人工智能
为积极响应国家低碳环保政策，2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。
电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。
认证证书申请注意事项：
1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
《人工智能概论》课程教学大纲
《人工智能概论》课程教学大纲
课程名称：人工智能概论 课程类别：专业选修课
适用专业：电子信息工程 考核方式：考查
总学时、学分：32学时2学分
一、 课程性质、教学目标
人工智能概论是电子信息工程专业的一门专业选修课程，目的是使学生在已有专业基础知识的基础上通过学习，对人工智能从整体上有一个较清晰全面的系统了解；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最新进展和发展方向；开阔学生知识视野、提高解决问题的能力，为将来使用人工智能的相关方法和理论解决实际问题奠定初步基础。
该课程主要讲述知识与知识表示、确定性推理、不确定性推理、搜索策略、专家系统、机器学习、神经网络等方面内容，使学生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识。其具体的课程教学目标为：
课程教学目标1：了解人工智能的发展状况与研究内容；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；学习用启发式搜索求解问题；了解简单的机器学习和专家系统方法；初步具备用经典的人工智能方法解决一些简单实际问题的能力。
课程教学目标2：通过本课程的学习，对人工智能从整体上有一个较清晰全面的系统了解，培养积极思考、严谨创新的科学态度和解决实际问题的能力，培养使用人工智能的方法解决相关问题的实际能力。
课程教学目标与毕业要求对应的矩阵关系
教学目标
毕业要求
1
2
3
4
5
6
7
8
教学目标1
H
L
L
L
教学目标2
H
L
H
M
M
二、 课程教学要求
通过课堂教学，要求学生了解人工智能的发展状况与研究内容，掌握基本概念、基本原理方法和重要算法，掌握人工智能的一些主要思想和方法，熟悉典型的人工智能系统——产生式系统和简单的模糊推理方法，学会用启发式搜索求解问题，了解基本的神经网络和机器学习方法，初步具备用经典的人工智能方法解决一些简单实际问题的能力。
三、 先修课程
算法与数据结构、概率论与数理统计、程序设计。
四、 课程教学重、难点
本课程以知识表示、模糊推理和启发式搜索为授课内容的重点；以证据理论、状态空间搜索策略和专家系统为难点。在授课过程过需要对这些内容加以整理精简，分清主次，合理安排授课内容和授课时间。
五、 课程教学方法与教学手段
课堂讲授和讨论相结合。注重理论指导的作用，积极探究达到最佳视觉效果的典型做法。在教学环节引入多媒体演示，通过形象生动的视频演示让学生们了解人工智能的科学价值和实际应用所在。视频可以选用世界一流大学实验室的开放多媒体内容。同时贯彻理论和实践相结合的原则，给学生处一定量的思考，并要求完成一定量的作业，以提高学生的理论水平，培养学生的动手能力和创新精神。
六、 课程教学内容
第一章 绪论（2学时）
1．教学内容
(1)人工智能的概念；
(2)人工智能的发展简史；
(3)人工智能当前的一些发展方向和热点；
(4)人工智能的基本研究内容、研究方法。
2．重、难点提示
(1)重点是人工智能基本概念，相关名词术语的含义；
(2)难点是人工智能的研究内容和方法。
第二章 人工智能的数学基础（4学时）
1．教学内容
(1)人工智能中常用的一些数学理论和概念；
(2)数理逻辑中有关命题逻辑和一阶谓词逻辑的原理；
(3)多值逻辑原理；
(4)概率论的基本概念和原理；
(5)模糊集合模糊逻辑的基本概念和模糊集上的基本运算。
2．重、难点提示
(1)重点是Bayes公式，模糊集合模糊逻辑的基本概念和基本运算；
(2)难点是数理逻辑中有关命题逻辑和一阶谓词逻辑的原理。
第三章 知识与知识表示（4学时）
1．教学内容
(1)知识与知识表示的概念；
(2)一阶谓词逻辑表示方法；
(3)产生式表示法；
(4)框架表示法。
2．重、难点提示
(1)重点是产生式表示法、语义网络表示法；
(2)难点是框架表示法。
