人工智能培训实施计划
一、人工智能+Python基础班课程大纲
学习对象：0基础0经验的小白人员；想通过最低的成本来试一下自己是否适合做Python编程相关工作的转型人员。
上课方式：全日制脱产，每周5天上课（实际培训时间可能因法定节假日等因素发生变化）
培训要求：自带笔记本
人工智能+Python在职加薪班
学习对象具有一定开发经验的Python Web工程师，爬虫工程师，人工智能工程师，需要具备各个方向的专业知识基础。注：获取更多免费学习视频+资料+笔记，请加QQ：2632311208。
上课方式在线学习
培训时间随到随学
一、师资解决方案
二、教学管理
培训机构负责教学设备及教学用具的准备、维护和管理。
培训机构对学员出勤情况进行管理，并搜集学员反馈的培训效果评估及意见。
教学管理所用表格见附件：
附件1：考勤登记表
附件2：培训效果评估表
为实现学员管理工作规范化、制度化，保证培训工作的顺利进行
1.学员管理的指导思想
学员管理紧紧围绕显示管理培训目标来进行，从加强管理养老服务人才技能学习、专业理论知识学习和实践能力跟进训练辅导入手，使学员掌握养老服务知识的同时，拥有良好的职业素养。
2.学员管理的内容和方式
1)学员管理工作包括学习管理和实践管理。总成绩占比为：学习成绩40%，实践管理60%，重
点是实践管理，总成绩作为学员晋升考核依据；
2)在万众金服统一领导下，培训部门承担学员管理和考核记录工作。实行学员自主管理模式，
设置班长、组长，协助培训部具体负责班级的学习和其他事项管理工作。
3)考核管理
将学员考勤、课堂表现、完成作业情况、测试情况、理论考核、实践成绩纳入学员考核内容，与管理绩效、评先评优挂钩。
学习成绩分值比例：
课堂表现：10分
考勤情况：20分
理论成绩：70分
实践成绩：依据机构实习考核成绩
最终实习成绩=学习成绩×40%+实践成绩×60%
三、讲师
人工智能课程教学大纲 【课程编码】JSZX0300 【适用专业】计算机科学与技术 【课时】 72(理论)+28(实验) 【学分】 3 【课程性质、目标和要求】 人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务． 作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标： （1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域． （2）较详细地论述知识表示的各种主要方法。重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。 （3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法． (4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念． （5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等． （6）简介人工智能程序设计的语言和工具． (7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。 要求学生已修过《数据结构》、《离散数据》和《编译原理》。 【教学时间安排】 本课程计 3 学分，理论课时72 ,实验课时28。学时分配如下表所示：
人工智能概论实验教学大纲 (实验课程) ◆课程编号：041038 ◆课程英文名称：Introduction to Artificial Intelligence ◆课程类型：?通识通修?通识通选?学科必修?学科选修 跨学科选修 ?专业核心 专业选修（学术研究）?专业选修（就业创业） ◆适用年级专业（学科类）：信息管理与信息系统、电子商务三年级或四年级 ◆先修课程：高等数学、线性代数、概率与数理统计、程序设计语言 ◆总学分：0.5 ◆总学时：17 一、课程简介与教学目标 《人工智能概论实验》是配合《人工智能概论》开设的实验课程。要求学生在理解人工智能理论及方法的基础上，应具有设计、实现和分析等方面的能力。通过本实验课程的训练，使学生熟练掌握人工智能的基本原理和方法，加深对各方法涉及的基础知识的认识，强化编程技能，培养创新能力。 二、教学方式与方法 教学方式：学生动手实验为主，辅以适当的提问、小组讨论及实验点评等。 教学方法：探讨式教学、启发式教学、实验教学相结合；尝试包括实验设计、研究设计、总结等环节的教学。 三、教学重点与难点 （一）教学重点 理解人工智能的基本原理，掌握常用的知识表示方法、确定性推理方法以及状态空间搜索等，了解不确定性推理方法，理解机器学习、专家系统以及自然语言理解等知识，学会使用相应工具进行人工智能方法的设计与实现，从而进一步理解人工智能概论课程中所讲授的理论知识。 （二）教学难点 机器人搬盒子、用BP神经网络解决XOR分类问题以及ID3决策树学习算法的实现。 四、学时分配计划 五、教材与教学参考书 （一）教材 1.《人工智能教程》，张仰森，黄改娟，高等教育出版社，2008年； （二）教学参考书
