（二）与相关课程的联系与分工

预修课程：《程序设计基础》、《高等数学》及《线性代数》。

本课程需要《程序设计基础》中程序设计的逐步求精过程、算法及描述方法等知识；需要《高等数学》中导数、偏导数、梯度等概念和基本知识；需要《线性代数》中矩阵及其运算、向量、线性空间与线性变换等基本知识。

2

课程教学目标

本课程主要围绕人工智能的概念、技术和应用而展开，具体来说，本课程的教学目标为：

教学目标1：掌握人工智能中知识表示、搜索技术、机器学习、人工神经网络与深度学习等基本概念和基本原理，并能灵活运用，为进一步学习其它软件工程的技术打下良好的理论基础，为其它课程学习提供知识保障。

教学目标 2: 理解人工智能中主要技术方法和不同领域的研究任务及策略，能深入体会其中经典技术和方法的思想，理解其优点与局限性。

教学目标 3:能针对复杂智能软件系统，进行研究、分析并设计出相应的解决方案。

教学目标 4：具有不断学习和适应发展的能力，了解和跟踪人工智能的前沿技术和最新发展趋势。

教学目标 5：培养学生勇于担当人工智能前沿技术的爱国主义精神，在实践中培养学生民族自豪感和勤奋刻苦、努力拼搏和创新精神与工匠精神。

毕业要求指标点实现矩阵

3

课程教学目标达成途径

4

课程学习内容

（一）课程学习内容与课程目标的关系

（二）课程学习的具体内容

第一单元：人工智能概述

【学习目标】

1. 学生能够了解人工智能的基本概念；

2. 学生能够了解人工智能的发展历史，理解人工智能三大流派的主要特点。

【教学内容】

1. 人工智能概述。

2. 人工智能的发展历史。

3. 人工智能的三大流派。

4. 人工智能的主要应用领域及成功案例。

【教学重点与难点】

重点：人工智能的内涵及发展历史、人工智能的三大流派。

难点：人工智能三大流派的特点。

【教学方法与学习活动】

1. 通过对人工智能概念及发展历史的讲授，同学们能理解人工智能的内涵。

2. 通过引入MOOC课程资源，采用线上线下混合式教学，培养自学能力，获取专业资料的能力，发展终身学习。

【课外学习】不少于4学时

1. 在慕课观看教学视频不少于1学时。

2. 阅读参考资料不少于2学时。

3. 完成慕课的线上作业1学时。

第二单元：计算机视觉

【学习目标】

1. 学生能够了解计算机视觉的研究内容和主要技术方法。

2. 学生能够理解计算机视觉中的常用模型和关键技术。

【教学内容】

1. 计算机视觉概述。

2. 数字图像的类型及计算机表示方法。

3. 常用计算机视觉模型和关键技术。

4. 计算机视觉应用实例。

【教学重点及难点】

重点：计算机视觉的主要研究内容、计算机视觉中的常用模型和关键技术。

难点：数字图像的计算机表示方法；计算机视觉中的模型。

【教学方法与学习活动】

1. 通过对数字图像的讲授，介绍数字图像的计算机表示方法，理解计算机视觉的处理对象。

2. 通过引入MOOC，采用线上线下混合式教学，培养自学能力。

3. 通过应用实例，介绍计算机视觉技术的典型应用场景。

【课外学习】不少于8学时

1. 在慕课观看教学视频不少于3学时。

2. 阅读参考资料不少于4学时。

3. 完成线上作业1学时。

第三单元：自然语言处理和语音技术

【学习目标】

2. 学生能够了解语音合成的概念与应用。

3. 学生能够了解自然语言处理的基本概念、研究内容及发展历史。

4. 学生能够理解自然语言处理的主要技术方法和典型应用。

【教学内容】

1. 自然语言处理概述。

2. 词法分析、句法分析。

3. 机器翻译。

4. 智能问答。

5. 语音的基本概念。

7. 语音合成。

【教学重点及难点】

【教学方法与学习活动】

1. 通过对语音和自然语言处理的讲授，介绍计算机对语音和语言的处理技术和方法。

2. 通过引入MOOC，采用线上线下混合式教学，培养自学能力。

