人工智能-华中科技大学研究生院.docVIP

附件6． 计算机 学院（系、所）国际一流水平 研究生课程简介 (中英文各一份) 课程名称：人工智能 课程代码：210.525 课程类型：□一级学科基础课 ■二级学科基础课 □其它： 考核方式： 全英文考试 教学方式：全英文讲授 适用专业： 计算机科学与技术 适用层次：■ 硕士 □ 博士 开课学期： 秋季 总学时：32 学分：2 先修课程要求：概率论 课程组教师姓名 职 称 专 业 年 龄 学术方向 王天江（负责人） 教授 计算机应用 52 人工智能、模式识别 刘芳 副教授 计算机应用 39 人工智能、模式识别 冯琪 讲师 计算机应用 43 人工智能、模式识别 课程负责教师教育经历及学术成就简介： 课程负责人王天江，教授，留学经历为：1990年10月至1992年4月在日本富士通公司从事软件研发工作；1994年6月至1995年1月在西班牙DEC公司学习VAX系统；2008年10月至2009年3月作为高级访问学者在美国伊利诺伊香槟分校计算机学院学习。从事人工智能、机器学习、模式识别以及计算机视觉等领域的研究，承担过与该领域相关的国家自然科学基金课题以及国家863课题，发表论文30余篇；承担过的相关教学任务包括为本科生和硕士生讲授的《人工智能》、以及为留学生用英语讲授的《人工智能》。 主要授课教师刘芳，副教授，留学经历为：2009年9月至2010年9月在作为访问学者在英国约克大学计算机系计算机视觉与模式识别研究组学习。从事人工智能、模式识别以及计算机视觉等领域的研究，参与多项与该领域相关的国家级项目，发表论文20余篇；承担过的相关教学任务包括为本科生讲授的《算法设计与分析》、为本科生以及硕士生讲授的《人工智能》、为留学生用英语讲授的《人工智能》与《高级操作系统》。 主要授课教师冯琪，讲师，从事人工智能、模式识别以及计算机视觉等领域的研究，参与与该领域相关的国家级项目，发表论文10余篇；承担过的教学任务包括为本科生讲授的《软件工程》、《C语言程序设计》等。 课程教学目标： 在本课程中，学生将学习到人工智能领域中的一些高级课题，包括不确定问题求解、机器学习中的高级算法、概率推导模型、时序模型、不确定规划以及机器人学。课程部分内容采用了斯坦福大学的人工智能公开课程使用的素材，并借鉴其面向具体问题的互动式讲授方法进行授课。 本课程的目的是为同学们介绍现代人工智能，同学们将从中学习到更为深入的人工智能问题与求解方法、技巧。我们同时也希望本课程能激发同学们对于人工智能这一领域的兴趣。 本课程为硕士生设计，在课程讲述中对于人工智能基本概念与方法会进行简单回顾，但为学习效果考虑，我们仍希望同学们具备人工智能与概率论的基础知识。 课程大纲：（章节目录） 第一章 概论（1学时） §1.1 人工智能研究什么 §1.2 研究现状 第二章 智能代理（1学时） §2.1 智能代理与环境 §2.2 行为的合理性 §2.3 环境特性对智能代理的影响 第三章 问题求解（6学时） §3.1 不确定搜索 §3.2 部分可观察搜索 §3.3 不完全实时决策 §3.4 随机决策 第四章 知识表达与规划（8学时） §4.1 经典规划 §4.2 序列决策问题 §4.3 完全可观察马尔科夫决策过程 §4.4 部分可观察马尔科夫决策过程 第五章 机器学习（8学时） §5.1 决策树学习 §5.2 线性模型回顾 §5.3 EM算法 §5.4 时序模型推导 §5.5 隐马尔科夫模型 第六章 感知（4学时） §6.1 成像 §6.2 对象识别 §6.3 3D重构 第七章 机器人（4学时） §7.1 硬件与软件 §7.2 移动规划 §7.3 规划不确定移动 教材：全英文教材：斯图尔特.罗素，彼得.诺文著, 人工智能：一种现代的方法（第3版），清华大学出版社 主要参考书： 1. 何书元，概率论，北京大学出版社 2. 史忠植，高级人工智能（第3版），科学出版社 本课程达到国际一流水平研究生课程水平的标志： 师资方面：教学团队应配备学术水平高、教学经验丰富、具有教授职称的教学负责人，一批从事相关研究工作的、具有副教授职称的教学人员。团队主要成员应具备国外访学经历，具备全英文授课以及国际交流的能力。 教学内容方面：教学内容需要基础理论与前沿并重，应跟踪计算机领域国际排名前3位的课程内容，在深度与广度上应与计算机领域一流大学的课程内容水平相当。 教学方式方面：教学方式应在知识传授的基础上，营造创造性的环境，培养学生批判性的学习态度。基础知识能以团队相关研究中抽取的实例进行讲解，利用随堂练习或作业以及期中小测试评价基础知识掌握情况；同时设立专门的讨论课，在讨论课上激发并