《人工智能基础》课程教学大纲(本科)
《人工智能》课程教学大纲
《⼈⼯智能》课程教学⼤纲⼈⼯智能》课程教学⼤纲、课程基本信息⼆、课程教学⽬标《⼈⼯智能》是计算机科学与技术专业的⼀门专业拓展课，通过本课程的学习使本科⽣对⼈⼯智能的基本内容、基本原理和基本⽅法有⼀个⽐较初步的认识，掌握⼈⼯智能的基本概念、基本原理、知识的表⽰、推理机制和智能问题求解技术。
启发学⽣开发软件的思路，培养学⽣对相关的智能问题的分析能⼒，提⾼学⽣开发应⽤软件的能⼒和⽔平。
三、教学学时分配四、教学内容和教学要求第⼀章⼈⼯智能概述（3 学时）（⼀）教学要求1.掌握⼈⼯智能的基本概念；2.理解⼈⼯智能的发展状况。
3.理解⼈⼯智能的基本技术；4.了解⼈⼯智能的研究途径与⽅法；5.了解⼈⼯智能的分⽀领域；（⼆）教学重点与难点教学重点：⼈⼯智能的基本技术。
教学难点：三⼤学派的研究途径与⽅法。
（三）教学内容第⼀节⼈⼯智能的基本概念1.什么是⼈⼯智能2.强⼈⼯智能与弱⼈⼯智能3.脑智能和群智能4.符号智能和计算智能第⼆节⼈⼯智能发展概况1.⼈⼯智能学科的产⽣2.⼈⼯智能学科的发展3.⼈⼯智能三⼤学派第三节⼈⼯智能研究途径与⽅法1.⼈⼯智能的研究⽬标2.⼈⼯智能的研究⽅法3.⼈⼯智能的研究内容第四节⼈⼯智能基本技术2.搜索技术3.知识库技术4.归纳技术5.联想技术第五节⼈⼯智能的应⽤1.难题求解2.机器定理证明3.⾃动程序设计4.模式识别5.机器翻译6.智能管控7.智能决策8.智能⼈机接⼝第六节⼈⼯智能的影响1.⼈⼯智能对⼈类的影响2.⼈⼯智能对社会的影响本章习题要点：对基本概念、技术、⽅法的理解。
第⼆章智能程序设计语⾔（5 学时）（⼀）教学要求1．了解常见的⼏种⼈⼯智能程序设计语⾔；2．理解逻辑型程序设计语⾔PROLO；G3．掌握Turbo PROLOG程序设计⽅法及常规程序设计。
（⼆）教学重点与难点教学重点：TURBO PROLO常G规程序设计。
教学难点：PROLOG程序的运⾏机理。
（三）教学内容第⼀节⼈⼯智能语⾔概述1.什么是智能程序设计语⾔2.智能程序设计语⾔的特点第⼆节基本PROLOG语⾔1.PROLOG的语句2.PROLOG的程序构成3.PROLOG程序的运⾏机理第三节PROLOG程序设计1.标准领域2.运算符与表达式3.输⼊与输出4.分⽀程序设计5.循环程序设计6.表处理与递归7.回溯控制本章习题要点：对程序结构和设计⽅法的理解，进⾏分⽀、循环、递归程序设计和调试。
2024年《人工智能》详细教学大纲
结合语音识别和自然语言处理技术，对语音中的情感进行 分析和识别，是实现智能语音交互的重要研究方向。
18
05 计算机视觉技术与应用
2024/2/29
19
图像处理和计算机视觉基础概念
1 2
图像处理基础
像素、分辨率、色彩空间、图像变换等基本概念 。
计算机视觉概述
视觉感知、视觉计算模型、视觉任务分类等。
能力目标
能够运用所学知识分析和 解决人工智能领域的实际 问题，具备一定的实践能 力和创新能力。
素质目标
培养学生的创新思维、团 队协作和终身学习能力， 提高学生的综合素质和职 业素养。
5
课程安排与时间表
课程安排
本课程共分为理论授课、实验操作和课程设计三个环节，其中理论授课主要讲解 人工智能的基本原理和方法，实验操作帮助学生掌握相关技术和工具的使用，课 程设计则要求学生综合运用所学知识完成一个实际项目。
分割（如FCN、U-Net）等。
2024/2/29
03
实例分割与语义分割
Mask R-CNN、PANet等实例分割方法；DeepLab、PSPNet等语义分
割方法。
21
三维重建、视频理解等前沿技术介绍
三维重建技术
基于多视图的三维重建、基于深度学习的三维重建（如体素网格 、点云处理）等。
视频理解技术
马尔科夫决策过程在强化学习中的应用
03
将强化学习问题建模为马尔科夫决策过程，利用求解方法求解
最优策略。
25
智能推荐系统、游戏AI等应用场景分析
智能推荐系统
利用强化学习技术，根据用户历史行为和环境反馈，学习推荐策略，实现个性化推荐。例 如，电商平台的商品推荐、音乐平台的歌曲推荐等。
人工智能基础教学大纲(自考)
人工智能基础（8017）考试大纲一、课程性质与设置目的（一）课程性质和特点“人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。
《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。
开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。
