最新《人工智能》课程教学大纲打印版.doc
《人工智能》详细教学大纲.doc
《人工智能》教学大纲 课程名称：人工智能 英语名称：Artificial Intelligence 课程代码：130234 课程性质：专业必修 学分学时数： 5/80 适用专业：计算机应用技术 修（制）订人： 修（制）订日期：2009年2月 审核人： 审核日期： 审定人： 审定日期： 一、课程的性质和目的 （一）课程性质 人工智能是计算机科学理论基础研究的重要组成部分，人工智能课程是计算机科学技术专业的专业拓展选修课。
通过本课程的学习使学生了解人工智能的提出、几种智能观、重要研究领域，掌握人工智能求解方法的特点。
掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。
（二）课程目的 1、基本理论要求： 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。
2、基本技能要求： 学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand 域概念和Horn 子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS ）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A 算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes 方法、D —S 证据理论等，利用数值分析中常用方法进行正确计算。
3、职业素质要求：结合实战，初步理解和掌握人工智能的相关技术。
二、教学内容、重（难）点、教学要求及学时分配 第一章：人工智能概述（2学时）……………………………………………………………………装……订……线…………………………………………………………………………………………………………… …………………………1、讲授内容：（1）人工智能的概念（2）人工智能的研究途径和方法（3）人工智能的分之领域（4）人工智能的基本技术（5）人工智能的发展概况2、教学要求：了解：研究途径和方法、人工智能的分之领域、基本技术和发展概况。
《人工智能》课程教学大纲.doc
《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。
《人工智能》教学大纲
.word 可编写 .《人工智能》教课纲领一、课程概括1.课程研究对象和研究内容人工智能是计算机与自动化学科的一门分支学科。
它研究怎样用机器来模拟人脑所从事的推理、证明、辨别、理解、学习、规划、诊疗等智能活动。
人工智能是目前科学技术中正在快速发展，新思想、新看法、新技术不停浮现的一个学科，也是一门波及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交错和边沿学科。
《人工智能》（双语）课程的主要目标是为大学本科高年级学生供给相关人工智能理论以及应用所必要的知识和技术；掌握人工智能的基来源理；掌握设计开发智能系统的基本方法。
2.课程在整个课程系统中的地位人工智能原理是计算机科学技术类专业的应用学科。
前修课程包含：失散数学、数据构造、算法剖析与设计等，后续课程：专家系统，知识工程，该课程能够在大学三、四年级开设。
二、课程目标1．娴熟掌握图搜寻策略，娴熟掌握回溯策略、图搜寻策略的过程以及算法（BACKTRACK 以及 A*算法），掌握一些典型问题的启迪式函数。
2．掌握用命题逻辑、一阶逻辑表告知识的方法，并在此基础长进行推理，娴熟掌握归纳方法以及归纳辩驳过程，娴熟掌握利用归纳辩驳方法进行推理。
3．掌握鉴于贝叶斯规则的不确立性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。
.word 可编写 .三、课程内容和要求这门学科的知识与技术要求分为知道、理解、掌握、学会四个层次。
