《人工智能導論》課程教案課程/項目名稱人工智能導論課程人工智能導論總學時：50學時學分4課程課程類別：專業必修■專業必修□公共必修□公共選修授課教師授課專業人工智能、大數據技術、云計算授課班級教學目的和要求通過本課程的學習，讓學生接觸并了解人工智能的工作原理與系統的基本理論，為將來從事大數據及人工智能相關領域的工作打下堅實的基礎。教學重點、難點教學重點：人工智能簡介與發展；人工智能的研究內容與代表性人物；人工智能的數學知識與常用工具；大數據的相關內容；機器學習概念與應用；深度學習概念與應用；計算機視覺概念與應用；自然語言處理概念與應用；知識圖譜概念與應用；人工智能技術應用；智能機器人；人工智能挑戰與未來教學難點：機器學習概念與應用；深度學習概念與應用；計算機視覺概念與應用；自然語言處理概念與應用；知識圖譜概念與應用；教學資源多媒體課件習題答案其他教學資源：《人工智能導論》黃源等主編，人民郵電出版社《人工智能導論》課程教案第1次課2學時授課內容認識人工智能教學目的與要求介紹人工智能的定義與特征。通過本課的學習，學生應該掌握如下知識：人工智能的定義人工智能的簡介人工智能的發展重點難點人工智能的認識教學進程安排教學導入：介紹人工智能的定義，舉例說明人工智能的重要作用，逐步引入到課程的介紹內容中來。授課內容：一、《人工智能導論》課程介紹介紹本門課程的學科地位、考核方式、學習內容安排、可以參考的學習資料。講授人工智能的定義、原理與發展1）講授人工智能導論的定義2）講授人工智能導論的原理3）講授人工智能導論的發展歷程4講授人工智能導論的特征課后學習任務布置嘗試在自己的電腦中，自己動手查找人工智能導論的資料主要參考資料《人工智能導論》課程教案第2次課2學時授課內容人工智能的研究內容與代表性人物教學目的與要求介紹大數據的定義與特征。通過本課的學習，學生應該掌握如下知識：人工智能的研究內容代表性人物重點難點人工智能的研究內容教學進程安排授課內容：一、講授人工智能的研究內容二、講授人工智能的代表性人物課后學習任務布置嘗試了解人工智能的代表性人物。主要參考資料《人工智能導論》課程教案第3次課2學時授課內容人工智能的數學知識與常用工具教學目的與要求旨在介紹人工智能的數學知識與常用工具。通過本課的學習，學生應該掌握如下知識：1）了解人工智能的數學知識2）掌握人工智能的常用工具重點難點1）掌握數學知識教學進程安排實驗內容1）人工智能的數學知識2）人工智能的常用工具課后學習任務布置課后自行在機器中安裝人工智能的常用工具。主要參考資料《人工智能導論》課程教案第4次課2學時授課內容大數據的相關內容教學目的與要求介紹大數據的相關內容：1）了解數據采集2）了解數據存儲3）了解數據清洗4）了解數據分析與可視化重點難點1）數據采集的原理2）數據分析與可視化教學進程安排授課內容：一、認識數據采集二、數據存儲三、數據清洗四、數據分析與可視化課后學習任務布置熟悉大數據的流程主要參考資料《人工智能導論》課程教案第5次課2學時授課內容機器學習（一）教學目的與要求旨在介紹機器學習的基礎知識。