|
✦
教育大纲
✦
01
课程基本信息
•课程名叫作：人工智能导论 / 人工智能概论
• 课程代码：
• 课程英文名叫作：AI-Introduction
• 学时与学分：理论学时32，课外实践学时16，总学分2
• 课程性质：必修课（选修课）
• 适用专业：人工智能、大数据、计算机等工科专业（其他各专业）
• 先修课程：略
• 后续课程：设备学习、深度学习、智能设备人等
02
课程目的
学习本课程，一般旨在为学生奠定坚实的人工智能基本知识，培养其在人工智能行业的基本技能和理解能力。
以下是重点学习目的，可能会按照区别课程设置有所差异：
1. 理解人工智能基本：把握人工智能的基本概念、发展历程、重点分支行业（如设备学习、深度学习、自然语言处理、计算机视觉等）及其在现代社会中的应用。
2. 理论与技术基本：学习和理解支撑人工智能的核心算法和理论，包含搜索算法、知识暗示、推理办法、决策制定、学习理论等。
3. 实践技能培养：经过编程实践和项目作业，把握最少一种编程语言（如Python）在人工智能行业的应用，以及怎样运用平常的AI框架和库（如TensorFlow、PyTorch）。
4. 问题处理能力：培养分析和处理人工智能问题的能力，包含怎样定义问题、选取合适的技术路线、设计并实施处理方法。
5. 伦理与社会责任：讨论人工智能技术的伦理和社会影响，理解隐私守护、数据安全、算法偏见等议题，培养负责任的AI研发与应用认识。
6. 创新与批判性思维：鼓励学生批判性地评定现有的AI技术，激发创新思维，探索AI在新行业的应用可能。
7. 沟通与团队合作：经过团队项目，提高与他人合作处理繁杂问题的能力，以及有效沟通科研成果和想法的能力。
8. 连续学习能力：鉴于AI行业的快速变化，课程应培养学生自主学习的习惯，跟踪技术发展，适应将来可能显现的新技术、新理论。
这些目的旨在为学生构建一个全面的人工智能知识框架，不仅关注技术细节，亦注重理论与实践的结合，以及技术的社会影响和伦理考量，为学生将来在AI行业的深入科研或职业发展打下坚实的基本。
03
课程思政
结合本课程融入的思政教育，旨在将思想政治教育与专业教育有机融合，引导学生在学习专业知识的同期，树立正确的世界观、价值观和道德观，培养拥有社会责任感和创新能力的高素质人才。
以下是有些可能包括在人工智能导论课程思政教育中的内容：
1. 国家政策与战略导向：介绍我国在人工智能行业的国家战略规划，如《新一代人工智能发展规划》等，使学生理解国家发展目的，加强服务国家重大需要的责任感和使命感。
2. 科技伦理与法律规范：探讨人工智能技术应用中的伦理问题，如隐私守护、数据安全、算法公平性、人工智能的责任归属等，强化学生的伦理认识和法制观念，培养遵守行业规范和法律法规的行径习惯。
3. 创新精神与工匠精神：强调在人工智能行业进行创新的重要性，鼓励学生勇于探索、敢于突破，同期弘扬精益求精的工匠精神，注重细节，追求卓越。
4. 团队合作与沟通能力：经过团队项目和案例分析，培养学生的团队协作能力，学会有效沟通，尊重多样性和包涵性，为将来跨学科合作打下基本。
5. 全世界视野与文化自信：在全世界化背景下，引导学生认识国际人工智能发展趋势，加强国际竞争认识，同期树立文化自信，鼓励在吸收国际先进成果的同期，贡献中国智慧和中国方法。
6. 社会责任与可连续发展：讨论人工智能技术怎样服务于社会发展，如在教育、医疗、环保等行业的应用，培养学生的社会责任感，思考怎样利用技术促进社会公平与可连续发展。
7. 批判性思维与自我反思：鼓励学生在学习技术的同期，培养批判性思维，对技术的利坏处进行理性分析，能够自我反思，理解技术进步对个人、社会和环境的全面影响。
8. 历史与将来展望：回顾人工智能的发展历程，激发学生对将来技术趋势的好奇心和探索欲，同期培养历史使命感，认识到做为将来技术领导者所承担的历史责任。
经过这些课程思政内容的融入，人工智能导论课程不仅教授技术知识，更注重学生全面发展，引导她们作为既有专业技术能力，又拥有高尚道德情操和剧烈社会责任感的新型科技人才。
04
教育内容及学时分配
1. 第1章 思考的工具（2学时）
【导读案例】动物智能：聪明的汉斯
1.1 计算的渊源
1.2 巴贝奇与数学设备
1.3 计算机的显现
1.4 计算机的智能行径
1.5 人工智能大师