这四个层次的一般涵义表述以下：知道———是指对这门学科和教课现象的认知。
理解———是指对这门学科波及到的看法、原理、策略与技术的说明和解说，能提示所波及到的教课现象演变过程的特点、形成原由以及教课因素之间的互相关系。
掌握———是指运用已理解的教课看法和原理说明、解说、类推同类教课事件和现象。
学会———是指能模拟或在教师指导下独立地达成某些教课知识和技术的操作任务，或能辨别操作中的一般差错。
教课内容和要求表中的“√”号表示教课知识和技术的教课要求层次。
人工智能课程教学大纲
2024/1/28
1
目录
2024/1/28
• 课程介绍与目标 • 基础知识与技能 • 机器学习原理及方法 • 深度学习原理及应用 • 自然语言处理技术 • 计算机视觉技术 • 人工智能伦理、法律和社会影响
2
01
课程介绍与目标
Chapter
2024/1/28
3
人工智能定义及应用领域
增强现实技术
介绍增强现实技术的原理和应用，包括增强现实设备的分 类和特点，增强现实内容的制作和呈现方式等，以及增强 现实与虚拟现实的比较和融合趋势。
27
07
人工智能伦理、法律和社会影 响
Chapter
2024/1/28
28
人工智能伦理原则和价值观探讨
尊重人权
人工智能的设计和应用应遵循平 等、公正和尊重人权的原则，避 免歧视和偏见。
概率论概率分布、随机变量源自条件概率、贝叶斯定理等3最优化理论
梯度下降、牛顿法、拟牛顿法等
2024/1/28
9
编程基础：Python语言及常用库
Python基础语法
变量、数据类型、控制流、函数 等
Python常用库
NumPy、Pandas、Matplotlib 等
面向对象编程
类与对象、继承与多态等
2024/1/28
25
视频处理和分析方法介绍
2024/1/28
视频编码与压缩
讲解视频编码的基本原理和常见的视频编码标准，如H.264/AVC 、H.265/HEVC等，以及视频压缩的方法和技巧。
视频运动分析
介绍视频运动分析的基本方法和应用，包括光流法、帧间差分法、 背景减除法等，以及运动目标跟踪和行为识别等技术。
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》课程大纲
《人工智能》课程大纲人工智能课程大纲一、引言A. 课程背景与目的B. 课程结构概述二、人工智能基础知识A. 人工智能概述1. 人工智能定义与发展历史2. 人工智能的应用领域3. 人工智能的挑战和前景B. 机器学习1. 机器学习的定义和原理2. 监督学习、无监督学习与强化学习3. 机器学习算法与实践案例C. 自然语言处理1. 自然语言处理的概念和挑战2. 语音识别与文本处理技术3. 自然语言生成与机器翻译三、人工智能技术与应用A. 图像与视觉处理1. 图像处理基础2. 特征提取和图像分类算法3. 计算机视觉的应用案例B. 智能决策与规划1. 搜索算法与规划方法2. 强化学习与决策树算法3. 智能系统在自动驾驶等领域的应用C. 人机交互与智能系统设计1. 人机界面设计原则2. 聊天机器人与语音助手开发3. 智能系统的用户体验与评估四、人工智能的伦理与社会影响A. 人工智能的道德与伦理问题1. 个人隐私与数据安全2. 人工智能的道德准则与规范3. 机器人与人类社会的互动关系B. 人工智能对社会经济的影响1. 自动化对就业市场的改变2. 人工智能在医疗、金融等行业的应用3. 人工智能与可持续发展的关系五、课程实践与项目A. 人工智能编程与实践1. 基于Python的机器学习实践2. TensorFlow与深度学习编程B. 人工智能应用设计与实现1. 智能推荐系统开发2. 人工智能在游戏开发中的应用六、评估方式与学习资源A. 课程作业与考核方式B. 推荐教材与学习资源C. 学习支持与讨论平台七、总结与展望A. 课程回顾与学习成果B. 人工智能领域的未来发展方向本课程旨在帮助学生深入了解人工智能的基本概念、技术和应用，培养学生人工智能思维和创新能力。
通过课程的学习，学生将能够掌握人工智能基础知识，了解机器学习、自然语言处理、图像与视觉处理等核心技术。