通過本課的學習，學生應該掌握如下知識：1）機器學習的概念2）掌握機器學習的發展重點難點1）熟練機器學習的概念教學進程安排授課內容：一、什么是機器學習二、機器學習的發展歷史課后學習任務布置思考什么是機器學習主要參考資料《人工智能導論》課程教案第6次課2學時授課內容機器學習（二）教學目的與要求旨在介紹機器學習的分類要求學生應該熟練掌握如下知識的運用：1）掌握監督學習2）掌握無監督學習重點難點1）各種機器學習的分類教學進程安排授課內容：一、介紹監督學習的思想二、介紹無監督學習的思想三、半監督學習四、遷移學習和強化學習課后學習任務布置監督學習與無監督學習的對比主要參考資料《人工智能導論》課程教案第7次課2學時授課內容機器學習（三）教學目的與要求旨在介紹機器學習的算法要求學生應該熟練掌握如下知識的運用：1）回歸算法2）聚類算法3）降維算法重點難點1）回歸算法的應用2）聚類算法的應用教學進程安排授課內容：一、了解回歸算法回歸算法是一種應用極為廣泛的數量分析方法，該算法用于分析事物之間的統計關系，側重考察變量之間的數量變化規律，并通過回歸方程的形式描述和反映這種關系，以幫助人們準確把握變量受其他一個或多個變量影響的程度，進而為預測提供科學依據。二、掌握聚類算法三、掌握降維算法課后學習任務布置回歸算法的分類有哪些？主要參考資料《人工智能導論》課程教案第8次課2學時授課內容機器學習（四）教學目的與要求旨在介紹機器學習的算法要求學生應該熟練掌握決策樹算法、貝葉斯算法、支持向量機、關聯規則、遺傳算法等常用的機器學習算法重點難點1）決策樹算法2）貝葉斯算法3）支持向量機算法教學進程安排授課內容：一、決策樹算法決策樹算法是應用最廣的歸納推理算法之一，它是一種逼近離散值函數的方法，對噪聲數據有很好的魯棒性且能夠學習析取表達式，決策樹學習方法搜索一個完整表示的假設空間，從而避免受限于假設空間的不足，決策樹學習的歸納偏置是優先選擇較小的樹。二、貝葉斯算法貝葉斯算法是在不完全情報下，對部分未知的狀態進行主觀概率估計，然后用貝葉斯公式對發生概率進行修正，最后再利用期望值和修正概率做出最優決策。三、支持向量機、關聯規則、遺傳算法等常用的機器學習算法課后學習任務布置畫出決策樹算法主要參考資料《人工智能導論》課程教案第9次課2學時授課內容深度學習（一）教學目的與要求旨在介紹神經網絡的定義重點難點1）神經網絡的原理2）神經元教學進程安排授課內容：一、神經網絡神經網絡是一種由大量的節點（或稱神經元）相互連接構成的運算模型。通俗地講，人工神經網絡是模擬、研究生物神經網絡的結果。詳細地講，人工神經網絡是為獲得某個特定問題的解，根據生物神經網絡機理，按照控制工程的思路及數學描述方法，建立相應的數學模型并采用適當的算法，而有針對性地確定數學模型參數的技術。二、神經元單個神經元是一個運算單元，它的輸入是訓練樣本,,，其中“+1”是一個偏置項。該運算單元的輸出結果是.，其中f是這個神經元的激活函數。三、神經網絡的結構神經網絡是指將多個單一神經元連接在一起，將一個神經元的輸出作為下一個神經元的輸入課后學習任務布置熟悉神經網絡的結構。主要參考資料《人工智能導論》課程教案第10次課2學時授課內容深度學習（二）教學目的與要求旨在簡要主要介紹神經網絡的工作過程：1）了解神經網絡的學習2）掌握激活函數3）了解感知機重點難點激活函數教學進程安排本節課進行以下內容的授課。授課內容：一、講授神經網絡的學習神經網絡的學習也稱為訓練，指的是通過神經網絡所在環境的刺激作用調整神經網絡的自由參數，使神經網絡以一種新的方式對外部環境做出反應的一個過程。神經網絡最大的特點是能夠從環境中學習，以及在學習中提高自身性能。經過反復學習，神經網絡對其環境會越來越了解。二、激活函數激活函數（ActivationFunctions）對于人工神經網絡模型以及卷積神經網絡模型去學習理解非常復雜和非線性的函數來說具有十分重要的作用。神經網絡的輸出是上一層輸入的加權和，所以網絡線性關系過于顯著，屬于線性模型，對于復雜問題的解決存在難度；但是當每個神經元都經過一個非線性函數，那么輸出就不再是線性的了，整個網絡模型也就是非線性模型，如此一來，網絡就能夠解決比較復雜的問題，激活函數就是這個非線性函數。