《人工智能导论》课程教学大纲.docx

《人工智能导论》课程教学大纲一、课程基本信息
课程名称（中文）
人工智能导论
课程名称（英文）
Introduction to Artificial Intelligence
课程类别I
专业选修课
课程性质2
选修
授课语言3
中文
授课学期
5
学分
2
课程学时及分配
总学时
讲课
实验
课外
32
24
8
32
适用专业
网络工程、软件工程、物联网工程、计算机科学与技术、信息平安等
教材
《人工智能及其应用》（第4版），王万良编著，高等教育出版社，2020
授课学院
计算机与软件学院
先修课程
概率论与数理统计、程序设计基础等
后续课程
大数据分析与应用、机器学习、图像处理等
课程简介
课程基本定位：
人工智能是计算机科学中的重要内容，已经成为计算机技术开展以及许 多高新技术产品中的核心技术。由于人工智能是模拟人类智能解决问题，几 乎在所有领域都具有非常广泛的应用。《人工智能导论》是计算机科学与技术、 软件工程、网络工程等专业本科生的一门基础选修课程。本课程主要介绍人 工智能问题求解的一般性原理和基本思想以及一些前沿内容，为学生提供最 基本的人工智能技术和有关问题的入门性知识，为进一步学习和研究人工智 能理论与应用奠定基础。
核心学习结果：
该课程的目标是把握计算机科学与技术的开展趋势，熟悉本专业的前沿 知识和研究热点。该课程讲述了人工智能的开展简史、人工智能研究的基本 内容和主要研究领域、人工智能的研究热点包括人工神经网络及其应用和遗 传算法及其应用等。要求学生掌握基本创新方法，能够针对创新点开展切实 有效的理论和应用研究。该课程紧密联系计算机学科中的前沿内容和所涉及 的新技术，例如人工神经网络及其改进方法在模式识别、软测量、联想记忆、 优化计算中的应用，遗传算法及其改进算法在生产调度中的应用等，学生通
注：1.课程类别：选填“通识核心课/通识拓展课/通修课/学科基础课/专业主干课/专业选修课/专业实践/ 素质拓展”

过该课程的学习能够了解基本的人工智能新技术和有关问题求解的创新方 法；课程要求完成A*算法应用实验、遗传算法应用实验、基于神经网络的优 化计算实验等自主型实验工程，学生通过实验，能够发挥主动性，研究探讨 人工智能系统的运行和实现过程，提出思路并积极验证和探索自己的思路， 从而更好的掌握知识，培养学生的理论联系实际能力和创新能力，逐步培养他 们发现问题、提出问题、分析问题和解决问题的能力。
主要教学方法：
本课程以课堂教学为主，结合课内实验与课外自学、课堂讨论、团组大 作业。
大纲更新时间

2,课程性质：选填“选修/必修”3.授课语言：选填“中文/双语/全英文或其他语种”
二、课程目标
序号
课程目标(参考培养目标、毕 业要求、课程定位)
支撑毕业要求指标点】
达成途径
课程目标1
基础知识方面：
(1) 了解人工智能的专业背 景、开展历程与趋势；
(2)理解并熟悉人工智能的 基本概念、基本理论和基 本方法。

讲授
课程目标2
方法与技能方面：
(1)理解人工智能领域问题： 聚类、分类、回归、优化 四大主要专业分支；
(2)掌握各专业问题领域已 有的经典学习模型及其 学习算法；

