人工智能导论——面向人文社科专业教学大纲
《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.。
《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
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。
《人工智能导论》教学大纲.
《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。
《人工智能》详细教学大纲
视频理解技术
视频分类、视频目标跟踪、视频行为识别等任务解决方法。
前沿技术动态
光场成像与显示、神经渲染与三维生成模型等前沿技术介绍。
06 强化学习与智能决策支持 系统
强化学习基本原理和方法论述
强化学习基本概念
智能体、环境、状态、动作、奖励等。
强化学习基本原理
通过与环境交互，智能体学习从状态到动作的映 射，以最大化累积奖励。
强化学习方法分类
基于值的方法、基于策略的方法、基于模型的方 法等。
马尔科夫决策过程及其求解方法
马尔科夫决策过程定义
01
具有马尔科夫性质的决策过程，即未来状态仅与当前状态有关，
而与过去状态无关。
马尔科夫决策过程求解方法
《人工智能》详细教学大纲
目录
• 课程介绍与教学目标 • 基础知识与技能 • 机器学习原理及应用 • 自然语言处理技术与应用 • 计算机视觉技术与应用 • 强化学习与智能决策支持系统 • 伦理、法律和社会影响讨论
01 课程介绍与教学目标
人工智能定义及发展历程
人工智能的定义
介绍人工智能的基本概念、定义和 主要研究领域。
自主性与责任
讨论AI系统是否具有自主性及其决策所带来的责任归属问题。
隐私保护
分析AI技术如何影响个人隐私权，并探讨如何在AI应用中保护个人 隐私。
偏见与歧视
研究AI算法可能产生的偏见和歧视，以及如何消除或减少这些影响。
相关法律法规和政策解读
国际法规与政策
介绍与AI相关的国际法规和政策，如数据保护、知识产权等。
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。
《人工智能导论》课程教学大纲
《人工智能导论》课程教学大纲一、课程性质和任务《人工智能导论》课程是计算机科学与技术专业的选修课，通过介绍人工智能的基本思想和方法，为计算机专业本科学生提供最基本的人工智能技术和有关问题的入门知识。
二、课程内容人工智能(Artificial Intelligence) 是50年代中期兴起的一门新兴边缘学科。
既是计算机科学的一个分支，又是计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性学科。
40多年来，人工智能研究的发展和取得的成就十分惊人，最近十几年的发展尤为迅速。
人工智能研究的领域十分广泛，涉及专家（咨询）系统、自然语言理解和机器翻译、数据库的智能检索、机器定理证明、自动程序设计、博奕和决策、机器人学、感知问题、组合调度问题、机器学习、分布式人工智能、模式识别、人工神经网络等领域。
三、使用教材：《人工智能极其应用》蔡自兴、徐光佑编清华大学出版社四、课程教学基本要求《人工智能导论》课程介绍人工智能的主要思想和基本技术、方法以及有关问题的入门知识。
要求学生了解人工智能的主要思想和方法：1. 理解人工智能的定义、发展历史、研究的领域、课题；2. 掌握人工智能的知识表示（一阶谓词逻辑、谓词演算，语义网络法、框架表示、剧本表示）3. 一般掌握人工智能的搜索技术（盲目搜索、启发式搜索、消解原理）4．一般掌握机器学习的定义、发展历史，掌握机器学习的策略、机械学习、归纳学习、类比学习的概念和结构五、教学学时安排本课程共28学时3学分。
具体教学安排如下：1. 第1章绪论（人工智能定义、发展历史、研究的课题、教学目的、教学要求、教学安排、教材等）：4学时2. 第2章知识表示方法4学时3. 第3章搜索推理技术4学时4. 第4章神经计算模糊计算4学时5. 第7章机器学习4学时6. 习题解答：3学时7. 总复习：3学时8. 考试：2学时六、教学重点本课程需要重点掌握的内容是2、3、4、7章，其余章节只需要一般了解，不作具体要求。
