原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE3
《人工智能数学基础》教学大纲
课程英文名
MathematicalFoundationsof
ArtificialIntelligence
课程代码
03M0294
学分
2
总学时
32
理论学时
24
实验学时
0
上机学时
8
实践学时
0
课程类别
学科基础课
课程性质
选修
先修课程
高等数学、线性代数、概率论与数理统计
适用专业
人工智能
开课学院
信息工程学院
执笔人
陈薇
审定人
专业评定小组
制定时间
2025年01月
注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。
一、课程地位与课程目标
（一）课程地位
本课程是人工智能专业的学科基础核心课程，面向中低年级本科生。人工智能数学基础的课程内容主要包括对实际需求进行定性和定量分析，建立恰当的数学模型来描述问题，并设计合适的计算方法来寻找问题的最优解，课程着重探索研究问题的数学表示、模型和算法的理论性质，考察算法的计算性能等多方面特性。为解决问题或实现系统功能目标提供依据。其中矩阵分析、相似性度量、最优化、信息论与熵、线性分析与卷积等在人工智能领域占据核心地位。人工智能数学基础为人工智能专业的很多核心课程，例如机器学习、深度学习、计算机视觉、自然语言处理等提供理论和实践支撑。本课程目标是使学生掌握人工智能数学基础的基本理论和应用方法，一方面为后续课打下扎实的理论基础，另一方面为学生建立数学思维逻辑框架，提升分析和解决问题的能力。
课程目标
该课程应达到的预期学习结果（ILO，IntendedLearningOutcomes）如下所示：
1、ILO-1：了解人工智能数学基础中的核心概念，包括矩阵分析、相似性度量、最优化、信息论与熵、线性分析与卷积等；掌握相关数学工具的理论基础，理解其在人工智能中的应用背景与意义；具备对实际问题进行定性与定量分析，并建立合适数学模型的能力。
2、ILO-2：掌握人工智能领域中常用的数学模型及算法，熟悉这些模型和算法的基本性质及其计算性能分析；具备运用数学方法解决问题的能力，包括通过设计算法寻找最优解，评估结果的合理性与有效性；能够利用主流编程工具（如Python等）实现关键数学计算。
3、ILO-3：培养学生运用数学思维分析与解决人工智能复杂问题的能力，建立良好的数学建模与计算思维方式；开阔学生视野，使其理解人工智能数学基础在核心技术（如机器学习、深度学习等）中的重要支撑作用；提升其创新能力和实践精神，增强社会责任感，为人工智能技术的发展与实际应用做出贡献。
二、课程目标达成的途径与方法
课程主要以课堂教学与上机实验相结合，具体通过课堂教学、课堂讨论、课外作业、上机实验、团队项目、期末考试等途径和方式来达成。课程目标达成的途径与方法如下表所示。
课程目标
课程目标达成的途径与方法
ILO-1
课堂教学、课堂讨论、课外作业、期末考试
ILO-2
课堂教学、课堂讨论、课外作业、上机实验、期末考试
ILO-3
课堂教学、课堂讨论、上机实验、团队项目
课程目标与相关毕业要求的对应关系
本课程支撑的毕业要求如下：
毕业要求1:工程知识：能够将数学、自然科学、人工智能专业知识用于解决人工智能相关的复杂工程问题。
毕业要求1-2：能够针对人工智能系统建立合适的数学模型求解、仿真。
毕业要求2：问题分析：能够应用数学、自然科学和工程科学的基本原理，识别、表达、并通过文献研究分析人工智能领域复杂工程问题，以获得有效结论。
毕业要求2-2：能够对分解后的复杂工程问题进行表达、建模。
毕业要求4：研究：能够基于人工智能科学原理并采用科学方法对复杂工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。
毕业要求4-2：能够基于人工智能科学原理和科学方法对复杂工程问题制定实验方案，构
建实验系统进行实验。课程目标对毕业要求的支撑关系如表1所示。
课程目标
毕业要求
课程目标对毕业要求的支撑程度（H、M、L）
毕业要求1-2
毕业要求2-2
毕业要求4-2
ILO-1
M
ILO-2
H
ILO-3
M
表1课程目标对毕业要求的支撑关系
注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。
四、课程主要内容与基本要求
1.矩阵分析和应用
知识点：特征向量、矩阵分析和似性度量的定义和计算。
基本要求：学生熟练掌握向量空间、矩阵运算的基础概念、特征值、初等变换，多种距离度量。
2.函数与泛函分析
知识点：区间到函数映射再到导数，包含多元函数导数，和泛函分析的基础理论。
基本要求：学生掌握函数定义、多元偏导、导数方向和梯度、特征值与特征函数等概念，熟练掌握进行给定多元函数求导、Hessian矩阵判定等。
3.概率与信息论
知识点：条件概率
文档评论（0）