人工智能：模型与算法
人工智能(ArtificialIntelligence，简称AI)是以机器为载体所展示出来的人类智能，因此人工智能也被称为机器智能(MachineIntelligence)。对人类智能的模拟可通过以符号主义为核心的逻辑推理、以问题求解为核心的探询搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习和以博弈对抗为核心的决策智能等方法来实现。
本课程成体系介绍人工智能的基本概念和基础算法，可帮助学习者掌握人工智能脉络体系，体会具能、使能和赋能，从算法层面对人工智能技术“知其意，悟其理，守其则，践其行”。课程内容包括如下：人工智能概述、搜索求解、逻辑与推理、监督学习、无监督学习、深度学习、强化学习、博弈对抗。
来而不可失者，时也；蹈而不可失者，机也。人工智能不单纯是一门课程、一手技术、一项产品或一个应用，而是理论博大深厚、技术生机勃勃、产品落地牵引、应用赋能社会的综合生态体(AIecosystem)。为了加强实训，课程中安排了以搜索求解为核心的黑白棋AI算法、以线性回归为核心的图像恢复、以深度学习为核心的垃圾分类等实训题目。
注：
1)课程相关资料可访问“智海（www.aiplusx.com.cn）”和“智海-Mo平台（momodel.cn）”。
2)本课程对应ppt可以如下免费下载
链接：https://pan.baidu.com/s/1gIweAOKUDAnON5SZat03Kg
提取码：ai22
《人工智能算法工程师（初级）》
工业和信息化部《人工智能算法工程师（中级）》职业能力培训项目工信部课程链接：
工业和信息化部《人工智能算法工程师》职业能力培训项目https://www.tech-skills.org.cn/#%2FsubjectGradeList%2F84
学员须知
学员完成学习后，参加工信部教育与考试中心组织的统一考试，合格者将获得由工信部教育与考试中心颁发的“工业和信息化职业能力证书”（电子版，可下载打印），纳入到“工业和信息化技术技能人才数据库”，可在官网查询。优秀学员将有机会参加教育考试中心或课程项目方组织的主题会议、课程沙龙等活动，并享受就业服务指导及相关优秀企业推荐就业等服务。
课程定位
本项目课程是《人工智能算法工程师（初级）》职业能力培训的系列课程。课程适合对人工智能感兴趣的零基础学员、转行人员，互联网从业人员、应往届毕业生。
本课程属于人工智能基础课程，内容丰富，涵盖面广，浅显易懂。内容包括了人工智能基础概念知识、人工智能的发展历程、人工智能的流派类别、人工智能项目的开发流程、人工智能的应用场景分析、Python编程、数学基础、NumPy数据编程、图像框架：MatplotLib、PIL等内容。
学习完本课程，并通过考试，将会获得由工业和信息化部教育与考试中心颁发的《人工智能算法工程师（初级）》职业能力证书。
学员对象
1、政府及企、事业单位相关岗位的在职人员；
2、大中专院校相关专业在读学生；
3、对人工智能技术感兴趣的其他人员。
注：证书报考条件以工信部教育与考试中心《人工智能算法工程师职业能力等级评价标准》为准。
课程内容
50 课时（线上必修课）+ 配套代码习题+答疑群（每天晚上固定时间答疑）
《人工智能算法工程师（初级）》必修课列表：
说明：线上学习有效期1年，学员自由安排时间。
学习资料（电子版）
1）、学习视频
2）、配套代码资料
3）、学习答疑群
学习收获
1、《人工智能算法工程师（初级）》专业知识及技能
2、《人工智能算法工程师（初级）》职业能力证书（考试通过）
3、进入工业和信息化专业人才库（考试通过）
4、达到企业中普通初级算法人员能力水平
《人工智能基础》教学大纲
一、课程基本信息
中文名称：人工智能基础
英文名称：BasisofArtificialIntelligence
课程编码：10S4008B
课程类别：专业选修课程
总学时：32(理论学时28;实验学时4)
总学分：2
适用专业：智能制造工程
先修课程：微机原理
开课系部：机电工程系
二、课程的性质、课程目标及其对毕业要求的支撑
