人工智能导论 课件 PPT -《人工智能导论》课程标准
第一讲(人工智能导论)
深蓝
• 1997年5月11日北京时间早晨4时50分，一台名叫 “深蓝”的超级电脑在棋盘C4处落下最后一颗棋 子，全世界都听到了震撼世纪的叫杀声──“将 车”！这场举世瞩目的“人机大战”，终于以机 器获胜的结局降下了帏幕。
• “深蓝”是一台智能电脑，是人工智能的杰作。 新闻媒体以挑衅性的标题不断地发问：电脑战胜 是一个人，还是整个人类的智能？连棋王都认了 输，下一次人类还将输掉什么？智慧输掉了，人 类还剩些什么？于是，人工智能又一次成为万众 关注的焦点，成为电脑科学界引以自豪的学科。
• 17世纪，有人提出推理如同数字计算，帕斯卡写到： “算术机器产生的效果显然更接近思维，而不是动物的 其他活动。”
• 结论：肯定的结论，即可以用一个规则集合描述意 识的形式化部分
• 精神的意识是如何从物质的大脑产生出来？
– Descartes(笛卡尔)给出了第一个关于意识和物质之间区 别以及由此产生的清晰的讨论
AI的基础
• 哲学：标出了AI的大部分重要思想 • 数学：使AI成为一门规范科学 数学形式化 • 神经科学：网络，并行处理 • 心理学：认知理论 • 计算机工程：AI的“载体” • 语言学：知识表示、语法
哲学
• 形式化规则能用来抽取合理的结论吗？
• 亚里士多德（Aristotle）为形式逻辑奠定了基础，第 一个把支配意识的理性部分法则形式化为精确的法则集 合，典型代表就是三段论，即初始前提的条件下机械地 推导出结论。
• Winston, 1992：人工智能是研究那些使理解、推 理和行为成为可能的计算。
• Luger和Stubblefield,1993：人工智能是计算机 科学中，与智能行为的自动化有关的一个分支。
AI的理解是一个过程
《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.。
人工智能导论全套精ppt课件
机器思维：对通过感知得来的外部信息及机器内部的各 种工作信息进行有目的的处理。
19
21.3机人器工感智知能研究的基本内容
4. 机器学习
机器学习（machine learning）：研究如何使计算机具有 类似于人的学习能力，使它能通过学习自动地获取知识。
1957年，Rosenblatt研制成功了感知机。
获取知识并应用知识求解问题 的能力
6
1.1.2 智能的特征
1. 感知能力：通过视觉、听觉、触觉、嗅觉等感觉器官 感知外部世界的能力。 80%以上信息通过视觉得到，10%信息通过听觉得到。
2. 记忆与思维能力
存储由感知器官感知到的外部信息以及由思维 所产生的知识
对记忆的信息进行处理
7
1.1.2 智能的特征
20世纪三大科学技术成就：
空间技术
原子能技术
人工智能
3
第1章 绪论
1.1 人工智能的基本概念 1.2 人工智能的发展简史 1.3 人工智能研究的基本内容 1.4 人工智能的主要研究领域
4
第1章 绪论
✓ 1.1 人工智能的基本概念
1.2 人工智能的发展简史 1.3 人工智能研究的基本内容 1.4 人工智能的主要研究领域
13
1.2.2 形成（1956年－1969年）
1956年夏，当时美国达特茅斯大学数学助教、现任斯坦福 大学教授麦卡锡和哈佛大学数学和神经学家、现任MIT教 授明斯基、IBM公司信息研究中心负责人洛切斯特、贝尔 实验室信息部数学研究员香农共同发起，邀请普林斯顿大 学莫尔和IBM公司塞缪尔、MIT的塞尔夫里奇和索罗莫夫 以及兰德公司和卡内基－梅隆大学的纽厄尔、西蒙等10名 年轻学者在达特莫斯大学召开了两个月的学术研讨会，讨 论机器智能问题。
《人工智能导论》第1章-绪论
20世纪80年代 中期至今
稳步增长期
形成及第一个兴旺期
20世纪50年代中 期至60年代中期
第二个兴旺期
20世纪70年代中 期至80年代中期