同时，课程将注重伦理与社会影响的讨论，帮助学生思考人工智能的科技伦理问题和社会责任。
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。
人工智能》教学大纲
人工智能》教学大纲2．掌握Prolog语言的基本语法和常用操作；3．能够编写简单的Prolog程序，并能够运行和调试；4．了解Prolog语言在人工智能中的应用。
第三章搜索算法基本内容和要求：1．掌握深度优先搜索、广度优先搜索、启发式搜索等搜索算法的基本思想和实现方法；2．能够应用搜索算法解决一些典型问题；3．了解搜索算法在人工智能中的应用。
第四章知识表示与推理基本内容和要求：1．掌握命题逻辑、一阶逻辑等知识表示方法；2．了解基于规则、框架、语义网络等知识表示方法；3．掌握归结方法、前向推理、后向推理等推理方法；4．能够应用知识表示与推理解决一些典型问题。
第五章不确定性推理基本内容和要求：1．了解不确定性推理的基本概念和方法；2．掌握贝叶斯定理及其应用；3．掌握条件概率、独立性、条件独立性等概念；4．能够应用不确定性推理解决一些典型问题，如垃圾邮件过滤等。
五、教材和参考书目1）主教材：Stuart Russell。
Peter Norvig。
Artificial Intelligence: A Modern Approach。
3rd n。
Prentice Hall。
2009.2）参考书目：___。
机器研究。
___。
2016.___。
统计研究方法。
___。
2012.___。
___。
2017.六、教学进度安排第一周人工智能概述第二周逻辑程序设计语言Prolog第三周搜索算法第四周知识表示与推理第五周不确定性推理第六周期中考试第七周至第十周课程实验第十一周至第十三周课程实验第十四周课程总结与复第十五周期末考试一实验（实训）内容产生式系统实验学时分配4目的与要求：熟悉和掌握产生式系统的运行机制，掌握基于规则推理的基本方法。
实验（实训）内容：主要包括产生式系统的正、反向推理、基于逻辑的搜索等10余个相关演示性、验证性和开发性设计实验。
二实验（实训）内容搜索策略实验学时分配4目的与要求：熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解N数码难题，理解求解流程和搜索顺序。
《人工智能》详细教学大纲
3
常用图像处理和计算机视觉库
OpenCV、PIL、Scikit-Image等。
2024/1/24
20
目标检测、图像分割等视觉任务解决方法
01
目标检测方法
基于滑动窗口的方法、基于区域提议的方法（如R-CNN系列）、基于
回归的方法（如YOLO、SSD）等。
02
图像分割方法
基于阈值的分割、基于边缘的分割、基于区域的分割、基于深度学习的
语音情感分析
结合语音识别和自然语言处理技术，对语音中的情感进行 分析和识别，是实现智能语音交互的重要研究方向。
18
05 计算机视觉技术与应用
2024/1/24
19
图像处理和计算机视觉基础概念
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 。
计算机视觉概述
视觉感知、视觉计算模型、视觉任务分类等。
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。
2024/1/24
24
马尔科夫决策过程及其求解方法
2024/1/24
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
02
动态规划、蒙特卡洛方法、时间差分方法等。
2024/1/24
29
人工智能对社会和经济影响分析
劳动力市场变革
分析AI技术对劳动力市场的影响 ，如自动化导致的失业、新工作 机会的创造等。
信息传播与社会互
动
研究AI如何改变信息传播方式和 社会互动模式，如社交媒体算法 对舆论的影响。
经济增长与产业创
《人工智能》课程教学大纲