讲授 案例
课程目标3
能力素养方面：
⑴ 分析问题和解决问题的 能力一一利用已有的常 见人工智能学习算法，去

实验

分析现实中的具体问题， 并加以实现；
⑵创新意识一一分析理论 方法层面的问题，或现实 应用层面的技术问题，提 出解决问题的新思路或 新方法。

注：1.支撑毕业要求指标点：选填项。需要进行专业认证，有毕业要求指标点可参照的课程必填，无明确 毕业要求指标点可参照的可不填。

三、理论教学内容
章标题
教学内容
学时
思政融入点1
学生学习
预期成果2
教学 方式
3
课程目标
第1章
L人工智能的概念
2
结合人工 智能的开展树 立民族精神和 时代精神，发 展社会主义人 工智能事业的 紧迫感，坚持 社会主义核心 价值观。
了解人 工智能研究 的基本内容 和主要研究 领域,开阔学 生思路，为以 后学习和应 用人工智能 奠定基础。熟 悉本专业的 前沿知识和 研究热点
讲授
目标1
2 .人工智能的开展简 史
3 .人工智能研究的基 本内容
4 .人工智能的主要研 究领域
第2章
1、人工智能四大问题 领域；
2、机器学习在人工智 能中的地位与作用；
3、机器学习的几种主 要方式。
4
引入机器智能 与人的智能的 思考与分析
理解处理的 四大基本问 题原型；
熟悉机器学 习的主要方 式；
讲授
目标1
目标2
第2章
L聚类问题
4
机器智慧与人 类智慧的特 点，以及各自 的优势与缺乏
理解聚 类问题的核 心；掌握 K-means 算 法思想。
讲授
目标1
目标2
2 .无监督学习方式
3.基于划分的聚类学 习算法
4. K-MEAN 算法
第3章
L分类问题
4

理解分 类问题的核 心；掌握感知
讲授
目标1
目标2
2 ,有监督学习方式
3 .线性可分任务

4 .感知机模型

机学习原理。

第4章
L线性不可分任务
4
探讨机器 智慧所引发的 道德伦理问题
理解线 性不可分问 题的内涵实 质；掌握BP 算法设计思 想。
讲授
目标1
目标2
2 .多层感知机模型
3. BP算法

第5章
L回归分析问题
2
探讨机器智能 对人类认知能 力的拓展，对 人类认知世界 深度和广度猜 想
理解分 析问题的内 涵实质；掌握 BP算法设计 思想。
讲授
目标1
目标2
目标3
2.线性回归模型
3.非线性回归模型
4 .多层感知机回归模 型

第6章
1.模仿学习
4
提出当前 热点问题和难 点，鼓励学生 求真务实，毅 力，勤奋，提 出解决方法， 树立良好的科 研价值观和思 维习惯。
理解 GAN生成技 术原理；以及 分析GAN的 可能应用场 景
讲授
目标1
目标2
目标3
2 ,对抗生成网络
3. GAN学习建模
4. GAN的应用

注：1.思政融入点：至少写3条，简述该课程教学中将思政教育内容与专业教育内容有机融合的知识点（下同）。
.学生学习预期成果：描述学生在学完本节内容后应获得的知识、能力或素养水平（下同）
2 .教学方式:包括讲授、讨论、案例、演示等，但不限于所列，根据课程实际需要列举U!

U!
实践（实验或实习）教学I

编 号
实验或 实习项 目名称
教学内容
学 时
实验 或实 习类 型2
思政融 入点
学生学习 预期成果
课程目标
1
线性可 分任务 的学习
感知机 学习算法
4
验证
做 实验要 具有批 判性思 维,创新 意识,期 望在实
利用已有的 编程语言，实现感 知机学习算法。
课程目标2
课程目标3

验中发 现问题 的新思 路。

2
无监督 学习
K-means 聚类算法
4
验证
分 组讨论， 团队协 作,发现 与质疑， 充分发 挥社会 主义集 体思维 决策的 优势。
利用已有的 编程语言，实现 K-means学习算法 并进行验证实验。
课程目标2
课程目标3
注：1 .此表可用于课内实践教学环节或某门综合实践课程2.实验类型：选填”验证性/综合性/设计性”；实习类型：选填“认识实习/生产实习/毕业实习”

