《人工智能概论》是面向全校各专业各年级学生的公共基础课,共32学时,以理论讲解为主,通过穿插大量的实例使学生能够快速理解掌握相关内容。该课程主要解释人工智能的基本入门知识和思维,通过学习使学生了解人工智能的基本知识和思维方法,调动学生从人工智能的角度去思考和解决问题,为各学科各专业学生创新创业和各专业的“人工智能+”奠定基础。本课程的学习者需具备一定的计算机基础知识、高等数学知识等。
通过本入门课程学习,使学生系统了解人工智能的基本概念、基本原理、基本方法和一些智能算法,并掌握其中的一些原理和方法,为在工作和研究中参考或使用人工智能技术解决实际问题奠定基础。
掌握人工智能的概念、发展历史和主要研究内容;掌握人工智能的知识表示和推理系统,了解专家系统和知识图谱的表示方法,掌握机器学习的基本概念和应用实例,了解各类神经网络算法,理解深度学习(AlphaGo);了解人工智能技术的应用,计算机视觉的原理及应用,语音识别的原理及应用,智能机器人的原理及在工业生产中的应用;了解人工智能提升生活智能的各个方面,包括但不限于智能家居、智慧医疗、智慧教育、智能服务、智能驾驶等等.
序号 | 任务 | 评价方式 | 评价内容 | 分值 |
一、平时成绩(60%) | 60 | |||
1 | 绪论 | 出勤、测验题 讨论题 | 1 人工智能的概念 2 人工智能的发展历史 3 人工智能的研究内容和应用领域 | 5 |
2 | 基本分类 | 出勤、测验题 讨论题 | 1语音综合服务开放平台 2指纹识别 3人脸识别系统 4电子商务人工智能应用 5商业智能 6智能商用服务机器人 7智能视频监控 | 5 |
3 | 回归与聚类 | 出勤、测验题 讨论题 | 1常见数据集简介 2数据收集、整理与清洗 3数据分析 4数据可视化 5图像处理 | 10 |
4 | 神经网络与深度学习 | 出勤、测验题 讨论题 | 1机器学习简介 2分类任务 3回归任务 4聚类任务 5机器学习应用实例 | 15 |
5 | 图像信息处理 | 出勤、测验题 讨论题 | 1神经网络简介 2前馈型神经网络 3反馈性神经网络 4卷积神经网络
| 15 |
6 | 自然语言处理 | 出勤、测验题 讨论题 | 1神经网络可视化工具 2 TensorFlow深度学习品台 3深度学习在MNIST图像识别中的应用 4典型深度学习平台 | 10 |
二、期末成绩(40%) | 40 | |||
期末考试 | 笔试 | 知识的理解、应用、融会贯通 | 40 | |
合计 | 100 | |||
本课程的学习者需具备一定的计算机基础知识、高等数学知识,线性代数基础,python编程基础等。
本课程选用张广渊主编的《人工智能概论》,中国水利水电出版社,2022年2月。同时参考石忠主编的云教材《人工智能导论》,西安交通大学出版社,李德毅主编的《人工智能导论》,中国科学技术出版社。