3. 通过应用实例，介绍自然语言和语音技术的典型应用场景。

【课外学习】不少于10学时

1. 在慕课观看教学视频不少于4学时。

2. 阅读参考资料不少于5学时。

3. 完成线上作业1学时。

第四单元：知识表示、专家系统和知识图谱

【学习目标】

1. 学生能够理解知识与知识表示的概念。

2. 学生能够了解常用的推理技术。

3. 学生能够了解语义技术及其应用。

4. 学生能够了解专家系统及其典型代表。

5. 学生能够理解知识图谱的工作原理。

【教学内容】

1. 知识与知识表示的概念。

2. 产生式表示法。

3. 框架表示法。

4. 专家系统的概念、结构和典型性代表。

5. 知识图谱概述。

6. 万维网知识表示、语义技术。

7. 知识图谱的现状及应用实例。

【教学重点及难点】

重点：知识与知识表示的概念、知识图谱的概念及应用、语义技术。

难点：专家系统、产生式表示法、万维网知识表示。

【教学方法与学习活动】

1. 通过对知识与知识表示方法的讲授，理解人工智能中知识的存储和处理方法。通过对语义技术和知识图谱的讲授，阐明基于三元组的知识表示和推理技术。

2. 引入MOOC，采用线上线下混合式教学，培养自学能力。

3. 通过实际案例，讲解知识表示及推理的经典应用，了解知识图谱在搜索引擎等领域中的应用。

【课外学习】不少于10学时

1. 在慕课观看教学视频不少于4学时。

2. 阅读参考资料不少于5学时。

3. 完成线上作业1学时。

第五单元：问题求解与搜索技术

【学习目标】

1. 学生能够了解图搜索策略。

2. 学生能够理解盲目搜索、启发式搜索与博弈搜索。

【教学内容】

1. 图搜索策略。

2. 盲目搜索。

3. 启发式搜索。

4. 博弈搜索。

【教学重点及难点】

重点：图搜索、盲目搜索、启发式搜索。

难点：图搜索策略、博弈搜索。

【教学方法与学习活动】

1. 通过对搜索技术的讲授，阐明不同类型的搜索技术。

2. 通过引入MOOC，采用线上线下混合式教学，培养自学能力。

3. 通过搜索的多个实例，介绍各类搜索技术，了解搜索在人工智能中的应用。

【课外学习】不少于7学时

1. 在慕课观看教学视频不少于2学时。

2. 阅读参考资料不少于4学时。

3. 完成线上作业1学时。

第六单元：机器学习原理与应用

【学习目标】

1. 学生能够了解机器学习的概念和基本原理。

2. 学生能够理解监督学习、无监督学习。

3. 学生能够了解常用的机器学习算法。

4. 学生能够理解计算机视觉、自然语言处理中常用的机器学习算法。

【教学内容】

1. 机器学习的概念与发展。

2. 监督学习。

3. 无监督学习。

4. 常用机器学习算法。

5. 计算机视觉、自然语言处理中机器学习方法中使用的常用特征和算法。

【教学重点及难点】

重点：监督学习、无监督学习、常用机器学习算法、计算机视觉、自然语言处理中机器学习方法中使用的常用特征和算法。

难点：计算机视觉、自然语言处理中机器学习方法中使用的常用特征和算法。

【教学方法与学习活动】

1. 通过对机器学习概念及常用算法的讲授，了解机器学习的原理。

2. 引入MOOC，采用线上线下混合式教学，培养自学能力。

3. 通过机器学习算法应用实例，体会机器学习在人工智能中的具体应用。

【课外学习】不少于14学时

1. 在慕课观看教学视频不少于5学时。

2. 阅读参考资料不少于8学时。

3. 完成线上作业1学时。

第七单元：人工神经网络与深度学习

【学习目标】

1. 学生能够理解人工神经网络的概念与技术方法。

2. 学生能够理解BP神经网络及其学习算法。

3. 学生能够理解深度学习的原理。

【教学内容】

1. 神经网络的发展历史。

2. 神经元与神经网络。

3. BP神经网络及其学习算法。

4. 深度学习。

5. 深度学习的应用。