《人工智能》课程教学大纲《人工智能》课程教学大纲一、课程基本信息开课单位课程名称开课对象学时/学分先修课程课程简介：人工智能是计算机科学的重要分支，是研究如何利用计算机来模拟人脑所从事的感知、XXX人工智能课程类别课程编码开课学期个性拓展GT第4或6学期网络工程专业、计算机科学与技术专业36学时/2学分（理论课：28学时/1.5学分；实验课：8学时/0.5学分）离散数学、数据结构、程序设计推理、研究、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人们智能的科学。
该课程主要讲述人工智能的基本概念及原理、知识与知识表示、机器推理、搜索策略、神经网络、机器研究、遗传算法等方面内容。
二、课程教学目标《人工智能》是计算机科学与技术专业的一门专业拓展课，通过本课程的研究使本科生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识，掌握人工智能的基本概念、基本原理、知识的表示、推理机制和智能问题求解技术。
启发学生开发软件的思路，培养学生对相关的智能问题的分析能力，提高学生开发应用软件的能力和水平。
三、教学学时分配《人工智能》课程理论教学学时分派表章次第一章第二章第三章第四章第五章第六章首要内容人工智能概述智能程序设计言语图搜索技术基于谓词逻辑的机器推理呆板进修与专家系统智能计算与问题求解合计学时分配35464628教学方法或手段讲授法、多媒体讲授法、多媒体探究式、多媒体讲授法、多媒体概述法、多媒体开导式、多媒体《人工智能》课程实验内容设置与教学要求一览表实学尝试序项目号名称配1)了解PROLOG语言中常1) Prolog运转环境；量、变量的表示方法；实分支2)使用PROLOG举行事实验与循实库、规则库的编写；库、规则库的编写方法；环程3)分支程序设计；一序设4)循环程序设计；一计5)输入出程序设计。
5)掌握PROLOG输入输出程序设计；1）了解PROLOG中的谓词1)谓词asserta和递归实与表实处理验程序二设计4）掌握PROLOG表处理程4)综合应用程序设计。
《人工智能》教学大纲
《人工智能》教学大纲人工智能教学大纲一、引言人工智能（Artificial Intelligence, AI）是现代科技发展的热点领域，其在各个行业中的应用不断深入。
AI教育的重要性与日俱增，为了适应时代的发展潮流，我们设计了本教学大纲，旨在引导学生系统地学习人工智能的基本概念、原理和应用，培养学生的AI思维和技术能力。
二、课程目标本课程旨在使学生掌握以下知识和技能：1. 理解人工智能的基本概念和发展历程；2. 掌握人工智能的核心算法和模型，如机器学习、深度学习等；3. 理解人工智能在各个领域的应用，并能够灵活运用相关技术解决实际问题；4. 培养学生的创新思维和团队合作能力，在人工智能领域具备综合素质。
三、教学内容与进度安排1. 第一阶段：人工智能概述（2周）- 人工智能的定义与分类- 人工智能在社会与经济中的地位与作用- 人工智能的发展历程及国内外研究进展2. 第二阶段：机器学习基础（4周）- 机器学习的基本概念与算法- 监督学习、无监督学习和半监督学习- 常见机器学习算法的原理与应用- 机器学习在图像处理、自然语言处理等领域的应用案例3. 第三阶段：深度学习与神经网络（5周）- 深度学习的基本原理与核心概念- 深度神经网络的结构与训练方法- 常见深度学习网络，如卷积神经网络、循环神经网络等 - 深度学习在计算机视觉、语音识别等领域的应用案例4. 第四阶段：人工智能应用与伦理（3周）- 人工智能在医疗、金融、智能交通等领域的应用案例 - 人工智能伦理与社会影响的讨论- 人工智能发展趋势与未来展望5. 第五阶段：实践项目与实验（4周）- 结合实际问题，进行人工智能算法的实践应用- 利用开源框架进行人工智能模型的训练与调优- 团队合作，完成人工智能项目的设计与实施四、教学方法与评价方式1. 教学方法- 授课结合案例分析，通过实例让学生更好地理解与应用知识；- 布置作业与小组讨论，培养学生的独立思考和合作能力；- 项目实践与实验，提升学生的动手能力与创新思维。
