课程简介
Course Introduction
随着社会对智能技术的关注和对相关研究人员需求的增加，人工智能技术成为承载智能时代的重要技术基础。《人工智能导论》是计算机科学与技术类专业学生的核心专业选修课程。前导课程《程序设计基础》使得学生基本掌握了基本的程序设计方法和常用数据结构的基础知识。本课程旨在培养学生能综合运用已有的人工智能方法与技术进行智能算法开发和应用的能力技能，理论与实践紧密结结合，编写出解决实际问题的人工智能应用，并通过分析与建模、算法设计与实现、实验与验证来创造性地解决较复杂人工智能工程问题的能力。
本课程主要介绍常见的人工智能的概念、算法、实验方法，内容包括人工智能的基本概念和典型应用以及前沿发展、知识表示和知识图谱、搜索技术、进化智能与群体智能、自然语言处理、机器学习、深度学习等。通过本课程的学习，学生能熟悉人工智能的基本理论和方法、应用，以及求解实际问题中常用到的一些经典人工智能算法设计和应用的思路和性能特点。掌握人工智能的基本方法和设计算法的基本原理和技巧，具备针对具体信息处理问题选择适合的技术策略去设计、应用、和评价算法及结果的能力，并养成以应用为驱动提升学生方法的理解能力和创新实践能力的良好素养。
教学大纲
Teaching Syllabus
周次 | 章目名称 | 教学内容 |
第1周 | 第一章 引论 | 1. 课程介绍 2. 人工智能的基本概念 3. 人工智能的发展历史 4. 人工智能的研究内容 5. 人工智能的应用场景 6. 人工智能的发展趋势 |
第2周 | 第二章 知识表示 | 1. 知识表示概述 2. 产生式知识表示 3. 一阶谓词逻辑知识表示 4. 框架知识表示 |
第3周 | 第三章 知识推理与专家系统 | 1. 引言 2. 不确定性推理 3. 确定性推理 4. 专家系统介绍 |
第4周 | 第四章 知识图谱 | 1. 知识图谱概述 2. 典型知识图谱 3. 知识图谱技术与应用 |
第5周 | 实践课-1 | 1. Project宣讲 2. 安装配置 3. 基本功能介绍 |
第6周 | 第五章 信息检索 | 1. 引言 2. 盲目搜索策略 3. 启发式搜索策略 4. 状态空间图模型 5. 博弈搜索策略 |
第7周 | 第六章 进化智能与群体智能 | 1. 引言 2. 进化智能:遗传算法 3. 群体智能:蚁群算法 |
第8周 | 第七章 自然语言处理 | 1. 自然语言处理的基本概念 2. 自然语言处理的研究内容 3. 语言学基础知识-词性、语法、短语结构、语义和语用 4. 自然语言处理的主要技术 5. 自然语言处理的应用场景 6. 自然语言处理的发展趋势 7. 面临的机遇和挑战 |
第9周 第10周 | 第八章 机器学习 | 1. 引言 2. 有监督学习 3. 无监督学习 4. 弱监督学习 5. 强化学习 |
第11周 第12周 | 实践课-2 实践课-3 | 1. 分类 2. 聚类 3. 关联规则 4. Project答疑 |
第13周 第14周 | 第九章 深度学习 | 1. 引言 2. 感知机算法 3. 前馈神经网络与BP算法 4. 卷积神经网络 5. 循环神经网络 6. 注意力与记忆机制 7. 生成对抗网络 |
第15周 | 第十章 人工智能前沿发展 | 1. 引言 2. 计算机视觉 3. 语音处理技术 4. 语言智能技术 5. 智能竞技 6. 学术资源 7. 未来发展和挑战 |
第16周 | 实践课-4 | 1. Project分组答辩 |