附件1 广东财经大学华商学院课程教学大纲模板 一、课程简介 人工智能是计算机与自动化学科的一门分支学科。它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。人工智能原理是计算机科学技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程。 二、教学目标 （1）熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法（BACKTRACK 以及AI算法），掌握一些典型问题的启发式函数； （2）掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。 （3）掌握基于贝叶斯规则的不确定性推理，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。 三、主要教学模式和教学手段 1．本课程的教学包括课堂讲授、课外作业、辅导答疑、上机实验和期末考试等教学环节。
2．课堂教学采用启发式教学方法，理例结合，多媒体并用，引导学生加深对课程内容的理解，提高学生的学习兴趣和效果。 3．理论联系实际，通过本课程的教学，力争使学生在理解和掌握大纲所要求的知识内容的基础上，能正确地运用这些知识解决有关实际问题。 四、教学内容（要求编写所有章节的主要内容） 第一章人工智能概述 基本内容和要求： 1．人工智能的概念与目标； 2．人工智能的研究内容与方法； 3．人工智能的分支领域； 4．人工智能的发展概况。 第二章逻辑程序设计语言Prolog 基本内容和要求： 1．掌握Prolog语言的语句特点、程序结构和运行机理； 2．能编写简单的Prolog程序，能读懂一般的Prolog程序。 教学重点： Prolog程序设计。 教学难点： 表与递归，回溯控制 第三章基于图搜索的问题求解 基本内容和要求： 1．掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式搜索、启发式搜索、加权状态图搜索和A算法、A*算法等； 2．掌握与或图的基本概念、与或图搜索基本技术和或图问题求解的一般方法； 3．理解一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方法； 教学重点：
《人工智能》教学大纲 一、课程概述 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。它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。 《人工智能》（双语）课程的主要目标是为大学本科高年级学生提供有关人工智能理论以及应用所必需的知识和技能；掌握人工智能的基本原理；掌握设计开发智能系统的基本方法。 2. 课程在整个课程体系中的地位 人工智能原理是计算机科学技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程，该课程可以在大学三、四年级开设。 二、课程目标 1．熟练掌握图搜索策略，熟练掌握回溯策略、图搜索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发式函数。 2．掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。 3．掌握基于贝叶斯规则的不确定性推理，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。 三、课程内容和要求 这门学科的知识与技能要求分为知道、理解、掌握、学会四个层次。这四个层次的一般涵义表述如下： 知道———是指对这门学科和教学现象的认知。 理解———是指对这门学科涉及到的概念、原理、策略与技术的说明和解释，能提示所涉及到的教学现象演变过程的特征、形成原因以及教学要素之间的相互关系。 掌握———是指运用已理解的教学概念和原理说明、解释、类推同类教学事件和现象。
《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…………………………………………………………………………………………………………… …………………………
人工智能课程体系及项目实战 1、机器学习课程大纲 第一课：Pｙtｈon基础与科学计算库numpy 1、Pythoｎ语言基础 2、Ｐython数据结构(列表,字典,元组) ３、科学计算库Numpy基础 4、Numpy数组操作 5、Ｎumpy矩阵基本操作 6、Numpy矩阵初始化与创建 7、Ｎｕmpy排序与索引 第二课:数据分析处理库与数据可视化库 1、Pandａs数据读取与现实 2、Ｐａndaｓ样本数值计算与排序
