测卓29-02M0032-人工智能导论.docVIP

PAGE4

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、概率论与数理统计

适用专业

测控技术与仪器（卓越）

适用年级

2024级

开课学院

计量测试与仪器学院

执笔人

沈超

审定人

姚燕

制定时间

2025年1月

《人工智能导论》教学大纲

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

本课程是测控技术与仪器专业本科生的一门基础理论课。通过这门课程的学习，学生初步掌握人工智能的基本理论和常用方法，掌握目前人工智能领域的主流研究方向，为学习专业理论课和扩大数学知识面奠定必要的工程应用数学基础。

（二）课程目标

本课程以培养计量行业工程人才为核心，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，理解人工智能对国民经济的重要意义，培养学生形成求真务实的科学思维，激发学生创新意识。具体课程目标如下：

1.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。理解本课程研究的对象和内容，能解释机器学习中主要专业术语，理解机器学习相关的数学方法和基础知识。

2.学习并理解几种经典的人工智能算法的底层数学原理和推导过程，并能针对具体问题进行相应的应用。

3.能根据不同的样本、数据和目标，采用针对性的人工智能方法对数据进行处理、分类和识别。

（三）思政目标

1.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。

2．在各个主要知识点的讲解过程中，通过对国内外各个高校和公司在人工智能领域的最新研究成果对比，让学生意识到我国目前在该领域的优势和不足，激发学生的爱国热情和学习热情。

3．通过实际案例，让学生明白在人工智能中数学理论和实际应用是如何有机结合的，培养学生踏实求是创新的科学精神。

二、课程目标达成的途径与方法

以课堂教学为主，结合平时作业、课后答疑等。

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线性回归、Logistics回归、聚类分析、神经网络、支持向量机、贝叶斯分类器、深度学习的基本方法如深度前馈网络、深度卷积网络等，通过演算和分析，使学生能够熟练应用相关的数学工具。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。

人工智能是一门既有深厚的数学理论又有丰富的实际应用案例的学科，因此在课程教学过程中，对理论和实际案例采用不同的教学方式。

针对理论部分，多采用板书的形式，少用或不用PPT，将各个理论从零开始一步一步当堂推导和演算，力求讲深讲透；

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；

通过8个学时的上机实验，让学生自己动手编程来实现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。

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

毕业要求3

毕业要求6

课程目标1

M

课程目标2

M

课程目标3

M

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

第一章概论

介绍人工智能的定义、人工智能的发展史和人工智能的研究内容。

第二章模型评估与选择

了解模型评估方法和选择原则。

第三章线性模型

理解线性模型的基本形式，掌握最小二乘法的求解思路，掌握如何利用梯度下降法求解最小二乘问题。掌握如何利用Logistic回归进行分类。

第四章决策树

掌握决策树的理论机制，学会使用决策树来进行分类与回归。

第五章支持向量机

掌握支持向量机的数学原理，学会使用支持向量机来完成分类任务。

第六章贝叶斯分类器

掌握Na?veBayesian分类器的思路，理解贝叶斯网络的基本结构。

第七章集成学习

了解集成学习的基本概念，学会构建随机森林。

第八章神经网络

理解神经网络的基本结构，掌握神经网络的参数优化方法，学会利用神经网络进行回归和分类任务。了解深度学习的基本思路，掌握随机梯度下降法，掌握如何利用卷积神经网络进行图像识别。

五、课程学时安排

章节号

教学内容

学时数

学生任务

对应课程目标

第1章

绪论

人工智能的定义、人工智能的发展史和人工智能的研究内容

3

课后习题

课程目标1

思政目标1

第2章

模型评估与选择

了解模型评估方法和选择原则

4

课后习题

课程目标2

课程目标3

第3章

线性模型

线性模型的基本形式，最小二乘法的求解思路，如何利用梯度下