三、感知機感知機（Perceptron）由羅森布拉特于1957年提出，是神經網絡與支持向量機的基礎，也是最早被設計并被實現的人工神經網絡。感知機是一種非常特殊的神經網絡，盡管它的能力非常有限，但是它在人工神經網絡的發展史上有著非常重要的地位。感知機還包括多層感知機，簡單的線性感知機用于線性分類器，多層感知機可用于非線性分類器。課后學習任務布置什么是激活函數。主要參考資料《人工智能導論》課程教案第11次課2學時授課內容深度學習（三）教學目的與要求旨在簡要介紹卷積神經網絡，要求學生應該掌握如下知識：1）掌握卷積神經網絡定義2）掌握卷積神經網絡的結構重點難點1）卷積神經網絡的結構教學進程安排本節課進行以下內容的授課。授課內容：一、講授積神經網絡定義卷積神經網絡（ConvolutionalNeuralNetwork，CNN）作為一個深度學習架構被提出時，它的最初訴求是降低對圖像數據預處理的要求，以避免煩瑣的特征工程。CNN由輸入層、輸出層以及多個隱藏層組成，隱藏層可分為卷積層、池化層、ReLU層和全連接層，其中卷積層與池化層相配合可組成多個卷積組，逐層提取特征。二、講授卷積神經網絡的結構卷積神經網絡是多層感知機的變體，根據生物視覺神經系統中神經元的局部響應特性設計，采用局部連接和權值共享的方式降低模型的復雜度，極大地減少了訓練參數，提高了訓練速度，也在一定程度上提高了模型的泛化能力。CNN是目前多種神經網絡模型中研究最為活躍的一種，一個典型的CNN主要由卷積層（ConvolutionalLayer）、池化層（PoolingLayer）、全連接層（Fully-connectedLayer）構成課后學習任務布置卷積神經網絡的結構是什么。主要參考資料《人工智能導論》課程教案第12次課2學時授課內容深度學習（四）教學目的與要求旨在介紹循環神經網絡、對抗神經網絡以及深度學習的應用。要求學生應該熟練掌握如下知識的運用：1）掌握循環神經網絡。2）掌握對抗神經網絡。3）深度學習的應用重點難點1深度學習的應用教學進程安排本節課進行以下內容的授課。授課內容：一、講授循環神經網絡循環神經網絡（RecurrentNeuralNetwork，RNN）是一種以序列（Sequence）數據為輸入，在序列的演進方向進行遞歸（Recursion），且所有節點（循環單元）按鏈式連接形成閉回路的遞歸神經網絡（RecursiveNeuralNetwork）。二、對抗神經網絡生成對抗網絡（GenerativeAdversarialNetworks，GAN）獨特的對抗性思想使得它在眾多生成網絡模型中脫穎而出，被廣泛應用于計算機視覺、機器學習和語音處理等領域。三深度學習的應用AlphaGoZero簡介自動駕駛課后學習任務布置深度學習的應用有哪些主要參考資料《人工智能導論》課程教案第13次課2學時授課內容計算機視覺（一）教學目的與要求主要介紹計算機視覺。要求學生應該掌握如下知識：1掌握計算機視覺定義2）掌握圖像分類重點難點1）什么是計算機視覺教學進程安排本節課進行以下內容的授課。授課內容：講授計算機視覺基本概念計算機視覺（ComputerVision，CV）是一門涉及圖像處理、圖像分析、模式識別和人工智能等多種技術的新興交叉學科，具有快速、實時、經濟、一致、客觀、無損等特點。二、講授圖像分類圖像分類的任務就是輸入一個圖像，正確輸出該圖像所屬的類別。對于人類來說，判斷一個圖像的類別是件很容易的事，但是計算機并不能像人類那樣一下獲得圖像的語義信息。