1.2.1 孕育期 (20世纪50年代中期以前)
人工智能的孕育期大致可以认为是1956年以前的时期。这个 时期的主要成就是数理逻辑、自动机理论、控制论、信息论、神 经计算、电子计算机等学科的建立和发展，为人工智能的诞生准 备了理论和物质的基础。
1.1.2 人工智能的定义
人工智能（AI）是一门正在发展中的综合性前沿学科，它由 计算机科学、控制论、信息论、神经生理学、心理学、语言学 等多种学科相互渗透而发展起来。
人工智能研究的近期目标是：使现有的计算机不仅能做一般 的数值计算及非数值信息的数据处理，而且能运用知识处理问 题，能模拟人类的部分智能行为。
过高预言的失败，给AI造成重大伤害
“20 年内，机器将能做人所能做的一切。”
——西蒙，1965
“在3～8年时间里，我们将研制出具有普通人智力的计算机。这 样的机器能读懂莎士比亚的著作，会给汽车上润滑油，会玩弄政治 权术，能讲笑话，会争吵。……它的智力将无以伦比。”
——明斯基，1977
1.2.3 萧条波折期 (20世纪60年代中期至70年代中期)
➢ 1955 年年末，纽厄尔和西蒙编写了一个 名为“逻辑专家”的程序，被许多人认为 是第一个人工智能程序。它将问题表示成 一个树形模型，然后选择最可能得到正确 结论的那一支来求解问题。
1.2.2 形成及第一个兴旺期 (20世纪50年代中期至60年代中期)
AI诞生于一次历史性的聚会——达特茅斯会议
1956年夏季，由美国学者麦卡锡、 明斯基、朗彻斯特和香农共同发起，在 美国达特茅斯大学举办了一次长达2个 多月的研讨会，讨论用机器模拟人类智 能的问题。会上，首次使用了“人工智 能”这一术语。这是人类历史上第一次 人工智能研讨会，标志着人工智能学科 的诞生，具有十分重要的历史意义。
《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
人工智能导论第9章 智能体与多智能体系统-PPT课件
9.1 智能体的概念与结构
9.1.4 反应式Agent
反应式Agent是一种具备对当时处境的实时反应能
力的Agent。
Agent
环境
传感器
9
9.1 智能体的概念与结构
9.1.5 慎思式Agent
慎思式Agent是一种基于知识的系统，包括环境描
述和丰富的智能行为的逻辑推理能力。
统可以协作求解单一专家系统难以解决的问题。
15
9.2 多智能体系统的概念与结构
13
第9章 智能体与多智能体系统
9.1 智能体的概念与结构
9.2多智能体系统的概念与结构
9.3 多智能体系统的通信
9.4 多智能体系统的协调
9.5 多智能体系统的协作
9.6 多智能体系统的协商
14
9.2 多智能体系统的概念与结构
9.2.1 多智能体系统的特点
MAS中每个智能体具有独立性和自主性。
紧急和 简单情 况
通信
动作
决策生成
建模
一般 情况
请求/应答信息
执行器
反射
感知器
环境
其他Agent
11
9.1 智能体的概念与结构
9.1.7 Agent的应用
（1）电信。利用Agent的特性解决复杂系统和网络管理方面的 任务，包括负载均衡、故障预测、问题分析和信息综合等。
（2）兴趣匹配。Agent更多应用于商业网站向用户提供建议。
（3）用户助理。用Agent协助用户更好地完成特定的任务。 （4）组织结构。由多个Agent构造一个类似于人类组织的系统， 不同的Agent代表着系统内的不同角色，通过这些Agent之间的 通信和协作来完成具体的任务。目前主要应用于电子商务。
人工智能导论课件第1章第2节
1.2.1 大师与通用机器
• 电子计算机通称电脑，简称计算机，是一种通用的信息处理机器，它能执行可 以充分详细描述的任何过程。用于描述解决特定问题的步骤序列称为算法，算 法可以变成软件（程序），确定硬件（物理机）能做什么和做了什么。创建软 件的过程称为编程。
1.2.2 人工智能学科的诞生
