《人工智能技术》教学大纲
《人工智能技术》教学大纲
一、课程概要课程名称人工智能技术课程代码课程学分3课程学时共48学时，理论30学时，实验18学时课程类别通识教育：基础课程核心课程一般课程拓展专业课程专业教育：基础课程核心课程拓展课程课程性质必修选修适用专业电子信息类、计算机类相关专业先修课程数学、计算机应用基础、Python基础后续课程综合实训顶岗实习开设学期专科专业建议第三、四学期；本科专业建议第四、五学期教学方式面授实验综合实训慕课测试其他___________二、课程定位《人工智能技术》是华为ICT认证系列丛书专注于介绍人工智能相关技术的一门课程，课程的定位是人工智能初级开发工程师，面向对象为需要掌握人工智能技术，希望具备及其学习和深度学习算法应用能力，希望掌握华为人工智能相关产品技术的工程师，也适合高等院校相关专业的学生或计算机爱好者。本课程的目的与任务是使学生通过本课程的学习，让学生了解人工智能研究和发展的基本轮廓，对人工智能有一个基本的认识,知道目前人工智能研究中的一些热点，掌握人工智能研究和应用中的一些基本的、普遍的原理和方法三、教学目标(一)知识目标1.了解人工智能的基本概念。?2.了解人工智能的相关技术及发展历史。3.了解人工智能的应用技术及应用领域。4.了解华为的人工智能发展战略。?5.了解人工智能的发展趋势。6.掌握学习算法定义与机器学习的流程。7.了解常用机器学习算法。8.了解超参数、梯度下降和交叉验证等概念。9.描述神经网络的定义与发展。10.熟悉深度学习神经网络的重要“部件”。11.熟悉神经网络的训练与优化。12.描述深度学习中常见的问题。13.描述深度学习框架是什么。14.列举主流深度学习框架有哪些。15.了解Pytorch的特点。16.了解TensorFlow的特点。17.区别TensorFlow1.X与2.X版本。18.掌握TensorFlow2.X的基本语法与常用模块。19.掌握MNIST手写体数字识别实验的流程。20.描述Mindspore是什么。21.了解Mindspore的框架、设计思路及特点。22.了解Mindspore的环境搭建流程与开发案例。23.了解AI芯片的概览。24.了解华为昇腾芯片的硬件和软件架构。25.了解华为Atlas人工智能计算平台。26.了解Atlas的行业应用。27.掌握华为HiAI平台的使用方法。28.了解HiAI平台的强大功能。29.了解华为云EI生态及EI相关服务。30.了解华为ModelArts平台，掌握平台的操作方法。(二)能力目标1.能够利用机器学习算法解决问题。2.能够利用深度学习框架搭建神经网络。3.能够华为云EI企业智能实现AI应用。(三)素质目标1.培养学生团队意识、协作意识、理解能力和逻辑能力。2.培养学生认真负责、严谨细致的工作态度和工作作风。3.培养学生创新思维以及解决问题的能力。四、课程设计本课程在较为全面地介绍人工智能进展的前提下对一些传统内容进行了取舍，本课程设计了32学时的理论介绍，辅以18学时的实践操作，提升学生的动手能力。内容共8章:第1章是人工智能概述，主要介绍一些关于人工智能起源、相关技术、应用领域、发展趋势，以及华为人工智能发展战略等的内容;第2章是机器学习，主要介绍机器学习的分类、整体流程，以及常见算法，包括近年来比较流行的决策树、支持向量机和聚类算法等经典机器学习算法;第3章是深度学习概览,主要介绍深度学习的发展历程，并围绕神经网络这一深度学习通用模型介绍其训练法则、激活函数、正则化、优化器等内容;第4章是深度学习开发框架，在3种主流开发框架中，本章主要介绍TensorFlow2.0;第5章是华为AI开发框架MindSpore，主要介绍MindSpore开发与应用;第6章是华为Atlas人工智能计算解决方案，主要介绍昇腾AI处理器的软硬件架构、Atlas人工智能计算平台及其行业应用等;第7章是华为智能终端AI开放平台，主要介绍HUAWEIHiAI平台和基于HUAWEIHiAI平台开发App等;第8章是华为云企业智能应用平台，主要介绍华为云EI、ModelArts等。五、教学内容安排表1《人工智能技术》教学安排
《人工智能技术在网络安全方向的应用》学习笔记