3、Ｐandas数据预处理与透视表 4、Paｎｄas自定义函数 ５、Pandas核心数据结构Ｓeries详解 6、Paｎｄas数据索引 7、Mａtpｌotｌｉb绘制第一个折线图 8、Maｔplｏtlib条形图，直方图,四分图绘制 9、Matplotliｂ数据可视化分析 第三课:回归算法 １、机器学习要解决得任务 2、有监督与无监督问题 3、线性回归算法原理推导 ４、实现简易回归算法 5、逻辑回归算法原题 ６、实战梯度下降算法
第四课:案例实战信用卡欺诈检测１、数据与算法简介 2、样本不平衡问题解决思路 3、下采样解决方案 4、正则化参数选择 5、逻辑回归建模 6、过采样与ＳＭOＴE算法 第五课:决策树与随机森林 1、熵原理,信息增益 2、决策树构造原理推导 ３、ID３，C4、5算法 4、决策树剪枝策略 5、随机森林算法原理 6、基于随机森林得特征重要性选择
第六课:Kaggｌe机器学习案例实战 1、泰坦尼克船员获救预测 2、使用ｐandas库进行数据读取与缺失值预处理 3、使用scikit-leaｒn库对比回归模型与随机森林模型 4、GBDＴ构造原理 ５、特征得选择与重要性衡量指标 6、机器学习中得级联模型 7、使用级联模型再战泰坦尼克 第七课:支持向量机算法 1、SVM要解决得问题 2、线性SＶM原理推导 3、SＶM对偶问题与核变换 4、soft支持向量机问题 ５、多类别分类问题解决方案
《模式识别与人工智能》课程教学大纲 一、课程基本信息 课程代码：DX3004 课程名称：模式识别与人工智能 课程性质：选修课 课程类别：专业与专业方向课程 适用专业：电气信息类专业 总学时： 64 学时 总学分： 4 学分 先修课程：MATLAB程序设计；数据结构；数字信号处理；概率论与数理统计 后续课程：语音处理技术；数字图像处理 课程简介： 模式识别与人工智能是60年代迅速发展起来的一门学科，属于信息，控制和系统科学的范畴。模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别技术主要分为两大类：基于决策理论的统计模式识别和基于形式语言理论的句法模式识别。模式识别的原理和方法在医学、军事等众多领域应用十分广泛。本课程着重讲述模式识别的基本概念，基本方法和算法原理，注重理论与实践紧密结合，通过大量实例讲述如何将所学知识运用到实际应用之中去，避免引用过多的、繁琐的数学推导。这门课的教学目的是让学生掌握统计模式识别基本原理和方法，使学生具有初步综合利用数学知识深入研究有关信息领域问题的能力。 选用教材： 《模式识别》第二版，边肇祺，张学工等编著[M]，北京：清华大学出版社，1999； 参考书目： [1] 《模式识别导论》，齐敏，李大健，郝重阳编著[M]. 北京：清华大学出版社，2009； [2] 《人工智能基础》，蔡自兴，蒙祖强[M]. 北京：高等教育出版社，2005； [3] 《模式识别》，汪增福编著[M]. 安徽：中国科学技术大学出版社，2010； 二、课程总目标 本课程为计算机应用技术专业本科生的专业选修课。通过本课程的学习，要求重点掌握统计模式识别的基本理论和应用。掌握统计模式识别方法中的特征提取和分类决策。掌握特征提取和选择的准则和算法，掌握监督学习的原理以及分类器的设计方法。基本掌握非监督模式识别方法。了解应用人工神经网络和模糊理论的模式识别方法。了解模式识别的应用和系统设计。要求学生掌握本课程的基本理论和方法并能在解决实际问题时得到有效地运用，同时为开发研究新的模式识别的理论和方法打下基础。 三、课程教学内容与基本要求 1、教学内容： （1）模式识别与人工智能基本知识； （2）贝叶斯决策理论； （3）概率密度函数的估计； （4）线性判别函数； （5）非线性胖别函数；
人工智能》课程教学大纲 、课程基本信息 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，通过本课程的学习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
四、教学内容和教学要求 第一章人工智能概述（3 学时） （一）教学要求 1.掌握人工智能的基本概念； 2.理解人工智能的发展状况。 3.理解人工智能的基本技术； 4.了解人工智能的研究途径与方法； 5.了解人工智能的分支领域； （二）教学重点与难点教学重点：人工智能的基本技术。教学难点：三大学派的研究途径与方法。 （三）教学内容 第一节人工智能的基本概念 1.什么是人工智能 2.强人工智能与弱人工智能 3.脑智能和群智能 4.符号智能和计算智能 第二节人工智能发展概况 1.人工智能学科的产生
2.人工智能学科的发展 3.人工智能三大学派 第三节人工智能研究途径与方法 1.人工智能的研究目标 2.人工智能的研究方法 3.人工智能的研究内容 第四节人工智能基本技术 1.推理技术 2.搜索技术 3.知识库技术 4.归纳技术 5.联想技术第五节人工智能的应用 1.难题求解 2.机器定理证明 3.自动程序设计 4.模式识别 5.机器翻译 6.智能管控 7.智能决策 8.智能人机接口 第六节人工智能的影响 1.人工智能对人类的影响 2.人工智能对社会的影响 本章习题要点：对基本概念、技术、方法的理解。 第二章智能程序设计语言（5 学时）（一）教学要求 1．了解常见的几种人工智能程序设计语言；