計算機能看到的只是一個個像素的數值，對于一個RGB圖像，假設其尺寸是32×32，那么計算機看到的就是一個3×32×32的矩陣，或者更正式地稱其為張量（可以簡單理解為高維的矩陣）。圖像分類就是尋找一個函數關系，這個函數關系能夠將這些像素的數值映射到一個具體的類別（類別可以用某個數值表示）。課后學習任務布置什么是圖像分類。主要參考資料《人工智能導論》課程教案第14次課2學時授課內容計算機視覺（二）教學目的與要求旨在簡要介紹計算機視覺高級知識，要求學生應該掌握如下知識：1）目標檢測2）圖像分割。重點難點1）Python中操作MySql數據庫的基本方法教學進程安排授課內容：一、目標檢測目標檢測的任務是在圖像中找出所有感興趣的目標（物體），并確定它們的位置和大小，是計算機視覺領域的核心問題之一。圖像分類任務關心整體，給出的是整張圖片的內容描述；而目標檢測則關注特定的物體目標，要求同時獲得該目標的類別信息和位置信息。相比于圖像分類，目標檢測給出的是對圖片前景和背景的理解，算法需要從背景中分離出感興趣的目標，并確定這一目標的描述（類別和位置）。因此，目標檢測模型的輸出是一個列表，列表的每一項使用一個數據組給出目標的類別和位置（常用矩形檢測框的坐標表示）。二、圖像分割：圖像分割是利用圖像的灰度、顏色、紋理、形狀等特征，把圖像分成若干個互不重疊的區域，并使這些特征在同一區域內呈現相似性，在不同的區域之間存在明顯的差異性。然后就可以將分割的圖像中具有獨特性質的區域提取出來用于不同的研究。簡單地說就是在一幅圖像中，把目標從背景中分離出來。對于灰度圖像來說，區域內部的像素一般具有灰度相似性，而在區域的邊界上一般具有灰度不連續性。課后學習任務布置什么是圖像分割主要參考資料《人工智能導論》課程教案第15次課2學時授課內容自然語言處理（一）教學目的與要求旨在簡要介紹自然語言處理知識，要求學生應該掌握如下知識：1）自然語言處理定義2）自然語言處理組成3）自然語言理解重點難點1））自然語言處理組成教學進程安排授課內容：一、自然語言處理定義自然語言處理（NaturalLanguageProcessing，NLP）是指利用計算機對自然語言的形、音、義等信息進行處理，即對字、詞、句、篇章的輸入、輸出、識別、分析、理解、生成等的操作和加工。它是計算機科學領域和人工智能領域的一個重要的研究方向，研究用計算機來處理、理解以及運用人類語言，可以實現人與計算機的有效交流。二、自然語言處理組成計算機處理自然語言的整個過程一般可以概括為4部分：語料預處理、特征工程、模型訓練和指標評價。三、然語言理解自然語言理解是使用自然語言同計算機進行通信的技術，又稱計算語言學。它是語言信息處理的一個分支，也是人工智能的核心課題之一。課后學習任務布置什么是自然語言處理。主要參考資料《人工智能導論》課程教案第16次課2學時授課內容自然語言處理（二）教學目的與要求旨在簡要介紹自然語言處理的使用方法，要求學生應該掌握如下知識：1）掌握詞法分析2）了解句法分析3）了解語義分析重點難點1）詞法分析2）句法分析教學進程安排授課內容：一、詞法分析詞法分析是理解單詞的基礎，其主要目的是從句子中切分出單詞，找出詞匯的各個詞素，從中獲得單詞的語言學信息并確定單詞的詞義，如unchangeable是由un-change-able構成的，其詞義由這3個部分構成。不同的語言對詞法分析有不同的要求，例如，英語和漢語就有較大的差距。在英語等語言中，因為單詞之間是以空格自然分開的，切分一個單詞很容易，所以找出句子的一個個詞匯就很方便。