智感25-人工智能导论-2024级.docxVIP

PAGE5

《人工智能导论》教学大纲

课程英文名

IntroductiontoArtificialIntelligence

课程代码

02M0032

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

专业课

课程性质

任选

先修课程

高等数学、线性代数、信号分析与处理

适用专业

智能感知工程（2024级）

开课学院

计量测试与仪器学院

执笔人

宋涛

审定人

沈小燕

制定时间

2025年1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

当前，人工智能领域发展迅速，对社会、经济、文化等方面的影响越来越深远。本课程主要介绍现代人工智能前沿技术的基本思想以及应用思路，为学生学习与应用人工智能技术奠定基础，拓宽视野。

本课程通过人工智能基础性、整体性、综合性知识的讲解与讨论，使学生理解人工智能的基本原理，了解目前人工智能领域的主流研究方向，掌握人工智能的基本理论和常用方法，为进一步学习数据科学与智能感知工程的实施奠定基础，着力提高学生的科学素质和优化学生的知识结构。

（二）课程目标

课程目标1：熟知人工智能的特点、主要研究领域、研究历史及未来发展动向，理解人工智能的基本概念。（毕业要求1.2）

课程目标2：理解人工智能算法的基本思想与基本原理，掌握人工智能的主要模型、算法。（毕业要求2.1）

课程目标3：能针对不同数据和目标，应用人工智能解决问题的思路设计可行的实验方案，采用合适的人工智能方法对数据进行处理、分类、识别。（毕业要求4.1）

（三）思政目标

本课程以“立德树人、学以致用”为导向，培养学生利用人工智能技术解决智能感知领域相关工程问题的能力，理解人工智能对于我国科技自主化和关键产业发展的重要性，激发学生对专业的认同感和爱国情怀；同时在工程问题的发现与解决过程中，培养学生形成求真务实的科学思维，激发学生创新意识。

二、课程目标达成的途径与方法

以课堂教学为主，结合拓展学习、课堂测试、实验作业、期末课程设计等方法来达成。

1.课堂教学主要讲解人工智能、机器学习的基本概念，一些基本的机器学习和人工智能方法如KNN最近邻分类、线性模型、支持向量机、聚类分析、神经网络、深度学习的基本方法等算法及其应用的基本思想。课堂教学尽量引入互动环节，使同学们能更好地融入课堂教学，提高教学效果；针对实际应用案例部分，则多采用实际应用场景视频、图片和师生互动的方式，力求课堂氛围活泼生动。

2.通过8个学时的上机实验，让学生自己动手编程实践4个经典的人工智能算法，提高学生的实际动手能力、编程能力和解决问题的能力，每位学生提交实验报告。

3．要求学生完成来源于真实应用场景的实践项目，鼓励学生在电脑上搭建编程环境，动手实践中增强学生对基本原理和方法的理解。

三、课程目标与相关毕业要求的对应关系

课程目标

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2.1

毕业要求4.1

课程目标1

M

课程目标2

H

课程目标3

H

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）。

2.相关毕业要求：

1.2工程基础和专业知识：具备光、机、电、算、软等专业相关的工程基础和专业知识。

2.1问题识别和表达能力：能够准确识别智能感知工程专业领域复杂问题中的科学原理和工程基础理论，能够清晰表达该复杂工程问题中的重要信息、参数指标、功能要求等，并初步判断该工程问题的复杂程度。

4.1研究方案调研和设计能力：系统了解常用研究方法，如实验法、数值模拟法、文献研究法等，具有针对典型专业复杂工程问题梳理、评述已有研究方案的能力，能够针对该复杂工程问题合理制定研究路线、设计实验方案。

四、课程主要内容与基本要求

第一章人工智能概论

介绍人工智能的定义、人工智能的发展史、人工智能的研究内容和应用领域。

通过介绍人工智能近百年来的发展过程中如何经历了“三次寒冬”，使学生认识到从最初的逻辑推理到现在的深度学习，每个阶段都反映了人类对于智能的探索和追求，引导学生学习勇于探索、敢于创新的科学精神。

第二章人工智能开发常用工具库

掌握包括Numpy、Pandas、Matplotlib等常用数据工具库的基本使用方法。

第三章人工智能基本概念和模型评估

了解过拟合的概念，理解如何利用正则化方法改进回归和分类性能；掌握模型性能评估方法。

从技术伦理的道德维度，探讨人工智能技术发展中的伦理问题，如大规模数据的隐私和安全问题，无人驾驶车辆面临事故时做出道德决策问题等社会热点话题分析，强调科技工作者在技术研发和应用中的道德责任。

第四章K近邻分类器

掌握K近邻算法的基本原理，熟悉K近邻分类器的应用流程。

第