《人工智能实践》课程教学大纲（硕士研究生）

PAGEPAGE2广州大学研究生课程教学大纲课程名称中文人工智能实践课程编号0006200114英文ArtificialIntelligencePractice开课单位计算机科学与网络工程学院考核方式考查学时32学分2课程类别专业课编制者李明杰适用对象学术型硕士、专业型硕士课程简介(中文)：本课程主要介绍人工智能中的热门技术在实际问题中的应用，重点讲解和介绍深度哈希学习和深度强化学习这两门技术的核心思想和算法原理，以及它们在多媒体检索和决策规划等问题中的应用。课程简介(英文)：Thiscoursemainlyintroducestheapplicationsofartificialintelligencetechniquesinreal-worldproblems,includingthedeephashinglearninganddeepreinforcementlearning,andtheirapplicationsinmultimediaretrievalandpolicyprogramming.课程目标与基本要求：课程目标：本课程的目标是使学生学习和掌握如何运用人工智能技术去解决实际问题，重点学习哈希学习和强化学习这两种算法框架的基本原理和核心思想，以及如何将深度学习方法应用到这两类算法框架当中，并将其应用于求解如最近邻搜索、图像检索、路径规划等实际问题。基本要求：理解深度哈希学习和深度强化学习的核心思想和算法原理；至少掌握一种算法框架，以及其在求解实际问题中的优化方法和训练策略；了解深度学习和强化学习在更多实际场景的应用状况。课程内容及学时分配：第一章：哈希学习（4学时）第二章：深度哈希学习及其应用1（4学时）第三章：深度哈希学习及其应用2（4学时）第四章：强化学习（4学时）第五章：深度强化学习及其应用1（4学时）第六章：深度强化学习及其应用2（4学时）第七章：人工智能实践研讨会1（4学时）第八章：人工智能实践研讨会2（4学时）教材及主要参考书目：教材：邱锡鹏，《神经网络与深度学习》，机械工业出版社，2020年；柯良军，《强化学习》，清华大学出版社，2019年；RichardS.Sutton，《ReinforcementLearning:AnIntroduction》，online，2018年。参考文献：JingdongWang,etal.“ASurveyonLearningtoHash”,TPAMI,2018;XiaoLuo,etal.“ASurveyonDeepHashingMethods”,arXiv,2020;VolodymyrMnihetal.“Human-levelcontrolthroughdeepreinforcementlearning”,Nature,2015.学习网站：/tutorials/machine-learning/reinforcement-learning/.预修课程：《线性代数》、《概率论与数理统计》、《机器学习》教师团队成员：李明杰编制者签名：年月日学科点意见：学科点负责人签名：年月日注：1、课程类别指公共课、专业课。2、适用对象指学术型硕士、专业型硕士、在职专业型硕士、博士等。3、课程内容要强调理论性与应用性课程的有机结合，