• 人工智能甚至可以追溯到古埃及。电子计算机的出现使信息存储和处理的各个 方面都发生了革命，计算机理论的发展产生了计算机科学并最终促使了人工智 能的出现。计算机这个用电子方式处理数据的发明，为人工智能的可能实现提 供了一种媒介。
1.2.2 人工智能学科的诞生
• 虽然计算机为人工智能提供了必要的技术基础，但人们直到上个世纪50年代早 期才注意到人类智能与机器之间的联系。诺伯特·维纳是最早研究反馈理论的美 国人之一，反馈控制的一个大家熟悉的例子是自动调温器，它将收集到的房间 温度与人们希望的温度比较并做出反应，将加热器开大或关小，从而控制环境 温度。这项对反馈回路的研究重要性在于：维纳从理论上指出，所有的智能活 动都是反馈机制的结果，而反馈机制是有可能用机器模拟的。这项发现对早期 人工智能的发展影响很大。
1.2.4 人工智能的社会必然性
• 人工智能技术的发展反映了生产力发展的要求，它的产生有其必要性。 – （1）人工智能是工具进化的结果。与以前的劳动工具相比，人工智能的进 步之一是它可以对大脑模拟。人工智能技术超越以往的技术，推动了生产 力的发展。此外，与之前的生产工具相比，人工智能丰富了人的内心，强 壮了人类的身体。人工智能比以前的工具吸收了更多的肢体功能，它高度 模仿人类技能，拟人性强，具有拟人装置的特征。
• 二是反思发展期：60 ~70年代初。人工智能发展初期的突破性进展大大提升了 人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切 实际的研发目标。然而，接二连三的失败和预期目标的落空（例如无法用机器 证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的 发展走入了低谷。
人工智能导论全
一个简单的例子
• 问题：设字符转换规则 A∧B→C A∧C→D B∧C→G B∧E→F D→E已知：A，B 求：F一个简单的例子（续1）
一、综合数据库 {x}，其中x为字符
二、规则集
1，IF A∧B THEN C 2，IF A∧C THEN D 3，IF B∧C THEN G 4，IF B∧E THEN F 5，IF D THEN E
一个简单的例子（续2）
三、控制策略 顺序排队
四、初始条件 {A，B}
五、结束条件 F∈{x}
数据库
求解过程
可触发规则
A，B A，B，C A，B，C，D
A，B，C，D，G A，B，C，D，G，E
（1） （2）（3）
（3）（5） （5） （4）
A，B，C，D，G，E，F
被触发规则
（1） （2） （3） （5） （4）
Spirit：
1）精神 2）烈性酒
• 结论： 必须理解才能翻译，而理解需要知识
AI的历史回顾（续4）
• 第三阶段（60年代中～80年代初） 知识工程时代
– 专家系统 – 知识工程 – 知识工程席卷全球 – 各国发展计划：
• 美国星球大战计划 • 英国ALVEY计划 • 法国UNIKA 计划 • 日本五代机计划 • 中国“863”计划
欢迎大家学习 人工智能导论
计算机系
绪论
• 人工智能（Artificial Intelligence）简称AI • 起源于美国1956年的一次夏季讨论会 • 什么是AI？
计算——>算计 • 图灵实验 • AI的本质问题
研究如何制造出人造的智能机器或系统， 来模拟人类智能活动的能力，以延伸人 们智能的科学。
《人工智能导论》课件
深度学习
强化学习
随着算法和计算能力的提升，深度学习将 在语音识别、图像识别、自然语言处理等 领域取得更大突破。
强化学习在决策优化、游戏等领域的应用 将更加广泛，实现更高效的学习和决策。
边缘计算
数据隐私和安全
随着物联网设备的普及，边缘计算将与人 工智能结合，实现更快速、低延迟的处理 和响应。
随着人工智能应用的普及，数据隐私和安 全问题将更加受到关注，需要加强数据保 护和加密技术的研究和应用。