1、课程性质
人工智能是智能制造的主要组成部分之一，属于机械设计制造及其自动化专业、机械电子工程专业和智能制造专业的专业选修课和职业教育课程。人工智能主要研究解释模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。
2、课程目标
课程目标1：通过本课程的学习，学生可以掌握人工智能基本原理、方法与应用领域;
课程目标2：了解人工智能常用的知识表示技术、搜索技术、自动推理技术等;
课程目标3：通过专家系统、机器学习等的了解与学习为今后处理相关智能学科奠定基础。
课程目标4：通过课程实验，了解人工智能技术原理实现的基本方法。
课程目标5：结合智能制造发展的前沿和我国人工智能发展史，对学生进行爱国主义教育和职业教育。
3、课程目标对毕业要求的支撑
三、课程教学基本要求
第一章绪论
[教学内容与要求]
了解人工智能的定义;了解人工智能的起源与发展;了解人工智能的各种认知观;了解人工智能的研究目标和研究内容;了解人工智能的研究与计算方法;了解人工智能的研究与应用领域。了解我国人工智能发展史。
[教学重点]
人工智能的定义，人工智能的各种认知观，人工智能的研究与应用领域，中国人工智能发展史。
第二章知识表示方法
[教学内容与要求]
掌握状态空间表示法、一阶谓词逻辑表示法和产生式表示法;了解语义网络表示法、框架表示法、本体技术表示法等。
[教学重点]
状态空间表示法，一阶谓词逻辑表示法，产生式表示法。
[教学难点]
一阶谓词逻辑表示法
第三章确定性推理
[教学内容与要求]
1)了解推理的定义、推理方式及其分类、推理的控制策略。
2)图搜索技术
了解图搜索策略;掌握宽度优先和深度优先搜索等盲目式搜索方法;了解启发式搜索与或树搜索。
3)基于谓词的逻辑机器推理
了解子句、子句集等概念;会将任一谓词公式转化成子句集;掌握消解原理、消解推理规则、消解反演的求解过程;了解常见消解策略：删除策略、支持集策略线性输入策略、单文字子句策略和祖先过滤策略等;会用消解原理求取问题的答案。
[教学重点]
推理的控制策略，盲目式搜索，子句集，消解原理。
[教学难点]
启发式搜索，消解原理。
第四章专家系统
[教学内容与要求]
了解专家系统概念、特点;理解专家系统的结构和建造步骤;了解基于产生式规则的专家系统的结构、特点和设计方法。
[教学重点]
专家系统的特点。
[教学难点]
专家系统的结构和建造步骤。
第五章计算智能
[教学内容与要求]
了解计算智能与传统人工智能的区别。了解人工神经网络的特征和发展;了解神经网络的典型模型及其算法;掌握基于神经网络的知识与推理。了解进化算法和遗传算法。
[教学重点]
人工神经网络的特征，基于神经网络的知识与推理。
[教学难点]
基于神经网络的知识与推理。
第六章机器学习
[教学内容与要求]
了解机器学习的定义和发展史;掌握机器学习的主要策略和基本结构;了解归纳学习、决策树学习、类比学习、解释学习和深度学习等机器学习方法。
[教学重点]
机器学习的主要策略和基本结构。
根据本课程内容，课程内容对课程目标的支撑如下：
四、有关教学环节的要求
1、教学方法
教学方法包括理论知识、课堂讨论、自学和答疑。
(1)理论知识：以教师课堂讲授为主，读阅参考文献、书籍为辅。
(2)课堂讨论：由教师布置内容、提供参考书，学生自己准备，课堂上围绕提出的问题进行讨论。
(3)自学：由教师布置自学内容，提出重点，知道学生学习。
(4)答疑：针对课程的重点和难点及学生提出的问题，教师组织进行答疑。
2、教学手段
在教学过程中要掌握传授知识和培养智能的辩证关系，特别注意培养学生的分析问题和解决问题的能力，始终贯彻教书育人的思想。讲授应灵活多样，始终贯彻启发式教学，做到重点突出、层次清楚、联系实际。
3、作业要求
要求学生在查阅资料的基础上独立完成课后作业，作业整齐认真，书写规范。
4、课程考试：
考核方式为考查，期末考试采用闭卷或论文写作方式进行。
五、学时分配
六、使用教材与主要教学参考书
1、教材
王永庆.人工智能原理与方法.西安：西安交通大学出版社，2008.