最新《人工智能》课程教学大纲打印版.doc
《人工智能》课程教学大纲（Artificial Intelligence）课程性质：院公选课适用专业：各专业先修课程：离散数学、数据结构、操作系统原理后续课程：总学分：2学分一、教学目的与要求1．教学目的人工智能主要研究解释和模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。
本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。
2．教学要求学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。
二、课时安排三、教学内容1．人工智能概述（4学时）（1）教学基本要求了解：人工智能的发展概况理解：人工智能的概念掌握：人工智能的研究途径与方法、人工智能的分支领域灵活运用：人工智能的基本技术（2）教学内容①人工智能的概念②人工智能的研究途径与方法(重点)③人工智能的分支领域(重点、难点)④人工智能的基本技术(难点)⑤人工智能的发展概况2．人工智能程序设计语言（6学时）（1）教学基本要求了解：人工智能程序设计语言分类掌握：函数型程序设计语言LISP和逻辑型程序设计语言PROLOG灵活运用：Turbo PROLOG程序设计语言（2）教学内容①综述②函数型程序设计语言LISP(重点)③逻辑型程序设计语言PROLOG(重点、难点)④Turbo PROLOG程序设计(难点)3．基于谓词逻辑的机器推理（6学时）（1）教学基本要求理解：谓词及谓词逻辑，形式演绎推理掌握：归结演绎推理灵活运用：应用归结原理求取问题答案了解：Horn子句归结与逻辑程序、非归结演绎推理（2）教学内容①一阶谓词逻辑②归结演绎推理(重点)③应用归结原理求取问题答案(重点、难点)④归结策略⑤归结反演程序举例⑥Horn子句归结与逻辑程序(难点)⑦非归结演绎推理4．图搜索技术（8学时）（1）教学基本要求掌握：状态图搜索方法、与或图搜索方法灵活运用：状态图搜索方法进行问题求解、与或图搜索方法进行问题求解了解：博弈树搜索技术（2）教学内容①状态图搜索(重点、难点)②状态图问题求解(重点)③与或图搜索(重点、难点)④与或图问题求解（难点）⑤博弈树搜索5．产生式系统（4学时）（1）教学基本要求掌握：产生式规则、产生式系统灵活运用：产生式系统了解：产生式系统的程序实现（2）教学内容①产生式规则(重点②产生式系统(重点)③产生式系统与图搜索(重点)④产生式系统的应用⑤产生式系统的程序实现(难点)6．知识表示（4学时）（1）教学基本要求掌握：知识及其表示灵活运用：框架和语义网络（2）教学内容①知识及其表示(重点)②框架(重点、难点)③语义网络(重点、难点)四、授课方式及考核方法1．授课方式讲授2．考核方法考试形式：闭卷或论文写作课程成绩构成：平时成绩占30％，期末考试成绩占70％。
(2024年)人工智能教学大纲
02
讨论如何保障人工智能系统中的数据安全，包括数据加密、访
问控制等。
数据泄露与应对
03
分析数据泄露的原因、后果及应对措施，以及如何在人工智能
系统中预防数据泄露。
28
算法偏见与歧视问题
2024/3/26
算法偏见
探讨算法偏见产生的原因、表现形式以及对社会的影响。
歧视性算法
分析歧视性算法的危害，以及如何避免在人工智能系统中出现歧 视性算法。
门控循环单元（GRU）
熟悉GRU的原理和实现细节， 了解其与LSTM的异同点以及 在特定任务中的表现。
循环神经网络的训练与调 优
掌握循环神经网络的训练方法 和调优技巧，如梯度爆炸/消失 问题的解决方法、序列数据的 预处理等。
2024/3/26
18
05 自然语言处理
2024/3/26
19
词法分析
词汇识别
公平性与透明度
讨论如何在人工智能系统中实现算法公平性和透明度，以及如何 评估算法的公平性和透明度。
29
人工智能的法律责任与监管
法律责任
探讨人工智能系统在不同应用场景下的法律责任归属问题，包括民 事责任、刑事责任等。
监管政策
