人工智能导论课程教学大纲
《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.。
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。
人工智能技术导论第三版教学大纲
人工智能技术导论第三版教学大纲课程简介本门课程是一门介绍人工智能技术基础的入门课程，主要涵盖人工智能的概念、技术、算法、应用等方面。
通过该课程的学习，学生将掌握人工智能的基本理论、方法和应用，培养人工智能技术的思想和方法，为深入研究人工智能领域奠定基础。
课程目标1.了解人工智能的基本概念，了解人工智能的历史和发展；2.了解人工智能的技术体系和持续发展趋势；3.掌握人工智能的算法和函数，学习人工智能的数学基础；4.理解人工智能在现实生活中的应用和可行性；5.培养独立思考，为进一步研究人工智能技术奠定基础。
教学内容第一章人工智能技术概述•人工智能的定义、目标和基本原理；•人工智能的历史和发展。
第二章人工智能技术体系•人工智能技术体系的框架和组成部分；•人工智能技术体系的分类和应用领域。
第三章人工智能数学基础•数据结构和算法；•数学基础，包括线性代数和概率统计。
第四章人工智能算法和函数•人工智能算法：遗传和进化算法、神经网络、模糊系统、支持向量机等；•人工智能函数：评估、归一化、压缩、规范化等。
第五章人工智能应用•人工智能在游戏、机器人、生产和自动化控制等方面的应用；•人工智能在医学、金融、法律和教育等领域的应用。
学习方法•授课和讲解之间交替，注重图示和例子；•课后推荐学习资料，包括论文、书籍、课程和视频；•课题研究和实践纪要。
评估方式•平时成绩：30%，出席情况和课堂表现；•期中考试：30%，考察理论与其应用；•期末考试：40%，综合性考试。
参考资料1.《人工智能导论》，彼得·诺弗斯（Peter Norvig）、斯图尔特·罗素（Stuart Russell）著，唐娟、杨洋译，人民邮电出版社，2004年。
2.《人工智能多种技术和应用》（第2版），叶蓉、李新民等编著，高等教育出版社，2009年。
3.《人工智能基础及其进展》，赵瑞曼、叶汉君著，人民邮电出版社，2015年。
4.《机器学习》，周志华著，清华大学出版社，2016年。
《人工智能导论》课程教学大纲
90%
离散型 Hopfield 网 络 、 连 续 型
Hopfield 网络、卷积运算、池化、卷
积网络的手写体数字识别。
人脑视觉机理、深度学习的基本思
40% 50% 40%
10%
想、人工智能的概念、人工智能研宄的
基本内容、神经元数学模型
合计
100% 100% 100%
100%
各考核方式占总成绩权重（自行賦值）
掌握连续 Hopfield 神经网络 用于优化计算的
一般步骤。
掌握连续 Hopfield 神经网络的
结构和运行机制，理 解连续 Hopfield 神经 网络用于优化计算
的基本原理。能够针
对创新点开展切实 有效的理论和应用 研究
目标 5.1
注：1.此表可用于课内实践教学环节或某门综合实践课程
2.实验类型：选填”验证性/综合性/设计性”；实习类型：选填“认识实习/生产实习/毕业实习”
对人工智能课程
与模拟，并能够理解其局限 工程实际中遇到的技术难题，
的各个章节产生
性。
兴趣，从而促进
具有扎实的理论基础、宽阔的
支撑指标点：5.2 能够在物 学习热情，在之
专业视野，具有计算机软硬件 联网领域复杂工程问题的 后的理论教学中
相关产品分析、开发、测试和
能更好地理解技
维护能力，能够用系统的观点 建模、模拟或解决过程中， 术的先进性与实
实习项 号
目名称
教学内容
实验 学或实思政融 时 习 类 入点
型2
学生学习 预期成果
课程目标
做
实验要
参 考 A*
具有批
熟悉和掌握启
A* 算 法 算 法 核 心 代
人工智能详细教学大纲
人工智能详细教学大纲第一章：导论1.1 人工智能的定义和基本概念- 人工智能的定义和起源- 人工智能的发展历程1.2 人工智能的应用领域- 人工智能在医疗领域的应用- 人工智能在金融领域的应用- 人工智能在交通领域的应用第二章：机器学习基础2.1 机器学习的概述- 监督学习、无监督学习、强化学习的基本原理和区别- 机器学习的应用场景2.2 数据预处理- 缺失值处理- 异常值检测与处理- 特征选择与降维2.3 常见的机器学习算法- 逻辑回归- 决策树- 支持向量机- 集成学习第三章：深度学习3.1 深度学习的原理与应用- 深度学习的发展历程- 神经网络的基本结构和工作原理3.2 常用的深度学习框架- TensorFlow- PyTorch- Keras3.3 深度学习的应用案例- 图像分类与识别- 自然语言处理- 人脸识别第四章：自然语言处理4.1 自然语言处理的基础知识- 词向量表示- 语法分析和语义分析4.2 文本分类与情感分析- 文本特征提取- 文本分类算法4.3 机器翻译与问答系统- 神经机器翻译- 阅读理解模型第五章：计算机视觉5.1 计算机视觉的基本概念- 图像处理与特征提取- 目标检测与图像分割5.2 图像识别与物体识别- 