人工智能技术在网络安全方向的应用摘要：网络安全态势感知模型由态势要素提取、态势理解和态势预测组成，安全态势预测是整个安全态势感知模型中最高层次的技术，对网络安全的防御有着重要的作用。该技术与实现人工智能的基础条件相吻合，通过不同种类的安全设备、网络设备以及他们的运行日志，积累了大量的数据可供机器深度学习，对构建好的安全模型进行模拟训练，依靠分布式计算的强大数据处理能力,及时判别当前安全态势,提供在线处置方案并予以实施。同样，人工智能技术也是网络安全态势感知与在线处置的最佳选择,没有人工智能技术的支持,网络安全态势感知很难得到飞跃性质的发展，在线处置的效果也会因处置不及时而大打折扣。
关键词：人工智能网络安全网络安全态势一，引言——当前网络安全时代背景：由于移动设备和物联网设备的几何式增长，伴随着互联网的普及和网络应用的不断深入,网络的范围从广度和深度上都有了极大的扩充，涵盖了国家、社会和个人的方方面面，网络边界也由过去的清晰发展到现在的模糊，甚至到无边界。而互联网本身的开放性、国际性和自由性在增加其使用的便捷性，导致社会和经济活动越来越多地依托在网络之上,目前人们已经习惯使用网络提供的各种服务,参与各种网络活动,如电子政务、电子商务等。但安全却成为影响网络效能的重要问题，网络的普及、应用的暴增和不同网络的交织及应用人员安全意识的薄弱，因此不法人员越来越容易利用在网络上无意识泄露的个人隐私，造成网络安全威胁形势越来越严峻。
二，网络安全的内涵和主要问题网络面临的威胁大体可分为对网络中数据信息的危害和对网络设备的危害，在这里对前者进行分析。（一）广义上网络存在的威胁网络存在的威胁主要表现在以下几个方面：（1）利用网络传播病毒：通过网络传播计算机病毒，由于其强力的传播性使其破坏性大大高于单机系统，而且用户很难防范。计算机病毒具有较强的隐蔽性,在互联网不断发展的今天,各种新型病毒层出不穷,传播速度快,破坏力强,危害大。如前几年发生的WannaCry蠕虫勒索病毒事件,严重影响社会运行的正常秩序,致使英国一些医院不一些医院不能给病人做手术,而俄罗斯一些ATM取款机也受到了该病毒的感染无法取款,造成严重的危机管理问题。（2）非授权访问：没有预先经过同意，就使用网络或计算机资源被看作非授权访问，如有意避开系统访问控制机制，对网络设备及资源进行非正常使用，或擅自扩大权限，越权访问信息。它主要有以下几种形式：假冒、身份攻击、非法用户进入网络系统进行违法操作、合法用户以未授权方式进行操作等。（3）冒充合法用户造成的信息泄漏或丢失：指核心数据在有意或无意中被泄漏，例如信息在传输中丢失或泄漏（不法分子们利用搭线窃听等方式可截获机密信息，或通过对信息流向、流量、通信频度和长度等参数的分析，推出账号密码等重要信息。）。（4）破坏数据完整性：以非法手段窃得对数据的使用权，删除、修改、插入或重发某些重要信息，以取得有益于攻击者的响应；恶意添加，修改数据，以干扰用户的正常使用。（5）拒绝服务攻击，干扰系统正常运行：它不断对网络服务系统进行干扰，改变其正常的作业流程，执行无关程序使系统响应减慢。除此之外，Internet非法内容也形成了对网络的另一大威胁。有关部门统计显示，有30%-40%的Internet访问是与工作无关的，甚至有的是去访问色情、暴力、反动等站点。在这样的情况下，Internet资源被严重浪费。对互联网来说，面对形形色色、良莠不分的网络信息，如不具备识别和过滤作用，不但会造成大量非法内容出入，占用大量信道资源，造成传输堵塞等问题，而且某些含有暴力、色情、反动消息等内容的不良网站，将极大地危害青少年的身心健康，甚至危害社会和谐稳定。（二）近年来的网络安全威胁变化近年来随着互联网技术的快速发展，网络安全威胁也发生了三大重要变化：（1）攻击动机发生改变。早期的网络攻击多出于个人的好奇心，近乎一种无目的性的行为，而近年来的网络攻击或为由资金充足、训练有素的军队发起、以支持网络战，或是由复杂的犯罪组织发动，动机极具目的性与恶意性。（2）攻击的范围扩大、速度提高。史上第一起网络攻击利用了手动发现的软件漏洞，感染了单个计算机。而如今的网络攻击则利用自动识别的漏洞，可由黑客新手打包好之后在互联网上自动传播，可影响全球的计算机、平板电脑、智能手机和其他设备，其攻击范围之大不言而喻。（3）入侵的潜在影响急剧扩大。