《人工智能導論》教學大綱適用范圍：202X版本科人才培養方案課程代碼：08150081課程性質：專業選修課學分：2學分學時：32學時（其中：理論32學時，實驗0學時）先修課程：高等數學、概率論與數理統計后續課程：無適用專業：物聯網工程、物聯網工程（專升本）開課單位：計算機科學與技術學院一、課程說明人工智能是計算機科學中的重要內容，已經成為計算機技術發展以及許多高新技術產品中的核心技術。由于人工智能是模擬人類智能解決問題，幾乎在所有領域都具有非常廣泛的應用。《人工智能導論》是數據科學與大數據技術、數字媒體技術、物聯網工程等計算機類專業本科生的一門專業選修課程，也是電子信息、自動化、電氣、機械等類專業學習人工智能的重要選修課程。本課程主要介紹人工智能問題求解的一般性原理和基本思想以及一些前沿內容，為學生提供基本的人工智能技術和有關問題的入門性知識，為進一步學習和研究人工智能理論與應用奠定基礎。二、課程目標通過本課程的學習，使學生達到如下目標：課程目標1：了解人工智能的特點、主要研究領域、研究歷史及未來發展動向以及人工智能倫理相關的思政內容；課程目標2：掌握人工智能的基本概念、基本原理和基本方法；課程目標3：了解應用人工智能技術解決實際問題的范例。三、課程目標與畢業要求《人工智能導論》課程教學目標對物聯網工程等專業畢業要求的支撐見表1。表1課程教學目標與畢業要求關系畢業要求指標點課程目標支撐強度1.工程知識1.3掌握相關自然科學知識、工程基礎知識和思維方法，能夠將其用于解決數據科學與大數據技術領域的復雜工程問題，能夠將數據科學與大數據技術專業知識用于對復雜工程問題解決方案的分析與優化。課程目標1：了解人工智能的特點、主要研究領域、研究歷史及未來發展動向以及人工智能倫理相關的思政內容；課程目標2：掌握人工智能的基本概念、基本原理和基本方法。H3.設計/開發解決方案3.3在解決方案設計中，具有綜合考慮社會、健康、安全、法律、文化及環境等因素的意識和創新意識。課程目標2：掌握人工智能的基本概念、基本原理和基本方法；課程目標3：了解應用人工智能技術解決實際問題的范例。H4．研究4.1能夠基于科學原理并采用科學方法對數據科學與大數據技術領域問題進行分析。課程目標1：了解人工智能的特點、主要研究領域、研究歷史及未來發展動向以及人工智能倫理相關的思政內容；課程目標2：掌握人工智能的基本概念、基本原理和基本方法；課程目標3：了解應用人工智能技術解決實際問題的范例。H注：表中“H（高）、M（中）”表示課程與相關畢業要求的關聯度。四、教學內容、基本要求與學時分配1.理論部分理論部分的教學內容、基本要求與學時分配見表2。表2教學內容、基本要求與學時分配教學內容教學要求，教學重點難點理論學時對應的課程目標第1章緒論1.1人工智能的概念1.2人工智能的發展簡史1.3人工智能研究的基本內容1.4人工智能的主要研究領域教學要求：（1）了解人工智能研究的特點、內容、發展歷史及未來，增加對人工智能學科的認識。把握計算機科學與技術的發展趨勢；（2）了解人工智能研究的基本內容和主要研究領域，熟悉本專業的前沿知識和研究熱點。重點:了解人工智能研究的基本內容；難點:了解本專業的人工智能相關的前沿知識和研究熱點。41、2、3第2章知識表示2.1知識與表示的概念2.2一階謂詞邏輯表示法2.3產生式表示法2.4框架表示法教學要求：（1）熟練掌握知識及知識表示的概念；（2）了解知識的相對正確性、可表示性及可利用性等特性；（3）了解新技術的發展趨勢。重點:知識的相對正確性、可表示性及可利用性等特性；難點:新技術的發展趨勢。41、2、3第3章確定性推理方法3.1.推理的基本概念3.2.自然演繹推理3.3謂詞公式化為子句集的方法3.4魯賓遜歸結原理3.5歸結反演3.6應用歸結原理求解問題教學要求：（1）熟練掌握謂詞公式化為子句集的方法；（2）熟練掌握歸結原理、方法，并能靈活應用。重點:謂詞公式化為子句集的方法；難點:歸結原理、方法及應用。41、2、3第4章不確定性推理方法4.1不確定性推理的基本概念4.2可信度方法4.3證據理論4.4模糊推理方法教學要求：（1）了解可信度方法、證據理論及其推理方法；（2）掌握模糊集合、模糊知識表示、模糊推理方法，并能靈活應用。重點:可信度方法、證據理論及其推理方法；難點:模糊集合、模糊知識表示及模糊推理方法。41、2、3第5章搜索求解策略5.1搜索的概念5.2狀態空間的搜索策略5.3盲目的圖搜索策略5.4啟發式圖搜索策略教學要求：（1）搜索的基本概念、基本方法；（2）掌握搜索方法的實現與基本軟件設計，基本創新方法。重點:搜索策略的基本概念和基本方法；難點:搜索方法的實現與基本軟件設計。41、2、3第6章智能計算及其應用6.1遺傳算法的產生與發展6.2基本遺傳算法6.3遺傳算法的改進算法6.4遺傳算法的應用6.5群體智能算法產生的背景6.6粒子群優化算法及其應用6.7蟻群算法及其應用教學要求：（1）掌握遺傳算法的基本概念和基本方法；（2）了解一些遺傳算法的改進算法，了解遺傳算法的應用實例。重點:遺傳算法的基本概念和基本方法；難點:遺傳算法的改進算法，及遺傳算法的應用實例。41、2、3第7章專家系統與機器學習7.1專家系統的產生與發展7.2專家系統的概念7.3專家系統的工作原理及其建立方法7.4知識獲取的主要過程與模式7.5機器學習7.6知識發現與數據挖掘7.7專家系統的建立7.8專家系統實例7.9專家系統的開發工具教學要求：（1）掌握專家系統的基本概念、基本特征、一般結構等基本內容；（2）掌握專家系統的建造、開發，了解專家系統的應用例子。