《人工智能與機器學習》教學大綱

1、第 第11頁 / 共 11 頁人工智能與機器學習教學大綱一、基本信息中文名稱人工智能與機器學習英文名稱Artificial Intelligence and Machine Learning課程編號054314開課單位管理學院管理工程系課程性質專業(yè)核心課 學 分 2.0考核方式考試總 學 時理論32實 驗 學時上 機 實 踐 學時適用專業(yè)先修課程信息管理與信息系統(tǒng)高等數(shù)學、概率論、線性代數(shù)、數(shù)據(jù)結構、C 語言程序設計二、課程性質、目的、任務性質：人工智能與機器學習是信息管理學中一個重要分支，是信理論性和應用性均較強的課程。目的：通過本課程的學習，使學生對人工智能的發(fā)展概況、基本原理智能和機器學

2、習的興趣，培養(yǎng)知識創(chuàng)新與技術創(chuàng)新能力。任務：使學生理解人工智能的定義、發(fā)展歷程、研究方法；了解人工化計算的基本原理及其應用領域等。三、教學目標及其對畢業(yè)要求的支撐（一）教學目標人工智能與機器學習從講授人工智能的定義、發(fā)展歷程、研究方講授經(jīng)典的基本技術：知識表示技術、搜索技術、推理技術；典型應用領域機器學習、專家系統(tǒng)、支持向量機；典型的計算智能方法：神經(jīng)計算、進化計算。以及當前有關人工智能的爭議與展望。使學生掌握人工智能的基本原理、方法和應用技術。強化學生的邏輯分析能力、創(chuàng)新設計能力。初步具有利用人工智能方法解決實際問題的能力。本課程以課堂講授為主，通過課堂教學，使學生掌握知識表示技術、些問題可

3、以通過人工智能與機器學習的思想提出解決方案。教學目標具體要求如下：教學目標 1：要求學生了解人工智能的定義、發(fā)展、研究方法及其應用領域；教學目標 2：要求學生掌握知識表示方法、搜索推理技術，了解不確定性推理方法；教學目標 3：要求學生掌握機器學習方法的工作原理，能用神經(jīng)網(wǎng)絡解決一定的實際問題；教學目標 4：要求學生熟悉經(jīng)典的計算智能方法。（二）教學目標及其對畢業(yè)要求的支撐畢業(yè)要求及其指標點教 教 教 學目標 學目標 學目標 學目1234程知識題分析設計/決方案學研究使具1.11.22.12.23.11.22.12.23.13.24.14.25.15.26.16.27.1環(huán)境與可持續(xù)發(fā)展業(yè)規(guī)范個

4、溝通項目管理終身學習7.28.18.29.19.210.110.211.111.212.112.2四、教學內容（一）教學內容結構關系圖（二）具體教學內容緒論教學內容能研究及應用領域教學要求本技術。掌握人工智能研究的基本內容和應用領域。重點人工智能概念難點人工智能的研究方法對畢業(yè)要求的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與模擬，并能夠理解其局限性?！?中的“5.2會和能力和及時了解新準則、新法規(guī)的能力?！敝R工程教學內容網(wǎng)絡結構表示法、知識獲取與管理、基于知識的系統(tǒng)教學要求了解基于知識的系統(tǒng)、知識獲取與管理。理解知識工程的概念。掌握述特定范

5、圍內的一些事件的發(fā)生順序。重點示法。難點層次結構表示法、網(wǎng)絡結構表示法對畢業(yè)要求的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與模擬，并能夠理解其局限性?！?中的“5.2會和能力和及時了解新準則、新法規(guī)的能力?！贝_定性推理教學內容推理的基本概念及歸結、演繹等確定性推理方法。推理的基本概念， 推理的剪枝策略。教學要求理解推理的概念，了解正向推理、逆向推理、混合推理及其推理的沖正向演繹推理和規(guī)則逆向演繹推理。重點的剪枝策略。難點的剪枝策略。對畢業(yè)要求的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與模擬，

6、并能夠理解其局限性?！?中的“指標點 5.2 會和能力和及時了解新準則、新法規(guī)的能力?！辈淮_定性推理教學內容不確定性及其類型、不確定性推理的一般模式、證據(jù)理論、模糊推理教學要求理論重點論證理論、模糊推理難點證據(jù)理論（D-S theory）對畢業(yè)要求的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與模擬，并能夠理解其局限性?！?中的“5.2會和能力和及時了解新準則、新法規(guī)的能力?！彼阉鞑呗越虒W內容或樹的盲目搜索、與或樹的啟發(fā)式搜索、博弈樹的啟發(fā)式搜索教學要求解A*算法、與或樹的一般搜索、與或樹的啟發(fā)式搜索過程。了解極大極小過程，-剪枝。掌握廣度優(yōu)先搜