但是由于英語單詞有詞性、數、時態、派生及變形等變化，要找出各個詞素就復雜得多，需要對詞尾或詞頭進行分析。如importable，它可以是im-port-able或import-able，這是因為im、port、able這3個都是詞素。二、句法分析：句法分析，也稱語法解析，是對句子和短語的結構進行分析，找出詞、短語等的相互關系及各自在句子中的作用等，并以一種層次結構加以表達。層次結構可以反映從屬關系、直接成分關系，也可以反映語法功能關系。比如“他來晚了”，這里“他”是主語，“來”是謂語，“晚了”是補語。三、語義分析語義分析的任務是把分析得到的句法成分與應用領域中的目標表示相關聯，從而確定語言所表達的真正含義或概念。即弄清楚“干了什么”“誰干的”“這個行為的原因和結果是什么”以及“這個行為發生的時間、地點及其所用的工具或方法”等。課后學習任務布置詞法分析與句法分析主要參考資料《人工智能導論》課程教案第17次課2學時授課內容自然語言處理（三）教學目的與要求旨在簡要介紹自然語言處理的使用方，要求學生應該掌握如下知識：1）認識信息檢索2）認識機器翻譯3）掌握情感分析4）語音識別重點難點1）情感分析2）語音識別教學進程安排授課內容：一、信息檢索息檢索的基本原理是指通過一定的方法和手段，使信息存儲和檢索這兩個過程所采用的特征和標識達到一致，以便有效地獲得和利用信息。二、機器翻譯機器翻譯旨在讓計算機自動將源語言表示的語句轉換為目標語言表示的語句，主要用于書面語翻譯和口語翻譯。三、情感分析在自然語言處理中，情感分析一般是指判斷一段文本所表達的情感狀態。與其他的人工智能技術相比，情感分析帶有強烈的主觀因素，而其他的領域一般是根據客觀的數據來進行分析和預測。四、語音識別語音識別，通常被稱為自動語音識別（AutomaticSpeechRecognition，ASR），主要是將人類語音中的詞匯內容轉換為計算機可讀的輸入，一般為可以理解的文本內容或者字符序列。課后學習任務布置什么是情感分析主要參考資料《人工智能導論》課程教案第18次課2學時授課內容知識圖譜（一）教學目的與要求旨在簡要介紹知識圖譜的定義與方法，要求學生應該掌握如下知識：1）掌握知識圖譜的定義2）了解知識表示3）了解知識建模4）知識抽取5）知識存儲重點難點1）知識表示教學進程安排授課內容：一、知識圖譜的定義知識圖譜以結構化的形式描述客觀世界中概念、實體及其關系，將互聯網的信息表達成更接近人類認知世界的形式，提供了一種更好地組織、管理和理解互聯網海量信息的能力。知識圖譜給互聯網語義搜索帶來了活力，同時也在問答系統中顯示出強大作用，已經成為互聯網知識驅動的智能應用的基礎設施。知識圖譜與大數據和深度學習一起，成為推動互聯網和人工智能發展的核心驅動力之一。二、知識表示：知識表示是將現實世界中存在的知識轉換成計算機可識別和處理的內容，是一種描述知識的數據結構，用于對知識的描述或約定。三、知識建模知識建模是通過各種知識獲取方法獲得突發事件領域的主要概念和概念之間的關系，用精確的語言加以描述的過程。課后學習任務布置知識圖譜的實現主要參考資料《人工智能導論》課程教案第19次課2學時授課內容知識圖譜（二）教學目的與要求旨在簡要介紹知識圖譜的定義與方法，要求學生應該掌握如下知識：1）掌握知識融合2）了解知識推理3）了解知識圖譜的應用重點難點知識圖譜的應用教學進程安排授課內容：一、知識融合知識融合即合并兩個知識圖譜（本體），基本的問題是研究將來自多個來源的關于同一個實體或概念的描述信息融合起來的方法。