CHAPTER
03
人工智能的实际应用
智能语音助手
智能语音助手是人工智能技术的一个重要应用，它能够识别和理解人类语音，并 作出相应的回应。例如，苹果的Siri、亚马逊的Alexa和谷歌的Google Assistant 等。
智能语音助手在家庭、办公室等场景中广泛应用，可以帮助人们完成查询信息、 设置提醒、控制智能家居设备等多种任务。
智能机器人
智能机器人是人工智能技术的另一个重要应用，它们可以在 没有人工干预的情况下独立完成一系列复杂任务。例如，工 业机器人、服务机器人和家庭机器人等。
智能机器人已经在制造业、医疗保健、航空航天等领域得到 广泛应用，提高了生产效率、服务质量和工作安全性。
自动驾驶汽车
自动驾驶汽车是人工智能技术在交通 领域的应用，它能够通过传感器、雷 达和摄像头等设备感知周围环境，并 自主完成驾驶任务。
人工智能的潜在风险和挑战
数据偏见
人工智能算法可能受到数据偏见的影 响，导致不公平和歧视性的决策。
失业问题
人工智能的发展可能导致部分职业的 消失，需要探索新的就业模式和培训 计划。
安全和隐私
人工智能技术可能被用于侵犯个人隐 私和安全，需要加强监管和法律约束 。
人工智能导论 课件 PPT -第八章 智能体与智能机器人
智能体的PEAS分析
智能体
性能
环境
执行器
传感器
无人驾驶汽 安全性、时间、 道路、其他 转向、加速器、 相机、声呐、GPS、速度计、
车
合法驾驶、舒适 汽车、行人、 制动器、信号、 里程计、加速度计、引擎传感
性
路标
喇叭、显示器 器、操作盘
网上购物
价格、质量、合 网站、厂商、 商品展示、跟随 网页（文本、图像、脚本）
8.2.1多智能体协商
在多智能体系统中，如果每个智能体都是自利的(使 自身获利最大)，那么每个智能体的最优策略组合未 必是多智能体系统的最优策略。这反映了多智能体系 统中个体利益与集体利益相冲突的矛盾本质。
1、纳什均衡
纳什均衡
假设有两个小偷A和B一起私闯民宅偷盗被警察抓获。警方将两 人分别置于不同的两个房间内进行审讯，针对每一个犯罪嫌疑人， 警方给出的政策是： ➢ 如果一个犯罪嫌疑人坦白了罪行，交出了赃物，于是证据确凿，
完全 单个 确定 阵发 半动态 连续
网上购物 部分 单个 随机 顺序 半动态 离散
8.1.2智能体的结构
智能体的结构是建构智能体的方法学，即将智能体分 为不同的模块并描述模块之间的交互关系。
1、智能体的抽象结构
智能体的抽象结构
2、智能体的分类
智能体的分类
简单反射智能体
基于模型的反射智能体
智能体的定义
著名智能体理论研究学者Wooldridge（伍德里奇）博士等在 讨论智能体时，则提出“弱定义”和“强定义”二种定义方法： 弱定义智能体是指具有自治性、反应性、主动性、社会性和进化 性等基本特性的智能体；强定义智能体是指不仅具有弱定义中的 基本特性，而且具有移动性、通信能力、理性或其它特性的智能 体。
人工智能导论课件
04
计算机视觉
VS
计算机视觉是人工智能的一个重要分支，它利用计算机和算法来模拟人类视觉系统的功能，实现对图像和视频的感知、理解和分析。
详细描述
计算机视觉在人工智能领域中扮演着至关重要的角色，它涉及到图像处理、模式识别、机器学习等多个领域，是实现自动化和智能化的一项关键技术。计算机视觉的应用范围非常广泛，包括但不限于工业自动化、安全监控、医疗诊断、智能交通、农业智能化等。
就业变革
人工智能技术的应用可能引发隐私保护问题，需要加强法律法规的制定和执行，保护个人隐私和数据安全。
隐私问题
人工智能技术的普及和应用可能加剧社会不公和贫富差距，需要关注弱势群体的利益和ANKS
感谢观看
在监督学习中，我们为机器提供了一组带有标签的训练数据，让机器通过学习这些数据来预测新数据的标签。例如，在图像分类任务中，我们提供了一组带有标签的图像，让机器学习如何将新图像分类到相应的类别中。
