现代AI基础微课视频版 教学大纲

教学大纲一、课程概述（一）基本说明中文名称：人工智能导论/现代人工智能基础课程代码：总学时/学分：32/2考核方式：考试适用专业：计算机类相关专业（二）课程属性1.课程性质人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。本课程是计算机科学与技术专业的专业方向课，旨在为学生提供一个全面的人工智能知识框架。通过本课程的学习，学生将能够了解人工智能的发展历程和当前趋势，掌握人工智能的基本原理和关键技术，探索人工智能在不同行业的应用实例。旨在帮助学生构建坚实的理论基础，并在实践中提升解决问题的能力。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。课程与课程群的联系先修课程：《程序设计基础》《数据结构与算法》《离散数学》后续课程：《Python程序设计》《Python程序设计实验》《毕业综合实习》《毕业设计（论文）》等二、教学设计（一）课程设置的主要依据通过对人工智能导论课程的学习，使学生掌握人工智能技术的基本原理；学习谓词逻辑与归结原理、知识表示、不确定性推理方法、机器学习和人工神经网络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。课程设计思路1．掌握部分:谓词逻辑与归结原理；知识表示；不确定性推理方法。2．熟悉部分：机器学习的定义、类型和基本算法；人工神经网络的定义、基本结构和基本应用。3．了解部分：人工智能研究的发展和基本原则；知识表示的作用、功能、性能；大语言技术的新进展，人工智能的最新进展和面临的挑战；教学中应采用多元化的教学方法，如讲授、讨论、案例分析、习题练习、团队合作学习、课程设计等，激发学生的学习兴趣，鼓励他们主动参与，培养批判性思维和解决实际问题的能力。教学注重启发式和探究式学习,通过分析典型应用实例启发学生思考。充分应用信息化教学平台，采用翻转课堂等新型教学模式。教学遵循知识传递、内化吸收、能力培养的规则，循序渐进，理论联系实践。通过设计实践性强的课程内容和项目,培养学生的工程意识、团队协作能力。课程教学由教研室负责,教学环节包括备课、讲课、习题解析、课后作业批改、学生答疑等。教师对教学内容和标准保持高度统一,教学过程组织有序。学校与企业建立校企合作关系,企业提供真实项目,学校给予理论和技术指导,共同完成项目并转化成果。学校与企业可共推双导师制度,企业导师传授实务经验，教师导师提供学术指导。学校定期邀请企业专家开展专题讲座，帮助学生了解行业发展。企业可参与校园招聘活动，面向学生宣讲招聘信息。学生到企业实习锻炼，提升专业能力和职业素养。通过校企合作，使学生接触更多实际问题，了解行业需求，找到明确的职业发展目标，从而提升其就业竞争力。这有利于培养学生的社会责任感和家国情怀。三、课程目标（一）总体目标人工智能是计算机科学与技术的一个前沿学科，它也是一个综合性的交叉学科。“人工智能导论”为计算机科学与技术专业的一门必修课，其目的是使学生初步了解人工智能的基本原理，初步学习和掌握人工智能的基本技术，以便拓宽知识面，并为进一步学习和应用奠定基础。在课堂案例教学、课外作业、课堂讨论等教学环节融入课程思政教育，包含2017年国务院发布的《新一代人工智能发展规划》文件；了解科大讯飞、百度、华为等中国企业在人工智能领域的布局；分析人工智能在教育、医疗、交通等领域的典型应用案例；讨论人工智能对社会发展的影响及面临的伦理问题；培养服务国家发展需求的能力和社会责任感。（二）具体目标1.知识结构目标（1）掌握人工智能基础理论知识；（2）了解前沿技术发展动态；（3）熟悉跨学科交叉融合知识；（4）掌握项目开发全流程知识。职业能力目标（1）清晰阐述人工智能核心概念与发展脉络；（2）熟练掌握多种常见人工智能算法；（3）具备使用主流开发工具搭建模型能力；（4）学会运用数据预处理技术；（5）能够进行项目需求分析与方案设计；（6）掌握模型评估指标与调优方法；（7）培养创新思维与问题解决能力；（8）具备团队协作与沟通能力。