二、知識推理：知識圖譜的推理首先需要考慮的是知識如何表達的問題，即知識圖譜的知識表示，知識圖譜的表示（Representation）指的是用什么數據結構來表示一個知識圖譜。顧名思義，知識圖譜是以圖的方式來展示知識，但是這并不代表知識圖譜必須采用圖的表示。三、知識圖譜的應用知識圖譜的應用場景很多，在不同行業、不同領域都有廣泛應用，知識圖譜在商業領域的應用主要體現在語義搜索和問答系統這兩方面。課后學習任務布置知識圖譜的應用主要參考資料《人工智能導論》課程教案第20次課2學時授課內容人工智能技術應用（一）教學目的與要求旨在簡要介紹知識圖譜的定義與方法，要求學生應該掌握如下知識：1）掌握智慧交通2）了解智慧電商重點難點1）智慧交通的實現教學進程安排授課內容：一、智慧交通智慧交通是在智能交通的基礎上，融入物聯網、云計算、大數據、移動互聯等技術，匯集交通信息，提供實時交通數據下的交通信息服務。智慧交通是未來交通系統的發展方向，它是將先進的信息技術、數據通信傳輸技術、電子傳感技術、控制技術及計算機技術等有效地集成運用于整個地面交通管理系統，建立的一種大范圍、全方位發揮作用的，實時、準確、高效的綜合交通運輸管理系統。二、智慧電商智慧電子商務簡稱智慧電商，它是指利用網絡技術、信息安全等先進手段，打造電商云環境，并將電商實體、消費市場、交易事務、信息流、資金流、物流等基本要素整合，從而實現金融、保險、物流等商業應用的實時感知、動態信息發布以及智能商務管理等功能，最終提升電商管理水平。課后學習任務布置1、什么是智慧交通主要參考資料《人工智能導論》課程教案第21次課2學時授課內容人工智能技術應用（二）教學目的與要求旨在簡要介紹知識圖譜的定義與方法，要求學生應該掌握如下知識：1）掌握智能醫學2）了解智能制造重點難點1）智能制造的實現教學進程安排授課內容：一、智能醫學智能醫學，顧名思義，即通過人工智能的方法，輔助或替代人類進行醫療行為的科學。在智能醫學中，智能是手段，醫學是目的。二、智能制造智能制造（IntelligentManufacturing，IM）是一種由智能機器和人類專家共同組成的人機一體化智能系統，它在制造過程中能進行智能活動，如分析、推理、判斷、構思和決策等。通過人與智能機器的合作，可以擴大、延伸和取代部分人類專家在制造過程中的腦力勞動。智能制造以智能工廠為載體，以全流程的智能化為切入點，以端對端的數據流為基礎，以網絡互聯為支撐。課后學習任務布置什么是智能制造主要參考資料《人工智能導論》課程教案第22次課2學時授課內容智能機器人（一）教學目的與要求旨在簡要介紹機器人定義與方法，要求學生應該掌握如下知識：1）掌握機器人原理2）了解機器人的應用重點難點1）機器人原理教學進程安排授課內容：一、機器人原理機器人的組成與人類極為類似，一個典型的機器人有一套可移動的身體結構、一部類似于馬達的裝置、一套傳感系統、一個電源和一個用來控制所有這些要素的計算機“大腦”。從本質上講，機器人是由人類制造的“動物”，它是模仿人類和動物行為的機器。二、機器人的應用早期智能機器人主要用于工業和軍事領域，大多數是機械手和機器臂。工業機器人是廣泛用于工業領域的多關節機械手或多自由度的機器裝置，具有一定的自動性，可依靠自身的動力能源和控制能力實現各種工業加工制造功能。課后學習任務布置機器人原理是什么。主要參考資料《人工智能導論》課程教案第23次課2學時授課內容智能機器人（二）教學目的與要求旨在簡要介紹智能機器人的定義與方法，要求學生應該掌握如下知識：1）掌握智能機器人原理2）了解智能機器人技術3）智能機器人的應用重點難點1）智能機器人技術教學進程