人工智能课程教学大纲
《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.。
3、《人工智能通识教程》(第2版)教学大纲20240710
《人工智能通识教程》（第2版）教学大纲一、课程基本信息• 课程名称：人工智能导论/ 人工智能概论• 课程代码：• 课程英文名称：AI-Introduction• 学时与学分：理论学时32，课外实践学时16，总学分2• 课程性质：必修课（选修课）• 适用专业：人工智能、大数据、计算机等工科专业（其他各专业）• 先修课程：略• 后续课程：机器学习、深度学习、智能机器人等二、课程目标学习本课程，通常旨在为学生奠定坚实的人工智能基础知识，培养其在人工智能领域的基本技能和理解能力。
以下是主要学习目标，可能会根据不同课程设置有所差异：1. 理解人工智能基础：掌握人工智能的基本概念、发展历程、主要分支领域（如机器学习、深度学习、自然语言处理、计算机视觉等）及其在现代社会中的应用。
2. 理论与技术基础：学习和理解支撑人工智能的核心算法和理论，包括搜索算法、知识表示、推理方法、决策制定、学习理论等。
3. 实践技能培养：通过编程实践和项目作业，掌握至少一种编程语言（如Python）在人工智能领域的应用，以及如何使用常见的AI框架和库（（如TensorFlow、PyTorch）。
4. 问题解决能力：培养分析和解决人工智能问题的能力，包括如何定义问题、选择合适的技术路线、设计并实施解决方案。
5. 伦理与社会责任：讨论人工智能技术的伦理和社会影响，理解隐私保护、数据安全、算法偏见等议题，培养负责任的AI开发与应用意识。
6. 创新与批判性思维：鼓励学生批判性地评估现有的AI技术，激发创新思维，探索AI在新领域的应用可能。
7. 沟通与团队合作：通过团队项目，提升与他人合作解决复杂问题的能力，以及有效沟通研究成果和想法的能力。
8. 持续学习能力：鉴于AI领域的快速变化，课程应培养学生自主学习的习惯，跟踪技术进展，适应未来可能出现的新技术、新理论。
这些目标旨在为学生构建一个全面的人工智能知识框架，不仅关注技术细节，也重视理论与实践的结合，以及技术的社会影响和伦理考量，为学生将来在AI 领域的深入研究或职业发展打下坚实的基础。
人工智能 课程大纲
人工智能课程大纲第一部分：介绍人工智能（Artificial Intelligence，简称AI）是目前信息技术领域的热门话题，它涉及到机器智能的发展和应用。
本课程旨在帮助学生了解人工智能的基本概念、原理和应用，使他们具备一定的人工智能技术应用能力。
第二部分：课程目标1. 掌握人工智能的基本概念和分类；2. 熟悉人工智能的代表性算法和技术；3. 具备人工智能技术的应用和实践能力；4. 培养学生的创新思维和问题解决能力。
第三部分：课程内容1. 人工智能发展历史和基本概念；2. 人工智能主要技术分类和代表性算法；3. 机器学习、深度学习和神经网络；4. 自然语言处理、图像识别和智能推荐；5. 人工智能在各领域的应用案例。
第四部分：教学方法1. 理论课堂教学：讲授人工智能的基本理论知识；2. 实践教学：通过编程实践，帮助学生掌握人工智能算法和技术；3. 项目案例分析：讲解人工智能在各个领域的应用案例，激发学生创新思维。
第五部分：考核方式1. 平时表现（包括课堂参与、作业完成情况等）占比30%；2. 期中考试占比30%；3. 期末项目实践占比40%。
第六部分：参考教材1. 《人工智能基础》；2. 《Python深度学习》；3. 《机器学习实战》；4. 《神经网络与深度学习》。
第七部分：教学团队本课程由具有丰富教学经验和人工智能实践经验的教师团队共同执教，以确保教学质量和效果。
结语通过本课程的学习，相信学生们能够全面了解人工智能的基本理论和应用技术，为未来在相关领域的发展和应用打下坚实的基础。
希望学生们能够主动参与课程学习和实践，不断提高自身的人工智能技术能力，为社会发展和创新贡献自己的力量。
2024人工智能教学大纲
包括树、图等，对于解决复杂问题有 很大帮助。
2024/1/26
10
03
机器学习
2024/1/26
11
监督学习
线性回归
掌握线性回归的原理和 实现方法，理解损失函 数和优化算法。
逻辑回归
了解逻辑回归的原理和 应用场景，掌握其实现 方法。
。
2024/1/26
离散数学
包括集合论、图论、逻辑等，对于 理解和设计人工智能算法有很大帮 助。
最优化理论
包括梯度下降、牛顿法等优化算法 ，是训练机器学习模型的关键。
8
编程基础
01
02
03
Python编程
Python是人工智能领域最 常用的编程语言之一，需 要掌握基本的语法、数据 结构、函数等。
2024/1/26
C编程
对于需要高性能计算的应 用，C是一个重要的选择 ，需要掌握基本的语法、 指针、内存管理等。