【教学重点及难点】

重点：人工神经网络、深度学习技术。

难点：BP神经网络及其学习算法。

【教学方法与学习活动】

1. 通过对人工神经网络与深度学习的讲授，阐明基于连接主义的技术在AI中的应用。

2. 通过引入MOOC，采用线上线下混合式教学，培养自学能力。

3. 通过实际应用案例，讲解人工神经网络及深度学习技术在AI中的实际应用。

【课外学习】不少于17学时

1. 在慕课观看教学视频不少于6学时。

2. 阅读参考资料不少于10学时。

3. 完成线上作业1学时。

第八单元：智能机器人

【学习目标】

1. 学生能够了解智能机器人技术。

2. 学生能够人工智能技术在智能机器人技术中的应用。

【教学内容】

1. 智能机器人的概念和发展史。

2. 智能机器人的智能感知等技术。

3. 智能驾驶系统。

【教学重点及难点】

重点：人工智能技术在智能机器人技术中的应用、智能驾驶系统。

难点：人工智能技术在智能机器人技术中的应用。

【教学方法与学习活动】

1. 通过对智能机器人技术的讲授，阐明智能机器人技术的内容和主要方法。

2. 通过引入MOOC，采用线上线下混合式教学，培养自学能力。

3. 通过机器人实际应用案例，讲解人工智能技术在智能机器人技术中的应用。

【课外学习】不少于6学时

1. 在慕课观看教学视频不少于2学时。

2. 阅读参考资料不少于3学时。

完成线上作业1学时。

5

课程考核方式

《人工智能概论》课程是考试课程，考核方式为闭卷考试。

成绩评定：总评成绩 = 平时成绩（50％）+期末成绩（50%）

其中，平时成绩由慕课、作业、调研报告（满分40分）、课堂表现（满分10分）构成。

考核评价标准：本课程的考核方式、内容、相应权重与对应评价的课程目标汇总列示见下表。

6

课程教学目标达成度评价

达成度评价依据：慕课与作业、课堂表现和期末闭卷考试。

达成度评价方法：采用课程考核成绩分析法，来确定课程教学目标达成度。具体计算过程参见相应的达成度计算表。最终结果填入下表：

课程总结要求：

依据达成度评价、教师自评、学生评价，以及课程教学情况和考核情况，对课程进行有针对性的总结。进一步，对比往年的课程考核情况，描述课程持续改进的内容和效果，并指明今后的改进思路。

7

课程学习资源

（一）选用教材

1. 《人工智能概论》，彭涛、刘畅编著，清华大学出版社，2023年

（二）参考资料

1. 《人工智能导论》，李德毅等编著，中国科学技术出版社，2018年

2. 《人工智能原理及其应用（第4版）》，王万森编著，电子工业出版社，2018年

3. 《人工智能及其应用（第6版）》，蔡自兴等编著，清华大学出版社，2020年

4. 中国大学MOOC平台，《人工智能与信息社会》课程，北京大学陈斌主讲

5. 中国大学MOOC平台，《人工智能：模型与算法》课程，浙江大学吴飞主讲

6. 中国大学MOOC平台，《人工智能概论》课程，北京联合大学彭涛主讲

✦

参考书籍

✦

《人工智能概论》

作者：彭涛、刘畅

定价：69元

扫码京东优惠购书

内容简介

本书对人工智能中的关键技术进行介绍，主要包括计算机视觉、自然语言处理、语音处理、知识表示与推理、专家系统与知识图谱、问题求解与搜索技术、机器学习原理、机器学习应用、人工神经网络与深度学习、智能机器人等。本书引领读者进入人工智能领域，了解人工智能的概念和发展简史，理解人工智能的三大流派，并熟悉人工智能的主要研究内容和应用领域。本书内容丰富，应用性强，在中国大学MOOC平台上开设了“人工智能概论”课程。本书主要面向人工智能、智能科学与技术、软件工程、计算机科学与技术、数据科学与大数据技术、机器人工程等相关专业的本科生、研究生，也可供人文社科类、管理类等学科专业的学生学习。

在公众号书圈后台回复【9787302633198】，下载本书配套的教学资源返回搜狐，查看更多