2、参考书目
蔡自兴.人工智能及其应用(第5版).北京：清华大学出版社，2016
王万良.人工智能导论(第4版).北京：高等教育出版社，2019.
廉师友.人工智能技术导论.西安：西安电子科技大学出版社，2004.
执笔教师：陈周娟教研室主任：孙培禄教学系(部)主任：许宝卉
人工智能课程心得
我第一次听说人工智能这个词源自初中的时候AlphaGo与李世石的围棋比赛，印象中的AlphaGo以大比分的优势击败了李世石，后来经过了解知道了在2016年比赛时的李世石是近十年来获得世界冠军最多的棋手。从表面上来看，李世石当时是和一台机器下棋，实际上也是与历史上所有的围棋高手下棋。在2017年AlphaGo再次挑战我国棋手柯洁，以3：0击败了柯洁，此时是AlphaGo2.0。在1.0时代并不是真正的人工智能，只是基于大数据是一些查询的检索，在他的棋路够熟，反应够快的前提下，是有机会能赢得。AlphaGo2.0就完全不同，它像人一样有学习能力和思考能力，能够通过一些基本规则，通过不断的学习，得到异于人类的能力。能够像人类一样去学习，思考和行动，才叫真正的人工智能。通过强大的算力和先进的算法，人工智能可以在短时间完成人类在几千年都不能完成的事情，所以，运用好人工智能，就可以让人类社会产生巨大的进步，这种进步在以前是无法想象的。
通过一个学期的人工智能课程的学习，自己也只是浅浅的入门了，了解了人工智能这门学科的应用，一些知识的表示方法，真正人工智能的核心部分我还没有完全的接触到，一个是这门课程的安排仅仅靠这些课时学懂一人工智能这门学科显然是不可能的，另一方面自己在这方面花费的时间精力去深入了解也是完全不够的。
人工智能是一门十分有发展前景的同时对我来说具有挑战性的科学，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。虽然这个课程中上机题并不完全是自己独立完成的，在网上找到了一些代码，学习这些算法的每一个代码块的意义从而有了一定的理解和认识。可以说是反向学习的过程，从已有的代码学习其用法，再到对宽度优先搜索以及遗传算法有了自己的认识。即使网上相关的代码十分的多，但是在学习代码的过程中我也有自己的调试以及修改，使其更符合上机的要求。经过反复的调试，在期间不断的思考以及理解，才对一开始对上机要求中的文字的陌生到代码实现后对算法有了更加清晰的思路。
十四五”规划建议列举出的几大前沿科技中，人工智能位列第一，预示着其未来的良好发展前景。图灵提出“机器可以具有智能”的观点受到了各种批判,其中有关“机器能否具有意识”的观点引起了学界讨论,塞尔通过“中文屋”思想实验与图灵测试进行类比,指出机器没有智能的原因在于缺少产生意向性的生物基础。计算机将会向网络化，智能化，并行化方向发展，人工智能的总趋势，通过理论联系实际，与其他学科交叉，逐步走向应用，在应用中体现人工智能的理念。
在机器学习这一章节的学习中，我了解过基于人工智能与医学影像方面的交叉应用，科技从人民中来，又回到人民中去，个人觉得十分有意义并且有发展前景。二十一世纪的信息技术领域将会以智能信息处理为中心，基于人工智能在医学影像方面[1]突破了传统方法的技术壁垒，是近些年发展最快的领域之一。医学影像+AI目前已应用于临床，在病灶识别和诊断、疗效评估等方面辅助医师做出了出色的成果，大大提高了医师的诊断效率。本文对医学影像+AI的发展历程，现状和未来可能的发展方向进行综述，辅助相关人员进一步了解该领域。医学影像作为临床和科研的一种可视化手段，在医疗健康领域发挥着极为重要的作用。人工智能技术的发展有可能从根本上改变医学实践的方式，将会在很大程度上推动个性化医疗和精准医疗的发展。
人工智能课程，我们这样教！