Java编程
Java在大数据处理和分布 式计算中有广泛应用，需 要掌握基本的语法、面向 对象编程、异常处理等。
9
数据结构与算法
基本数据结构
包括数组、链表、栈、队列等，是编 程的基础。
高级数据结构
算法设计与分析
卷积神经网络的训练与调优
掌握卷积神经网络的训练方法和调优技巧，如数据增强、迁移学习、 模型融合等。
17
循环神经网络
循环神经网络基础
理解循环神经网络（RNN）的 基本原理和实现细节，包括循 环层、时间步长等概念。
长短期记忆网络（LSTM ）
掌握LSTM的原理和实现细节 ，了解其在处理序列数据中的 长期依赖问题方面的优势。
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。
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。
人工智能概论教学大纲(理论实验)(一)2024
人工智能概论教学大纲(理论实验)（一）引言概述：人工智能（Artificial Intelligence，简称AI）是计算机科学和工程的一个分支，涉及到使机器能够完成人类认为需要智能的任务。
本教学大纲旨在介绍人工智能的基础概念、算法和应用，帮助学生了解人工智能的理论和实验基础，培养其相关技能和能力。
一、人工智能的概述1. 人工智能的定义和目标(a) 人工智能的定义和发展历程(b) 人工智能的主要目标和应用领域(c) 人工智能的局限性和挑战2. 人工智能的基本原理(a) 人工智能的基本思维模型和问题解决方法(b) 人工智能的算法和技术基础(c) 人工智能的数据和模型训练3. 人工智能的伦理和社会影响(a) 人工智能的伦理和道德问题(b) 人工智能对社会和经济的影响(c) 人工智能的未来发展趋势和挑战二、人工智能的核心技术1. 机器学习(a) 机器学习的基本概念和方法(b) 监督学习、无监督学习和强化学习(c) 机器学习的算法和模型2. 深度学习(a) 深度学习的原理和神经网络模型(b) 卷积神经网络和循环神经网络(c) 深度学习在计算机视觉和自然语言处理中的应用3. 自然语言处理(a) 自然语言处理的基本任务和技术(b) 语言模型和句法分析(c) 文本分类、情感分析和机器翻译4. 计算机视觉(a) 图像处理和特征提取(b) 目标检测和图像分割(c) 计算机视觉在智能驾驶和人脸识别中的应用5. 推荐系统(a) 推荐系统的原理和算法(b) 用户行为分析和个性化推荐(c) 推荐系统在电子商务和社交媒体中的应用三、人工智能的实验基础1. 编程语言和工具(a) Python语言和相关库(b) 机器学习和深度学习框架(c) 数据处理和可视化工具2. 数据集和特征工程(a) 常用的公开数据集和数据源(b) 数据预处理和特征选择(c) 数据集划分和交叉验证方法3. 算法实现和模型训练(a) 机器学习算法的实现和调优(b) 深度学习模型的搭建和训练(c) 实验结果评估和比较分析四、人工智能的应用案例1. 智能语音助手(a) 语音识别和语音合成技术(b) 人机对话系统和智能问答(c) 智能音箱和智能家居应用2. 自动驾驶技术(a) 传感器和感知技术(b) 路径规划和决策控制(c) 自动驾驶的挑战和安全问题3. 金融风控和欺诈检测(a) 信用评分和风险预测(b) 交易欺诈和异常检测(c) 金融科技的发展和应用前景4. 医疗诊断和辅助决策(a) 医学影像分析和疾病诊断(b) 基因数据分析和个性化治疗(c) 人工智能在医疗领域的挑战和限制5. 智能物联网和城市管理(a) 物联网技术和智能传感器(b) 智能交通和智能能源管理(c) 城市智能化的可行性和影响评估总结：本教学大纲介绍了人工智能的概述、核心技术、实验基础和应用案例。
人工智能课程教学大纲
人工智能课程教学大纲大纲：人工智能课程教学1. 简介- 介绍人工智能课程的重要性和普及程度- 解释人工智能的定义和应用领域2. 目标- 培养学生对人工智能的基本了解和认识- 培养学生分析和解决实际问题的能力- 引导学生思考人工智能对社会的影响3. 课程设计- 课程时长和学时安排- 教学方法和教学资源- 课程内容和模块划分4. 课程内容- 人工智能的历史和发展- 人工智能的基本概念和原理- 机器学习和深度学习算法- 自然语言处理和计算机视觉- 人工智能在各行业的应用案例5. 教学方式- 理论教学：通过讲解基本概念和原理，使学生理解人工智能的基本知识。
- 实践项目：组织学生参与实际项目，加深对人工智能算法和技术的理解和应用能力。
- 讨论和案例分析：通过讨论和分析真实案例，引导学生思考人工智能对社会的影响和伦理问题。
6. 评估方式- 考试：通过笔试和编程作业考察学生对人工智能基本概念和算法的掌握程度。
- 项目评估：评估学生在实践项目中的表现和能力发展情况。
