第第#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央文名稱ArtificialIntelligenceandMachineLearning課程編號054314開課單位管理學院管理工程系課程性質專業核心課學分2.0考核方式考試總學時理論32學時32實驗0學時°上機0實踐0學時°適用專業信息管理與信息系統先修課程高等數學、概率論、線性代數、數據結構、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，是信息管理與信息系統專業的核心課程。它是硏究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，是一門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展概況、基本原理與應用領域有初步了解，對主要技術及應用有一定掌握，啟發學生對人工智能和機器學習的興趣，培養知識創新與技術創新能力。任務：使學生理解人工智能的定義、發展歷程、硏究方法；了解人工智能經典的三大基本技術，包括知識表示技術、搜索技術、推理技術；在理解人工智能的典型應用領域機器學習、專家系統等基礎上，能用相應的方法解決一定的實際問題；掌握典型的計算智能方法，包括神經計算、進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、發展歷程、硏究方法開始，以人工智能基本技術、應用領域與計算智能三大模塊為主要內容，講授經典的基本技術：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、支持向量機；典型的計算智能方法：神經計算、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、搜索技術、推理技術、機器學習、神經計算、進化計算的原理和方法，了解人工智能的定義、發展歷程、學派之爭及其發展趨勢等。培養學生利用人工智能的具體方法解釋現實生活中的人工智能實例，對現實生活中的某些問題可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、發展、硏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，能用神經網絡解決一定的實際問題；教學目標4:要求學生熟悉經典的計算智能方法。（二）教學目標及其對畢業要求的支撐畢業要求及其指標點教學目標1教學目標2教學目標3教學目標41.工程知識1.11.22?問題分析2.12.23?設計/開發解決方案3.13.24科學硏究4.14.25使用現代工具5.15.26.工程與社會6.16.27?環7.1

境與可持續發展7.28職業規范8.18.29.個人與團隊9.19.210?溝通10.110.211?項目管理11.111.212終身學習12.112.2四、教學內容(一)教學內容結構關系圖知識T堆(一)教學內容結構關系圖知識T堆lillb?-!■flu1：!(二)具體教學內容1.緒論(1)教學內容什么是人工智能、人工智能的發展簡史、人工智能硏究方法、人工智能硏究及應用領域(2)教學要求了解人工智能的硏究方法、發展簡史。理解人工智能的基本概念、基本技術。掌握人工智能硏究的基本內容和應用領域。(3)重點人工智能概念(4)難點人工智能的硏究方法(5)對畢業要求的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”知識工程(1)教學內容知識工程概述、謂詞邏輯表示法、產生式表示法、層次結構表示法、網絡結構表示法、知識獲取與管理、基于知識的系統(2)教學要求了解基于知識的系統、知識獲取與管理。理解知識工程的概念。掌握邏輯謂詞表示法及其應用，會用框架去描述一些具體問題，能用腳本來描述特定范圍內的一些事件的發生順序。(3)重點經典謂詞邏輯表示法、產生式表示法、層次結構表示法、網絡結構表示法。(4)難點層次結構表示法、網絡結構表示法(5)對畢業要求的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”確定性推理(1)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，了解正向推理、逆向推理、混合推理及其推理的沖突消解策略、推理的邏輯基礎、自然演繹推理、歸結演繹推理、基于規則的演繹推理、規則演繹推理的剪枝策略。(2)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突消解策略，了解自然演繹推理的概念以及三段論推理規則。了解規則演繹推理的剪枝策略。掌握子句集及其化簡，魯濱遜歸結原理，會應用規則正向演繹推理和規則逆向演繹推理。(3)重點自然演繹推理、歸結演繹推理、基于規則的演繹推理、規則演繹推理的剪枝策略。(4)難點自然演繹推理、歸結演繹推理、基于規則的演繹推理、規則演繹推理的剪枝策略。(5)對畢業要求的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”不確定性推理(1)教學內容不確定性及其類型、不確定性推理的一般模式、證據理論、模糊推理(2)教學要求了解不確定性推理方法的概述、理解論證理論和模糊推理，掌握論證理論(3)重點論證理論、模糊推理(4)難點證據理論(D-Stheory)(5)對畢業要求的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”搜索策略(1)教學內容搜索的基本概念、狀態空間的盲目搜索、狀態空間的啟發式搜索、與或樹的盲目搜索、與或樹的啟發式搜索、博弈樹的啟發式搜索(2)教學要求理解啟發性信息和估價函數。