第四章 经典逻辑推理（4学时）
1．教学内容
(1)推理的基本概念；
(2)命题逻辑和一阶谓词逻辑的反演归结方法；
(3)基本的归结策略。
2．重、难点提示
(1)重点是归结演绎推理；
(2)难点是一阶谓词逻辑的反演归结方法。
第五章 不确定性推理方法（6学时）
1．教学内容
(1)不确定性推理的基本概念；
(2)可信度方法；
(3)证据理论；
(4)模糊理论。
2．重、难点提示
(1)重点是模糊推理；
(2)难点是证据理论（D-Stheory）。
第六章 搜索求解策略（6学时）
1．教学内容
(1)搜索的概念；
(2)状态空间的搜索策略；
(3)盲目搜索策略；
(4)启发式搜索策略。
2．重、难点提示
(1)重点是启发式搜索；
(2)难点是状态空间搜索。
第七章 专家系统与机器学习（6学时）
1．教学内容
(1)专家系统的产生和发展；
(2)专家系统的概念；
(3)专家系统的工作原理；
(4)专家系统的建立与评价；
(5)机器学习的基本概念；
(6)神经网络的基本概念及基本学习过程。
2．重、难点提示
(1)重点是专家系统的一般特点和结构，机器学习的基本概念；
(2)难点是专家系统的结构和建立步骤，神经网络学习过程。
七、学时分配
章目
教学内容
教学环节
理论教学学时
实验教学学时
其他
一
绪论
2
0
0
二
人工智能的数学基础
4
0
0
三
知识与知识表示
4
0
0
四
经典逻辑推理
4
0
0
五
不确定推理方法
6
0
0
六
搜索求解策略
6
0
0
七
专家系统与机器学习
6
0
0
总计
32
0
0
八、课程考核方式
1.考核方式：
笔试；开卷
2.成绩构成
期末成绩+平时成绩
九、 选用教材和参考书目
［1］《人工智能导论》（第三版），王万良编，高等教育出版社，2011年；
［2］《人工智能教程》（第二版），王士同，电子工业出版社，2006年；
［3］《人工智能及其应用本科生用书》（第四版），蔡自兴、徐光佑编，清华大学出版社，2011年；
［4］《人工智能》（第二版），丁世飞编，清华大学出版社，2015年；
［5］《人工智能：智能系统指南》（第三版），[澳]MichaelNegnevitsky著，机械工业出版社，2012年；
［6］《人工智能原理与方法》（第三版），王永庆编，西安交通大学出版社，2000年。
人工智能学习方法：课程大纲、计划、内容
提到人工智能大家的第一反应就是小白可以自学人工智能吗？人工智能开发如何入门？基于这些问题黑马程序员特地整理最新的人工智能学习路线图，帮助大家了解人工智能学什么，每一个阶段应该掌握什么内容。构建大家的学习思路，首先我们来看一张学习路线图：
图片被压缩了，可以到黑马程序员官网下载。
第一阶段人工智能开发入门：从人工智能Python语言入手，掌握Python基础语法，位后续的学习打基础。第二阶段机器学习核心技术：掌握核心机器学习算法原理，掌握分类、回归、聚类使用场景，满足人工智能数据挖掘岗位，薪资可达到得15K-20K。第三阶段深度学习核心技术：掌握深度学习算法原理，掌握BP神经网络、CNN、RNN等基础网络结构，为后续NLP和CV奠定技术基础。第四阶段NLP自然语言处理技术：本阶段课程将掌握突破市场最热超高年薪得NLP技术，学生可对应市场上NLP工程师，根据市场反馈年薪可达30K。第五阶段CV计算机视觉技术：掌握计算机视觉基础算法原理，掌握目标检测、分类、跟踪等各类CV任务，学生可对应市场CV工程师岗位，薪资可达20K以上。第六阶段大厂面试专题：围绕大厂高频面试，给出详尽解答，针对机器学习、深度学习、CV、NLP、数据结构于算法系列专项面试题，有效学习。
一、学习计划图片是黑马程序员人工智能就业班的学习时间安排，大家可以作为一个参考。根据自己的时间规划好每一个阶段的学习。另外，学习计划是非常重要的。梳理学习计划的时候，我们可以清楚的知道每一个阶段要学什么内容，学习结束后在市场的价值如何。并且通过学习计划的构建可以清楚的知道每一个阶段学习结束后如何检验学习成果。
二、人工智能学习资源请推荐一个人工智能学习路线图？3赞同·2评论回答
黑马程序员公开了四个阶段的人工智能相关学习内容，从Python入门课程到数据挖掘，以及机器学习核心技术，NLP自然语言处理技术和CV计算机视觉技术。从认识Python开始，可以掌握神经网络基础、卷积神经网络相关知识，并用卷积神经网络原理搭建自己的网络。
