课程

中国大学MOOC,为你提供一流的大学教育

hi,小mooc
期末考试会员
SPOC学校专有课程
人工智能基础(徐秀娟 2022年春)
第1次开课
开课时间: 2022年02月27日 ~ 2022年05月05日
学时安排: 3-5小时每周
当前开课已结束 已有 146 人参加
老师已关闭该学期,无法查看
spContent=《人工智能》是计算机科学理论基础研究的重要组成部分,本课程是软件工程专业的一门重要专业选修课。它有较强的理论性,又有实践性,尤其是本课程的知识与计算机应用中很多领域有紧密联系与广泛应用。通过本课程的学习使学生了解人工智能的提出、机器学习重要研究领域,掌握人工智能求解方法的特点。掌握人工智能的基本概念、基本方法,会用知识表示方法、推理方法和机器学习、深度学习等方法求解简单问题等。 —— 课程团队
《人工智能》是计算机科学理论基础研究的重要组成部分,本课程是软件工程专业的一门重要专业选修课。它有较强的理论性,又有实践性,尤其是本课程的知识与计算机应用中很多领域有紧密联系与广泛应用。通过本课程的学习使学生了解人工智能的提出、机器学习重要研究领域,掌握人工智能求解方法的特点。掌握人工智能的基本概念、基本方法,会用知识表示方法、推理方法和机器学习、深度学习等方法求解简单问题等。 —— 课程团队
—— 课程团队
课程概述

本课程介绍人工智能的一般原理,内容包含四个方面的内容:搜索与问题求解、知识与推理、学习与发现以及领域应用。搜索与问题求解包括搜索求解问题的基本原理、搜索策略、图搜索以及博弈;知识与推理包括谓词逻辑基本知识、归结原理、归结反演、确定性推理;学习与发现包括机器学习的一些知识,即分类、回归、聚类算法等,以及深度学习基本算法,包括全连接网络。

(1)测试题每次会随机产生,需要在限定的时间内提交。

如果没有开始测试,则可在测验发布之日至截止日期之间的任何时间内完成即可。

一旦你开始测试,则需在限定时间内(如30分钟内)完成提交。

到限定时间结束时系统会自动提交,无论你是否回答了问题。其结果将计入最终成绩。

每讲有3次测验机会(但两次未必是同一张卷),测验成绩最高分数为本讲获得的成绩分数。

(2)期末考试。期末会有一个考试,45道题100分,最终折算为50分。

通过本课程的学习,学生能够掌握逻辑推理的基本原理与技术,会使用搜索策略求解问题,了解机器学习的基本概念,了解人工智能在行业中的应用。

授课目标

1、能够说出人工智能的内涵与外延、以及对社会的作用

2、能够使用产生式系统、谓词逻辑进行知识表示,会将一般的社会知识转换为逻辑知识

3、能够使用谓词逻辑进行确定性推理分析

4、能够使用启发式搜索算法求解问题

5、能够理解机器学习的含义,能够掌握机器学习原理

6、会使用分类、回归、聚类方法求解问题

7、能利用深度学习方法构建网络,了解常见的深度学习网络

8、本课程列出了若干个讨论问题,由学生自己思考讨论

成绩 要求

为积极响应国家低碳环保政策, 2021年秋季学期开始,中国大学MOOC平台将取消纸质版的认证证书,仅提供电子版的认证证书服务,证书申请方式和流程不变。

 

电子版认证证书支持查询验证,可通过扫描证书上的二维码进行有效性查询,或者访问 https://www.icourse163.org/verify,通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核,成绩达到课程考核标准的学生(每门课程的考核标准不同,详见课程内的评分标准),具备申请认证证书资格,可在证书申请开放期间(以申请页面显示的时间为准),完成在线付费申请。

 

认证证书申请注意事项:

1. 根据国家相关法律法规要求,认证证书申请时要求进行实名认证,请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后,系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


课程大纲
光影双面相伴前行----人工智能发展历程
课时目标:通过本章的学习,了解人工智能的发展历史。
1.1 人工智能发展历程
寻寻觅觅找到答案----搜索问题
课时目标:学会一般问题的搜索算法。分为四个小节,从盲目搜索到启发式搜索,致力于求解搜索问题的答案。
2.1 搜索策略
2.2 搜索的应用
2.3 状态空间表示法
2.4 基于状态空间的搜索技术&图搜索的基本概念
2.5 状态空间搜索
2.6 一般图的搜索算法
2.7 盲目搜索
2.8 深度优先搜索
2.9 有界深度搜索和迭代加深搜索
2.10 搜索最优策略的比较
2.11 启发式搜索
2.12 启发式搜索算法A
2.13 实现启发式搜索的关键因素和A*算法
2.14 迭代加深A*算法
2.15 爬山法和回溯策略
2.16 问题归约法
2.17 与/或图表示
2.18 与或图的启发式搜索
2.19 AO*算法应用的若干问题
双人对战获胜诀窍----博弈问题
课时目标:理解博弈问题,并会使用极大极小过程处构造博弈树解决问题。
3.1 博弈
3.2 极大极小过程
3.3 α-β过程
大千世界存入电脑----知识表示
课时目标:将我们的世界存入电脑中,然后才能进一步分析和处理。本章介绍知识表示的基本方法。需要理解知识表示方法的作用,并会使用知识表示方法表示知识。
4.1 命题逻辑
4.2 谓词逻辑表示法
4.3 谓词逻辑表示举例
4.4 一阶谓词逻辑表示法的特点
4.5 产生式表示法
4.6 产生式中知识的表示方法
4.7 产生式系统的组成
4.8 产生式系统的推理方式
4.9 语义网络表示法
4.10 语义网络表示知识的方法及步骤
4.11 语义网络的推理过程
4.12 知识表示小结
4.13 状态空间表示法
如何读懂福尔摩斯----逻辑推理
课时目标:福尔摩斯的演绎推理方法,就在这一章进行介绍。本章从推理的基本概念讲起,重点介绍演绎推理。会利用知识表示方法进行逻辑推理,使用归结方法求解问题答案。
5.1 推理的基本概念
5.2 推理的逻辑基础分类
5.3 推理的其它分类
5.4 推理的控制策略
5.5 推理的逻辑基础
5.6 谓词公式
5.7 置换与合一
5.8 自然演绎推理
5.9 归结演绎推理
5.10 子句集及其化简
5.11 鲁滨逊归结原理
5.12 命题逻辑的归结
5.13 谓词逻辑的归结
5.14 归结反演推理的归结策略
5.15 用归结反演求取问题的答案
机器学习入门
课时目标:理解机器学习在数据处理中的作用
6.1 机器学习入门
6.2 机器学习准备1
6.3 机器学习准备2
6.4 机器学习方法
6.5 应用场景与挑战
6.6 线性分类器
6.7 回归概述
6.8 决策树分类
6.9 决策树分类实例ID3
6.10 KNN分类
6.11 非线性特征
6.12 随机梯度下降
6.13 特征模板
6.14 贝叶斯公式基础
6.15 贝叶斯公式
6.16 贝叶斯分类
深度学习
课时目标:理解计算机图像处理,卷积神经网络的基础知识。
7.1 深度学习发展历程
7.2 为什么使用深度学习
7.3 深度学习入门
7.4 反向传播算法
7.5 全连接网络1
7.6 全连接网络2
7.7 误差反向传播例
7.8 卷积神经网络
展开全部
预备知识

