《人工智能算法及实战》课程教学大纲
一、课程说明
二、课程性质、目的和任务
《人工智能算法及实战（Python+PyTorch）》是数据科学与大数据技术相关专业大学生本科及研究生选修的一门专业课程,通过本课程的学习,使学生能够系统性地掌握机器学、数据挖掘和部分深度学习的基本知识、原理和方法,让学生初步具备人工智能的一些常见算法应用,为从事人工智能巩固基础.目的是让学生深入了解、学习人工智能相关的算法的原理及实现过程.本课程重点让学生掌握常见算法的原理、代码实现,而非通过调包的形式来完成任务,重在算法背后的数学原理.
三、课程教学目标
(一)总体目标掌握人工智能的常见算法及实现过程,巩固Python基础和学习
PyTorch框架.通过本课程的学习,可以从事关于人工智能算法的工作、科研.
(二)具体目标通过本课程的学习,学生应达到如下目标:
1.知识与技能
(1)了解并掌握Python安装、基础内容;
(2)了解人工智能常见的几种算法,例如kNN、k-means、PCA等等;
(3)使用PyTorch实现深度学习的一些经典算法.
2.过程与方法通过对人工智能算法的学习与探索,学会使用人工智能算法解
决实际工作中的各种相关问题.
四、课程内容与安排
第1章准备工作
(一)教学目的
通过本章的学习,了解Python3基础内容,以及Python常见的基础知识.
(二)教学要求
1.介绍Python2与Python3的区别;
2.掌握Python3在不同操作系统中的安装方式,介绍常用模块的功能和虚拟环境的搭建;
3.阐述Python基础知识,比如数据类型、数据结构、条件判断、循环等内容.
(三)教学内容
1.简要阐述Python的发展历程;
2.不同操作系统下的安装方式,主要阐述了3种操作系统:Windows、
MacOS和CentOS7;
3.阐述人工智能常见的一些模块,比如NumPy、SciPy、pandas、PyTorch、
TensorFlow等;
4.学习关于Python的基础知识,比如数据类型、数据结构、条件判断、
循环等内容;
5.搭建Jupyter开发环境,并简要阐述其使用方式.
(四)教学重点与难点：Python的数据结构
第2章科学计算库
(一)教学目的能够学习并掌握常见的几个科学计算库,比如NumPy、Sympy、SciPy、
pandas、Matplotlib等.
(二)教学要求
1.熟练掌握通过pip来管理、安装、卸载常见的模块,比如NumPy、Sympy、SciPy
等;
2.了解数学符号运算的Sympy模块,重点介绍关于科学计算的SciPy模块,比如非
线性方程组的求解、最小二乘法的实现以及样条插值等内容;
3.pandas是数据处理最常用的模块,简要介绍了部分内容.
(三)教学内容
1.掌握NumPy模块的基础内容,比如安装、升级等.熟练掌握数组的使用方法,数组
运算,函数运算等.熟练利用NumPy模块实现各种文件、数据的读取或存储; 2.了解Sympy模块,掌握部分符合计算,比如积分、微分等内容;
3.介绍SciPy模块的功能,与NumPy的关系.掌握模块的基本功能,利用SciPy模块
实现非线性方程组的解法、最小二乘和样条插值等内容;
4.介绍pandas模块的基本内容,利用pandas模块实现数据预处理、数据读取与
存储等;
5.介绍关于Python的几种绘图模块,掌握Matplotlib模块的常见作图方法,比如2
维和3维制图.
(四)教学重点与难点
1.教学重点掌握Numpy和Scipy模块的相关知识,并能用该模块实现相应的功能.
2.教学难点
利用pandas和Matplotlib处理数据,并实现数据可视化内容.
第3章科学计算库
(一)教学目的学习基本的统计量,数据转换和常见距离等内容,并介绍数据类型.旨在让学生掌握人工智能算法的基础知识,为后续学习各种算法做铺垫.
(二)教学要求
1.掌握数据的分类,并熟练掌握基本统计量内容;
2.数据转换是数据预处理中常见的方法,熟练掌握中心化、min-max标准化、log
函数转化等;
3.熟练掌握闵式距离和余弦值相似度的相关知识,并了解多维数据的一些基本内
容.
(三)教学内容
1.介绍数据类型,比如分类数据和数值型数据;
2.了解并掌握基本统计量,比如各种平均数、最值、中位数、众数、极差、方差、
变异系数、协方差和相关系数等.基本统计量包含其概念、应用场景、计算步骤等;
3.介绍数据转换相关的内容,比如数据去量纲问题、标准化处理以及数据分布的转
化方法;
4.介绍并掌握几种常见距离的概念和计算方式,比如适用于数值型数据的闵式距离,
分类数据的余弦值相似度问题;
5.介绍多维数据的概念,相关的知识内容,比如矩阵、特征值和特征向量、多重共线
性问题等.
(四)教学难点与重点
1.教学难点多维数据的介绍,特征值和特征向量的计算方式.
2.教学重点基本统计量、数据转换和常见距离等内容.
第4章经典算法
(一)教学目的
本章是书籍的核心部分之一,介绍了12种常见的算法.通过本章的学习,可以基本掌握人工智能算法的部分内容,并能结合Python解决实际问题.
(二)教学要求
1.掌握12种常见的人工智能算法的概念、原理、计算步骤;
2.不局限于使用NumPy实现各种算法,并与调包的方式进行对比.
(三)教学内容
1.介绍线性回归的概念、线性回归的计算步骤,并以实例的方式实现该算法的内容;
