课程主要介绍自然世界中丰富多彩的“自然智能”与由此启发的“自然计算”模型与方法，以及形式多样的“智能机器与系统”与日新月异的智能科技“前沿方向”，建立横跨生物、医学、遗传、物理、社会与人工智能之间的多学科文化素质与科技视野，增强学习者的学科知识、科技兴趣与创新意识。课程主要特色在于学科交叉，以多学科融合的文化知识启发科技兴趣与创新精神。

    智能科学技术研究的是受自然智能的启发而得到知识的过程，先认识自然世界的信息处理机制, 然后实现计算模型抽取、算法设计,最后应用于具体问题的解决方案。因此自然智能认知、计算模型抽取、智能算法设计是本课程介绍的重点部分，其中计算模型抽取与算法设计较为抽象，是学习的难点部分。学习者如对所涉及重难点内容需要深入了解，可以进一步参考课程所提供的参考文献。

本课程的目标是激发大众对智能科学的兴趣，为爱好该专业研究与应用的人士展开一幅横跨生物、医学、遗传、社会与智能科技等学科之间知识关联图，引领大家进入一个学科交叉的科技创新之旅，拓展文化视野、科技兴趣与创新意识、培养大众科技文化素质、普及智能科技知识。

单元测验占比29%（请注意单元测验的开始时间为2月10日，截止提交时间为5月22日23：00）

视频学习完成度占比30%（包括视频个数和时长，确保所有视频及课件都学完成学习）

考试占比41%（考试开始时间为4月1日，截止时间为5月22日23:00，考试只有一次作答机会，务必一次性完成作答；若在PC端考试请使用谷歌浏览器，考前注意网络环境并关闭QQ/微信等弹窗消息，进入考试切勿退出和切换考试页面）。

    无要求

1. Russell S J, Norvig P著，殷建平，祝恩，刘越 等 译. 人工智能：一种现代的方法（第3版）.清华大学出版社，2013.
2. Michael Negnevitsky 著，陈薇 译. 人工智能·智能系统指南. 机械工业出版社, 2012.
3. 吴启迪 等 著.《自然计算导论》. 上海科学技术出版社,2011.埃伯哈特 (Russell C.Eberhart),史玉回 (Yuhui Shi)著. 《计算智能：从概念到实现》(英文版). 人民邮电出版社，2015.
4. 雷秀娟 著. 《群智能优化算法及其应用》.科学出版社，2012.
5. SergiosTheodoridis等 著. 《模式识别（第4版）》.电子工业出版社，2010.
6. Ethem Alpaydin 著，范明，昝红英，牛常勇 译. 《机器学习导论》. 电子工业出版社，2014.