（二）本课程的基本要求（课程总目标）《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。
通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。
具体要求是：学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Horn子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。
另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。
学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。
（三）本课程与相关课程的联系、分工或区别与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。
2024版《人工智能》课程教学大纲
计算机体系结构
理解计算机硬件组成、操 作系统及基本工作原理。
数据结构与算法
掌握基本数据结构（如数 组、链表、栈、队列等） 和常用算法（如排序、查 找等）。
计算机网络
了解网络协议、网络架构 及网络安全等基础知识。
数学基础
线性代数
掌握向量、矩阵、线性方程组等基本概念和运算。
概率论与数理统计
理解概率分布、随机变量、数理统计等基本概念 和方法。
介绍神经网络优化的一些常用方 法，如梯度下降、动量法、
Adam等优化算法的原理和应用。
卷积神经网络（CNN）
卷积层
池化层
讲解卷积层的工作原理和实 现方法，包括卷积核、步长、 填充等概念。
介绍池化层的作用和实现方 法，包括最大池化、平均池 化等。
CNN模型
介绍一些经典的CNN模型， 如LeNet-5、AlexNet、 VGGNet、GoogLeNet、 ResNet等，并分析其网络结 构和特点。
无监督学习
K-均值聚类
层次聚类
将数据划分为K个簇，使得同一簇内的数据尽 可能相似，不同簇间的数据尽可能不同。
通过不断将数据点或已有簇合并成新的簇， 直到满足某种停止条件。
主成分分析（PCA）
自编码器
通过线性变换将原始数据变换为一组各维度 线性无关的表示，可用于高维数据的降维。
一种神经网络结构，通过编码器和解码器对 输入数据进行压缩和重构，实现特征提取和 降维。
句ห้องสมุดไป่ตู้分析技术
短语结构分析
识别句子中的短语结构，如名词短语、动词短语等。
依存关系分析
分析句子中单词之间的依存关系，如主谓关系、动宾关系等。
句法树构建
根据短语结构和依存关系构建句子的句法树，表示句子的结构信 息。
人工智能教学大纲
人工智能课程教学大纲【课程编码】JSZX0300【适用专业】计算机科学与技术【课时】 72(理论)+28(实验)【学分】 3【课程性质、目标和要求】人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。
本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务．作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标：（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．（2）较详细地论述知识表示的各种主要方法。
重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。
（3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法．(4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念．（5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等．（6）简介人工智能程序设计的语言和工具．(7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。
要求学生已修过《数据结构》、《离散数据》和《编译原理》。
【教学时间安排】本课程计 3 学分，理论课时72 ,实验课时28。
学时分配如下表所示：【教学内容要点】教学要求的层次课程的教学要求大体上分为三个层次：了解、理解和认识。
了解即能正确判别有关概念和方法；理解是能正确表达有关概念和方法的含义；认识是在理解的基础上加以灵活应用。
《人工智能基础教程》课程教学大纲