全球设备和人员联网意味着网络攻击不仅会影响数字世界，还会通过物联网和无处不在的社交媒体平台影响到现实世界，瘫痪网络会影响正常用户的使用，使合法用户被排斥而不能进入计算机网络系统或不能得到相应的服务。因此，互联网飞速发展的新时代对安全提出了更高的要求。但要实现网络安全，需借助于特征库的及时更新，然而特征值的获取必然落后于安全事件的发生，若无法第一时间给以在线处置方案则无任何作用，而且会使特征库越来越庞大，进而导致防护检测效率越来越低下，最终基于特征库的安全事件漏报、误报越来越严重严重，形成恶性循环。所以，找到帮助网络安全突破这一瓶颈的新技术就显得越发亟待。为了解决这些问题，基于人工智能的网络安全态势感知与在线处置新技术应运而生。
三、基于人工智能的信息网络安全态势感知技术介绍（一）预测态势算法预测态势主要是指利用感知系统对当前信息的收集调查,对于所预测内容的主要有关因素进行分析,并结合一定的历史资料、预测经验模型以及科学的理论方法对未来一段时期内可能出现的安全态势变化进行预测。目前，人工智能展开的安全态势预测方法主要分为以下两种:第一是专家系统预测方法，是指一种利用人工智能模仿特定领域内的人类专家的思维来对安全态势进行预测，此种预测方法需要一个具备丰富专业知识与人类预测经验的智能专家系统，能够求解较为复杂的问题，此预测方法具有易于理解、避免过于繁复的计算、逐渐丰富自身预测经验使预测精准度不断提升等优势;第二是人工神经网络的预测方法，目前所应用的人工神经网络模型包括BP网络、RBF网络、Hopfield网络等，人工神经网络虽然在近年来与小波分析、粗糙/模糊集、灰色理论以及遗传、进化、免疫等算法工具相结合取得了比较好的应用效果,但是仍旧存在局部最优解的问题，即在面对优化问题时，由于问题过于复杂,所需考虑因素较多,难以在短时间内完成全局最优解，导致优化结果倾向于局部最优解的现象。（二）表征态势指标体系在对信息网络安全态势进行预测时，需要制定出一鯇整的指标体系，以此指标体系为基础为人工智能进行态势预判时提供参考标准，并得出合理预测结果，所以此指标体系其实是人工智能工作的依托。目前所应用的指标体系中主要包括以下三类指标:第一是基础运行指标，是表征当前网络性能、传输设备负载、物流环境的一系列指标，代表着当前企业所具备的基础设施的基本情况。第二是网络威胁指标，该指标能够直接反映出网络中所潜在或已经出现的威胁,如病毒、垃圾邮件、钓鱼网站等，同时还能反映出网络被恶意攻击的程度和次数,如攻击强度、挂马密度等指数，人工智能可依据此指标。第三是网络脆弱性指标，表征的是网络整体上漏洞和脆弱性的情况，通过检测DNS服务器、核心路由器等关键设备的健康指数为安全态势预测提供基础数据。人工智能系统可依据此三项指标的检测结果为安全态势感知提供大量数据参考，既能够使系统识别危险难度减小，又能够使企业的信息网络问题反映更加直接，提醒技术人员及时对企业信息网络短板进行完善，使问题处理更加高效，令人工智能在安全态势感知方面的作用更加突出。（三）人工智能在该技术中的实现由于此感知技术基于人工智能所发展，所以能够运用大数据对所采集信息进行预处理，降低数据的后续处理难度。此技术主要运用了大数据技术中的Stream框架,此框架具备数据处理速度较快、扩展性与并发处理能力较强的优势。在具体的预处理活动中，将涉及以下几点内容:第一是数据归一,在Stream流中，系统将所收集的包括日志信息、数据流量等内容在内的数据进行统一处理，通过将其进行转化的方式使其适应系统应用方式，并作为系统进行后续分析的数据元。第二是情报知识库的关联，通过将情报库与知识库相关联的方式使企业获取到自身进行安全态势分析所需的支持信息，目的同样是为系统后续分析提供数据基础;第三是数据归并，系统通过计算分析引擎按照预置的事件流程框架将数据进行归并，在此活动中将所有事件处理完成后归纳进引擎入口并结合历史数据中的内容分析出此数据流中是否存在异常,从而触发警报。网络安全态势感知抛弃传统的特征库比对的预测方式，采用对行为特征的研判，利用获取的大量网络安全数据，采用大数据分析的方法，对网络安全给以分析、理解，建立网络安全算法模型，使用人工智能的深度学习技术，训练网络安全人工智能模型，主动发现安全威胁。对于网络安全态势感知检测到的威胁行为，在线处置系统与路由器、交换机、防火墙等网络设备和安全设备联动，限制网络连接,阻断攻击行为，隔离攻击源和攻击目的设备。