7、索、深度優(yōu)先搜索、代價樹搜索。重點與或樹的啟發(fā)式搜索難點與或樹的盲目搜索、與或樹的啟發(fā)式搜索對畢業(yè)要求的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與模擬，并能夠理解其局限性?！?中的“5.2會和能力和及時了解新準則、新法規(guī)的能力?！睓C器學習教學內容類、特征選擇與提取、其他學習方法教學要求了解機器學習的概念、機器學習方法的分類、基本問題及其評估。理的機器學習方法。重點機器學習的概念、學習方法的分類難點決策樹學習、貝葉斯學習、統(tǒng)計學習、進化智能對畢業(yè)要求的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與

8、模擬，并能夠理解其局限性?！?中的“5.2會和能力和及時了解新準則、新法規(guī)的能力?！比斯ど窠?jīng)網(wǎng)絡教學內容人工神經(jīng)網(wǎng)絡概述包括人工神經(jīng)網(wǎng)絡的研究內容與特點、基本形態(tài)、感知機、前饋神經(jīng)網(wǎng)絡、反饋神經(jīng)網(wǎng)絡、隨機神經(jīng)網(wǎng)絡、自組織神經(jīng)網(wǎng)絡教學要求BP網(wǎng)BP算法求解單隱層網(wǎng)絡的輸出結果。重點人工神經(jīng)網(wǎng)絡的基本形態(tài)、不同的網(wǎng)絡結構難點感知機工作原理與計算、BP 算法過程推導對畢業(yè)要去的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與模擬，并能夠理解其局限性?！?中的“5.2 會和能力和及時了解新準則、新法規(guī)的能力?！比斯ぶ悄艿钠渌I域教學內容模式識別、自然語言處

9、理、智能體教學要求應用。重點模式識別、自然語言處理、智能體的相關概念、基本問題及應用難點模式識別、自然語言處理、智能體的相關概念、基本問題對畢業(yè)要求的支撐本知識點的講授和學習，可以支撐“5 能夠針對本學科領域術工具，包括對本學科領域問題的預測與模擬，并能夠理解其局限性?！?中的“5.2會和能力和及時了解新準則、新法規(guī)的能力?！保ㄈW時分配表教 學 內 容理上實實1.緒論21.緒論20002.知識工程40003.確定性推理20004.不確定性推理40005.搜索策略40006.機器學習80007.人工神經(jīng)網(wǎng)絡60008.人工智能的其他領2000域合計32000五、教學方法課堂講授到的知識。采用

10、互動式教學。課內討論和課外答疑相結合。大作業(yè)圍繞各章教學重點內容，除布置一定數(shù)量的課后作業(yè)外，布置大作業(yè)。通過動手實踐，計算解決方案結果。通過問題分析與問題求解，提高學生利用所學知識解決工程實踐問題的能力，以及表達能力，清晰陳述觀點， 回答問題和團隊合作能力。組織形式及要求如下：每個人分工與責任；分配每人完成指定問題的算法實現(xiàn)及結果展示?；卮?。六、本課程與其他課程的聯(lián)系本課程在學習之前，學生應修完高等數(shù)學、概率論、線性代數(shù)、數(shù)據(jù) 結構、C程思想及能力。七、課程考核方法與成績評定本課程為考試課，總評成績由平時成績和期末考試兩個環(huán)節(jié)綜合評定產(chǎn)30%和 70%大作業(yè)、參與課堂討論、在團隊中表現(xiàn)、學習

11、態(tài)度等部分組成。期末考試采取題型包括選擇題、填空題、判斷題、簡答題。各考核環(huán)節(jié)所占分值比例可根據(jù)具體情況微調，建議值及考核細則如下：成績分評組成值環(huán)比例考核/評價細則教學目標主要考核學生對每章節(jié)知識點教學目的復習、理解和掌握程度。標 2作業(yè) 402.每次作業(yè)按30 分制單獨評分，教學目取各次成績的平均值作為書面作平時考勤 標 3業(yè)成績。根據(jù)學生出勤和課堂表現(xiàn)打分，3010 分制評分。成績教學目2題的實踐能力、口頭和文字表達大 作教學目50能力，以及團隊合作能力；業(yè)2.教師根據(jù)作業(yè)質量報告和答辯標 3教學情況評分，滿分為40 分。標4100 例計入課程總評成績。標 1教學目邏輯表示法、廣度優(yōu)先搜索策略、期末標270試卷 100深度優(yōu)先搜索策略、論證理論、考試教學目典型的分類算法、聚類算法，會BP 標 3教學目4斷題、簡答題。八、推薦教材和參考書目與文獻推薦教材：高等院校規(guī)劃教材：