人工智能英文文献-PAGE“人工智能”通识课程教学大纲

PAGE “人工智能”通识课程教学大纲英文课程名Artificial Intelligence总 学 时32学 分2课程编码理论教学学时32适用专业大二及以上人文社科类课程类别（请注明选修或必修）通识课程选修实践教学学时实验学时先修课程大学数学大类基础课程上机学时专业基础及专业课程其它开课学院（部）计算机科学与技术学院一、课程的性质和教学目标课程性质：人工智能是计算机科学中的重要内容，已经成为计算机技术发展以及许多高新技术产品中的核心技术。由于人工智能是模拟人类智能解决问题，几乎在所有领域都具有非常广泛的应用。此课程是针对人文社科类各专业本科生的一门通识课程人工智能英文文献，主要介绍人工智能技术的基本思想以及一些前沿内容，为学生提供人工智能前沿技术的应用思路和有关问题的入门性知识，学习不同学科的思想方法，为进一步学习与应用人工智能技术奠定基础。本课程通过人工智能知识的基础性、整体性、综合性、广博性，使学生拓宽视野，着力提高人文社科专业学生的科学素质和优化学生的知识结构。教学目标： 1. 了解人工智能的特点、主要研究领域、研究历史及未来发展动向。2. 掌握人工智能解决问题的思路。 3. 了解应用人工智能的研究领域和应用范例。

该课程的目标是把握计算机科学与技术的发展趋势，熟悉本专业的前沿知识和研究热点。该课程讲述了人工智能的发展简史、人工智能研究的基本内容和主要研究领域、人工智能的研究热点。要求学生掌握基本创新方法，能够结合自己的专业提出解决问题的思路，从而更好的掌握人工智能知识，培养学生的理论联系实际能力和创新能力,逐步培养他们发现问题、提出问题、分析问题和解决问题的能力。二、课程教学方法设计本课程以课堂教学为主，结合课外阅读、课堂讨论。课堂教学主要讲解基本原理，结合人工智能最新前沿技术的相关介绍，辅助以最新的视频资料和文献，使同学们对人工智能课程的各个章节产生兴趣，从而促进学习热情，在之后的理论学习中能更好地理解技术的先进性与实用性。要求学生在课内学习的基础上，自己完成网络资料与科技文献的检索工作，以培养同学们文献检索的能力。针对感兴趣的章节进行自主学习人工智能英文文献，加深加强课堂理论教学，并提高自身的自学能力。课外大作业要求学生能够运用课堂知识，结合自己专业，探讨人工智能在自己领域的创新思路。三、课程教学内容及学时分配1．理论教学安排序号章节或知识模块教学内容学时分配能力培养教学要求素质培养教学要求学生任务作业要求自学要求讨论1人工智能的发展与主要应用领域1.你了解人类的智能吗？2.人工智能的诞生3.人工智能几起几落曲折发展4.从两场标志性人机博弈看人工智能的进步5.人工智能研究的基本内容6.人工智能的主要应用领域7.人工智能会使许多人失业?3了解人工智能研究的特点、发展历史及未来，了解人工智能研究的基本内容和主要研究领域，为以后学习和应用人工智能奠定基础。

增加对人工智能学科的认识，开阔学生创新思路。查阅最新人工智能研究点2知识表示与知识图谱1.你了解人类知识吗？2.计算机如何表示人类知识？3.表示专家知识的产生式表示法4.框架知识表示法5.知识图谱3掌握知识及知识表示的概念，了解产生式、框架知识表示方法。了解知识图谱等新技术的发展趋势。了解各种表示方法的思想与具体表示形式、优缺点、适宜的应用对象。查阅知识图谱的应用案例和最新研究热点。3模拟人类思维的模糊推理1. 推理的概念与分类2. 模糊集合与模糊知识表示3. 模糊关系与模糊关系的合成4. 模糊推理与模糊决策5. 模糊推理的应用3了解模糊的概念、模糊集合、模糊知识表示、模糊推理及其应用。掌握推理与不确定性推理的概念；了解模糊推理方法的思路。查阅模糊推理的应用案例。课堂讨论模糊推理的应用4搜索策略1. 搜索的概念2. 如何将对象用状态空间表示？3. 回溯策略4. 盲目的图搜索策略5. 启发式图搜索策略2了解搜索的基本概念、基本方法。能够针对一些实际问题了解搜索的具体应用。掌握搜索中回溯策略和启发式图搜索策略的思路。讨论A*搜索和A搜索的关系。5模拟生物进化的遗传算1.进化算法的生物学背景2.遗传算法3.遗传算法的主要改进算法4.基于遗传算法的调度方法3了解一些遗传算法的基本思想，了解一些遗传算法的应用实例。