对被攻击的设备进行安全态势评估,针对存在的安全隐患，采取防病毒处理、补丁安装、杩清扫、恶意软件清理等措施,待符合网络安全要求之后，恢复网络连接,开展相应服务,仍不能满足网络安全要求的设备，通知管理员进一步处理。对被动攻击源设备(被其他设备远程控制的被动充当攻击源的设备)采取与被攻击设备相同的策略进行安全加固，对主动攻击源设备(主动发起攻击的设备)除采取与被攻击设备相同的策略进行安全加固之外，检查使用人员的信息，分析是否为有意识的攻击行为,通知安全管理员进行相应处理，对于有意识的攻击行为者实行全网重点监视排查。对于各类攻击行为,在分析研判的基础上改进策略,采用人工智能深度学习技术，在实际运行处理安全故障过程中，自动修正网络安全态势感知和在线处置系统模型，提升在线处置能力，真正实现智慧安全地提升，降低人为的干预。值得注意的是，网络安全态势感知与在线处置收集的数据必须是无污染的有效数据，因为人工智能是依赖于数据的，大量的数据错误，训练出的模型必然是不正确的，故此数据的安全有效在机器学习领域至关重要。
四、人工智能在网络安全方面的技术优势人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何应用计算机模拟人类智能行为的基本理论、方法和技术。人工智能以庞大的有效数据为学习基础，培养、优化计算模型，在强大运算能力的加持下，模拟人类的智能行为。在语言处理、智能搜索、机器学习、知识获取、感知问题、神经网络等领域取得了较好的发展。人工智能在网络安全防范中可以实现以下功能：自动检测：人工智能(机器学习)可以帮助公司快速识别威胁并找到潜在风险之间的联系，从而消除流程中的人为错误。人工智能(机器学习)可以适应和学习经验和模式，而不是因果关系。今天，机器学习使机器自学成为可能。这意味着他们可以创建用于模式识别的模型，而不必等待人类开发它们。在开始采取适当的补救措施之前，训练过的AI可以利用推理来确定各种风险，例如可疑地址，奇怪文件等。异常检测：人工智能大大提高了识别网站可疑问题所需的时间。开发人员也在利用人工智能来识别那些在网站上有不良意图的人。这一过程被称为异常检测，有多种用途，其中网络安全位居榜首。根据人工智能技术，程序可以在短短几秒钟内分析大量访客，并根据他们的威胁级别和行为对其进行分类。更好的监视，搜索和分析：人工智能使公司和组织在其安全环境中拥有更大的可见性，并使它们能够提前应对威胁。由AI驱动的狩猎技术可以确定组织是否受到攻击，以便组织可以做好准备。安全认证：如果你的网站需要访客登录，需要输入表单，或者需要在网站后端提供另一层安全保障，人工智能可以更好地以很大的安全性进行认证。确保安全身份验证的一种方法是通过物理身份验证，其中人工智能使用不同的特征来识别一个人。例如，智能手机可以使用指纹扫描仪和面部识别来让你登录。这背后的过程需要程序分析关于你的脸和手指的主要数据点，以辨别登录是否真实。除此之外，人工智能还可以研究其他因素，以确定某个特定用户是否被授权登录某个技术设备。这项技术会检查你输入按键的方式、打字速度和拼写时的错误率。更快的响应时间：人工智能可以处理大量非结构化信息，从而以更高的效率提供见解。更重要的是，机器学习、人工智能可以更快地学习模式，从而加快响应时间，使其更快、更容易地在威胁造成问题之前阻止它们。一些领先的公司(例如IBM)正在网络安全中使用认知技术和AI，以使它们能够快速识别威胁并做出相应的响应。无差错的网络安全：与人类不同，人工智能在执行重复的任务时不会感到疲倦或无聊。因此，人为错误的风险大大降低。但是，人类需要与人工智能合作才能获得更好的结果。毫无疑问，人类提供了机器缺乏的常识和理性。但是，在非标准情况下，由AI设计的应用程序是更好的决策者。
五、人工智能在网络安全方面的发展前景及问题（一）积极利用人工智能赋能网络安全近年来，Agent系统、神经网络、顾问系统、机器学习等人工智能技术在网络安全防御中涌现出很多研究成果。总体而言，目前人工智能重点应用在网络安全入侵检测、恶意软件检测、态势分析等领域。