价值目标（1）增强科技报国情怀与使命感；（2）树立正确的科技伦理观与价值观；（3）培养团队协作精神与职业素养。四、内容设置理论教学内容共9章，每章安排一个人工智能专题，思政案例教学内容参考内容：专题1：《新一代人工智能发展规划》中的计算机技术革新蓝图专题2：科大讯飞AI平台：计算机技术在智能语音领域的深度应用专题3：百度飞浆与计算机视觉技术在自动驾驶中的协同机制专题4：华为智能芯片开发：计算机体系架构与人工智能融合前沿专题5：字节跳动推荐引擎背后的大数据与计算机算法逻辑专题6：小米MIUI智能系统：计算机软件工程在移动终端的创新实践专题7：腾讯云技术助力计算机人工智能服务的高效部署专题8：人工智能教学平台：计算机教育技术的智能化变革与应用专题9：合肥人工智能产业中计算机硬件与软件的创新生态表1教学内容与学时分配章节（内容）学时分配教学内容教学目标教学方法与建议章节学时讲授学时实践学时第一单元概论1.1人工智能的定义和发展440人工智能的定义和发展知识目标：1.掌握人类智能与人工智能的含义2.人工智能的发展和应用领域3.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。能力目标：1.理解人工智能的内涵2.通过学习本课程,培养学生学习专业知识和进行知识创新的能力。价值目标：1.启发学生对人工智能的兴趣,培养服务国家发展需求的能力和社会责任感。2.树立正确的工程伦理观和人工智能发展观,以人为本,考虑技术发展对社会的影响。3.通过对人工智能发展规划和典型应用案例的分析,培养学生的国家观念、社会责任感和工程伦理意识。多媒体教学案例教学混合式教学1.2人类智能和人工智能人类智能和人工智能1.3人工智能的研究目标人工智能的研究目标1.4人工智能的研究与应用领域、人工智能伦理人工智能的研究与应用领域、人工智能伦理第二单元知识表示2.1状态空间法440问题求解，状态空间的界定和操做序列知识目标：主要介绍知识的几种结构化表示方法以及知识的过程式表示方法。能力目标：通过对不同知识表示方法的学习,培养学生人工智能领域知识表示的能力。价值目标：1.启发学生运用所学知识表示方法分析国家人工智能发展战略和行业知识体系,理解知识表达的意义。2.通过案例教学,选择国家人工智能发展规划体系或行业知识框架。多媒体教学案例教学2.2问题规约法问题规约和归约表示的组成部分2.3谓词逻辑法命题和命题逻辑，谓词逻辑表示方法2.4产生式表示法产生式的概念、结构以及实例2.5框架表示框架推理的基本过程及形式2.6知识图谱知识图谱的特点和实现第三单元确定性推理3.1推理方法概述220推理技术和推理分类以及推理的控制策略知识目标：了解推理的方式与分类，掌握推理的策略和几类推理方法。能力目标：通过对不同推理方法的学习，培养学生进行推理和问题解决的能力。价值目标：要求学生应通过实践和练习培养利用确定性推理解决相关问题的能力，引导学生独立解决问题。多媒体教学案例教学3.2自然演绎推理自然演绎推理的定义、规则以及控制策略3.3归结演绎推理及应用归结演绎推理的定义、综合应用归结演绎原理第四单元非经典推理4.1基本概率方法440不确定性推理产生的基础和解决的问题，概率论基本原理知识目标：1.掌握不确定性推理的基本概率方法，利用主观贝叶斯以及可信度等方法做不确定推理。2.了解模糊推理和证据理论以在不确定性推理中的应用。能力目标：通过对不同不确定性推理方法的学习,培养学生在复杂环境下进行推理和做出决策的能力。价值目标：1.启发学生运用所学不确定性推理方法分析现实问题的能力2.通过案例教学,培养在不确定条件下做出科学决策的思维方式。关注不确定性推理在风险评估和决策中的作用,树立科学决策服务社会的价值取向。多媒体教学案例教学4.2主观贝叶斯方法贝叶斯计算，度量规则4.3.可信方法归结演绎推理可信度模型、可信度计算4.4模糊推理模糊逻辑，模糊命题4.5证据理论证据理论、合成规则第五单元搜索求解策略5.1搜索原理220搜索解析，状态空间表示法知识目标：理解盲目搜索、启发式搜索;掌握启发式搜索与其它搜索的关系的有关知识。