求试探性的搜索，启发式的，不精确的，模糊的甚至允许出现错误 的推理方法，以便符合人类的思维过程。 • …
清华大学《人工智能导论》课程电子教案二
(P x x z) (P (f y) (f B) y) 置换：{(f y)/x} (P (f y) (f y) z) (P (f y) (f B) y) 置换：{B/y}, 并使得{(f B)/x} (P (f B) (f B) z) (P (f B) (f B) B) 置换：{B/z} 得到置换：{(f B)/x， B/y，B/z} 置换后的结果： (P (f B) (f B) B)
换名后得字句集：
~R(x1)L(x1) ~D(x2)~L(x2) D(A)
I(A)
~I(x5)R(x5)
清华大学《人工智能导论》课程电 子教案二
20
例题的归结树
~R(x1)L(x1) ~D(x2)~L(x2) D(A)
I(A)
~I(x5)R(x5)
I(A)
~I(x5)R(x5)
{ A/x5}
R(A)
P(x, f(y), B)s= P(A, f(B), B) P(z, f(B), B)s= P(A, f(B), B) 置换s={z/x, B/y}和置换s={x/z, B/y}也都是 这两个谓词公式的合一者。
结论：合一者不唯一。
清华大学《人工智能导论》课程电 子教案二
14
最一般合一者（mgu） 置换最少，限制最少，产生的例最具一 般性。 如前面的例子：
清华大学《人工智能导论》课程电 子教案二
27
HB(s5) ~HB(s5) ~ON(s3) ~AT(box, c, s3) HB(grasp(s3))
HB(grasp(s3)) ~ON(s3) ~AT(box, c, s3)
{grasp(s3)/s5} ON(climb(s2))
1, ~ON(s0) 2, ON(s1) ∨ AT(box, x1, push(x1, s1))
人工智能课程教学大纲教案
人工智能导论课程教学大纲教案课程代码：课程名称：人工智能导论开课学期：5学分/学时：3/32+16课程类型：必修适用专业/开课对象：先修课程：开课单位：团队负责人：责任教授：执笔人：核准院长：一、课程的性质、目的与任务《人工智能导论》是计算机相关专业中一门综合性很强的基础课程，主要内容包括人工智能概述、知识表示、逻辑推理方法、非确定性推理方法、搜索策略、机器学习、人工只能的其他应用领域。
本课程的目的与任务是使学生通过本课程的学习，从人工智能的基本概念入手，由浅入深学习人工智能的各种相关知识，掌握人工智能的相关思想。
本课程除要求学生掌握人工智能的基础知识和理论，重点要求学生学会分析问题的思想和方法，为更深入地学习和今后的实践打下良好的基础。
二、教学内容及教学基本要求1. 人工智能概述（2学时）学习什么是人工智能、人工智能的研究目标、人工智能的研究方法、人工智能的基本研究内容2. 知识表示（6学时）学习知识的概念、知识表示的要求，学习状态空间表示法、谓词逻辑表示法、语义网络表示法、框架表示法。
3. 逻辑推理方法（6学时）了解什么是逻辑推理、逻辑推理的基础，学习自然演绎推理与或形演绎推理的部分方法4. 非确定性推理及方法（6学时）学习非确定性推理中的基本问题、掌握基于概率论的有关理论发展起来的非确定性推理方法，包括基本的概率推理、主观贝叶斯推理、基于可信度的推理、证据理论等。
了解目前再专家系统、信息处理、自动控制等领域广泛应用的依据模糊理论发展起来的模糊推理。
5. 搜索策略（4学时）学习常用的几种搜索策略、包括基于状态空间的盲目搜索、基于状态空间的启发式搜索、基于树的盲目搜索、基于树的启发式搜索6. 机器学习（6个学时）学习机器学习的一些常用算法模型：决策树、贝叶斯模型、支持向量机、聚类算法、神经网络与深度学习、强化学习等。
7. 人工智能的其他应用领域（2个学时）讲述人工智能的其他应用领域：计算机视觉、自然语言处理、智能体。