《人工智能》详细教学大纲

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》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。

人工智能详细教学大纲第一章：导论1.1 人工智能的定义和基本概念- 人工智能的定义和起源- 人工智能的发展历程1.2 人工智能的应用领域- 人工智能在医疗领域的应用- 人工智能在金融领域的应用- 人工智能在交通领域的应用第二章：机器学习基础2.1 机器学习的概述- 监督学习、无监督学习、强化学习的基本原理和区别- 机器学习的应用场景2.2 数据预处理- 缺失值处理- 异常值检测与处理- 特征选择与降维2.3 常见的机器学习算法- 逻辑回归- 决策树- 支持向量机- 集成学习第三章：深度学习3.1 深度学习的原理与应用- 深度学习的发展历程- 神经网络的基本结构和工作原理3.2 常用的深度学习框架- TensorFlow- PyTorch- Keras3.3 深度学习的应用案例- 图像分类与识别- 自然语言处理- 人脸识别第四章：自然语言处理4.1 自然语言处理的基础知识- 词向量表示- 语法分析和语义分析4.2 文本分类与情感分析- 文本特征提取- 文本分类算法4.3 机器翻译与问答系统- 神经机器翻译- 阅读理解模型第五章：计算机视觉5.1 计算机视觉的基本概念- 图像处理与特征提取- 目标检测与图像分割5.2 图像识别与物体识别- 卷积神经网络（CNN）- 目标检测算法（如YOLO、Faster R-CNN）5.3 视觉生成与图像风格迁移- 生成对抗网络（GAN）- 图像风格迁移算法第六章：人工智能伦理与法律6.1 人工智能的伦理问题- 隐私与数据安全- 就业与职业变革- 人工智能的道德问题6.2 人工智能的法律问题- 数据保护法与隐私权- 人工智能专利与知识产权- 算法歧视与公平性第七章：人工智能未来发展趋势7.1 人工智能的挑战和机遇- 人工智能的挑战与限制- 人工智能带来的机遇与可能性7.2 人工智能与人类的关系- 人工智能助力人类创新与发展- 人工智能对就业和教育的影响总结与展望本教学大纲全面介绍了人工智能的基本概念、机器学习、深度学习、自然语言处理、计算机视觉等领域的基础知识与应用。

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：【教学内容要点】教学要求的层次课程的教学要求大体上分为三个层次：了解、理解和认识。

了解即能正确判别有关概念和方法；理解是能正确表达有关概念和方法的含义；认识是在理解的基础上加以灵活应用。

人工智能一、课程说明课程编号：090169Z10课程名称：人工智能/Artificial Intelligence课程类别：专业教育课学时/学分：32/2先修课程：离散数学，数据结构适用专业：智能科学与技术教材、教学参考书：[1]蔡自兴，徐光祐。

人工智能及其应用，第四版，本科生用书。

清华大学出版社。

[2] N. J. Nilsson. Artificial Intelligence: A New Synthesis. Morgan Kaufmann, 机械工业出社。

[3]蔡自兴。

人工智能及其在决策系统中的应用。

国防科技大学出版社。

[4] 蔡自兴，John Durkin，龚涛。

专家系统：原理、设计与应用。

科学出版社。

二、课程设置的目的意义直至现在，人工智能仍被看作是主要研究如何利用计算机模拟人类智力活动的一门学科，是计算机科学的一个分支。

其主要任务是建立智能信息处理理论，从质的方面扩充计算机的能力，是一门综合性强、实践性强、创新性强和应用领域广的科学。

本课程的教学目的是通过介绍人工智能的基本知识、基本概念、基本特点以及人工智能的应用领域，启发学生的思路，掌握开发具有人工智能特点的应用软件的技术，培养学生对人工智能的兴趣，提高学生的知识创新和技术创新能力。

三、课程的基本要求知识：本课程要求学生了解人工智能的一些相关基本概念、各种不同学术流派的主要思想；掌握一些经典的人工智能方法，如知识表示方法和搜索推理技术，包括状态空间法、谓词逻辑法、盲目搜索、启发式搜索、消解原理等；了解人工智能的新研究领域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等；了解群智能的基本知识，包含蚁群优化和粒群优化算法等。

能力：将人工智能的各种算法、方法等用于解决实际的工程问题；掌握基本的人工智能有关概念，针对具体问题能分析判断其问题基本类型和可行的解决方案，拓宽解决问题的思路，掌握与经典方法不同的智能化求解思路；在计算机、仿生学、心理学、脑神经学等交叉知识的讨论中培养创新意识，提高分析、发现、研究和解决问题的能力；素质：建立智能问题求解的新观念，通过课程中的分析讨论辩论培养分析沟通交流素质，建立算法学习到应用的思维模式，提升理解非经典逻辑和各种启发式算法、仿生算法的基本素质。

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。