在无监督学习中，我们只提供一组未带标签的训练数据，让机器通过学习这些数据来发现隐藏的模式或结构。例如，在聚类任务中，我们提供了一组数据点，让机器将这些数据点自动分成几个不同的组或簇。
半监督学习是介于监督学习和无监督学习之间的一种方法。在半监督学习中，我们提供了一部分带有标签的训练数据和另一部分未带标签的训练数据，让机器结合两者来提高学习性能。
强化学习与监督学习和无监督学习不同，它关注的是如何基于环境的反馈来选择或优化行为的问题。在强化学习中，智能体通过与环境交互并从中获得奖励或惩罚信号来学习如何做出最优决策。
详细描述
总结词
语音识别和自然语言生成是自然语言处理的两个重要方面，前者是将语音转换为文本，后者是将文本转换为语音。
详细描述
语音识别是自然语言处理的一个重要方面，它是指将人类语音转换为文本的过程。通过语音识别技术，计算机可以自动地识别和转写人类的语音，从而实现语音到文本的转换。自然语言生成则是将文本转换为人类语音的过程，它使得计算机能够以人类可理解的方式生成语音输出。
人工智能导论分析课件
智能客服
利用NLP技术实现智能问答、自动回复等功能，提高客户服务的质量和效率。
04
计算机视觉
计算机视觉定义
计算机视觉是一门研究如何让计算机模拟或实现人类视觉功能的科学。它通过图像处理、图像识别、图像理解等技术，使计算机具备了像人一样观察、理解和分析图像的能力。
特征提取是从图像中提取出有用的信息，如边缘、角点、纹理等，这些特征可以用于后续的识别和分类。
特征提取
分类器设计是指根据提取出的特征，设计出能够自动识别和分类的算法。常见的分类器有支持向量机、神经网络等。
分类器设计
三维重建是指通过多幅图像或视频，重建出三维场景或物体的几何形状和纹理信息。
三维重建
深度学习是近年来发展迅速的一种机器学习方法，它在计算机视觉领域取得了很大的成功。深度学习通过构建深度神经网络，自动学习图像中的特征表示，提高了分类和识别的准确率。
知识工程阶段
20世纪80年代，专家系统、知识表示、推理等技术在企业、医疗等领域得到广泛应用。
智能制造
智慧医疗
智慧金融
智慧教育
01
02
03
04
实现自动化生产线、智能物流等，提高生产效率和产品质量。
辅助医生诊断疾病、预测病情发展，提高医疗服务的准确性和效率。
实现智能投顾、风险评估、反欺诈等，提升金融服务的智能化水平。
总结词
深度学习是机器学习的一个分支，它利用神经网络模型进行学习和预测。深度学习的基本原理是通过构建多层次的神经网络结构，将输入数据逐步抽象和转化，最终实现复杂的数据分类和识别任务。
详细描述
深度学习基于神经网络模型，通过模拟人脑神经元的连接方式进行信息处理。神经网络由多个神经元组成，每个神经元接收输入信号并输出处理结果。深度学习的关键在于构建多层神经网络结构，每一层神经元将前一层的输出作为输入，并输出到下一层。通过逐层传递和转化，深度学习能够自动提取数据的特征并进行分类或识别。训练过程中，通过反向传播算法不断调整神经网络的参数，以最小化预测误差。
人工智能导论PPT第一章人工智能导引
人工智能和大数据
外推：它是在原始观测范围之外，根测：它包括标识不符合预期模 式的识别数据项、事件或观测，或数据集中的其它项。异 常检测可以识别诸如银行欺诈之类的事件。它也适用于几 个其它领域，包括：故障检测、系统健康监测、传感器网 络和生态系统干扰。
深度学习也很好的实现了各种任务，使得似乎所有的机器辅 助功能都变为可能。无人驾驶汽车，预防性医疗保健，甚至 是更好的电影推荐，都即将实现。
什么是人工智能
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开 发用于模拟、延伸和扩展人的智能活动，是计算机科学的一个研究分支， 是研究发展的结晶。人工智能是一门基于计算机科学，生物学，心理学， 神经科学，数学和哲学等学科的科学和技术。