- 讨论参与度：评估学生在课堂讨论和案例分析中的积极参与程度。
7. 教学资源- 教材：建议使用经典的人工智能教材，如《人工智能：一种现代的方法》。
- 在线资源：推荐学生使用在线资源，如人工智能开放平台、论坛和课程网站。
8. 参考文献- 列举相关的研究论文、教材和在线资源，供学生进一步学习和深入研究。
9. 结语- 强调人工智能课程的重要性和发展前景- 鼓励学生积极参与课程学习和实践项目以上是《人工智能课程教学大纲》的内容，通过系统的课程设计和教学方法，旨在培养学生对人工智能的基本了解和应用能力。
教学大纲涵盖了人工智能的基本概念、算法和应用案例，并通过理论教学、实践项目和讨论分析等方式，引导学生思考人工智能对社会的影响和伦理问题。
希望学生能够通过这门课程，掌握人工智能的基本知识，培养解决实际问题的能力，并为未来的发展和创新做出贡献。
- 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》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。
5.比较详细地讨论了人工智能的主要应用,包括专家系统、机器学习、自动规划、Agent、自然语言理解、机器视觉和智能控制等。
对于应用内容，根据学时，有选择地进行讲授。
6.评述近年来人工智能的争论，讨论人工智能对人类经济、社会和文化的影响，展望人工智能的发展。
以上内容反映了人工智能的最新进展，理论联系实际，具有很好的针对性。
三. 教学内容和学时安排
教学内容的章节和学时安排如下（总学时40，其中实验4学时，课堂必学内容30学时选学内容为12学时中选6学时，即第八章至第十二章中选3章简要讲授）：
第一章绪论（2学时）
1.1人工智能的定义和发展
1.2人类智能和人工智能
1.3人工智能各学派的认知观
1.4人工智能的研究与应用领域
第二章知识表示方法（6学时）
2.1状态空间法
2.2问题规约法
2.3谓词逻辑法
2.4语义网络法
2.5框架表示
2.6剧本表示
2.7过程的表示
第三章搜索推理技术（6学时）
3.1图搜索策略
3.2盲目搜索
3.3启发式搜索
3.4消解原理
3.5规则演绎系统
3.6产生式系统
3.7系统组织技术
3.8不确定推理
3.9非单调推理
实验一.产生式系统的推理（2学时）
第四章计算智能（1）：神经计算模糊计算（4学时）
4.1概述
4.2神经计
算
4.3模糊计
第五章计算智能（2）：进化计算人工生命（2学时）
5.1遗传算法
5.2进化策略
5.3进化编程
5.4人工生命
第六章专家系统（4学时）
6.1专家系统概述
6.2基于规则的专家系统
6.3基于框架的专家系统
6.4基于模型的专家系统
6.5新型专家系统
6.6专家系统的设计
6.7专家系统开发工具第七章机器学习（4学时）
7.1机器学习的定义和发展历史
7.2机器学习的主要策略和基本结构
7.3机械学习
7.4归纳学习
7.5类比学习
7.6解释学习
7.7神经学习
7.8知识发现
第八章自动规划（2学时）（可选）
8.1规划系统的定义与任务
8.2积木世界的机器人规划
8.3STRIPS规划系统
8.4具有学习能力的规划系统
8.5分层规划
8.6基于专家系统的规划
实验二.移动机器人的路径规划与行为决策（2学时）第九章艾真体（Agent）（2学时）（可选）
9.1分布式人工智能
9.2Agent及其要素
9.3艾真体的结构
9.4艾真体通信
9.5多艾真体系统
第十章机器视觉（2学时）（可选）
10.1图像的理解与分析
10.2积木世界的景物分析
10.3视觉的知识表示与控制策略
10.4物体形状的分析与识别
第十一章自然语言理解（2学时）（可选）
11.1自然语言理解的一般问题
11.2句法和语义的自动分析
11.3句子的自动理解
11.4语言的自动生成
11.5自然语言理解系统应用举例
第十二章智能控制（2学时）（可选）
12.1智能控制的发展与定义
12.2智能控制的结构理论与特点
12.3智能控制系统
12.4智能控制的应用领域
第十三章人工智能的展望（2学时）
13.1人工智能的争论
13.2人工智能对人类的影响13.3对人工智能的展望
教学进度表
主讲教师
■-课堂教学时数—36—
总学时数实验时数4
L 其它
四.教学进度表
专业名称年级 课程名称人工智能
*第九章至第十二章，由主讲教师决定选授其中的两章。
任课老师教研室主任
五.教材及主要参考书
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。
2.N.J.Nilsson.ArtificialIntelligence:ANewSynthesis.MorganKanfmann,1998;机械工业出社，1999。