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、 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。 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， 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 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。 设计和应用智能机器的一个分支。 本课程是计算机 通过本课程的开设， 使学 对主要技术及应用有一定掌握， Agent 系统、 语音识别、自动语
《人工智能》课程教案 第一章绪论 教学内容：本章首先介绍人工智能的定义、发展概况及相关学派和他们的认知观，接着 讨论人工智能的研究和应用领域，最后简介本书的主要内容和编排。 教学重点： 1．从不同科学或学科出发对人工智能进行的定义； 2．介绍人工智能的起源与发展过程； 3．讨论人工智能与人类智能的关系； 4．简介目前人工智能的主要学派； 5．简介人工智能所研究的范围与应用领域。 教学难点： 1．怎么样理解人工智能； 2．人工智能作为一门学科有什么意义； 3．人工智能的主要学派与其争论焦点； 教学方法：课堂教学为主，充分利用网络课程中的多媒体素材来表示抽象概念。 教学要求：重点掌握人工智能的几种定义，掌握目前人工智能的三个主要学派及对人工智能的理解，一般了解人工智能的主要研究范围和应用领域。 1.1 人工智能的定义与发展 教学内容：本小节主要介绍目前对人工智能的几种定义，并对人工智能的起源和发展进行了总结和分析。 教学重点：几种人工智能的定义和人工智能发展的几个重要时期。 教学难点：理解人工智能的定义与本质。 教学方法：课堂讲授为主。 教学要求：从学科和能力的角度深刻理解人工智能的定义，初步了解人工智能的起源及其发展过程。 1.1.1人工智能的定义 定义 1智能机器 能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks) 的机器。 定义 2人工智能(学科) 人工智能 ( 学科 ) 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。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。 定义 3人工智能(能力) 人工智能 ( 能力 ) 是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、
《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
人工智能培训讲师怎么选 人工智能培训讲师怎么选？人工智能高级讲师主要看技术，往往做技术做得高端了，行业的发展前景也能看得比较长远。这样的讲师传授知识，往往直击人工智能行业生命线的重点。有一个技术牛人做讲师，是培训质量的关键保证。 师资是一个人工智能培训中心的核心资源，一个合格的人工智能讲师首先要拥有多年项目实战经验，更要熟悉人工智能技术和动态，这样才能保证授课中理论结合实践，提高学员的就业工作能力。 如果中心本身能出版教材、免费视频教程，这样的中心应作为首选，因为这样的中心整体师资实力，肯定要强于只会拿别人教材讲课的中心。当然了，我们选择培训中心的时候，也千万别忘了还有以下这些筛选标准： 1.看品牌 好品牌，既是综合实力的体现，又是公司特色的形象化展示。品牌越大，则说明这家中心的社会责任性越高，也就是说这家培训中心的稳定性越高。同时，培训完后找工作也是一种优势，相当于北大、清华这种名校效应。比如千锋，现
在用心做教育的培训中心真的不多。 口碑好、发展历程较长的培训中心必有一定的实力，也代表市场对其的认可。想参加培训的大学生可以在人工智能技术门户论坛、技术群中了解相关中心口碑、办学特色等。 2.看课程 好的人工智能培训中心还要看授课的教材怎样。不一样的教材学习完，掌握程度可能相差悬殊。正常来讲，好的培训中心会使用国际标准的教材，或是多年开发团队自身经验结合后，开设的适合新手学习的课程。 千锋人工智能培训始终坚持“名师虽贵绝不省人工，面授虽繁必不减品质”。以实战项目做指导，手把手纯面授，面对面现场教学。同时论坛辅导，上课资料录制，方便学生课后复习。严格保证教学质量。 另外，还有与时俱进的课程大纲和项目实战：根据企业岗位人才需求与行业前沿科技制定课程大纲，每期学员更新不同的企业项目实战.