卷积神经网络（CNN）- 目标检测算法（如YOLO、Faster R-CNN）5.3 视觉生成与图像风格迁移- 生成对抗网络（GAN）- 图像风格迁移算法第六章：人工智能伦理与法律6.1 人工智能的伦理问题- 隐私与数据安全- 就业与职业变革- 人工智能的道德问题6.2 人工智能的法律问题- 数据保护法与隐私权- 人工智能专利与知识产权- 算法歧视与公平性第七章：人工智能未来发展趋势7.1 人工智能的挑战和机遇- 人工智能的挑战与限制- 人工智能带来的机遇与可能性7.2 人工智能与人类的关系- 人工智能助力人类创新与发展- 人工智能对就业和教育的影响总结与展望本教学大纲全面介绍了人工智能的基本概念、机器学习、深度学习、自然语言处理、计算机视觉等领域的基础知识与应用。
《人工智能导论》课程教学大纲-电子科技大学
《人工智能导论》课程教学大纲课程标号：学时：32 学分：2先修课程：《计算机原理及应用》、《数据结构》、《计算机控制技术》、一．课程性质与目的本课程是自动化专业的选修课。
本门课程的任务是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，领悟到智能理论发展历程中所包含的深刻的科学逻辑和方法论。
启发学生对人工智能的兴趣。
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．教学内容和要求1.人工智能概述，包括人工智能的定义，人工智能的起源与发展，人工智能的研究和应用领域。
2.概括地论述知识表示的各种主要方法，包括状态空间法、问题归约法、谓词逻辑法、结构化表示法（语义网络法、框架）、剧本和过程等。
3.讨论常用搜索原理，如盲目搜索、启发式搜索和消解原理等。
4.讨论一些比较高级的推理求解技术，有规则演绎系统、系统组织技术、不确定性推理和非单调推理等。
5.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，包含神经网络、模糊逻辑、遗传算法等。
6.比较详细地讨论人工智能的主要应用，包括专家系统、机器学习、Agent、自然语言理解和智能控制等。
对于应用内容，根据学时，有选择地进行讲授。
7.简要讲述人工智能语言，有Lisp语言和Prolog语言。
（根据学时需要决定是否讲授。
）三．教材和参考资料教材：1.蔡自兴，徐光祐。
人工智能及其应用，第三版，本科生用书。
清华大学出版社，2003。
参考资料：廉师友. 人工智能技术导论, 第二版. 西安电子科技大学出版社, 2002 ；沟口理一郎、石田亨，人工智能，科学出版社，2003。
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。
《人工智能导论》教学大纲
《人工智能导论》教学大纲大纲说明课程代码： 3235042总学时： 32 学时（讲课32 学时）总学分： 2 学分课程类别：限制性选修适用专业：计算机科学与技术，以及有关专业预修要求： C 程序设计语言，数据结构课程的性质、目的、任务：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。
本课程是计算机科学与技术，以及有关专业重要的专业方向与特色模块课程之一。
通过本课程的开设，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。
课程教学的基本要求：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。
要求学生掌握这些研究论题的基础知识。
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。
要求学生掌握利用其中的重要工具解决给定问题的基本方法。
大纲的使用说明：通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，本大纲亦可作为《人工智能与专家系统》的课程教学大纲。
大纲正文第一章绪论学时：2学时（讲课 2 学时）了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。
本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，以及人工智能的应用现状和应用前景。
重点：人工智能的定义、发展，及其应用领域。
难点：对人工智能内涵的理解。
第一节人工智能的定义和发展第二节人类智能和人工智能第三节人工智能的学派及其争论第四节人工智能的研究与应用领域第五节人工智能对人类的影响第二章知识表示学时： 6 学时（讲课 6 学时）了解实现知识表示的语义网络法、框架表示法、剧本表示法及过程表示法；理解状态空间法、问题规约法；掌握谓词逻辑法。
- 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)。
人工智能导论课程教学大纲
《人工智能导论》课程教学大纲
(二零零六年六月)
一、课程名称
中文名称:人工智能导论