五、课程评价（一）考核内容、考核方式与课程目标对应关系
课程目标
考核内容
考核方式及占比（％）
成绩（％）
课堂 表现
课程 作业
实验报 告
课程 论文

课程目标1
机器学习的四大任务;机器学习的 主要学习方式；样本集；模型选择；模 型评价；学习性能指标；机器学习常见 的信息载体；常见的应用场景等
10
10

20
课程目标2
感知机算法、BP学习算法、
K-Means聚类算法、回归分析模型、GAN 模型等机器学习基本算法基本原理及 其各自的优缺点等

20

20
课程目标3
基于UCI等基准数据集的算法实 现与分析。

60
60

合计
10
10
20
60
100
注：1.课程目标在考核方式及占比：主要根据课程目标自行设计和制定多元化考核方式，表中所列仅为参考（红色数据可删除）。但所列考核方式必须覆盖全体学生，可根据当学期具体教学情况酌情调整。
2.各考核方式占总成绩权重：根据课程实际情况对各考核方式占总成绩的权重予以赋值。
（二）考核方式评分标准
1.课程作业评分标准
课程目标
评分标准
90-100 （优）
80-89 （良）
70-79 （中）
60-69 （及格）
0-59
（不及格）
目标1
能够深 入理解人工 智能基本概 念、理论知 识。
能够较 好地理解人 工智能主要 技术的基本 概念、工作原 理。。
能够理 解人工智能 主要技术的 基本概念、工 作原理。
基本理 解人工智能 主要技术的 基本概念、 工作原理。
不理解 人工智能主 要技术的基 本概念、工作 原理。
目标2
能够很 好地理解人 工智能基本 算法的设计 原理。
能够较 好地理解人 工智能基本 算法的设计 原理。
能够理 解人工智能 基本算法的 设计原理。
基本可 以理解人工 智能基本算 法的设计原 理。
不理能 理解人工智 能基本算法 的设计原理。
目标3
能够很 好地应用人 工智能基本 技术方法。
能够较 好地应用人 工智能基本 技术方法。
能够应 用人工智能 基本技术方 法。
基本可 以应用人工 智能基本技 术方法。
不能应 用人工智能 基本技术方 法。
（2）课程实验评分标准
课程目标
评分标准
90-100 （优）
80-89 （良）
70-79 （中）
60-69 （及格）
0-59
（不及格）
目标1
能够深 入理解人工 智能基本概 念、理论知 识。
能够较 好地理解人 工智能主要 技术的基本 概念、工作原 理。。
能够理 解人工智能 主要技术的 基本概念、工 作原理。
基本理 解人工智能 主要技术的 基本概念、 工作原理。
不理解 人工智能主 要技术的基 本概念、工作 原理。
目标2
能够很 好地理解人 工智能基本 算法的设计
能够较 好地理解人 工智能基本 算法的设计
能够理 解人工智能 基本算法的 设计原理。
基本可 以理解人工 智能基本算 法的设计原
不理能 理解人工智 能基本算法 的设计原理。

原理。
原理。

理。

目标3
能够很 好地应用人 工智能基本 技术方法。
能够较 好地应用人 工智能基本 技术方法。
能够应 用人工智能 基本技术方 法。。
基本可 以应用人工 智能基本技 术方法。
不能应 用人工智能 基本技术方 法。
（3）课程考试评分标准
课程目标
评分标准
90-100 （优）
80-89 （良）
70-79 （中）
60-69
（及格）
0-59
（不及格）
目标1
能够深 入理解人工 智能基本概 念、理论知 识。
能够较 好地理解人 工智能主要 技术的基本 概念、工作原 理。。
能够理 解人工智能 主要技术的 基本概念、工 作原理。
基本理 解人工智能 主要技术的 基本概念、 工作原理。
不理解 人工智能主 要技术的基 本概念、工作 原理。
目标2
能够很 好地理解人 工智能基本 算法的设计 原理。
能够较 好地理解人 工智能基本 算法的设计 原理。
能够理 解人工智能 基本算法的 设计原理。
基本可 以理解人工 智能基本算 法的设计原 理。
不理能 理解人工智 能基本算法 的设计原理。
目标3
能够很 好地应用人 工智能基本 技术方法。
能够较 好地应用人 工智能基本 技术方法。
能够应 用人工智能 基本技术方 法。。
基本可 以应用人工 智能基本技 术方法。
不能应 用人工智能 基本技术方 法。

六、参考书目及学习资料.《人工智能及其应用》（第4版），王万良编著，高等教育出版社，2020
1 .《人工智能导论：模型与算法》，吴飞编著，高等教育出版社，2020.《人工智能导论》（第4版），王万良编著，高等教育出版社，2017