了解搜索的含義、一般圖搜索過程。了解A*算法、與或樹的一般搜索、與或樹的啟發式搜索過程。了解極大極小過程，戸剪枝。掌握廣度優先搜索、深度優先搜索、代價樹搜索。(3)重點與或樹的啟發式搜索(4)難點與或樹的盲目搜索、與或樹的啟發式搜索(5)對畢業要求的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”機器學習(1)教學內容機器學習概述、決策樹學習、貝葉斯學習、統計學習、進化智能、聚類、特征選擇與提取、其他學習方法(2)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。理解三大機器學習方法決策樹學習、貝葉斯學習和統計學習，會用其中一種算法完成垃圾分類實例。了解現代進化智能中的方法。熟悉聚類方法的運用原理，能用聚類方法進行股票信息的聚類聯系。理解特征選擇與提取的概念，熟悉常用的特征函數，掌握主成分分析方法的計算步驟。了解其他的機器學習方法。(3)重點機器學習的概念、學習方法的分類(4)難點決策樹學習、貝葉斯學習、統計學習、進化智能(5)對畢業要求的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”人工神經網絡(1)教學內容人工神經網絡概述包括人工神經網絡的硏究內容與特點、基本形態、感知機、前饋神經網絡、反饋神經網絡、隨機神經網絡、自組織神經網絡(2)教學要求理解人工神經網絡的基本形態、特點。了解人工神經網絡的幾種不同網絡結構。掌握感知機工作原理，會用感知機模型計算輸出。掌握BP網絡的算法原理，會用BP算法求解單隱層網絡的輸出結果。(3)重點人工神經網絡的基本形態、不同的網絡結構(4)難點感知機工作原理與計算、BP算法過程推導(5)對畢業要去的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”人工智能的其他領域(1)教學內容模式識別、自然語言處理、智能體(2)教學要求熟悉了解模式識別、自然語言處理、智能體的相關概念、基本問題及應用。(3)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(4)難點模式識別、自然語言處理、智能體的相關概念、基本問題(5)對畢業要求的支撐本知識點的講授和學習，可以支撐“畢業要求5能夠針對本學科領域復雜問題，開發、選擇與使用恰當的技術、方法、現代工程工具和信息技術工具，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“指標點5.2掌握管理學理論與硏究的前沿知識，培養具有持續適應社會和能力和及時了解新準則、新法規的能力。”學時分配表教學內容理論學時上機學時實驗學時實踐學時1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?人工神經網絡60008?人工智能的其他領域2000合計32000五、教學方法1?課堂講授(1床用啟發式教學，激發學生主動學習的興趣，咅養學生獨立思考、分析問題和解決問題的能力，引導學生主動通過實踐和自學獲得自己想學到的知識。采用電子教案，多媒體教學與傳統板書教學相結合，提高課堂教學信息量，增強教學的直觀性。采用案例教學。理論教學與工程實踐相結合，引導學生應用基本理論知識對產品進行精度設計。(4)采用互動式教學。課內討論和課外答疑相結合。2?大作業圍繞各章教學重點內容，余布置一定數量的課后作業外,布置大作業。針對復雜程度適中的人工智能問題，要求學生給出解決方案，并說明理由。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：(1)學生可選擇教師給定的題目，或自主選題，以小組為單位，明確每個人分工與責任；(2)通過分析給定實例的工作原理，角定技術實現需要的人工智能方法及機器學習算法，合出合理的原理解釋；這一部分由小組共同討論完成。(3)分配每人完成指定問題的算法實現及結果展示。(4)提交成果，答辯。組內派出代表陳述，然后教師提問，指定學生回答。六、本課程與其他課程的聯系本課程在學習之前，學生應修完高等數學、概率論、線性代數、數據結構、C語言程序設計。具有一定的計算機、數學理論基礎，有基本的編程思想及能力。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節綜合評定產生。依次所占比例分別為30%和70%，其中平時成績由作業、出勤情況、大作業、參與課堂討論、在團隊中表現、學習態度等部分組成。期末考試采取閉卷形式，內容涉及人工智能與機器學習方面的基本知識和基本方法，題型包括選擇題、填空題、判斷題、簡答題。各考核環節所占分值比例可根據具體情況微調，建議值及考核細則如下：成績組成分值評價環節比例考核/評價細則教學目標平時成績30作業401?主要考核學生對每章節知識點的復習、理解和掌握程度。2.每次作業按30分制單獨評分，取各次成績的平均值作為書面作業成績。教學目標2教學目標3考勤10根據學生出勤和課堂表現打分，按10分制評分。大作業501?考查應用所學知識，解決工程問題的實踐能力、口頭和文字表達能力，以及團隊合作能力；2?教師根據作業質量、報告和答辯情況評分，滿分為40分。教學目標2教學目標3教學目標4期末考試70試卷1001.卷面成績100分。卷面成績按比例計入課程總評成績。2?考核人工智能的基本概念、謂詞邏輯表示法、廣度優先搜索朿略、深度優先搜索策略、論證理論、典型的分類算法、聚類算法，會用BP神經網絡計算。3?考