《人工智能基础教程》课程教学大纲课程名称：人工智能导论课程类别：公共基础课适应专业：全校各专业学时学分：2学时/周，共32学时，2学分1.课程性质和任务本课程为以培养学生具备基本的人工智能思维能力为目标，重点培养高职学生的人工智能素养、计算思维能力和人工智能应用能力。
课程使学生初步了解人工智能的概念，发展历程、经典算法、应用领域及对社会的深远影响，主要内容包括：人工智能的历史和发展、大数据与人工智能、专家系统、机器学习、深度学习、计算机视觉、自然语言理解、智能机器人技术。
课程设计理念以提高人工智能素养为切入点，通过生动形象的案例，把目前人工智能领域的热点问题，以科普性、技术性的形式进行展现，让学习者在学习人工智能理论的同时，激发学生学习人工智能知识的兴趣。
2.教学目标（1）知识目标1）了解人工智能的基本概念及发展历史。
2）了解人工智能的研究领域及发展现状。
3）了解大数据与人工智能的关系。
4）熟悉专家系统的结构及应用。
5)熟悉知识表示及常用的搜索算法。
6）熟悉机器学习、深度学习的概念及主流算法。
7）熟悉计算机视觉、自然语言处理的主流技术及应用。
8）熟悉智能机器人技术及应用。
（2）思政与素质目标1）通过人工智能起源与发展的学习，培养学生的科学精神、奋斗精神和开拓创新精神。
2）学习人工智能学科先驱模范事迹，培养学生探索未知、追求真理、勇攀科学高峰的责任感和使命感。
3）通过人工智能发展现状认识，激发学生科技报国的家国情怀和使命担当。
4）通过人工智能安全教育，培养学生遵纪守法，诚实守信，树立正确的世界观、人生观、价值观。
5）通过人工智能中的算法学习，帮助学生建立科学思维、推理机制，培养解决实际问题的能力。
6）通过人工智能应用案例，培养学生精益求精的大国工匠精神及勇攀科学高峰的责任感。
4.教学评价（1）评价形式平时作业（含考勤）+阶段测试（含期中测试）+期末测试。
（2）评分等级评分等级以百分制为标准。
《人工智能基础》教学大纲
引言概述（ArtificialIntelligence，简称）是一门涉及计算机科学、机器学习和认知科学的学科，致力于使机器能够模拟人类智能的一系列技术和方法。
随着科技的不断发展和应用的推广，已经成为当今世界最热门的前沿领域之一。
为了满足对人才的需求和引导学生深入了解技术，特编制了本《基础》教学大纲。
正文内容一、概述1.1的定义和发展历程1.2的基本原理1.3的应用领域和前景二、智能代理与搜索算法2.1智能代理的概念和基本特点2.2搜索算法的分类和应用2.3与搜索算法的结合应用三、机器学习的基础理论3.1机器学习的定义和基本模型3.2监督学习和无监督学习的区别和应用3.3与机器学习的结合应用四、神经网络与深度学习4.1神经网络的基本原理和结构4.2深度学习的核心思想和常用模型4.3与深度学习的结合应用五、自然语言处理与语音识别5.1自然语言处理的基本概念和技术5.2语音识别的基本原理和方法5.3与自然语言处理、语音识别的结合应用总结通过本《基础》教学大纲，学生将能够全面了解的基本概念、发展历程、基本原理和应用领域。
同时，学生还将深入了解智能代理、搜索算法、机器学习、神经网络、深度学习、自然语言处理和语音识别等领域的相关知识和技术。
这些知识和技术不仅有助于学生理解的核心思想和方法，还能为学生未来的学习和研究提供有力的支持。
1.掌握的基础概念和基本原理；2.熟悉智能代理和搜索算法的基本思想和方法；3.理解机器学习的基本理论和应用；4.了解神经网络和深度学习的基本原理和模型；5.掌握自然语言处理和语音识别的基本技术和应用。
同时，本门课程将通过讲授理论知识和实践案例，鼓励学生进行实际操作和项目实践，以提高他们的问题解决能力和创新能力。
通过与教师和同学的互动交流，学生将有机会扩展他们的思维边界，并形成对的综合理解和深入认识。
本《基础》教学大纲将帮助学生建立起的基础知识和技能，为他们未来在领域的学习和研究奠定坚实的基础。
人工智能课程教学大纲
《人工智能》课程教学大纲课程代码：H0404X课程名称：人工智能适用专业：计算机科学与技术专业及有关专业课程性质：本科生专业基础课（学位课）主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授总学时：40学时（课堂讲授36学时，实验教学4学时）课程学分：2学分预修课程：离散数学，数据结构一. 教学目的和要求：通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。
一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。
人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。