重點:專家系統的基本概念、基本特征、一般結構等基本內容；難點:專家系統的設計和開發方法。41、2、3第8章人工神經網絡及其應用8.1神經元與神經網絡的基本概念8.2BP神經網絡學習算法及其應用8.3卷積神經網絡與深度學習8.4Hopfield神經網絡及其改進8.5Hopfield神經網絡的應用教學要求：（1）掌握人工神經網絡的基本概念、常用人工神經網絡模型；（2）了解BP神經網絡學習算法及其在模式識別、軟測量等工程中的應用；（3）了解Hopfield神經網絡的特性及其在聯想記憶、優化等工程中的應用。重點:BP神經網絡學習算法及其應用；難點:Hopfield神經網絡的特性及其應用。41、2、3合計32五、教學方法及手段本課程以課堂講授為主，采用啟發式、討論式教學和案例教學等，促進學生積極思考，開發學生的潛能，培養學生思考問題、分析問題和解決問題的能力；以“少而精”為原則，精選教學內容，精講多練，安排學生小組報告，鞏固課堂所學知識；課程利用豐富的線上資源，提供靈活的自主學習平臺。六、課程資源庫1.推薦教材：（1）王萬良.人工智能導論（第5版）[M].北京:高等教育出版社,2020.2.參考書：（1）姚期智.人工智能[M].北京:清華大學出版社,2022.（2）余明輝,詹增榮,湯雙霞.人工智能導論[M].北京:人民郵電出版社,2021.（3）中國電子信息產業發展研究院（賽迪研究院）.人工智能創新啟示錄：技術前沿[M].北京:人民郵電出版社,2022.3.期刊：（1）嚴行健.人工智能主體化的法律應對——以未來強人工智能的出現為視角[J].對外經貿,2022,(10):76-79.（2）郭菲琳.人工智能技術在檔案工作中的應用邏輯與路徑展望[J].蘭臺內外,2022,(32):28-30.（3）劉夢君,蔣新宇,石斯瑾等.人工智能教育融合安全警示:來自機器學習算法功能的原生風險分析[J].江南大學學報(人文社會科學版),2022,21(05):89-101.（4）孟慶民,何雪云,鄒玉龍等.人工智能背景下電子信息類教育新形態探索[J].高教學刊,2022,8(28):16-18,22.（5）ZixiangZhou,JieGong.AutomatedresidentialbuildingdetectionfromairborneLiDARdatawithdeepneuralnetworks[J].AdvancedEngineeringInformatics,2018,36:229-241.4.網絡資源：（1）Jack_Kuo.人工智能技術應用的領域主要有哪些？.(2022.01.24)./weixin_37251044/article/details/78538826．（2）Jack_Kuo.【深度學習】：激活函數.(2020.06.11)./article/details/106693273.七、課程考核對課程目標的支撐課程成績由過程性考核成績和期末大作業成績兩部分構成，具體考核/評價細則及對課程目標的支撐關系見表3。表3課程考核對課程目標的支撐考核環節占比考核/評價細則課程目標123過程性考核課堂表現10（1）根據課堂出勤情況和課堂回答問題情況以及課下學習線上資料情況進行考核，滿分100分。（2）以平時考核成績乘以其在總評成績中所占的比例計入課程總評成績。√√√244階段檢測10（1）根據每個階段的測試情況評分，滿分100分；（2）每次階段測試單獨評分，取各次測試成績的平均值作為此環節的最終成績。（3）以階段測試成績乘以其在總評成績中所占的比例計入課程總評成績。√√√244作業20（1）主要考核學生對線上資料學習情況，和對各章節知識點的復習、理解和掌握程度，滿分100分；（2）每次作業單獨評分，取各次成績的平均值作為此環節的最終成績。（3）以作業成績乘以其在總評成績中所占的比例計入課程總評成績。√√√299期末大作業60（1）主要考核人工智能知識的綜合掌握和運用能力，涵蓋本課程整體知識脈絡。（2）成績100分，以成績乘以其在總評成績中所占的比例計入課程總評成績。√√√102525合計：100分164242八、考核與成績評定1.考核方式及成績評定考核方式：本課程主要以課堂表現、階段檢測、作業、期末大作業等方式對學生進行考核評價。考核基本要求：考核總成績由期末大作業成績和過程性考核成績組成。其中：期末大作業成績為100分（權重60%）；課堂表現、階段檢測、作業等過程性考核成績為100分（權重40%）。期末大作業考核和過程性考核分值分配分別與教學大綱各章節的學時基本成比例。2.過程性考核成績的標準過程性考核方式重點考核內容、評價標準、所占比重見表4。表4過程性考核方式評價標準考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60課堂表現25按時上課，積極參與教學活動，踴躍回答問題，準確率大于90%。按時上課，認真參與教學活動，回答問題準確率大于80%。按時上課整，偶爾參與教學活動，回答問題準確率大于70%。偶爾遲到，上課不記筆記，偶爾參與教學活動。有曠課情況，上課不記筆記，不參與教學活動。階段檢測25認真復習，按時完成階段測試