如何做好新工科背景下信息科学与基础学科深度融合？我校信息学院在课程体系和教学形式上不断改革创新，开设了“人工智能在科学与工程学的应用”课程，旨在用人工智能技术促进基础科学与工程技术的创新研究。
近日，该课程组织了设立以来的第二次结课项目答辩。课程项目由来自不同学院、不同专业背景的学生混合组队完成。同学们分为12组，集中汇报学习成果。研究课题涉及基因组学、冷冻电镜、X射线自由电子激光、蛋白质结构预测、基于蛋白质互作的药物发现、分子动力学仿真等方向。同学们与授课老师开展了深入交流和探讨，为课程画上圆满的句号。
这样一门多学科交叉融合的课程到底有何魅力？
创新课程设计
“人工智能在科学与工程学的应用”课程的教学目标是帮助不同学科背景的学生理解和使用人工智能技术，并应用于他们的科研项目。这是国内第一个将人工智能应用在基础科学研究的课程。课程通过演讲课和实践习题课帮助同学们了解AI（特别是深度学习）的基本概念，理解并使用最常用的机器学习技术，针对具体的科研问题选择最合适的算法，在这些基础上改进现有算法以提高他们的性能指标，做出方法创新。课程内容丰富、覆盖面广、极具挑战性和创新性。
郑杰教授作项目答辩总结
新颖的教学模式
课程采用基于项目的学习（project-basedlearning）的教学模式，即在实现一个技术目标的过程中，为了解决具体问题来学习相应的知识和技能。这一模式使学生不会局限于某一类具体的技术，而能够主动获取知识。课程强调不同学科之间的交叉融合，每个课程项目小组的学生尽可能来自不同的学院，有助于学生在课堂学习和项目实践中互相学习，培养学科交叉合作的意识和能力。
信息学院何旭明教授授课
丰富的课程内容
课程以人工智能基础知识和技能为先导，主要包括机器学习基本理论，深度学习技术(卷积神经网络、循环神经网络、自编码器)，以及GPU、Scikit-Learn、TensorFlow、PyTorch、JupyterNotebook等高性能计算资源和软件平台的配置和使用。随后着重介绍了人工智能在基础学科领域的应用现状和成功案例，包括生物信息学、基因组学、冷冻电镜、自由电子激光、蛋白质折叠、材料科学、机器人、药物设计等，从理论到应用对人工智能进行了全景式的教学展示。
免疫化学研究所蒋立春老师授课
强大的师资团队
课程教学团队多达35人，主要来自信息学院、物质学院、生命学院、免疫化学所和iHuman研究所。教师团队包括14名常任教授、1名特聘教授、2名资深技术专家以及3名特邀嘉宾。他们长期从事相关教学、科研工作，具有深厚的专业知识储备和丰富的科研、教学、管理经验。值得特别指出的是，在教师团队背后还有一支高素质的研究生助教团队，他们拥有出色的专业技术能力以及强烈的责任心和敬业精神，协助授课老师保障课程的顺利运行。
iHuman、生命学院赵素文教授授课
物质学院杨帆教授授课
目前，课程相关项目《以人工智能促进自然科学研究的未来技术人才培养》已被上海市教委评选为“上海市级新工科研究与改革实践项目”。
部分项目答辩照片
授课教师一览
信息学院：郑杰、何旭明、屠可伟、范睿、殷树和SörenSchwertfeger（师泽仁）
物质学院：孙兆茹、怀平（高研院）、凌盛杰、米启兮、杨帆和姜珊
iHuman研究所：赵素文（生命学院）和武丽杰
免疫化学所：蒋立春、白芳（生命学院）和王权（生命学院）
特邀嘉宾：
鲍琦：中国科学技术大学机数团队机器学习工程师
蒋华良：中科院院士，上海药物所原所长、研究员，博导，上科大免疫化学所特聘教授
吴敏：SeniorScientistI,DataAnalyticsDepartment,InstituteforInfocommResearch,A*STAR,Singapore
课程助教：朱琳、戴昕男、陈睿卿、江才文
项目助教：张晓峰（物质学院助理研究员）、王玮（免疫化学所工程师）、张可、成语、刘晓迁、王林和罗峰
教务员：李玢，徐天鸿
教学平台支撑：闻天明，王丽