分析国内外对人工智能的监管政策及其发展趋势，以及如何在合规 的前提下推动人工智能的发展。
介绍情感分析的基本原理和 方法，包括如何识别和分析 文本中的情感倾向和情感表 达。
2024/3/26
22
06 计算机视觉
2024/3/26
23
图像分类与目标检测
01 02
图像分类
学习如何使用深度学习算法对图像进行分类，包括卷积神经网络（ CNN）的基本原理、常见网络结构（如VGG、ResNet等）以及训练和 优化技巧。
- 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
（Artificial Intelligence）
课程性质：院公选课
适用专业：各专业
先修课程：离散数学、数据结构、操作系统原理
后续课程：
总学分：2学分
一、教学目的与要求
1．教学目的
人工智能主要研究解释和模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。
本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。
2．教学要求
学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。
二、课时安排
三、教学内容
1．人工智能概述（4学时）
（1）教学基本要求
了解：人工智能的发展概况
理解：人工智能的概念
掌握：人工智能的研究途径与方法、人工智能的分支领域
灵活运用：人工智能的基本技术
（2）教学内容
①人工智能的概念
②人工智能的研究途径与方法(重点)
③人工智能的分支领域(重点、难点)
④人工智能的基本技术(难点)
⑤人工智能的发展概况
2．人工智能程序设计语言（6学时）
（1）教学基本要求
了解：人工智能程序设计语言分类
掌握：函数型程序设计语言LISP和逻辑型程序设计语言PROLOG
灵活运用：Turbo PROLOG程序设计语言
（2）教学内容
①综述
②函数型程序设计语言LISP(重点)
③逻辑型程序设计语言PROLOG(重点、难点)
④Turbo PROLOG程序设计(难点)
3．基于谓词逻辑的机器推理（6学时）
（1）教学基本要求
理解：谓词及谓词逻辑，形式演绎推理
掌握：归结演绎推理
灵活运用：应用归结原理求取问题答案
了解：Horn子句归结与逻辑程序、非归结演绎推理
（2）教学内容
①一阶谓词逻辑
②归结演绎推理(重点)
③应用归结原理求取问题答案(重点、难点)
④归结策略
⑤归结反演程序举例
⑥Horn子句归结与逻辑程序(难点)
⑦非归结演绎推理
4．图搜索技术（8学时）
（1）教学基本要求
掌握：状态图搜索方法、与或图搜索方法
灵活运用：状态图搜索方法进行问题求解、与或图搜索方法进行问题求解了解：博弈树搜索技术
（2）教学内容
①状态图搜索(重点、难点)
②状态图问题求解(重点)
③与或图搜索(重点、难点)
④与或图问题求解（难点）
⑤博弈树搜索
5．产生式系统（4学时）
（1）教学基本要求
掌握：产生式规则、产生式系统
灵活运用：产生式系统
了解：产生式系统的程序实现
（2）教学内容
①产生式规则(重点
②产生式系统(重点)
③产生式系统与图搜索(重点)
④产生式系统的应用
⑤产生式系统的程序实现(难点)
6．知识表示（4学时）
（1）教学基本要求
掌握：知识及其表示
灵活运用：框架和语义网络
（2）教学内容
①知识及其表示(重点)
②框架(重点、难点)
③语义网络(重点、难点)
四、授课方式及考核方法
1．授课方式
讲授
2．考核方法
考试形式：闭卷或论文写作
课程成绩构成：平时成绩占30％，期末考试成绩占70％。
五、教材与参考书目
1. 廉师友.人工智能技术导论（第二版）.西安：西安电子科技大学出版社2002
2. 陈世福, 陈兆乾.人工智能与知识工程.南京：南京大学出版社，1997
4. Nilsson J..人工智能（英文版）. 北京：机械工业出版社，1999
赠送以下资料
考试知识点技巧大全
一、考试中途应饮葡萄糖水