1.入侵检测技术入侵检测技术是利用各种手段方式，对异常网络流量等数据进行收集、筛选、处理，自动生成安全报告提供给用户，如DDoS检测、僵尸网络检测。目前神经网络、分布式Agent系统、顾问系统等都是重要的人工智能入侵检测技术。这也是当前网络安全领域使用最普遍的人工智能技术。传统的入侵检测技术在检测速度、检测范围和体系结构等方面均存在短板。为了弥补这些短板，智能入侵检测系统借助人工智能中的模糊信息识别、规则产生式专家系统、数据挖掘和人工神经网络等技术，提升入侵检测效率，并且可以最大程度地抵御来自于各方病毒入侵所带来的潜在威胁。
2.垃圾邮件阻止系统现如今计算机网络快速发展，电子邮件被广泛应用，为人们的工作以及商务活动的开展提供便利。对于一些不法分子，利用这一特点在其注入病毒，当邮件传递时，病毒就会导入网络中，打开邮件或链接时，病毒就会注入到计算机中，影响计算机的运行，导致信息的丢失或损坏。针对这一情况，人工智能应用在反垃圾邮件系统中，除了可以保护用户数据的安全外，最主要的是可以检测扫描用户邮件并进行智能识别，及时发现其中的敏感信息，同时采取有效防范措施阻止恶意邮件，使用户免受垃圾邮件骚扰之忧。
3.智能防火墙系统防火墙作为网络安全设备已被普遍应用。防火墙圈定一个保护的范围，并假定防火墙是唯一的出口，然后防火墙来决定是放行还是封锁进出的包。传统的防火墙有一个重大的理论假设―如果防火墙拒绝某些数据包的通过，则一定是安全的，因为这些包已经被丢弃。但实际上防火墙并不保证准许通过的数据包是安全的，防火墙无法判断一个正常的数据包和一个恶意的数据包有什么不同，而是要求管理员来保证该包是安全的。而智能防火墙引用的识别技术，可以很好地自行分析和处理相应的数据，同时又能巧妙地融合代理技术和过滤技术，不但可以降低计算机对数据的运算量，还能拓宽监控范围，有效地拦截对网络有害的数据流，从而更好地保障网络环境的安全。
4.恶意软件防御预测性恶意软件防御技术通过使用机器学习和统计模型，寻找恶意软件家族特征，预测进化方向，提前进行防御。当前，在病毒恶意软件持续增加和勒索软件突发涌现的情况下，企业对于恶意软件的防护需求非常迫切，市场上涌现一批应用人工智能技术的相关产品系统。2016年9月，安全公司SparkCognition打造人工智能AI驱动的“认知”防病毒系统DeepArmor，可准确发现和删除恶意文件，保护网络免受未知网络安全威胁。（二）人工智能网络安全风险引发现实危害2019年，在被普遍视为解决安全问题的灵丹妙药的同时，人工智能带来的网络安全危害亦持续引发全球广泛关注。一方面，人工智能自身带来的网络安全风险不断。2019年3月，网络安全业内发现全球应用最为广泛的开源机器学习框架谷歌Tensorflow存在多处漏洞，有被安插后门等风险；同期，IBM被曝未经用户许可擅自使用图片分享网站Flickr上的100万张照片进行人脸识别算法训练，人工智能训练数据的获取方法和途径侵犯用户隐私问题再次被推上舆论风口浪尖；另一方面，人工智能的恶意利用导致网络攻防全面升级。随着人工智能技术依托的算法、大数据等以很低的成本进行复制和扩散，人工智能在有效赋能网络安全防御的同时，也为黑客实施网络攻击创造了有利条件。2019年，人工智能驱动的物联网网络攻击、语音模拟钓鱼欺诈、深度伪造（Deepfake）虚假视频等已在全球造成现实危害，基于人工智能的网络攻防正发展成为一场对抗节奏呈指数级递增的猫鼠游戏。六、总结大数据和5G时代下面临的安全威胁日益加剧。人工智能技术的飞速发展,给网络安全态势预测提供了强有力的技术支持。将机器学习、深度学习等人工智能算法应用于网络安全态势预测中，通过分析历史态势信息，得到准确的预测结果，具有广阔的研究与应用前景。但当前基于人工智能的网络安全态势预测仍存在着亟待解决的问题:在提高预测准确率的同时也需要提高数据的有效性，构建多样的预测模型，以及模型稳定性不强、训练时间过长、预测周期短等问题，未来的研究除了要继续提高模型的态势预测能力外，如何让人工智能技术更好的为对应问题提供解决方案，也是研究方向的重中之重,只有及时预测与及时处置高度结合，才能真正地让人工智能技术为网络空间安全保驾护航。然而在被普遍视为解决安全问题的灵丹妙药的同时，人工智能带来的网络安全危害持续引发全球广泛关注。随着人工智能自身带来的网络安全风险不断，如何确保人工智能在网络安全领域健康发展这一议题，引起了越来越多人的重点关注。
人工智能导论
