AI导论教学大纲-人工智能导论-廉师友-清华大学出版社

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》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、自动语重点 ：人工智能的定义、发展，及其应用领域。

难点 ：对人工智能内涵的理解。

第一节 人工智能的定义和发展 第二节 人类智能和人工智能 第三节 人工智能的学派及其争论 第四节 人工智能的研究与应用领域 第五节 人工智能对人类的影响第二章 知识表示 学时： 6 学时（讲课 6学时）了解实现知识表示的语义网络法、 框架表示法、 剧本表示法及过程表示法； 理解状态空 间法、问题规约法；掌握谓词逻辑法。

《人工智能通识教程》（第2版）教学大纲一、课程基本信息• 课程名称：人工智能导论/ 人工智能概论• 课程代码：• 课程英文名称：AI-Introduction• 学时与学分：理论学时32，课外实践学时16，总学分2• 课程性质：必修课（选修课）• 适用专业：人工智能、大数据、计算机等工科专业（其他各专业）• 先修课程：略• 后续课程：机器学习、深度学习、智能机器人等二、课程目标学习本课程，通常旨在为学生奠定坚实的人工智能基础知识，培养其在人工智能领域的基本技能和理解能力。

以下是主要学习目标，可能会根据不同课程设置有所差异：1. 理解人工智能基础：掌握人工智能的基本概念、发展历程、主要分支领域（如机器学习、深度学习、自然语言处理、计算机视觉等）及其在现代社会中的应用。

2. 理论与技术基础：学习和理解支撑人工智能的核心算法和理论，包括搜索算法、知识表示、推理方法、决策制定、学习理论等。

3. 实践技能培养：通过编程实践和项目作业，掌握至少一种编程语言（如Python）在人工智能领域的应用，以及如何使用常见的AI框架和库（（如TensorFlow、PyTorch）。

4. 问题解决能力：培养分析和解决人工智能问题的能力，包括如何定义问题、选择合适的技术路线、设计并实施解决方案。

5. 伦理与社会责任：讨论人工智能技术的伦理和社会影响，理解隐私保护、数据安全、算法偏见等议题，培养负责任的AI开发与应用意识。

6. 创新与批判性思维：鼓励学生批判性地评估现有的AI技术，激发创新思维，探索AI在新领域的应用可能。

7. 沟通与团队合作：通过团队项目，提升与他人合作解决复杂问题的能力，以及有效沟通研究成果和想法的能力。

8. 持续学习能力：鉴于AI领域的快速变化，课程应培养学生自主学习的习惯，跟踪技术进展，适应未来可能出现的新技术、新理论。

这些目标旨在为学生构建一个全面的人工智能知识框架，不仅关注技术细节，也重视理论与实践的结合，以及技术的社会影响和伦理考量，为学生将来在AI 领域的深入研究或职业发展打下坚实的基础。