（WIKI）In computer science, artificial intelligence (AI), sometimes called machine intelligence, is intelligence demonstrated by machines, in contrast to the natural intelligence displayed by humans and animals. Leading AI textbooks define the field as the study of "intelligent agents": any device that perceives its environment and takes actions that maximize its chance of successfully achieving its goals. Colloquially, the term "artificial intelligence" is often used to describe machines (or computers) that mimic "cognitive" functions that humans associate with the human mind, such as "learning" and "problem solving".
人工智能导论 模型与算法 课件
循环神经网络（RNN）
循环结构
网络具有记忆功能，能够处理序列数据。
门控循环单元（GRU）
简化LSTM结构，提高计算效率。
长短期记忆（LSTM）
解决RNN在处理长序列数据时出现的梯度消 失或爆炸问题。
经典模型
RNN、LSTM、GRU、Bi-RNN、Bi-LSTM 等。
生成对抗网络（GAN）
生成器与判别器
02
深度学习特征
03
特征编码与表示
利用卷积神经网络（CNN）等深 度学习模型自动学习图像特征， 具有更强的表征能力。
将提取的特征进行编码和表示， 以便于后续的图像分类、识别等 任务。
目标检测与跟踪
目标检测方法
介绍基于滑动窗口、区域提议 网络（RPN）等目标检测方法
，以及Faster R-CNN、 YOLO等经典目标检测模型。
02
分析句子中词语之间的依存关系，如主谓关系、动宾关系等，
有助于理解句子的语义。
常见算法
03
基于短语结构语法的算法、基于依存语法的算法和基于深度学
习的算法。
语义理解与情感分析
语义理解
研究文本中词语、短语和句子的含义，以及它们之间的语义关系。
情感分析
识别和分析文本中的情感倾向和情感表达，用于情感计算和情感智能等领域。
K均值聚类（K-means Clustering）：将数据划 分为K个簇，使得每个簇内的数据尽可能相似，而 不同簇间的数据尽可能不同。
主成分分析（Principal Component Analysis, PCA）：通过正交变换将原始特征空间中的线性 相关变量变为线性无关的新变量，用于降维和可 视化。
生成器负责生成假数据，判别器负责判断数据真伪。
- 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)。
《人工智能应用基础》课程标准
一、课程定位
“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，开设《人工智能应用基础》课程是十分必要的。
《人工智能应用基础》作为一门必修课程，其中涉及的理论、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的“智能”观念；了解人工智能的基本理论、基本方法和基本技术；提高智能产品的使用能力，为今后的工作中的智能设备使用打下坚实的基础。
先修课程：《计算机应用基础》
二、课程目标
（一）知识目标
1.了解人工智能产业的发展现状与市场需求；