《人工智能导论》教学大纲
课程编号：AI006003
课程名称：人工智能导论 英文名称：ArtificialIntelligence
学分/学时：1/16 课程性质：通识教育选修
适用专业：计算机科学与技术、智能科学与技术、电子信息工程等
建议开设学期：第一学年秋季
先修课程：高等数学 开课单位：人工智能学院
一、课程的教学目标与任务
《人工智能导论》是关于人工智能领域的引导性课程，介绍人工智能的历史、研究现状以及新技术，目的是使学生了解和认识人工智能的各个研究领域包括最新的研究进展，激发学生学习人工智能及今后的更高级课程的学习兴趣、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。
通过本课程的学习，使得学生了解人工智能的历史、各个不同分支以及应用领域的研究进展及其新突破，新成果，为人工智能在各领域的应用奠定基础，拓宽学生在计算机科学与技术领域的知识广度。
二、课程具体内容及基本要求
（一）概论(2学时)
主要内容：人工智能的概念、自然智能与人工职能、人工智能各学派的认知观、人工智能的研究与应用领域
1.基本要求
（1）了解人工智能的发展历史、研究现状及发展过程中的几个研究途径；
（2）掌握人类智能和人工智能的基本概念；
（3）理解自然智能与机器智能的联系与区别。
2.重点、难点
重点：人工智能概念
难点：人工智能各学派的认知观
3.作业及课外学习要求：
课外学习：查阅文献了解最新的人工智能发展成果
小论文题目：人工智能最新研究进展
要求：通过查阅相关文献，详细介绍人工智能领域的研究最新进展综述，或着重给出某一领域如进化计算、专家系统、机器学习、机器人、神经网络等的研究最新进展。
（二）知识表示与搜索(3学时)
主要内容：状态空间法及其搜索技术；问题归约法及其搜索技术
1.基本要求
（1）理解知识表示的概念；
（2）掌握状态空间法、问题归约法；
（3）掌握图搜索技术包括宽度、深度、启发式搜索方法；
（4）了解新型搜索技术。
2.重点、难点
重点：状态空间表示法及其盲目式搜索、问题归约表示法及其盲目式搜索、
难点：A*，博弈
3.作业及课外学习要求
课外学习：需查阅文献，在实际问题中找出四种不同搜索算法的应用实例
计算机仿真：实现四种搜索算法
要求：就八数码难题实现四种搜索算法包括深度、广度、有序搜索以及A*算法，给出搜索路径，并比较四种搜索算法的搜索效率，探讨不同算法在解决实际问题时各自的适用性，形成大报告并附仿真代码
（三）谓词逻辑与机器定理证明(2学时)
主要内容：命题逻辑、谓词逻辑、消解原理
1.基本要求
（1）理解命题逻辑、谓词逻辑
（2）掌握消解原理
（3）了解反演问题求解
2.重点、难点
重点：谓词逻辑及其简单推理
难点：消解推理过程
3.作业及课外学习要求
小论文题目：机器定理证明研究现状
要求：通过查阅相关文献，详细介绍机器定理证明的研究历史及最新进展
（四）智能计算基础(3学时)
主要内容：遗传算法的基本机理、遗传算法的求解步骤及其应用、遗传规划、粒子群算法原理
1.基本要求
（1）掌握遗传算法的基本机理以及算法的实现；
（2）理解基本粒子群算法
（3）了解遗传规划、蚁群以及其他新型的自然计算
2.重点、难点
重点：遗传算法原理及其实现
难点：遗传规划以及粒子群算法
3.作业及课外学习要求
作业：理解遗传算法的原理，在解决函数优化问题时考虑如何实现包括其编码、交叉、变异、选择，适应度选择等。
课外学习：查阅相关文献，进一步了解进化计算或软计算的研究新进展，进化计算不同分支的发展历史。
计算机仿真：实现简单遗传算法
要求：利用MATLAB或其他软件编程实现二维单目标优化问题的求解，会利用盒图，曲线图等分析实验结果。形成大报告并附仿真代码。
（五）人工神经网络(2学时)
主要内容：神经元的几种互连形态及其特点、人工神经网络的典型模型、基于神经网络的知识表示、神经网络的简单推理过程。
1.基本要求
（1）熟悉和掌握人工神经网络的基本概念；
（2）理解利用简单的人工神经网络进行学习和推理。
2.重点、难点
重点：人工神经网络的基本概念。
难点：深度神经网络
3.作业及课外学习要求
作业：掌握基于神经网络的知识表示、神经网络的简单推理过程，比较其与之前一章推理方法的机制。
