《人工智能与机器学习》教学大纲_第1页
《人工智能与机器学习》教学大纲_第2页
《人工智能与机器学习》教学大纲_第3页
《人工智能与机器学习》教学大纲_第4页
《人工智能与机器学习》教学大纲_第5页
已阅读5页,还剩6页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第页《人工智能与机器学习》教学大纲一、基本信息中文名称人工智能与机器学习英文名称ArtificialIntelligenceandMachineLearning课程编号054314开课单位管理学院管理工程系课程性质专业核心课学分2.0考核方式考试总学时32理论学时32实验学时0上机学时0实践学时0适用专业信息管理与信息系统先修课程高等数学、概率论、线性代数、数据结构、C语言程序设计二、课程性质、目的、任务性质:《人工智能与机器学习》是信息管理学中一个重要分支,是信息管理与信息系统专业的核心课程。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,是一门理论性和应用性均较强的课程。目的:通过本课程的学习,使学生对人工智能的发展概况、基本原理与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和机器学习的兴趣,培养知识创新与技术创新能力。任务:使学生理解人工智能的定义、发展历程、研究方法;了解人工智能经典的三大基本技术,包括知识表示技术、搜索技术、推理技术;在理解人工智能的典型应用领域机器学习、专家系统等基础上,能用相应的方法解决一定的实际问题;掌握典型的计算智能方法,包括神经计算、进化计算的基本原理及其应用领域等。三、教学目标及其对毕业要求的支撑(一)教学目标《人工智能与机器学习》从讲授人工智能的定义、发展历程、研究方法开始,以人工智能基本技术、应用领域与计算智能三大模块为主要内容,讲授经典的基本技术:知识表示技术、搜索技术、推理技术;典型应用领域机器学习、专家系统、支持向量机;典型的计算智能方法:神经计算、进化计算。以及当前有关人工智能的争议与展望。使学生掌握人工智能的基本原理、方法和应用技术。强化学生的逻辑分析能力、创新设计能力。初步具有利用人工智能方法解决实际问题的能力。本课程以课堂讲授为主,通过课堂教学,使学生掌握知识表示技术、搜索技术、推理技术、机器学习、神经计算、进化计算的原理和方法,了解人工智能的定义、发展历程、学派之争及其发展趋势等。培养学生利用人工智能的具体方法解释现实生活中的人工智能实例,对现实生活中的某些问题可以通过人工智能与机器学习的思想提出解决方案。教学目标具体要求如下:教学目标1:要求学生了解人工智能的定义、发展、研究方法及其应用领域;教学目标2:要求学生掌握知识表示方法、搜索推理技术,了解不确定性推理方法;教学目标3:要求学生掌握机器学习方法的工作原理,能用神经网络解决一定的实际问题;教学目标4:要求学生熟悉经典的计算智能方法。(二)教学目标及其对毕业要求的支撑毕业要求及其指标点教学目标1教学目标2教学目标3教学目标41.工程知识1.11.22.问题分析2.12.23.设计/开发解决方案3.13.24.科学研究4.14.25.使用现代工具5.15.2√√√√6.工程与社会6.16.27.环境与可持续发展7.17.28.职业规范8.18.29.个人与团队9.19.210.沟通10.110.211.项目管理11.111.212.终身学习12.112.2四、教学内容(一)教学内容结构关系图(二)具体教学内容1.绪论(1)教学内容什么是人工智能、人工智能的发展简史、人工智能研究方法、人工智能研究及应用领域(2)教学要求了解人工智能的研究方法、发展简史。理解人工智能的基本概念、基本技术。掌握人工智能研究的基本内容和应用领域。(3)重点人工智能概念(4)难点人工智能的研究方法(5)对毕业要求的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”2.知识工程(1)教学内容知识工程概述、谓词逻辑表示法、产生式表示法、层次结构表示法、网络结构表示法、知识获取与管理、基于知识的系统(2)教学要求了解基于知识的系统、知识获取与管理。理解知识工程的概念。掌握逻辑谓词表示法及其应用,会用框架去描述一些具体问题,能用脚本来描述特定范围内的一些事件的发生顺序。(3)重点经典谓词逻辑表示法、产生式表示法、层次结构表示法、网络结构表示法。(4)难点层次结构表示法、网络结构表示法(5)对毕业要求的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”3.确定性推理(1)教学内容推理的基本概念及归结、演绎等确定性推理方法。推理的基本概念,了解正向推理、逆向推理、混合推理及其推理的冲突消解策略、推理的逻辑基础、自然演绎推理、归结演绎推理、基于规则的演绎推理、规则演绎推理的剪枝策略。(2)教学要求理解推理的概念,了解正向推理、逆向推理、混合推理及其推理的冲突消解策略,了解自然演绎推理的概念以及三段论推理规则。了解规则演绎推理的剪枝策略。掌握子句集及其化简,鲁滨逊归结原理,会应用规则正向演绎推理和规则逆向演绎推理。(3)重点自然演绎推理、归结演绎推理、基于规则的演绎推理、规则演绎推理的剪枝策略。(4)难点自然演绎推理、归结演绎推理、基于规则的演绎推理、规则演绎推理的剪枝策略。(5)对毕业要求的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”4.不确定性推理(1)教学内容不确定性及其类型、不确定性推理的一般模式、证据理论、模糊推理(2)教学要求了解不确定性推理方法的概述、理解论证理论和模糊推理,掌握论证理论(3)重点论证理论、模糊推理(4)难点证据理论(D-Stheory)(5)对毕业要求的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”5.