《人工智能》详细教学大纲 《人工智能》教学大纲 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 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） 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 ………………………………………………
《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。
《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）
课程名称：人工智能（Artificial Intelligence） 撰写人：年福忠审核人：张永李明 一、课程编号：305316 二、学时学分：32学时，2.0学分 三、先修课程：离散数学，程序设计 四、适合专业：计算机科学与技术 五、课程性质和任务 人工智能是一门综合性前沿学科，是计算机学科的重要分支。通过对人工智能课程的学习，使学生掌握人工智能技术的基本原理；了解启发式搜索策略、与或图搜索问题、谓词逻辑与归结原理、知识表示、不确定性推理方法、机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的人工智能技术应用奠定基础。 六、主要教学内容 1、人工智能研究的发展和基本原则：人工智能的研究和应用；人工智能研究的发展；人工智能研究的成果；人工智能研究的基本原则；存在的问题和发展前景 2、一般图搜索：回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程、搜索算法讨论。 3、与或图搜索问题：与或图的搜索、与或图的启发式搜索算法AO*、博弈树的搜索。 4、谓词逻辑与归结原理：命题逻辑、谓词逻辑基础、谓词逻辑归结原理、HERBRAND定理。 5、知识表示：知识、知识表示、知识观、产生式表示方法、语义网络表示、框架表示以及其他表示方法。 6、不确定性推理方法：不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法、证据理论。 7、机器学习：机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习、知识发现与数据挖掘。 8、高级搜索：基本概念、局部搜索算法、模拟退火算法、遗传算法等。 七、教学基本要求 根据课程在知识结构中的作用，教学要求分为掌握、熟悉、了解、选学四个层次，具体要求如下。 1．掌握部分:一般图搜索（回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程）；与或图搜索问题包括与或图的启发式搜索算法AO*、博弈树的搜索；谓词逻辑与归结原理（谓词逻辑归结原理、HERBRAND定理）；知识表示（产生式表示方法、语义网络表示、框架表示）；不确定性推理方法（不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法） 2．熟悉部分：不确定性推理方法之证据理论；机器学习（机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习）。 3．了解部分：人工智能研究的发展和基本原则；知识原则、知识表示的作用、功能、性能；自动规划技术的新进展，人工智能的最新进展和面临的挑战。 4．选学部分：高级搜索
人工智能与社会 课程教学大纲课程英文名称：Artificial Intelligence and Society 开课院系：计算机科学与技术学院课程性质：科技素质教育课程课程目的： 人工智能是一门边沿学科，属于自然科学、社会科学、技术科学三向交叉学科。今天，各样的智能机器人，不断能够帮助人类进行生产劳作，甚至可以料理家务，人们在整个的发展的过程当中希望利用外来之物来强化自身，摆脱自然力的束缚，人类从中可以得到解放，这是一个千古梦想，也是中国梦的梦境之一。这个梦想怎么样才能变成现实，最精彩的是人希望有一种智力的工具，它依靠信息科学技术来把信息资源转化成为这种工具，帮助人来扩展自己的信息功能、智力功能，这样就可以把人类从很多繁重的劳动，包括体力劳动和智力劳动中解放出来。人工智能是对资源、科学、技术、工具的集大成，这个是人类争取从自然力解放的一个非常重要的途径。学过这门课程后使学生对现代社会的人工智能应用有一个初步的认识，在今后的工作中适应现代社会的发展，为实现中国富强梦做出更大贡献。 课程内容： 一、二进制的前世今生 1. 计数的发展历史，计数历史贡献 2. 二进制的诞生，二进制的发展历史 3. 二进制的计算能力，二进制在科技进步中的作用