2. 第2章 定义人工智能（4学时）
【导读案例】自动驾驶概述
2.1 人工智能学科基本
2.2 人工智能概述
2.3 人工智能发展历史
2.4 人工智能的科研
3. 第3章 大数据与人工智能（2学时）
【导读案例】电子商务的举荐系统
3.1 什么是模糊规律
3.2 模糊规律系统
3.3 数据思维与变革
3.4 大数据与人工智能
4. 第4章 智能体与智能代理（2学时）
【导读案例】智能体：下一个颠覆性AI应用
4.1 智能体和环境
4.2 智能体的良好行径
4.3 环境的本质
4.4 智能体的结构
4.5 智能代理技术
4.6 智能代理的典型应用
5. 第5章 设备学习（2学时）
【导读案例】奈飞的电影举荐引擎
5.1 什么是设备学习
5.2 基于学习方式的归类
5.3 设备学习的基本结构
5.4 设备学习算法
5.5 设备学习的应用
6. 第6章 深度学习（2学时）
【导读案例】人类与动物智商的差别
6.1 动物的中枢神经系统
6.2 认识人工神经网络
6.3 深度学习的定义
6.4 卷积神经网络
6.5 迁移学习
6.6 深度学习的应用
7. 第7章 强化学习（2学时）
【导读案例】谷歌制定新“守则”，保证设备人决策更安全
7.1 强化学习的定义
7.2 与监督学习的区别
7.3 强化学习基本理论
7.4 强化学习归类
7.5 强化学习的应用
8. 第8章 数据挖掘（2学时）
【导读案例】葡萄酒的品质
8.1 从数据到知识
8.2 数据挖掘办法
8.3 数据挖掘经典算法
8.4 设备学习 VS.数据挖掘
9. 第9章 设备人技术（2学时）
【导读案例】划时代的阿波罗计划
9.1 包涵体系结构
9.2 包涵体系结构的实现
9.3 设备感知
9.4 设备人的概念
9.5 设备人的技术问题
10. 第10章 计算机视觉（2学时）
【导读案例】谷歌大脑的诞生
10.1 模式识别
10.2 图像识别
10.3 计算机视觉技术
10.4 智能图像处理技术
10.5 计算机视觉系统典型功能
10.6 计算机视觉技术的应用
11. 第11章 自然语言处理（2学时）
【导读案例】设备翻译：大数据简单算法与小数据繁杂算法
11.1 语言的问题和可能性
11.2 什么是自然语言处理
11.3 语法类型与语义分析
11.4 处理数据与处理工具
11.5 语音处理
12. 第12章 GPT—大语言模型起步（2学时）
【导读案例】2023国内大模型汇总
12.1 自然语言处理的进步
12.2 科普AI大语言模型
12.3 CHATGPT的模仿秀
12.4 传统行业的下岗
13. 第13章 群体智能（2学时）
【导读案例】无人机最快圈速：算法掌控战胜专业驾驶员
13.1 向蜜蜂学习群体智能
13.2 什么是群体智能
13.3 典型算法模型
13.4 群体智能背面的故事
13.5 群体智能的应用
13.6 群体智能的发展
14. 第14章 自动规划（2学时）
【导读案例】自动驾驶泊车技术
14.1 规划的概念
14.2 人工智能的WUMPUS世界
14.3 什么是自动规划
14.4 规划办法
14.5 时间、调度和资源
15. 第15章 人工智能发展（2学时）
【导读案例】专家发掘新的人类脑细胞
15.1 创新发展与社会影响
15.2 伦理与安全
15.3 人工智能的极限
15.4 人工智能架构
15.5 人工智能的机遇与挑战
15.6 将来的人工智能
【课程学习总结】
05
教育办法与手段
• 结合课前“导读案例”阅读、课文的课堂讲授、课后习题点评讨论等多种方式。
• 强护理论联系实质，经过实例解析加深理解。
• 鼓励学生主动探索，培养自学能力。
• 鼓励学生发挥批判性思维，质疑，拓展知识。
06
考核方式
专业课：
• 平时成绩（作业、课堂参与等）：40%
• 期中考试：20%
• 期末考试：40%
选修课：
期末大作业：课程学习总结
07
选择教材
• 周苏 等主编，《人工智能通识教程》（第2版），清华大学出版社，2024。
08
教育进度安排
✦
参考书籍
✦
关联图书
在公众号书圈后台回复【9787302665762】，下载本书配套的教育资源
单击页面下方【阅读原文】，订阅【教育大纲】栏目返回外链论坛： http://www.fok120.com，查看更加多
责任编辑：网友投稿
| 
发表于 