能力目标：在介绍各种搜索原理的基础上,讲解各算法的适用场合,培养学生根据问题选择和应用合适搜索算法的能力。价值目标：案例教学,选择社会管理案例,运用课程所学搜索算法对其进行方案优化,培养学生的社会责任感。多媒体教学案例教学5.2状态空间搜索图、问题状态以及问题状态空间的搜索5.3盲目搜索盲目搜索思想、策略5.4启发式搜索启发式搜索思想、策略第六单元智能计算6.1进化算法的产生与发展444掌握进化算法的概念和设计原则知识目标：掌握进化算法和遗传算法的基本原理和基本应用。能力目标：通过学习,培养学生运用进化算法和遗要求学生掌握进化算法和遗传算法的基本原理和设计方法,能够运用所学知识独立实现算法。价值目标：1.通过案例教学,选择适当的实际问题,要求学生运用进化算法或遗传算法设计解决方案。评价其在理解问题、设计编码、选择运算符等的综合能力。2.培养学生的系统分析能力和解决实际问题的能力。要求学生考虑算法在实际问题中的效果,精益求精。多媒体教学案例教学6.2遗传算法及应用掌握遗传算法的概念和一般步骤第七单元机器学习7.1机器学习概述440机器学习的任务，机器学习三要素知识目标：掌握进化算法和遗传算法的基本原理和基本应用;了解机器学习分类方法,评估机器学习结果。能力目标：通过对进化算法、机器学习的学习,培养学生运用算法解决实际问题的能力。价值目标：1.启发学生运用所学算法在医疗健康、教育等领域提供智能化服务，关注算法应用效果以及对社会的影响。2.通过案例教学,要求学生设计并评估解决方案,考虑算法应用效果以及社会影响,培养其国家观念和社会责任感。多媒体教学案例教学7.2.决策树学习决策树的树型结构，决策树学习，决策树的使用7.3.贝叶斯学习先验概率、后验概率，极大后验假设，极大似然假设7.4遗传算法生物学解释，算法原理和特点7.5聚类相似性计算，划分聚类，层次聚类第八单元人工神经网络8.1人工神经网络的研究内容与特点660模式、语音识别、非结构化信息处理；自学功能、联想存储功能和高速寻找最优化解知识目标：1.了解人脑神经系统工作原理。2.学习人工神经网络研究的内容与特点以及基本形态。能力目标：能够评估机器学习结果。价值目标：在了解人脑神经系统的基础上，对人工神经网络有更深入的认识和学习。多媒体教学案例教学8.2感知器生物神经元的结构特点，人工神经元的热点8.3前馈神经网络逻辑回归分类用作确定多类型集的分类8.4随机神经网络学习运行引入随机机制，模拟退火算法8.5卷积神经网络掌握卷积神经网络的结构、卷积运算和关键技术第九单元人工智能应用9.1自然语言处理220自然语言处理知识目标：熟悉自然语言处理的基本原理。学习自然语言理解与处理的基础知识，包括其核心技术和主要应用。能力目标：1.能够识别并描述模式识别、自然语言理解与处理的基本概念。2.能够解释大模型的作用和应用。价值目标：1.认识人工智能在多个领域中的重要性和应用价值。2.了解并尊重人工智能技术的发展和其对社会的影响。多媒体教学案例教学9.2.大语言模型大预言模型定义9.3.大语言模型应用大语言模型的应用智能体的创建五、实施要求（一）参考教材与资料1.参考教材（1）王刚.人工智能概论及应用（第1版）[M].北京邮电大学大学出版社,2023（2）王万良.人工智能导论（第5版）[M].高等教育出版社,2021（3）余久久，凤鹏飞，万家华.现代AI基础[M].清华大学出版社,20262.主要教学参考文献（1）[美]罗素（StuartJ.Russell）《人工智能：现代方法（第4版）》.人民邮电出版社，2022（2）唐吴军.《智能时代》.中信出版社,2020（3）张军平.《人工智能极简史》.湖南科学技术出版社.20233.主要参考期刊、杂志<模式识别与人工智能》、《ArtificialIntelligence》、《MachineLearning》、《IEEETransonPatternAnalysisandMachineIntelligence》、《JournalofMachineLearningResearch》4.推荐的教学网站和相关专业文献网站（1）百度飞浆AIStudio（）（2）学堂在线（）（3）头歌-信息技术类实践教学平台（）（4）