人工智能深度学习：从入门到精通(微课版)-教学大纲

培训课程大纲

1. 介绍

1.1 简介

在这个章节中，我们将简要地介绍本次培训课程的目标和内容。

1.2 学习目标

这一部份会列出学员在完成该培训后应具备的知识、技能和态度。

2. 基础概念与原理

在此章节中，我们将深入探索以下基础概念：

- 机器学习：包括监督式学习、无监督式学习以及强化学习等方法；

- 深度神经网络：了解卷积神经网络（CNN）、循环神经网络（RNN）等常用模型；

- 自然语言处理：熟悉文本分类、情感分析以及命名实体识别等任务；

3. 数据预处理与特征选择 此章节主要涉及数据清洗和准备阶段所需考虑的关键步骤：

- 缺失值填充: 掌握不同缺失值填补策略，并根据场景进行合适选择；

- 特征编码: 尝试使用独热编码或者嵌入向量来表示离散特征；

- 特征选择: 学习如何使用相关性、方差等指标来筛选重要的特征；

4. 机器学习算法

在这一章节中，我们将介绍以下常见的机器学习算法：

- 决策树：了解决策树原理和构建过程，并掌握剪枝技术；

- 支持向量机（SVM）：熟悉线性核函数和非线性核函数在分类问题上的应用；

- 随机森林：深入了解随机森林模型以及其优缺点；

5. 深度学习与神经网络

此部份会涵盖以下内容:

- 卷积神经网络 (CNN) : 探索卷积层、汇聚层等基本组件并实现图象识别任务; - 循环神经网络 (RNN): 理解LSTM, GRU单元结构以及序列任务;

6. 自然语言处理(NLP)

这个章节主要关注自然语言处理领域内最新发展趋势：

－ 文本预处理: 包括文本清洗、分词和停用词去除等步骤;

－ 序列到序列模型(Seq2Seq): 实现对话系统和机器翻译任务;

－ 注意力机制: 学习如何使用注意力来提高模型性能;

《人工智能》教学大纲 1 / 6 .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 。

. 专业 .专注 . 《人工智能》教学大纲 2 / 6 .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 。

人工智能课程大纲

一、课程简介

人工智能作为一门前沿的学科，其应用范围广泛，影响深远。本课程旨在引导学生全面了解人工智能的基本概念、方法和应用领域，培养学生运用人工智能技术解决实际问题的能力。

二、课程目标

1. 理解人工智能的基本概念和原理；

2. 熟悉人工智能的核心技术和算法；

3. 掌握人工智能在各个领域的应用案例和发展趋势；

4. 培养学生运用人工智能技术解决实际问题的能力；

5. 培养学生的团队协作和创新能力。

三、教学内容

1. 人工智能概述

- 人工智能的定义与发展历程

- 人工智能的应用领域和挑战

2. 机器学习与数据挖掘

- 监督学习、无监督学习和强化学习的基本概念

- 常用的机器学习算法和数据挖掘技术 - 数据预处理和特征工程

3. 深度学习与神经网络

- 神经网络的基本原理与结构

- 深度学习算法及其应用场景

- 深度学习框架的使用和模型优化方法

4. 自然语言处理与人机对话

- 语言模型与文本分类技术

- 机器翻译和文本生成

- 人机对话系统的设计与实现

5. 计算机视觉与图像处理

- 图像特征提取与图像分类

- 目标检测和图像分割

- 图像生成与风格转换

6. 智能推荐与个性化推荐

- 推荐系统的原理与算法

- 协同过滤与内容推荐

- 个性化推荐系统的构建与优化 7. 人工智能伦理与社会影响

- 人工智能的伦理问题与挑战

- 人工智能在社会中的应用与风险

- 人工智能的未来发展与应对策略

四、教学方法与评价方式

1. 教学方法

- 讲授理论知识，结合案例分析和实例讲解

- 引导学生自主学习和独立思考

- 设计实践项目，培养实际操作能力

- 进行小组讨论和课堂展示

2. 评价方式

- 课堂参与和讨论表现

- 作业和实践项目的完成情况

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。