人工智能导论廉师友章节内容一、章节内容的初印象廉师友老师编写的人工智能导论章节内容肯定超有趣。

人工智能可是个超级酷的领域呢，感觉就像是探索一个充满无限可能的未来世界。

这一章节就像是一把钥匙，打开了人工智能这个神秘宝藏的大门。

二、可能涵盖的知识领域1. 人工智能的基本概念这部分肯定会用特别通俗易懂的方式来解释啥是人工智能。

也许会说，就像是给机器装上一个超级聪明的大脑，让它能像人一样思考、做事。

比如说那些能自己下棋的机器人，就是人工智能的一种体现。

这里可能还会提到人工智能的起源，是不是从那些科学家的奇思妙想开始的呢？就像古代人想象鸟儿一样在天空飞，现在有了飞机；以前幻想有个聪明的助手，现在就有了人工智能。

2. 人工智能的发展历程这一块就像是在讲述一个传奇故事。

从最开始简单的算法，到现在超级复杂的神经网络。

也许会提到那些在人工智能发展道路上的里程碑事件，像某个超级厉害的算法诞生，或者是某个智能机器做出了惊人之举。

就像深蓝战胜国际象棋大师，这可是人工智能发展史上的大事件呢。

而且可能还会讲到不同阶段人工智能的特点，早期的可能比较简单、单一功能，现在的就可以同时处理好多事情啦。

3. 人工智能的应用场景哇哦，这可就太多啦。

在医疗领域，人工智能可以帮助医生诊断疾病，比人眼更精准地发现病症。

在交通方面，智能交通系统可以让道路更畅通，减少堵车。

还有在娱乐行业，像那些能根据我们喜好推荐电影、音乐的系统也是人工智能的功劳。

这章节说不定还会讲一些未来可能的应用场景呢，比如人工智能帮我们管理家务，机器人陪我们聊天逛街啥的。

三、对学习这章节内容的期待学习这个章节肯定会特别兴奋。

感觉就像是在跟未来对话一样。

而且这能让我们更好地了解周围的科技世界，说不定还能激发我们自己的创造力，去创造出更多有趣的人工智能产品或者应用。

也许学完之后，我们看那些智能设备的眼光都会不一样了，不再只是觉得它们很酷，而是能明白背后的原理和技术。

这就像是打开了一个新的知识宝库，里面充满了新奇的想法和无限的可能。

《导论》教学教案第一章：概述1.1 教学目标让学生了解的定义、发展历程和应用领域。

让学生理解的基本原理和技术。

1.2 教学内容的定义和发展历程。

的应用领域和挑战。

的基本原理和技术。

1.3 教学方法采用讲授法，讲解的定义和发展历程。

采用案例分析法，分析的应用领域和挑战。

采用讨论法，探讨的基本原理和技术。

1.4 教学评估课堂讨论，了解学生对的理解程度。

第二章：机器学习2.1 教学目标让学生了解机器学习的定义、分类和应用。

让学生理解监督学习和无监督学习的基本原理。

2.2 教学内容机器学习的定义和分类。

监督学习和无监督学习的基本原理。

机器学习应用案例。

2.3 教学方法采用讲授法，讲解机器学习的定义和分类。

采用案例分析法，分析监督学习和无监督学习的基本原理。

采用实践操作法，让学生动手实践机器学习算法。

2.4 教学评估课堂讨论，了解学生对机器学习的理解程度。

课后作业，让学生完成一个简单的机器学习项目。

第三章：深度学习3.1 教学目标让学生了解深度学习的定义、原理和应用。

让学生理解神经网络和卷积神经网络的基本概念。

3.2 教学内容深度学习的定义和原理。

神经网络和卷积神经网络的基本概念。

深度学习应用案例。

3.3 教学方法采用讲授法，讲解深度学习的定义和原理。

采用案例分析法，分析神经网络和卷积神经网络的基本概念。

采用实践操作法，让学生动手实践深度学习算法。

3.4 教学评估课堂讨论，了解学生对深度学习的理解程度。

课后作业，让学生完成一个简单的深度学习项目。

第四章：自然语言处理4.1 教学目标让学生了解自然语言处理的定义、原理和应用。

让学生理解词性标注、句法分析和机器翻译的基本概念。

4.2 教学内容自然语言处理的定义和原理。

词性标注、句法分析和机器翻译的基本概念。

自然语言处理应用案例。

4.3 教学方法采用讲授法，讲解自然语言处理的定义和原理。

采用案例分析法，分析词性标注、句法分析和机器翻译的基本概念。

采用实践操作法，让学生动手实践自然语言处理算法。

人工智能概论课程教案（参考）廉师友编写清华大学出版社（2020）说明为了方便各位任课老师的教学，本书作者将自己曾经给计算机专业讲授人工智能课程的教案（稍有删节）提供给大家以作参考。

由于该《人工智能概论》是一部新教材和新课程，所以此教案仅有参考价值。

其实，即就是完全按照这本新教材所写的教案，也只能作为参考而并非能适合每位老师的教学实际。

事实上，不同的院校对同一门课程往往有不同的内容要求和课时设置，不同的老师对同一门课程也都有自己不同的教学思路和教学风格，如果统一为一种模式，则就限制了老师的发挥和创新。

希望这份资料对各位任课老师的教学能有所帮助！当然，若发现其中有不妥或错误之处也请指正！作者2020年3月教案首页院(系)：计算机学院教研室(系)：计算机工程章节备课学时：2学时：4学时：6学时：2学时：10学时：6学时：4章节备课学时：2学时：2第 1 次课 2学时第2 次课2学时课时备课第 3 次课 2学时第 4 次课2学时第 5 次课 2学时第 6 次课 2学时第 7 次课 2学时课时备课第 8 次课 2学时课时备课第 9 次课 2学时课时备课第 10 次课 2学时课时备课第 11 次课 2学时课时备课第 12 次课 2学时第 13 次课 2学时第 14 次课 2学时第 15 次课 2学时第 16 次课 2学时第 17 次课 2学时第 18 次课 2学时第 19 次课 2学时第 20 次课 2学时第 21 次课 2学时第 22 次课 2学时第 23 次课 2学时。