这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。
此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。
这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。
通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。
二. 课程内容简介人工智能的主要讲授内容如下：1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。
2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。
3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。
4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《人工智能基础》课程教学大纲
课程编号：04291
课程名称：人工智能基础
英文名称：Artificial Intelligence Foundation
课程性质：学科基础
课程要求：必修
学时/学分：48/3 （讲课学时：36实验学时：12 ）
适用专业：智能科学与技术
一、课程性质与任务
《人工智能基础》是一门探索、揭示人类思维本质，研究将人类智能转化为机器智能的学科。
通过本课程的学习，培养学生拥有能够解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础。
本课程的主要任务是介绍知识表示、基本的搜索算法、模拟人类思维的不确定性推理，使学生对专家系统、智能计算机等方面具有一定的理论基础与实践能力。
（支撑毕业要求1.3, 2.2, 4.2, 5.2, 10.1, 11.2）
二、课程与其他课程的联系
《人工智能基础》的先修课程包括《概率论与数理统计》、《智能优化方法》、《C语言程序设计》等课程。
《概率论与数理统计》在复杂问题求解中的主观Bayes决策与不确定性理论方面支撑《人工智能基础》课程。
《智能优化方法》在搜索技术问题的理解方面支撑
《人工智能基础》课程。
《C语言程序设计》在搜索算法、贝叶斯决策与专家系统的实现方面支撑《人工智能基础》课程。
《人工智能基础》的后续课程包括《智能机器人》，为《智能机器人》提供理论基础方法方面的支撑。
三、课程教学目标
1.学习人工智能的基础理论知识，掌握解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础，对智能机器人的应用方面提供理论与实践支撑。
（支撑毕业能力要求13, 10.1, 11.2）
2认识到知识表示在本学科发展中所处的地位与扮演的角色，能够掌握本领域经典的知识表示方法，如谓词逻辑、状态空间、语义网络等，并能运用这些知识解决一些实际工程问题。
（支撑毕业能力要求1.3, 2.2, 5.2）
1掌握搜索的基本思想，比如宽度优先、深度优先等传统搜索方法。
（支撑毕业能力要求 1.3, 2.2）
4培养学生具有不确定性理论与推理思想。
（支撑毕业能力要求1.3, 2.2）
S培养学生具有专家系统的有关理论与应用能力。
（支撑毕业能力要求1.3, 2.2, 4.2,
11.2）
四、教学内容、基本要求与学时分配
五、其他教学环节（课外教学环节、要求、目标）
无
六、教学方法
本课程以课堂教学为主，结合实验教学手段和形式完成课程教学任务。
在课堂教学中，通过讲授、提问、讨论、演示等教学方法和手段让学生理解人工智能的理论体系、主线，掌握基本概念、基本原理和各种分析方法。
在实验环节中，要求学生完成各种算法与应用的计算机语言的实现，培养学生具有实际的编程与系统实现能力。
七、考核及成绩评定方式
最终成绩由平时成绩、期末考试成绩组合而成。
各部分所占比例如下：
平时成绩：30%。
其中，平时表现占10%,主要考核符堂课学生的出勤与参与问题讨论的情况；实验成绩占20%,主要考核学生的实际编程能力与开发系统能力。
期末考试成绩：70%。
主要考核本课程的各知识点。
闭卷考试，卷面满分100分，取70%计入总成绩，题型为：1、概念题，2、选择题，3、问答题，4、计算题等。
八、教材及参考书目
1. 教材：
[1]蔡自兴等，人工智能及其应用（第5版）（普通高等教育“十二五”国家级规划教材），清华大学出版社，2016.
2. 参考书目：
[1] 金聪，郭京蕾，人工智能原理与应用，清华大学出版社，2013.
[2] 人工智能学习辅导与实验指导，周金海，清华大学出版社，2008.。