袁进李智勇_人工智能基础_2015春课程大纲.pdfVIP

课程教学大纲 （Structure and Syllabus） 基本要求 一、课程基本信息 开课单位 计算机工程系 课程代码 CS05026 课程名称 人工智能基础 英文名称 Foundations of Artificial Intelligence 任课教师 袁进，李智勇 教学助理（TA） 徐东，戴鑫 课程性质 系核心课 学 分 3.0 总 学 时 80 （课堂讲授48+小班 先修课程 数据结构，程序设计基础，算法 讨论 16+实验 16） 设计与分析 开课学期 2015 年春季 适应专业 智能科学与技术 二、课程教学目标 （一）素质养成（请参照《华盛顿协议》的毕业生素质要求） 1.了解目前人工智能的基本定义，历史发展与未来的趋势，熟悉常用的人工智能领 域的基本算法，并能够实现基本的算法。 2.在课程讨论中学会与团队中其他成员的交流，分工与合作，养成良好的纪律性。 3.加强学生的实验分析能力培养，能够有效准备地对实验数据进行分析并得出结论。 4.能够自行学习与课程相关的其他材料，养成较强的自学能力。 （二）能力培养（请参照 《华盛顿协议》的毕业生的专业能力概要） 能够将人工智能基础课程上学到的相关知识应用于解决实际问题，包括： 1.能够发现，明确表述，研究文献并分析复杂的工程问题，并为复杂的工程问题提 供解决方案； 2.能够将本课程的知识与其他课程的相关知识融会贯通并应用到实际领域中。 3.在团队合作中，能够有效地发挥个人作用，同时也发挥团队成员或者领导者的作 用。 三、教材与参考书 教材： Styart J. Russell, Peter Norvig 著。殷建平, 祝恩等译。人工智能：一 种现代的方法 (第三版)。清华大学出版社，2013。 补充读物: 1. Prolog Experiments in Discrete Mathematics, Logic, and Computability， James L. Hein，Portland State University, 2009. 2. Learning Bayesian Network, Richard E. Neapolitan, Northeastern Illinois University, Chicago, Illinois, 2004. 3. A Tutorial on Support Vector Machines for Pattern Recognition. Christonpher J. C. Burges, Bell Laboratories, Lucent Technologies, 1998. 4. Fundamentals of Neural Networks: Architectures, Algorithms And Applications, 1st Edition, Laurene V. Fausett, Pearson, 1993. 5. Speech and Language Processing, 2nd Edition, Daniel Jurafsky, James H. Martin, Prentice Hall, 2008. 6. Introduction to Information Retrieval,