《人工智能技术》课程教学大纲（本科）.pdfVIP

《人工智能技术》课程教学大纲 一、课程基本情况 课程代码：1041339041 课程名称（中/英文 ：人工智能技术/Artificial Inligence Tecnology 课程类别：专业选修课 学分：2 总学时：32 理论学时：24 实验/实践学时：8 适用专业：物联网工程 适用对象：本科 先修课程：线性代数、程序设计基础（C 语言 教学环境：多媒体教室 开课学院：计算机与信息工程学院 二、课程简介 本课程是物联网工程专业的专业选修课程，旨在提高同学们对目前前沿人工智能的知识与技能 的一门课程。人工智能是研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划 等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人们智能的科学。通过该门课程 的学习，使学生了解人工智能的基本概念、分支领域和发展概况；掌握人工智能的基本技术：神经 网络、机器学习、学习等基本原理以及 Pyton 编程基础、TensorFlow 实践的相关知识与技能；培养 学生综合运用各种所学知识，提升其分析问题和解决问题的能力；激发学生勇于创新、服务祖国的 理想。 三、课程教学目标 1.课程对毕业要求的支撑 毕业要求 指标点 1.1 具备数学及自然科学知识，并能将其应用于计算机和物联网系统问题的恰当 1.工程知识 表述与建模； 2. 1 能够运用数理知识识别和判断物联网应用系统中的核心问题； 2. 问题分析 2.2 针对物联网领域复杂工程问题，能查阅分析文献寻求解决方案并进行正确表 达； 12.终身学习 12.1 能够认识到终身学习的重要性，掌握正确的学习方法，树立适合自己发展 的规划和目标； 2.课程教学目标及其与毕业要求指标点、教学内容的对应关系 毕业要求 课程目标 教学内容 教学环节 指标点 神经网络基础知识；神经 (1)理论教学 1.掌握人工智能的基础理论、基本方法和实 网络模型；梯度下降法； (2)作业 1.1 用算法，能够根据人工智能领域实际问题特 激活函数、损失函数和过 (3)讨论交流 征，选择研究路线，设计可行的实验方案。 拟合；卷积神经网络；降 (4)实验 维的基本概念；k 近邻学 习；主成分分析；线性判 别分析法；非线性低维嵌 入；奇异值分 解 Pyton 编程环境搭建； Pyton 编程基础；Pyton 机器学习库；TensorFlow 发展历程与演进、 TensorFlow 环境安装； 2.在