大脑是记忆的场所，脑中有数亿个神经细胞在不停地进行着繁重的活动,大脑细胞活动需要大量能量。
科学研究证实,虽然大脑的重量只占人体重量的2%-3%,但大脑消耗的能量却占食物所产生的总能量的20%,它的能量来源靠葡萄糖氧化过程产生。
据医学文献记载,一个健康的青少年学生30分钟用脑,血糖浓度在120毫克/100毫升,大脑反应快,记忆力强；90分钟用脑，血糖浓度降至80毫克/100毫升，大脑功能尚正常；连续120分钟用脑，血糖浓度降至60毫克/100毫升，大脑反应迟钝，思维能力较差。
我们中考、高考每一科考试时间都在2小时或2小时以上且用脑强度大，这样可引起低血糖并造成大脑疲劳，从而影响大脑的正常发挥，对考试成绩产生重大影响。
因此建议考生，在用脑60分钟时，开始补饮25%浓度的葡萄糖水100毫升左右，为一个高效果的考试加油。
二、考场记忆“短路”怎么办呢？
对于考生来说，掌握有效的应试技巧比再做题突击更为有效。
1.草稿纸也要逐题顺序写草稿要整洁，草稿纸使用要便于检查。
不要在一大张纸上乱写乱画，东写一些，西写一些。
打草稿也要像解题一样，一题一题顺着序号往下写。
最好在草稿纸题号前注上符号，以确定检查侧重点。
为了便于做完试卷后的复查，草稿纸一般可以折成4-8块的小方格，标注题号以便核查，保留清晰的分析和计算过程。
2.答题要按先易后难顺序不要考虑考试难度与结果，可以先用5分钟熟悉试卷，合理安排考试进度，先易后难，先熟后生，排除干扰。
考试中很可能遇到一些没有见过或复习过的难题，不要蒙了。
一般中考试卷的题型难度分布基本上是从易到难排列的，或者交替排列。
3.遇到容易试题不能浮躁遇到容易题，审题要细致。
圈点关键字词，边审题边画草图，明确解题思路。
有些考生一旦遇到容易的题目，便觉得心应手、兴奋异常，往往情绪激动，甚至得意忘形。
要避免急于求成、粗枝大叶，防止受熟题答案与解题过程的定式思维影响，避免漏题，错题，丢掉不该丢的分。
4. 答题不要犹豫不决选择题做出选择时要慎重，要关注题干中的否定用词，对比筛选四个选项的差异和联系，特别注意保留计算型选择题的解答过程。
当试题出现几种疑惑不决的答案时，考生一定要有主见，有自信心，即使不能确定答案，也不能长时间犹豫，浪费时间，最终也应把认为正确程度最高的答案写到试卷上，不要在答案处留白或开天窗。
5.试卷检查要细心有序应答要准确。
一般答题时，语言表达要尽量简明扼要，填涂答题纸绝不能错位。
答完试题，如果时间允许，一般都要进行试卷答题的复查。
复查要谨慎，可以利用逆向思维，反向推理论证，联系生活实际，评估结果的合理性，选择特殊取值，多次归纳总结。
另外，对不同题型可采用不同的检查方法。
选择题可采用例证法，举出一两例来能分别证明其他选项不对便可安心。
对填空题，则一要检查审题;二要检查思路是否完整;三要检查数据代入是否正确;四要检查计算过程;五要看答案是否合题意;六要检查步骤是否齐全，符号是否规范。
还要复查一些客观题的答案有无遗漏，答案错位填涂，并复核你心存疑虑的项目。
若没有充分的理由，一般不要改变你依据第一感觉做出的选择。
6、万一记忆短路可慢呼吸考试中，有些考生因为怯场，导致无法集中精神，甚至大脑忽然一片空白，发生记忆堵塞。
此时不要紧张，不妨尝试如下方式：
首先是稳定心态，保持镇静，并注意调节自己的呼吸率。
先慢吸气，当对自己说放松时缓慢呼气，再考虑你正在努力回忆的问题，如果你仍不能回想起来，就暂时搁下这道题，开始选做其他会的试题，过段时间再回过头来做这道题。
第二，积极联想。
你不妨回忆老师在讲课时的情景或自己的复习笔记，并努力回忆与发生记忆堵塞问题有关的论据和概念，把回忆起的内容迅速记下来，然后，看能否从中挑出一些有用的材料或线索。
第三，进行一分钟自我暗示。
即根据自己的实际，选择能激励自己，使自己能心情平静和增强信心的话，在心中默念3至5遍。
比如：我已平静下来，我能够考好、我有信心，一定能考出理想的成绩等等。
第四，分析内容，查找相关要点。
借助试卷上其它试题，也许会给考生提供某些线索。
因此不要轻易放弃，查看试题中的相关要点，看看是否能给考生提供线索或启发。