课外学习：查阅文献，完成一个神经网络包括深度学习的研究现状的报告
（六）专家系统(2学时)
主要内容：专家系统的基础知识、专家系统的基本结构、专家系统的开发及应用实例、专家系统的新进展。
1.基本要求
（1）理解专家系统的基本概念和方法；
（2）了解专家系统的新进展。
2.重点、难点
重点：专家系统的基本概念和方法、专家系统的基本结构
难点：新一代专家系统的概念
3.作业及课外学习要求
作业：通过简单医学系统专家系统的整个过程，理解其基本结构，开发过程等。
课外学习：查阅文献，了解专家系统的发展历史以及最新研究现状
（七）机器学习（2学时）
主要内容：机器学习的概念及分类、学习系统的基本结构、几种机器学习方法，知识发现及其处理过程、知识发现的方法及应用、数据挖掘的基本概念、数据挖掘的方法及应用、数据挖掘和知识发现的关系等。
1.基本要求
（1）理解机器学习的基本概念和方法、学习系统的基本结构、数据挖掘的基本概念；
（2）熟悉机器学习的新进展。
2.重点、难点
重点：机器学习的基本概念、数据挖掘的相关知识。
难点：知识发现及其处理过程。
3.作业及课外学习要求
作业：掌握集中机器学习方法，理解知识发现以及数据挖掘的概念
课外学习：数据挖掘时人工智能的一个新兴领域，通过查阅文献，给出一个关于数据挖掘比较完整的发展历史以及最新的研究动态。
计算机仿真：实现遗传算法
要求：利用MATLAB或其他软件编程2种简单的数据聚类或分类算法，如K-means，FCM,KNN,SVM等，分析实验结果，形成大报告并附仿真代码
三、教学安排及方式
总学时16学时，其中：讲授16学时，实验学时，上机学时，实践学时，研讨学时，线上学时。
序号
课程内容
学时
教学方式
1
概论
2
讲授
2
知识表示与搜索
3
讲授
3
谓词逻辑与机器定理证明
2
讲授
4
智能计算基础
3
讲授
5
人工神经网络
2
讲授
6
专家系统
2
讲授
7
机器学习
2
讲授
注：教学方式包括面授和线上，其中面授包括：讲授、实验、上机、实践、研讨五种。
四、考核及成绩评定方式
最终成绩由平时作业成绩、期末成绩和小论文成绩等组合而成。各部分所占比例如下：
平时作业成绩：20%。主要考核对每堂课知识点的复习、理解和掌握程度。
课程论文成绩：30%。主要考核发现、分析和解决问题的能力，以及语言及文字表达能力。学生可自拟题目或根据任课教师提出的题目撰写课程学习小论文，并在一定形式下进行宣讲、答辩，最后评定课程论文成绩。
计算机仿真成绩：50%。主要考核计算机运用能力、获取整理信息的能力以及理论联系实际的能力，学生可根据教师提出的题目，通过自学使用Matlab、C等进行计算机仿真，给出一定形式的仿真结果及说明。
过程成绩提交时间和总评成绩计算说明表
序号
成绩提交时间
名称或说明
C1
第1次授课后、第2次授课前
小论文
C2
第6次授课后、第7次授课前
小论文
C3
第3次授课后、第4次授课前
计算机仿真报告
C4
第5次授课后、第6次授课前
计算机仿真报告
C5
每次课后
平时成绩
总评成绩＝C1*0.15+C2*0.15+C3*0.25+C4*0.25+C6*0.2
注：上表用于说明授课过程中分项成绩提交时间，教师应在规定的时间内提交对应成绩，提前或逾期无法提交，一旦提交无法修改。大纲可以根据需要自行定义提交成绩的次数、时间和名称或说明，总评成绩计算必须与考核和成绩评定方式中描述的一致。
五、教材及参考书目
1.蔡自兴，刘丽珏，蔡竞峰，陈白帆，人工智能及其应用（第5版）[M]，清华大学出版社，2016
2.George.F.Luger著，郭茂祖刘扬玄萍王春宇译，人工智能-复杂问题求解的结构和策略[M]，机械工业出版社，2017
3.SimonHaykin著，申富饶，徐烨，郑俊等译，神经网络与机器学习[M]，机械工业出版社，2017
4.王珏,周志华,周傲英.机器学习及其应用[M].清华大学出版社.2006
5.陈国良,王熙法,庄镇泉,王东生.遗传算法及其应用[M].北京:北京人民邮电出版社,1996
6.焦李成、赵进、杨淑媛、刘芳，深度学习、优化与识别[M]，清华大学出版社，2017
七、说明
（一）与相关课程的分工衔接
要求学生修过《高等数学》等基础课程。此外，课程中的相关内容，如机器学习等可作为学习后修课程《数据挖掘》、《模式识别》的基础。