掌握遗传算法解决问题的基本思想。了解生物进化过程，以及如何遗传算法中体现。6模拟生物群体行为的群智能算法1.群智能算法的生物学背景2.模拟鸟群行为的粒子群优化算法3.模拟蚁群行为的蚁群优化算法2了解群智能算法的基本思想，了解粒子群优化算法、蚁群优化算法的基本思想。了解粒子群优化算法、蚁群优化算法如何解决优化问题。了解鸟和蚁群协作过程，以及如何在算法中体现。7模拟生物神经系统的人工神经网络1.人工神经元与人工神经网络2.机器学习的先驱——Hebb学习规则3.掀起人工神经网络第一次高潮的感知器4.掀起人工神经网络第二次高潮的BP学习算法4了解神经网络的思想，BP神经网络学习算法及其在模式识别、软测量等工程中的应用掌握人工神经网络的基本概念、常用人工神经网络模型。能够针对创新点开展切实有效的理论和应用研究。查阅最新的ANN相关技术应用。课堂讨论BP-ANN在模式识别中的应用8机器学习与深度学习1.机器学习的基本概念2.机器学习的分类3.知识发现与数据挖掘4.动物视觉机理与深度学习的提出5.卷积神经网络与胶囊网络6.生成对抗网络及其应用4了解机器学习的基本概念、基本方法，了解深度学习的生物背景和算法的基本内容。

了解深度学习解决问题的创新思想。查阅深度神经网络的应用。9专家系统1.专家系统的产生与发展2.专家系统的概念3.专家系统的工作原理4.简单的动物识别专家系统5.专家系统实例及其骨架系统6.专家系统开发环境2掌握专家系统的基本概念、基本特征、一般结构等基本内容。了解专家系统的建造、开发，专家系统的应用例子。了解家系统的实用性10自然语言理解1.自然语言理解的概念与发展2.语言处理过程的层次3.机器翻译方法概述4.循环神经网络5.基于循环神经网络的机器翻译6.语音识别2了解自然语言理解的概念与发展历史。了解机器翻译、语音识别的基本思路。了解人工智能技术在机器翻译、语音识别的创新思路。11计算机视觉1.计算机视觉概述2.计算机视觉数字图像3.基于深度学习的计算机视觉4.基于计算机视觉的人脸识别与虹膜识别 2了解计算机视觉的基本概念，了解基于深度学习的计算机视觉的基本思想，具体了解.基于计算机视觉的人脸识别与虹膜识别过程。 了解人工智能解决计算机视觉问题的创新思想。 12智能机器1.机器人的产生与发展2.机器人中的人工智能技术3.智能机器人的应用4.智能机器人伦理与技术展望2了解机器人中的人工智能技术和各种智能机器人的应用。

了解人工智能技术在智能机器人中应用的创新思想。四、考核方式及成绩评定方式课程考核强调平时成绩和最终成绩的综合方式。其中，课堂表现主要从学生上课是否专心听讲、回答教师提问是否正确，以及分组讨论是否积极、正确、有独特见解等，以提高课堂教学效果，培养学生的对新技术的兴趣，并逐步培养其创新能力。作业和课内实践方面要重点培养学生的创新能力，并且提高其对新技术探索和自学习的兴趣。期末考试将按照本课程的教学目标全面考核学生课程学习的效果，分析课程对毕业要求的达成度。考核方式采用考查课形式。考核方式为专题讨论论文等，最终由任课教师选定。一般要求平时作业成绩与课内讨论及课内实验的最终考核占比30%，大作业或笔试成绩的最终考核占比70%。五、课程评价与改进课程考核结束后，遵循学院的教学委员会通过的毕业要求达成度评价机制和评价方法。对本课程的毕业要求达成度进行自我评价。主要依据学生的考试成绩和平时成绩，并保存各个成绩段的学生相关资料，供学院教学委员会指定的教师进行评价。教师根据评价结果，改进其教学方法和教学内容，以便更好支撑学生毕业要求的达成。六、教材及参考书目教 材：《人工智能通识教程》，王万良编著，清华大学出版社，2020执笔者：审核者：