二、现代计算机的诞生 1. 计算工具的发展历史，计算工具的历史贡献 2. 机械式计算器的诞生，机械式计算器的历史作用 3. 现代计算机诞生，现代计算机的计算能力 三、人工智能的起源 1. Turing 思想和Turing 机 2. 人工智能的诞生的三大标志 3. 人工智能语言的发展 4. 智能博弈技术的发展 四、人类智能与计算机模拟 1. 智能仿真模拟能力 2. 计算机仿真模拟领域 3. 计算机仿真模拟能力 五、模糊世界和模糊信息 1. 人类世界的模糊性 2. 粒度计算的基本原理 3. 粒度计算的应用 4. 典型模糊案例分析
大数据人工智能课程培训 依据IDC的调查报告显示，2017年大数据相关岗位空缺将升至900万，巨大的技术人才空缺，让众多互联网技术人才培训机构看到先机，那么想学习大数据，该去哪家比较好呢？为什么很多人都推荐千锋大数据课程培训呢？ 其实，同行业之间的比较总会带有尖锐性的特点，其实这种尖锐性的特点对比并不是划清好与坏的标准，只是想让更多关注相关内容的人在短时间内了解各自培训机构的优势不同而已。 下面我们就来共同看看千锋大数据课程培训的优势特点： 采用“T”字形的思维，以大数据的深度为主，以机器学习、云计算等作为宽度，相辅相成； 讲师的团队素质够硬，工作15年的开发经验的大牛（总监级）进行授课； “技术+ 项目”是先进的内容，是以北京的中关村、西二旗等IT公司密集的公司为技术背景，如：Sina&微博的推荐系统项目，作为教学项目等； 数据来源于一线互联网公司的源数据，作为学生的结业项目，具有一定的商业价值； 严格把控实际项目的前瞻性，如：Spark的版本迭代，机器学习中的算法革新； 贯穿整个项目教学环节，能够潜移默化的培养学生放眼全局，排查技术难点，
既能独立思考，又能组织团队开发； 定期组织与一线名企的工程师，进行面对面的就企业当下的项目讨论与研发，进而验证所学技术的正确方向； 课余时间，定期邀请其他领域的技术专家，与学生互动，其讲解内容除了本专业以内知识内容，还有以外的知识扩展，其目的是进一步拓展学生的视野，为未来在工作中的技术选型、岗位调配、服务与大数据分析等，打下良好的基础。 另外，据千锋大数据讲师介绍：“在千锋大数据课程培训毕业的学员，未来不仅可以在生产、管理及服务第一线从事大数据系统建设与规划、运维、测试、技术支持与销售工作，也可胜任企事业单位的大数据应用开发、管理与维护、培训教育机构的大数据教育与培训等工作。 学习大数据，当属千锋；学真正的大数据技术，高薪就业不用愁！
《智能材料》课程教学大纲 【课程编号】 【课程名称】智能材料 Intelligent materials 【学时学分】24学时；1.5学分【实验和上机学时】0学时【课程类别】专业与专业方向课【开课模式】选修 【先修课程】大学物理、高分子物理 【开课单位】辽宁省通用航空重点实验室【开课学期】第7学期 【授课对象】复合材料与工程专业本科学生 【考核方式】考查 一、课程的性质、目的与任务 智能材料这门课是为了拓展复合材料与工程专业学生的应用新型材料的能力，了解、应用、研发新材料的性能的一门选修课程，对学生认识交叉学科在材料与结构设计领域的应用具有启发意义。 本课程利用材料具有的一些生物体才具有的功能，如传感、判断、处理、执行、自预警、自修复、应激响应等，通过自适应材料与结构、智能超分子和膜、智能凝胶、微机械智能光电子、纳米机械等应用在航空航天飞行器以及土木建筑等方面。 本课程以大学物理和高分子物理等课程为基础，是学生毕业从事相关技术工作的重要理论基础。 二、课程的教学内容、基本要求和学时分配 1．绪论（2学时） 了解智能材料与智能结构的发展；智能材料的内涵和定义；智能材料与智能结构的应用前景与发展趋势。 2．典型智能材料介绍（16学时） 分别介绍几种典型的智能材料， ①形状记忆合金；