2.了解人工智能对现代生活的改变和影响；
3.了解人工智能定义、研究领域、发展、社会价值和应用领域、未
来与展望；
4.了解知识表示、知识图谱、机器学习、人工神经网络与深度学习、
智能识别、自然语言理解、专家系统及智能体与智能机器人的相关概念及应用。
（二）能力目标
1、培养人工智能的应用能力，开拓学生的科技视野；
2、能够熟练使用生活中常用的人工智能产品；
3、熟悉人工智能对工业、医疗、安防、社交、机器人、无人驾驶、
家居、生活服务等方面的应用渗透。
（三）素质目标
1、养成善于思考、深入研究的良好自主学习的习惯和创新精神；
2、培养细致缜密的工作态度、团结协作的良好品质、沟通交流和书面表达能力；
3、养成爱岗敬业、遵守职业道德规范、诚实、守信的高尚品质。
三、课程内容与课时分配
课程全景式介绍人工智能知识体系与热门应用领域，以人工智能的应用领域为线索介绍学习领域。
通过案例导读引入相应领域的学习，通过案例延伸理解学习领域的实际应用和未来发展。
尽量用通俗易懂的语言和应用案例引导学生进入人工智能应用领域的学习。
课程内容：
四、教学资源要求
（一）教材选用原则
教材应充分体现培养学生的职业能力，通俗易懂，内容全面，应用性强。
能够以知识和技术应用案例为根本出发点详细介绍了人工智能的主要内容和实际应用。
在内容上降低了人工智能学习的知识难度，易于高职学生学习掌握。
（二）推荐教材
《人工智能导论》，杨晔，田莉霞，大连理工大学出版社，2019
（三）其他学习资源
1．中国大学MOOC: https:///
2．人工智能网: https:///ai/
3．人工智能学习网:/
（四）教师要求
主讲教师需要具备人工智能领域的相关知识，具有较强的“智能”
观念，知道人工智能对现代生活的改变和影响，熟悉人工智能在工业、
经济、社会、管理、标准、法律等方面的应用渗透，能按照本课程标
准制定详细授课计划，精心设计每一次课的教学过程，具备良好的课堂控制能力和应变能力，做到因材施教。
五、考核方案设计
1.综合运用笔试、课程设计大作业相结合的考核形式
要想真正科学全面地考查学生，必须采用多种考试形式的结合，针对不同的学习采取不同的考试形式。
考查学生的常识性基础知识可采用闭卷形式考试；考查学生知识转化能力、应用能力、解决实际问题的能力、自学能力等，可采用课程设计大作业的形式；一定程度上讲，课程设计大作业对学生的要求更高，要求学生平时下苦功，扎扎实实地进行练习，设计及制作。
课程设计大作业最后的作品以提交纸质文档作为考试记录文档。
多位一体的综合评定方式，将过程性评价和终结性评价相结合、知识性评价和技能性评价相结合，能比较客观地反映学生对本门课程的掌握程度，同时培养了学生的智能观念、创新能力、解决实际问题能力。
2.引入多角度评定成绩的因素，建立客观、全面的考核机制
以一张试卷来决定学生本门课程的学习是否合格未免失之偏颇，成绩的评定不能单纯以一张试卷为准。
考核实行模块化，针对不同的知识类型采取不同的考试形式，将所学习的内容划分成相对独立的模块进行考核，引入多方面的考核因素。
3.终结考核标准：
《人工智能应用基础》考试：总评成绩=平时*40%+课程设计大作业*60%，课程设计的内容可以是情景话剧、编写科幻电影、微电影、微视频、小论文、散文、科幻小说等。
六、教学实施建议
1.进行人工智能教学，尝试应用翻转课堂、职教云平台等互联网
+技术应用于人工智能课堂教学中。
2.课前学生预习，课上由教师讲授与学生实践相结合。
3.新课开始前，复习前次教学内容，评讲作业，注意教学的科学性、发挥教师的计划性和实践性。
4.积极创造条件，发挥学生的主动性、积极性，鼓励学生的创造性，发挥教师的计划性、针对性与指导性。
5．教学过程以学生为中心，教师作为引导者，将学生分为若干小组，进行课堂分组讨论，通过动手实践以及对实践结果进行思考获取知识，避免灌输式教学，指导学生通过动手来解决遇到的学习问题。