1223S06073-人工智能-2023版人才培养方案课程教学大纲.docxVIP

PAGE1

ADDINCNKISM.UserStyle《人工智能》课程教学大纲

（理论课程·2023版）

一、课程基本信息

课程号

1223S06073

开课单位

生命科学院

课程名称

（中文）人工智能

（英文）ArtificialIntelligence

课程性质

选修

考核类型

考试

课程学分

2

课程学时

34

课程类别

选修课

先修课程

高等数学，线性代数，概率论等

适用专业（类）

生物信息学

二、课程描述及目标

（一）课程简介

人工智能作为计算机科学的一个重要分支，是一门理论基础完善、多学科交叉且应用领域广阔的前沿学科，主要研究如何利用计算机模拟、延伸和扩展人类的智能活动，即通过研究如何使计算机更聪明、能运用知识处理问题、可模拟人类的智能行为，进而揭示人类智能的根本机理。其主要任务是建立或运用智能信息处理理论，设计并实现可展现某些近似于人类智能行为的计算机系统。

《人工智能》课程是本专业（类）的一门选修课程，

旨在通过理论教学与实践操作训练，使学生掌握人工智能的基本概念、基本原理和基本方法，了解人工智能研究与应用的新进展和新方向，开阔学生知识视野、提高解决问题的能力，为将来更加深入的学习和运用人工智能相关理论和方法解决实际问题奠定初步基础。

（二）教学目标

课程目标1、知识与技能目标

了解人工智能的发展与研究内容，掌握人工智能的基本概念、基本思想方法和重要算法，熟悉典型的人工智能系统，学习用启发式有哪些信誉好的足球投注网站求解问题，初步具备用经典人工智能方法解决一些简单实际问题的能力。

课程目标2、过程与方法目标

通过学习掌握人工智能的基本概念、基本思想方法和重要算法，了解人工智能研究与应用的新进展和新方向，拓展学生知识视野，为进一步学习和运用人工智能相关理论方法解决实际问题奠定初步基础。

课程目标3、科学研究发展目标

通过课程学习，对人工智能从整体上形成较清晰全面的了解，更重要的是培养学生积极思考、严谨创新的科学态度和解决实际问题的能力。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-3：掌握比较扎实的数学和物理、化学方面的基础理论知识,具有计算机及信息科学等方面的基础知识。

课程目标1

30%

2-3：具有浓厚的科学兴趣及批判性思维能力。

课程目标2

20%

2-5：具有一定的计算机和信息技术应用能力。

课程目标2

20%

3-3：具备良好的专业素质，受到严格的科学思维训练，有求实创新的精神、批判性思维和可持续发展理念。

课程目标3

30%

四、教学方式与方法

4.1、注重实例的教学方式

鉴于课程内容涉及较多数学和逻辑学知识，而以概念为中心辅以范例的传统教学方式难免产生枯燥与乏味。因而从激发学习兴趣角度出发，同时也结合课程性质，可考虑于教学过程中尽可能简化繁琐的数学推导和定理证明，将重点放在解决问题的原理和思路上，并多讲解一些经典有趣的实例，通过实例建立起与教材知识点清晰的内在联系，如此既可锻炼学生的逻辑思维能力，亦能促进学习兴趣的提高。

4.2、直观生动的动画辅助演示

人工智能作为一门智能学科领域的专业基础课，其所涵盖的技术、算法、理论虽在相关课程中已有所涉及，但受逻辑与智能应用目标的影响也存在诸多不同，有限学时内或较难将这些问题讲解全面透彻，因而在课件中可多辅以动画进行直观演示，使基本原理和概念得到高效理解，进一步激发学习兴趣并真正做到学有所获。

4.3、注重能力评价的考核方式

人工智能作为新一轮科技革命和产业变革的重要驱动力量，其不仅是未来科技发展的必然趋势，更已上升为国家战略。鉴于人工智能的学科特点，课程教学的目的既是对相关知识的学习和掌握，更重要的是对学生独立思考、创新意识和解决问题能力的锻炼和培养。为此，课程考核主要采用考察方式，将学生视为课程教学的主体，以学生为中心建立自主、合作、探究的学习模式。

五、教学重点与难点

第1章绪论

教学内容：本章首先介绍人工智能的定义、发展概况及相关学派和他们的认知观，然后讨论人工智能的研究和应用领域，最后简介本书的主要内容。

教学重点：

1．从不同科学或学科出发对人工智能进行的定义；

2．介绍人工智能的起源与发展过程；

3．讨论人工智能与人类智能的关系；

4．简介目前人工智能的主要学派；

5．简介人工智能所研究的范围与应用领域。

教学难点：

1．怎么样理解人工智能；

2．人工智能作为一门学科有什么意义；

3．人工智能的主要学派与其争论焦点；

第2章模型评估与选择

教学内容：本章讨论模型的评价和评估方法，是人工智能课程三大内容（知识表示、知识推理、知识应用）之一，也是学习人工智能其他内容的基础。

教学重点：

1．人工智能方法的泛化性

2.人工智能方法的归纳偏好

3.人工智能评价方法

教学难点：

理解人工智能的泛化性

知道人工智能算法都需