人工智能导论教学大纲
人工智能导论教学大纲人工智能发展至今已超过60年时间，近年，随着深度学习技术的应用，人工智能迎来了爆发式增长，不管是工业、农业还是服务业，都可以看到人工智能技术的身影。
那么，人工智能是什么？能做什么？人工智能目前发展到什么程度？人工智能是否会取代人？课程概述“人工智能导论”是关于人工智能领域的通识类课程，主要介绍人工智能的历史、研究现状以及基本理论和方法，授课对象面向计算机专业、人工智能专业等相关专业低年级本科生以及人文各专业的本科生。
课程内容从基础的知识表示以及搜索技术，到机器定理证明以及模糊推理，还涉及计算智能3大领域：遗传算法、群智能以及人工神经网络，最后还给出几个经典的人工智能应用案例。
课程的教学目标是帮助学生了解人工智能的发展和现状，学习和掌握人工智能的基本原理和方法，帮助学生形成对人工智能的相关应用领域的全面认识，激发学生对人工智能的学习兴趣，提供新的思维方法和问题求解手段。
课程大纲01概论课时1.1 课程介绍1.2 人工智能概念1.3 人工智能发展史和研究现状1.4 人工智能三大学派02状态空间知识表示及其搜索技术课时2.1 状态空间法2.2 图搜索2.3 盲目式搜索2.4 启发式搜索03问题归约知识表示及搜索技术课时3.1问题归约法及与或图3.2 与或树的宽度优先搜索与深度优先搜索3.3 博弈与博弈树搜索04谓词逻辑表示与推理技术课时4.1 机器自动推理与命题逻辑4.2 谓词逻辑4.3 消解原理与子句集求解4.4 消解反演与反演求解05模糊逻辑与模糊推理课时5.1 模糊逻辑及模糊集合5.2 模糊集合运算与合成5.3 模糊推理06遗传算法课时6.1生物学背景及遗传算法原理6.2 遗传算法求解优化问题实例07群智能算法课时7.1粒子群算法7.2 蚁群算法08人工神经网络课时8.1 人工神经网络原理8.2 深度学习09人工智能应用案例课时9.1 卓居产品9.2 导盲杖9.3 渐冻人智慧生活眼控轮椅9.4 机器学习9.5 遥感影像参考资料1. 《人工智能及其应用》. 第五版. 蔡自兴，刘丽珏，蔡竞峰，陈白帆. 清华大学出版社. 2016.2. 《人工智能导论》. 李德毅. 中国科学技术出版社，2018.3. 《人工智能导论》（第4版）. 王万良，高等教育出版社，2017.4. 《Artificial Intelligence: A Modern Approach》. Prentice Hall. Stuart J. Russell and Peter Norvig , 1995.5.《机器学习及应用》. 王钰，周志华，周傲英. 清华大学出版社. 2006.6.《简明人工智能》焦李成，刘若辰，慕彩红，刘芳，西安电子科技大学出版社，2019.。
人工智能导论课程教学大纲
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。
人工智能教学大纲
<<人工智能>>教学大纲一、课程名称：人工智能导论Basic Theory of Artificial Intelligence二、课程编码：三、学时与学分：32+12/2.5四、先修课程：<<数据结构>>,VVC语言>>五、课程教学目标人工智能，简单来说，就是用计算机来模拟人类智能的一门学科。
通过本课程的学习，使学生了解人工智能的研究范畴、应用领域和发展方向，掌握该学科的基本概念、原理和方法，培养解决实际问题的能力。
六、适用学科专业信息类专业七、基本教学内容与学时安排• 第一章绪论（2 学时）1.1人工智能的概念1.2人工智能的发展历史1.3人工智能的实现方法1.4人工智能的研究内容• 第二章知识表示（10 学时）2.1基本概念2.2状态空间法2.3问题归约法2.4谓词演算法2.5语义网络法2.6框架表示法2.7剧本（script）表示2.8过程表示• 第三章搜索原理（10 学时）3.1盲目搜索3.2启发式搜索3.3消解原理3.4遗传算法3.5博弈树搜索• 第四章高级求解技术（6 学时）4.1规则演绎系统4.2产生式系统4.3不确定性推理4.4非单调推理• 第五章人工智能的应用（4 学时）5.1专家系统5.2机器学习八、实验与实践环节采用C 语言编写设计利用人工智能的方法解决实际问题的程序，并完成实验报告。
