人工智能课程教学大纲

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）

《人工智能概论》课程教学大纲

人工智能概论课程教学大纲

一、课程简介

《人工智能概论》是一门介绍人工智能基本概念、技术和应用的课程。本课程旨在帮助学生了解人工智能的发展历程、基本原理和现实应用，培养学生的人工智能思维和解决问题的能力。

二、教学目标

1. 掌握人工智能的基本概念和主要技术。

2. 理解人工智能的发展历程和应用领域。

3. 培养学生的人工智能思维和解决问题的能力。

4. 培养学生的团队合作和创新能力。

三、教学内容

1. 人工智能概述

- 人工智能的定义和发展历程

- 人工智能的基本原理和分类

- 人工智能的主要应用领域

2. 机器学习

- 监督学习、无监督学习和强化学习

- 常见的机器学习算法和模型

- 机器学习在实际问题中的应用

3. 深度学习

- 神经网络的基本原理和结构

- 常见的深度学习算法和模型

- 深度学习在计算机视觉、自然语言处理等领域的应用

4. 自然语言处理

- 语言模型和文本表示方法

- 常见的自然语言处理任务和技术

- 自然语言处理在智能对话、机器翻译等领域的应用

5. 计算机视觉

- 图像特征提取和图像分类方法

- 目标检测和图像分割技术

- 计算机视觉在人脸识别、图像搜索等领域的应用

6. 人工智能伦理与社会影响

- 人工智能的伦理问题和挑战

- 人工智能对社会、经济和就业的影响

- 人工智能发展的道德约束和政策规范

四、教学方法

1. 理论讲授：通过课堂讲解，介绍人工智能的基本概念、原理和应用。

2. 实践操作：通过编程实践和案例分析，帮助学生掌握人工智能技术的具体应用。

3. 小组讨论：组织学生进行小组讨论，促进学生之间的互动和合作。

4. 课外阅读：推荐相关书籍和论文，拓宽学生对人工智能领域的了解。

五、考核方式

1. 平时成绩：包括课堂表现、作业完成情况等。

1

《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。