②压电复合材料； ③电磁流变体； ④智能纤维材料； ⑤智能高分子材料； ⑥智能橡胶与智能弹性体。 3．智能结构与智能控制（4学时） ①智能结构控制概念； ②隔振器与消能器； ③传感器； ④作动器。 4．其他传感元件（2学时） ①电阻应变丝； ②碳纤维复合材料； ③智能无机高分子复合材料与应用 ④二氧化钒智能窗； ⑤半导体材料； ⑥疲劳寿命丝（箔）。 三、教材及主要参考书（第1条填写主选教材） 著者书名出版社出版日期 1 陈英杰等《智能材料》机械工业出版社2013.07 2 傅秦生等《智能材料与结构系统》北京大学出版社2010.08 四、其它必要说明
人工智能基础（8017）考试大纲 一、课程性质与设置目的 （一）课程性质和特点 “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，在计算机专业本科开设《人工智能基础》课程是十分必要的。《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、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软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。 （二）本课程的基本要求（课程总目标） 《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。具体要求是：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。另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。 （三）本课程与相关课程的联系、分工或区别 与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。 离散数学中的命题逻辑、谓词逻辑、树/图、表等知识是本课程的数学基础之一。本课程中的知识表示需要利用矩阵、表、树/图、多元组等手段，因此学生前期的离散数学学习，对于本课程起到了基础作用。 -1-
《人工智能及其应用》 实验指导书 工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (3) 实验二模糊推理系统实验 (5) 实验三 A*算法实验I (9) 实验四 A*算法实验II (12) 实验五遗传算法实验I (14) 实验六遗传算法实验II (18) 实验七基于神经网络的模式识别实验 (20) 实验八基于神经网络的优化计算实验 (24)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验容学 时 类型教学 要求 1 产生式系统应用VC++ 设计知识库，实现系统识别或 分类等。 2 设计课 2 模糊推理系统应 用Matlab 1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2 验证课 3 A*算法应用I VC++ 设计与实现求解N数码问题的 A*算法。 2 综合课4 A*算法应用II VC++ 设计与实现求解迷宫问题的A* 算法。 2 综合课5 遗传算法应用I Matlab 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课6 遗传算法应用II VC++ 设计与实现求解不同城市规模 的TSP问题的遗传算法。 2 综合课 7 基于神经网络的 模式识别Matlab 1）基于BP神经网络的数字识 别设计； 2）基于离散Hopfiel神经网络 的联想记忆设计。 2 验证课 8 基于神经网络的 优化计算VC++ 设计与实现求解TSP问题的连 续Hopfield神经网络。 2 综合课 四、实验成绩评定 实验课成绩单独按五分制评定。凡实验成绩不及格者，该门课程就不及格。学生的实验成绩应以平时考查为主，一般应占课程总成绩的50%，其平时成绩又要以实验实际操作的优劣作为主要考核依据。对于实验课成绩，无论采取何种方式进行考核，都必须按实验课的目的要求，以实际实验工作能力的强弱作为评定成绩的主要依据。 评定各级成绩时，可参考以下标准：