三、学习方法（1）了解概念人工智能是一门非常综合的学科，想必大家想要学习人工智能前都应该听过这些词：数据科学、大数据、人工智能、预测型分析、计算机统计等等。所以，在闷头学习前，尽量把这个概念都过一遍，对人工智能、机器学习，有一个基本的认识。（2）预备知识机器学习看起来很吓人，好像需要很厉害的数学知识或者必须是开发大牛。但是其实只要保证自己在数学和编程方面不掉队即可。Python需要掌握基础和进阶相关的内容，数学需要数据课学和统计学相关知识，机器学习算法中需要线性代数和微积分作为基础。（3）原理知识第一步我们是浅浅地了解概念，这一步我们要深入到相关原理知识。在机器学习中，我们会遇到一些列的问题，比如数据收集非常耗时耗力，我们需要考虑：收集什么类型的数据？需要多少数据？数据假设和预处理，不同的算法需要对输入数据进行不同的假设等等。在这里推荐参考书籍《统计学习基础》。（4）针对性练习尽量将基础理念知识实操，通过具体的案例将理论知识变为实战，将实战内容变成项目。也可以从写模型开始，从简单的模型入手，手写数字识别，能跑通后尝试该参数。最后把深度学习的经典模型都过一遍，能仿写一个是最好的。不管什么样的模型都时万变不离其宗。
四、总结无论学习什么内容，了解知识框架是第一步，在有了一定的了解之后可以定好可执行计划。按照计划从理论知识到理论实践结合，最后是通过练习独立完成项目。这是一个完整的学习顺序，在这个过程中要学会独立思考问题，避免钻牛角尖，也不要参与网上对于ML知识的争论。多想想为什么！最后祝福大家学有所成~！
人工智能学期心得体会
课程回顾与总结（对课程其它算法的认识、分析与总结）通过此次课程的学习，以python语言为基础学习了有关编程原则和基本的ADT及其实现；其中使我印象比较深刻的是深度优先和宽度优先搜索、博弈树搜索技术等算法的实现。深度优先搜索和宽度优先搜索都是一种遍历树/图数据结构的简单算法。DFS算法的特点在具有递归特性；而BFS算法是一种层次遍历算法。在博弈树搜索中，双方始终根据“己方利益最大化，对方利益最小化”这一原则，选择对己方最有力的动作来执行。Minimax算法就是一种可以体现上述策略的算法——对max方计算最大值，对min方计算最小值。
心得与展望（对课程的认识、体会与展望）通过这学期的学习，对人工智能有了更进一步的了解和认识。我觉得人工智能是一门具有挑战性的科学，想要学好这门课程必须要懂得计算机知识以及基本的算法认识。人工智能包括了十分广泛的科学，它由不同的领域组成，例如机器学习，计算机视觉等，总的来说，人工智能研究的主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。虽然在此门课程中对算法的实现不能独立完成，但在一些简单的基本的算法上还是有一定的理解和认识。我也在此次课程设计的过程中不断的学习，反复的调式和思考问题，终于在我的坚持下能够很好地理解算法转换为实际代码的过程，也对算法有了更加清晰的思路。因此，我更加确信在自己的不断努力下总是会有收获的，只有坚持下去，才有成功的希望。在之后的学习中我会积极主动的查漏补缺，尽快完善自己欠缺的部分
人工智能学院开展2023年教学示范课活动
为了更好地发挥优秀教师的示范引领作用,进一步提升教师教育教学能力，加强课堂教学经验交流，提高课堂教学效果，根据学校相关工作的要求,我院于6月15日下午14点在15栋322教室开展了2023年优秀教师教学示范课活动。人工智能学院常务副院长胡成松、朱继承督导及人工智能学院全体教师参加了本次活动。
首先朱婕老师进行了《C语言程序设计》示范课展示。从备课思考到学情分析，引领学生回顾旧知、示证新知、应用新知、融汇贯通。并分享了自己备课和授课经验。其次在交流环节中，老师们也积极分享各自的教学经验，参与教师收获良多,本次活动激起了老师们的深入思考,这种创新的、富有生命活力的课堂,正是老师们共同的追求。
图为朱婕老师示范课展示
随后朱继承督导对本次示范课活动做总结，肯定朱婕老师授课经验丰富，其制作的PPT内容丰富，条理清晰，重点突出；同时指出老师们备课的重要性，课程设置的合理性，内容需深浅知宜；上课时老师们需认真负责，讲授过程中要突出教学内容，注重与学生的互动。
图为朱继承督导总结发言
这次活动是优秀教师教学理念与教学技能的完美展示,充分发挥了优秀教师的示范引领和辐射作用，为教师创造了互观互学、交流研讨的机会,特别是给新教师在教学领域提供了良好的学习范例,从而真正实现共同进步,共同成长!