九、教材及参考书蔡自兴、徐光佑，“人工智能及其应用” ，清华大学出版社十、考核方式书面考试＋实验+平时作业。
人工智能导论教学大纲
人工智能导论教学大纲人工智能导论教学大纲人工智能（Artificial Intelligence，简称AI）是一门涵盖多个学科领域的前沿科技，它的发展和应用对于现代社会的发展具有重要意义。
为了更好地推动人工智能的研究和应用，培养人才成为至关重要的任务。
本文将介绍一份人工智能导论教学大纲，旨在帮助学生全面了解人工智能的基本概念、原理和应用。
一、导论在导论部分，将介绍人工智能的定义、发展历程以及当前的研究热点。
通过引入一些具体的应用案例，可以让学生对人工智能的重要性和广泛应用有一个初步的认识。
二、人工智能的基本概念在这一部分，将介绍人工智能的基本概念，如机器学习、深度学习、自然语言处理等。
通过对这些概念的解释和实例的引用，可以帮助学生建立对人工智能的整体认知。
三、人工智能的核心技术在这一部分，将介绍人工智能的核心技术，如数据挖掘、模式识别、推理与规划等。
通过对这些技术的解释和实际案例的分析，可以帮助学生了解人工智能技术的基本原理和应用场景。
四、人工智能的应用领域在这一部分，将介绍人工智能在各个领域的应用，如医疗健康、金融、交通等。
通过对这些应用案例的分析和讨论，可以帮助学生了解人工智能在不同领域的具体应用和前景。
五、人工智能的伦理和社会影响在这一部分，将介绍人工智能的伦理问题和社会影响。
通过对人工智能在隐私、就业、道德等方面的影响进行讨论，可以帮助学生思考人工智能的发展对社会和个人产生的影响，以及如何应对相关问题。
六、人工智能的发展趋势在这一部分，将介绍人工智能的发展趋势和未来展望。
通过对人工智能技术的前沿研究和应用领域的展望，可以帮助学生了解人工智能的发展动态，激发他们对人工智能研究的兴趣。
七、实践项目在这一部分，将组织学生进行人工智能相关的实践项目。
通过实际操作和实践经验的积累，可以帮助学生更好地理解人工智能的原理和应用，并培养他们的创新能力和问题解决能力。
八、总结与展望在这一部分，将对整个课程进行总结，并对人工智能的未来发展进行展望。
人工智能导论教学大纲4
人工智能导论课程教学大纲课程代码：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,课程地性质,目地与任务《人工智能导论》是计算机相关专业中一门综合性很强地基础课程,主要内容包含人工智能概述,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,人工只能地其它应用领域。
本课程地目地与任务是使学生通过本课程地学习,从人工智能地基本概念入手,由浅入深学习人工智能地各种相关知识,掌握人工智能地相关思想。
本课程除要求学生掌握人工智能地基础知识与理论,重点要求学生学会分析问题地思想与方法,为更深入地学习与今后地实践打下良好地基础。
二,教学内容与教学基本要求1. 人工智能概述（2学时）学习什么是人工智能,人工智能地研究目标,人工智能地研究方法,人工智能地基本研究内容2. 知识表示（6学时）学习知识地概念,知识表示地要求,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,逻辑推理地基础,学习自然演绎推理与或形演绎推理地部分方法4. 非确定性推理与方法（6学时）学习非确定性推理中地基本问题,掌握基于概率论地有关理论发展起来地非确定性推理方法,包含基本地概率推理,主观贝叶斯推理,基于可信度地推理,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地依据模糊理论发展起来地模糊推理。
5. 搜索策略（4学时）学习常用地几种搜索策略,包含基于状态空间地盲目搜索,基于状态空间地启发式搜索,基于树地盲目搜索,基于树地启发式搜索6. 机器学习（6个学时）学习机器学习地一些常用算法模型：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. 人工智能地其它应用领域（2个学时）讲述人工智能地其它应用领域：计算机视觉,自然语言处理,智能体。