已经修完程序设计、离散数学、数据结构、操作系统、等计算机基础课程。

最低知识:至少学过一门程序语言,并能够实现hello world程序的编写和运行。

如果学过Python、Java、CPP、C等任何一门语言,都对于本课程有更多帮助。

本课程的学习者,应具备以下先导知识

1. 程序语言设计:学习过相关课程,能独立编写200行以上代码的程序。本课程是支撑课程学习目标1-5的先导知识

2. 计算机组织与结构:学习过计算机组织与结构课程,了解计算机内部5大部件的工作原理。本课程是支撑课程学习目标4的先导知识

3. 操作系统原理:学习过操作系统原理课程,了解文件、目录、IPC等机制的基本原理;本课程是支撑课程学习目标5和6的先导知识

4. 数据结构与算法:学习过数据结构与算法课程,能熟练使用理解简单数据结构及算法解决问题;本课程是支撑课程学习目标5的先导知识

参考资料

本课程推荐教材及与课程学习目标对应关系如下:

1. 授课教材:《人工智能》丁世飞编著 电子工业出版社   2020年第三版 ISBN:9787121363955。

(1)教材特点:《人工智能导论(第3版)》主要阐述人工智能的基本原理、方法和应用技术。全书共13章,除第1章讨论人工智能基本概念、第13章讨论人工智能的争论与展望外,其余11章按照“基本智能+典型应用+计算智能”三个模块编排内容。一个模块为人工智能经典的三大技术,分别为知识表示技术、搜索技术和推理技术,主要包括知识表示、确定性推理、搜索策略、不确定性推理;第二个模块为人工智能的典型应用领域,包括机器学习、支持向量机和专家系统;第三个模块为计算智能与群智能,包括神经计算、进化计算、模糊计算和群智能。

本课程主要选用了本教材的第一稿模块,即知识表示技术、搜索技术和推理技术中相关的内容。

(2)使用方法:本教材对应课程学习目标1-5,可以做到对课程内容前半部分的全覆盖,请同学们学习完视频之后,一定要详细阅读教材中的对应部分,并针对课后习题进行联系,能够有效提高学习质量;

2、本课程参考了大量网络上的课程。对应课程学习目标6-8,包括:

https://stanford-cs221.github.io/spring2021/

https://cse.iitkgp.ac.in/~dsamanta/courses/da/

       百度飞桨师资培训的机器学习和深度学习的内容。

       https://easyai.tech

       此外还有参考 百度百科、B站、以及知乎和CSDN等各类科技网站。

在此表示感谢!

常见问题

Q :  本课程的课件可以提供吗?

A :  可以,在每个视频对应章节均提供了对应的课件,请大家学习。


Q:请问没有计算机基础可以学习本课程吗?

A:可以,可能学习起来会稍费劲。如果有可能,最好对计算机程序有一定的了解。本课程尽量对基础知识进行了基础讲解,如果哪里有问题,可以在讨论区提问。


Q:每周学习多长时间合适呢?

A:每周需要大概3小时时间学习课程。本课程参照章节的格式发布,通常一章内容需要一周到两周时间学习。每章都配有课后习题,方便大家检测。

例如,搜索策略一章,大概需要2周的时间学习。


Q:除了视频学习外,还有什么补充吗?

A:只学习视频是比较枯燥的,最好能结合视频中的案例自己动手编写一些小程序。

例如,搜索策略一章,自己编写 深度优先搜索算法和启发式搜索算法A、A星算法等。


Q:学习本门课程有什么用呢?

A:这个不用多说了吧,人工智能在我们的社会中已经开始无处不在了。学习了本课程后,可以了解人工智能的经典解决方法(知识表示、逻辑推理、搜索策略),以及现在流行的机器学习方法(分类和回归、聚类方法等)、图像处理算法等。


欢迎大家在讨论区提问和讨论。

祝大家学习愉快!

源课程

该SPOC课程部分内容来自以上源课程,在源基础上老师进一步增加了新的课程内容

大连理工大学
1 位授课老师
徐秀娟

徐秀娟

副教授

下载
下载

下载App