英文名称:Introduction To Artificial Intelligence
二、课程简介
人工智能是计算机科学的一门前沿与交叉学科，本课程全面介绍人工智能的基础理论和基本技术，主要包括:人工智能的发展及其研究领域;知识的各种表达方法;基本的问题求解技术(重点介绍启发式搜索技术);人工神经网络的基本结构与学习方法;初步了解遗传算法、机器学习、模式识别等应用领域。
三、适用专业
自动化本科专业
信息管理和信息系统本科专业
四、本门课程在教学计划中的地位、作用和任务
“人智能则国智，科技强则国强”这是宋健为人工智能课程的题词。
这一题词充分说明了人工智能与提高民族素质，增强科技实力，建设现代化强国具有极其重要的作用。
现在，人工智能从一门具有实用价值的交叉学科正在成为一个新的、独立的本科专业——智能科学。
通过学习人工智能具有不同背景的各个学科领域的专家都可以从中发现新思想、新方法，从而为自己学科的发展带来革命性的影响。
学生在学习了一系列本科生课程后，再学习人工智能，可以加强程序智能化的训练。
为计算机的智能化和进一步研究智能科学技术打下一个坚实的基础，对提高本科生
和研究生创建高品质智能应用系统的能力起着相当重要的作用。
因此本课程在本科学习中处于非常重要的核心地位。
五、课程内容和教学要求
1、内容:
第一章:绪言
(1)人工智能的概念
(2) 人工智能的研究方法与研究领域
(3)人工智能的发展方向
第二章:知识表示
(1)知识与知识表示
(2)基本的确定性知识表示方法
第三章:基本的问题求解方法
(1)状态图与状态空间
(2)广度优先状态图搜索技术
(3)深度优先搜索算法
(4)启发式搜索技术
(5)与或图概念与搜索
1
第四章:机器学习
(1)机器学习的概念
(2)机器学习的分类
(3)一个简单机器学习例子
第五章:人工神经网络
(1)人工神经网络的概念
(2)人工神经网络的发展历史
(3)人工神经网络的类型与结构
(4)BP人工神经网络
(5)BP人工神经网络应用
第七章:遗传算法
(1)遗传算法的概念
(2)基本的遗传算法
(3)应用举例
2、要求:
1)了解什么是人工智能，人工智能的发展历史及其研究领域;
2)熟悉知识的概念及知识的类型，模糊知识、不确定知识、语义网络及框架表达法等知识表达技术。
3)掌握状态空间搜索、盲目的图搜索、启发式图搜索、与/或图搜索等基本的
问题求解方法，并了解一些其它的方法。
4)了解机器学习的概念，基本决策树。
5)了解人工神经网络的基本概念、结构及工作方式、学习方法。
6)熟悉遗传算法的基本概念、结构。
六、课时安排计划
教学课外周次周学时内容教学组织方式说明时数时数
第1周 2 绪言:介绍人工智能及其发展 2 2 课堂教学第2周 2 绪言:人工智能研究方法与途径 2 2 课堂教学第3周 2 知识表达 2 2 课堂教学第4周 2 知识表达 2 2 课堂教学第5周 2 知识表达 2 2 课堂教学第6周 2 知识表达 2 2 课堂教学第7周 2 基本的问题求解技术 2 2 课堂教学第8周 2 基本的问题求解技术 2 2 课堂教学第9周 2 基本的问题求解技术 2 2 课堂教学第10周 2
基本的问题求解技术 2 2 课堂教学第11周 2 机器学习 2 2 课堂教学第12周2 机器学习 2 2 课堂教学第13周 2 人工神经网络 2 2 课堂教学第14周 2 人工神经网络 2 2 课堂教学第15周 2 人工神经网络 2 2 课堂教学第16周 2 人工神经网络 2 2 课堂教学第17周 2 遗传算法 2 2 课堂教学第18周 2 遗传算法 2 2 课堂教学第19周
2
第20周
总学时:36学时;
七、课程设计
无
八、课程实习
无
九、教材及主要参考资料
1、教材:
《人工智能导论》，廉师友编，西安电子大学出版社，2003年 2、主要参考资料:
《人工智能原理》，王士同主编，电子工业出版社，2002年
《人工智能》，Nils J. Nilsson著，机械工业出版社，1999年
《人工智能原理》，石纯一，清华大学出版社出版，1993年
《人工智能和专家系统》，吴泉源，国防科大出版社出版，1996年
《人工智能教程》，施鹏飞，交通大学出版社出版，1993年
《人工智能导论》，何华灿，西北工大出版社出版，1998年
《人工智能与模式识别》杂志
十、教学手段
1、教室要求:多媒体教室。
2、课件来源:自制。
3、是否提供课堂讲义:提供课件稿。
4、其他教学手段:实验。
十一、考核方法及要求
1、考核方式:考试。
2、考核范围:所讲全部内容。
3、成绩评定标准:根据平时学习情况、期末卷面考试成绩情况综合评定，分为及格与不及
格二档。
4、是否采用试题库:不。
十二、非本专业学生学习该课程的要求
1、必备的先导课程:程序设计、高等数学等。
2、教学内容的调整:提前一、两年先修完上列的先导课程或相当内容的课程，并达到合格
成绩。
3、考核要求:
考核学习对人工智能的概念、研究途径、方法，基本知识表达技术的掌握，对状态空
间搜索、盲目的图搜索、启发式图搜索等基本的问题求解方法的掌握情况，以及人工神经
网络、机器学习、专家系统的概念、基本结构等掌握情况。
3。