搜索策略(1)教学内容搜索的基本概念、状态空间的盲目搜索、状态空间的启发式搜索、与或树的盲目搜索、与或树的启发式搜索、博弈树的启发式搜索(2)教学要求理解启发性信息和估价函数。了解搜索的含义、一般图搜索过程。了解A*算法、与或树的一般搜索、与或树的启发式搜索过程。了解极大极小过程,-剪枝。掌握广度优先搜索、深度优先搜索、代价树搜索。(3)重点与或树的启发式搜索(4)难点与或树的盲目搜索、与或树的启发式搜索(5)对毕业要求的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”6.机器学习(1)教学内容机器学习概述、决策树学习、贝叶斯学习、统计学习、进化智能、聚类、特征选择与提取、其他学习方法(2)教学要求了解机器学习的概念、机器学习方法的分类、基本问题及其评估。理解三大机器学习方法决策树学习、贝叶斯学习和统计学习,会用其中一种算法完成垃圾分类实例。了解现代进化智能中的方法。熟悉聚类方法的运用原理,能用聚类方法进行股票信息的聚类联系。理解特征选择与提取的概念,熟悉常用的特征函数,掌握主成分分析方法的计算步骤。了解其他的机器学习方法。(3)重点机器学习的概念、学习方法的分类(4)难点决策树学习、贝叶斯学习、统计学习、进化智能(5)对毕业要求的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”7.人工神经网络(1)教学内容人工神经网络概述包括人工神经网络的研究内容与特点、基本形态、感知机、前馈神经网络、反馈神经网络、随机神经网络、自组织神经网络(2)教学要求理解人工神经网络的基本形态、特点。了解人工神经网络的几种不同网络结构。掌握感知机工作原理,会用感知机模型计算输出。掌握BP网络的算法原理,会用BP算法求解单隐层网络的输出结果。(3)重点人工神经网络的基本形态、不同的网络结构(4)难点感知机工作原理与计算、BP算法过程推导(5)对毕业要去的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”8.人工智能的其他领域(1)教学内容模式识别、自然语言处理、智能体(2)教学要求熟悉了解模式识别、自然语言处理、智能体的相关概念、基本问题及应用。(3)重点模式识别、自然语言处理、智能体的相关概念、基本问题及应用(4)难点模式识别、自然语言处理、智能体的相关概念、基本问题(5)对毕业要求的支撑本知识点的讲授和学习,可以支撑“毕业要求5能够针对本学科领域复杂问题,开发、选择与使用恰当的技术、方法、现代工程工具和信息技术工具,包括对本学科领域问题的预测与模拟,并能够理解其局限性。”中的“指标点5.2掌握管理学理论与研究的前沿知识,培养具有持续适应社会和能力和及时了解新准则、新法规的能力。”(三)学时分配表教学内容理论学时上机学时实验学时实践学时1.绪论20002.知识工程40003.确定性推理20004.不确定性推理40005.搜索策略40006.机器学习80007.人工神经网络60008.人工智能的其他领域2000合计32000五、教学方法1.课堂讲授(1)采用启发式教学,激发学生主动学习的兴趣,培养学生独立思考、分析问题和解决问题的能力,引导学生主动通过实践和自学获得自己想学到的知识。(2)采用电子教案,多媒体教学与传统板书教学相结合,提高课堂教学信息量,增强教学的直观性。(3)采用案例教学。理论教学与工程实践相结合,引导学生应用基本理论知识对产品进行精度设计。(4)采用互动式教学。课内讨论和课外答疑相结合。2.大作业围绕各章教学重点内容,除布置一定数量的课后作业外,布置大作业。针对复杂程度适中的人工智能问题,要求学生给出解决方案,并说明理由。通过动手实践,计算解决方案结果。通过问题分析与问题求解,提高学生利用所学知识解决工程实践问题的能力,以及表达能力,清晰陈述观点,回答问题和团队合作能力。组织形式及要求如下:(1)学生可选择教师给定的题目,或自主选题,以小组为单位,明确每个人分工与责任;(2)通过分析给定实例的工作原理,确定技术实现需要的人工智能方法及机器学习算法,给出合理的原理解释;这一部分由小组共同讨论完成。(3)分配每人完成指定问题的算法实现及结果展示。(4)提交成果,答辩。组内派出代表陈述,然后教师提问,指定学生回答。六、本课程与其他课程的联系本课程在学习之前,学生应修完高等数学、概率论、线性代数、数据结构、C语言程序设计。具有一定的计算机、数学理论基础,有基本的编程思想及能力。七、课程考核方法与成绩评定本课程为考试课,总评成绩由平时成绩和期末考试两个环节综合评定产生。依次所占比例分别为30%和70%,其中平时成绩由作业、出勤情况、大作业、参与课堂讨论、在团队中表现、学习态度等部分组成。期末考试采取闭卷形式,内容涉及人工智能与机器学习方面的基本知识和基本方法,题型包括选择题、填空题、判断题、简答题。各考核环节所占分值比例可根据具体情况微调,建议值及考核细则如下:成绩组成分值评价环节比例考核/评价细则教学目标平时成绩30作业401.主要考核学生对每章节知识点的复习、理解和掌握程度。2.每次作业按30分制单独评分,取各次成绩的平均值作为书面作业成绩。教学目标2教学目标3考勤10根据学生出勤和课堂表现打分,按10分制评分。大作业501.考查应用所学知识,解决工程问题的实践能力、口头和文字表达能力,以及团队合作能力;2.教师根据作业质量、报告和答辩情况评分,满分为40分。教学目标2教学目标3教学目标4期末考试70试卷1001.卷面成绩100分。卷面成绩按比例计入课程总评成绩。2.考核人工智能的基本概念、谓词逻辑表示法、广度优先搜索策略、深度优先搜索策略、论证理论、典型的分类算法、聚类算法,会用BP神经网络计算。3.考

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论