✦
教学大纲
✦
《人工智能技术基础》一书可作为高校人工智能专业、智能科学与技术专业等拟开设介绍当前人工智能涉及的技术基础的相关专业高年级本科生和研究生课程教材。以下给出的是48学时,3学分的参考教学大纲。使用本书的学校可根据具体的教学要求进行调整。
01
课程目标
课程的总体目标是旨在帮助学生掌握人工智能的基本原理和相关技术,拓展知识和技能范围,为利用人工智能技术解决相关应用领域中的问题打好基础,增强学生自主学习和终身学习的意识,培养创新思维和实践能力,为未来的学习和工作打下基础。
具体的任务目标:
(1)了解人工智能的基本概念、发展历程和应用领域;
(2)掌握常见的人工智能技术和算法,如人工神经网络、卷积神经网络、循环神经网络等;
(3)掌握注意力机制和变形金刚(Transformer)的基本原理;
(4)掌握知识图谱、图神经网络和生成式人工智能的基本理论与方法;
(5)了解弱监督、自监督、迁移学习、深度强化学习、元学习和小样本学习、持续学习等机器学习方法;
(6)了解生成式人工智能模型基本原理和架构;
(7)设计实现简单的人工智能应用项目,能够使用人工智能技术解决实际问题,培养实践能力和创新思维;
(8)培养学生勇于担当人工智能前沿技术的爱国主义精神,在实践中培养学生民族自豪感和勤奋刻苦、努力拼搏和创新精神与工匠精神。
02
教学内容及学时分配
第1章人工智能简介(学时:2)
1.1人工智能的定义及发展历史
1.2人工智能方法
1.3人工智能应用
1.4人工智能的未来
第2章神经网络基础(学时:6)
2.1生物神经元与生物神经网络
2.2人工神经元与人工神经网络
2.3前向神经网络
2.4反向传播算法
2.5处理数据和训练模型的技巧
第3章卷积神经网络(学时:6)
3.1卷积神经网络的特性
3.2卷积神经网络结构和训练
3.3卷积神经网络经典模型介绍
第4章循环神经网络(学时:4)
4.1循环神经网络的基本结构
4.2循环神经网络的训练方法
4.3循环神经网络拓展模型
4.4循环神经网络的应用结构
第5章注意力机制(学时:6)
5.1软注意力机制的原理及计算过程
5.2通道注意力和空间注意力
5.3自注意力机制
5.4互注意力机制
第6章变形金刚(Transformer)(学时:6)
6.1Transformer的结构和工作原理
6.2Transformer在自然语言处理(NLP)中的应用
6.3Transformer在视觉领域中的应用
第7章知识图谱(学时:4)
7.1知识图谱的起源
7.2知识图谱的架构
7.3知识抽取
7.4知识融合
7.5知识加工
第8章图神经网络(学时:4)
8.1图论基础与图谱理论
8.2图神经网络基本原理
8.3图神经网络分类
8.4卷积图神经网络
8.5图注意力网络
8.6图生成网络
8.7图时空网络
第9章生成式人工智能模型(学时:4)
9.1变分自编码器VAE
9.2生成对抗网络(GAN)
9.3流模型(Flow-basedModel)
9.4扩散模型(DiffusionModel)
9.5稳定扩散模型(StableDiffusionModel)
第10章机器学习(学时:6)
10.1弱监督学习
10.2自监督学习
10.3迁移学习
10.4深度强化学习
10.5元学习和小(零)样本学习
10.6持续学习
10.7大语言模型中的机器学习方法
实验说明:各高校可按专业需求,自行安排相关实验。
03
考核与成绩评定(使用单位可自行调整)
考核性质:考试。√
考核形式:笔试(闭卷)。√
考试用时:90分钟。√
成绩记载:百分制。√
成绩构成:
总评成绩=平时成绩40%(其中考勤5%,作业20%,课堂表现15%)+期末考试成绩×60%。
04
教学方法与手段
(1)采用讲授、案例分析、讨论等多种教学方法,引导学生主动学习和思考。
(2)通过实验和实践环节,帮助学生理解和应用所学知识。
(3)鼓励学生参与课外学习和实践活动,提升综合素质和能力。
05
大纲说明
(1)先修课程:
数学基础:高等数学、线性代数、概率论与数理统计等。这些课程为人工智能提供了必要的数学理论支持,是理解和应用相关算法的基础。
编程基础:Python编程、C++编程等。掌握至少一门编程语言是人工智能学习的基本要求,因为算法的实现和数据处理都需要编程技能。
数据结构与算法:这门课程可以帮助理解算法的原理和实现,为后续的人工智能学习打下基础。
计算机原理:了解计算机系统的基本组成和工作原理,对于深入理解人工智能技术有很大的帮助。
(2)适用专业:人工智能技术专业、智能科学与技术专业及任何拟开设全面介绍人工智能技术基础的相关专业
(3)适用对象:四年制本科生、研究生
✦
参考书籍
✦
相关图书
在公众号书圈后台回复【9787302664208】,下载本书配套的教学资源
单击页面下方【阅读原文】,订阅【教学大纲】栏目