- 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——面向人文社科专业教学大纲
人工智能浪潮来袭，人类社会即将进入智能化时代。
什么是人工智能？它能做什么？发展到什么程度？是否会取代人？成为社会关注的热点。
人工智能课程也走入更多专业的课堂，”X+人工智能“蔚然成风。
课程用通俗的语言为非专业同学讲解人工智能思想和方法，是一门零门槛的通识课程。
课程概述
人类在经过工业化、信息化之后，将进入智能化社会，各国政府也都纷纷出台人工智能相关的政策和国家战略。
可以预见，在未来，人工智能方法不再是专业知识，而是通识知识、必备知识。
本课程有以下特点：
首先，从内容设计上，主要考虑内容的广度。
课程以专题形式介绍知识表示、知识图谱、自动推理、搜索技术、群智能算法、机器学习、深度学习，基本涵盖了人工智能学科诞生以来各个时期主流的研究方法。
在课程的最后，我们简要介绍了人工智能方法在计算机视觉、自然语言处理、语音技术、机器人技术领域的应用，让同学们对学科发展态势有更直观的理解。
其次，从授课方式上，主要以科普常识、介绍方法论为主。
课程面向文科专业学生，以扩展知识面、培养跨学科思维为主旨，尽量避免使用公式、代码讲解。
课程中，我们通过简单、常见的例子来讲解核心思想，如：在“自动推理”中我们介绍“红楼梦人物关系推理”；在搜索技术中介绍“农夫过河”、“游戏追逐”问题，在机器学习中我们介绍“性别分类”、“手写数字识别”、“地名识别”等例子。
在深度学习部分，结合最新的科研进展，介绍近期人工智能方法的前沿。
使得课程具有较强的可听性。
授课目标
本课程科普人工智能的学科脉络，深入浅出介绍人工智能基本方法论和前沿进展。
使学生在原有专业基础上掌握人工智能思维模式，了解学科的发展趋势，拓宽学科视野。
为今后从事与人工智能领域相关的工作奠定一定基础。
课程大纲
第一章绪论
1.1 人工智能的概念
1.2 人工智能发展简史
1.3 人工智能发展现状和趋势1.4 课程内容概述
第一章课件
第一章测试
第二章知识表示
2.2 一阶谓词逻辑知识表示2.3 产生式知识表示
2.4 框架知识表示
第二章课件
第二章单元测验
2.1 知识表示概述
第三章自动推理与专家系统3.1 引言
3.2 确定性推理
3.3 不确定性推理
3.4 专家系统简介
第三章课件
第三章单元测试
第四章知识图谱
4.1 知识图谱概述
4.2 典型知识图谱
4.3 知识图谱技术与应用
第四章课件
第四章单元测试
第五章搜索技术
5.1 引言
5.2 状态空间图模型
5.3 盲目搜索策略
5.4 启发式搜索策略
5.5 博弈搜索策略
第五章课件
第五章单元测试
第六章进化智能与群体智能6.1 引言
6.2 进化智能：遗传算法
6.3 群体智能：蚁群算法
第六章课件
第六章单元测试
附章A：人工智能的数学基础A4 梯度下降方法
A3 导数基础
A2 向量与矩阵
A1 基本知识
第七章机器学习
7.1 引言
7.2 有监督学习
7.3 无监督学习
7.4 弱监督学习
7.5 强化学习
第七章课件
第七章单元测验
第八章深度学习（上）8.1 引言
8.2 感知机算法
8.3 前馈神经网络与BP算法8.4 卷积神经网络
第八章（上）课件
第八章（上）测试
第八章深度学习（下）8.5 循环神经网络
8.6 注意力与记忆机制
8.7 生成对抗网络
第八章（下）课件
第八章（下）测试
第九章人工智能典型应用
9.1 引言
9.2 计算机视觉
9.3 语音处理技术
9.4 语言智能技术
9.5 智能竞技
第九章课件
第九章单元测验
预备知识
如果以了解学科概况为目标——零门槛
如果以理解基本思想为目标——计算机科学导论
如果想在听课基础上进一步理解和掌握核心知识——计算机科学导论、微积分、离散数学、数据结构
参考资料
[1]李德毅. 人工智能导论，中国科学技术出版社，2018.
[2]王万良. 人工智能导论（第4版），高等教育出版社，2017年7月.
[3]卢格（GeorgeF.Luger）著, 郭茂祖等译. 人工智能:复杂问题求解的结构和策略（原书第6版）.机械工业出版社, 2010年1月.
[4]尼克. 人工智能简史，人民邮电出版社, 2017年12月.
[5]松尾丰著，赵函宏，高华彬译. 人工智能狂潮，机械工业出版社, 2016年1月.。