（二）其他说明
（执笔人：刘若辰审核人：慕彩红）
2018年09月02日
人工智能促进教育变革创新
通过云平台布置电子作业，利用数据分析课堂上学生学习行为，推进学校管理流程迈向数字化……前不久，2022国际人工智能与教育会议在线上举行，来自全球数十个国家的政府官员、专家学者、一线教师、企业代表等相聚“云端”，畅叙人工智能时代教育发展图景。
作为引领新一轮科技革命和产业变革的重要驱动力，人工智能催生了大批新产品、新技术、新业态和新模式，也为教育现代化带来更多可能性。习近平总书记强调，“中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新”。国务院印发的《新一代人工智能发展规划》，明确利用智能技术加快推动人才培养模式、教学方法改革；教育部出台《高等学校人工智能创新行动计划》，并先后启动两批人工智能助推教师队伍建设试点工作；中央网信办等八部门联合认定一批国家智能社会治理实验基地，包括19个教育领域特色基地，研究智能时代各种教育场景下智能治理机制；科技部等六部门联合印发通知，将智能教育纳入首批人工智能示范应用场景，探索形成可复制、可推广经验……“人工智能+教育”不断碰撞出新的火花，为教育变革创新注入强劲动能。
“人工智能+教育”，应用就在身边。音乐课上，虚拟数字人“元老师”跨越时空限制，带领多所学校学生同唱一首歌；体育课上，学生开始跳绳项目测试，智能终端上实时显示心率变化、跳绳次数、平均速度等数据。技术改变课堂，潜力无限。比如，借助虚拟现实技术，学生能够模拟穿上太空服行走在宇宙，感受浩瀚星河的魅力；通过增强现实技术体验川剧变脸，平面的课本知识变得可感可知。现实中，越来越多的学校已经开设或准备筹备人工智能教育教学活动。
“人工智能+教育”，变革教育生态。教、练、考、评、管各环节均有人工智能辅助，让教师教得更好；虚实融合多场景教学、协同育人，让学生学得更好；海量线上数据和逐渐强大的算力，让学校管理更加精准。此外，在人工智能支撑下，优质数字教育资源跨越山海，推动教育更加公平、开放。在西藏墨脱县，得益于多媒体器材配备到雅鲁藏布大峡谷深处、“智慧课堂”全覆盖，门巴族孩子小学入学率实现100%。
我国发展“人工智能+教育”具备良好基础和独特优势。比如，语音识别、视觉识别等技术世界领先；国家智慧教育平台汇集了海量的数据资源，2.91亿在校学生和1844.37万专任教师展现出丰富的应用需求；教育领域数字化基础条件全面提档升级，全国中小学（含教学点）互联网接入率达到100%，99.5%的学校拥有多媒体教室，学校配备的师生终端数量超过2800万台。也应看到，人工智能技术在教育领域的应用仍处于起步阶段。“数字鸿沟”可能将部分学生排除在智能教育之外，数据收集、使用、分析等环节存在安全隐患，相关公共政策制定较为滞后……以人工智能赋能教育现代化，这些都是需要回答好的课题。
着眼未来，应携手打造高质量、有温度的人工智能教育生态。人机协作如何更聪明，人机对话如何更友好，是“人工智能+教育”的长期课题。一方面，技术应服务育人，在让其“授业”“解惑”的同时，必须坚持教师“传道”的主体地位。另一方面，人也要理解、善用技术，努力提升信息应用能力，让人工智能更好辅助教学。教育是动态的、发展的，理性思考人与技术的关系，把握教育规律、用好技术手段、凝聚各方力量，进一步推动人工智能与教育深度融合、创新发展，才能更好赋能教育现代化，培养顺应时代发展要求的创新人才。（吴丹）
论文题目大全
特别推荐阅读
1南大博士：怎样与导师有效沟通你的论文题目和选题？2一个好的论文选题应该是什么样的（实例讲解）3我的论文要写什么？如何拟定一个好的论文题目（哈工博士篇）4毕业论文怎么快速选题（工具篇）拟题的原则：
在表达清楚的基础上，尽量少用词，尤以名词短语最常见。论文题目要求确切、醒目、简洁、好读好记、概念明确、层次分明、抓住题目的四大要素（研究对象、研究目的、研究范围、研究方法）。题目在用词上必须能确切地概括论文的论点或中心内容，能够准确反映研究的范围和达到的深度等，使审稿者、读者可以从中获取有效信息。所谓文题相符，就是要含义明确和言简意赅，能够起到画龙点睛的效果，让人一望即知，而且能够立刻引起人们阅读或摘录、参考的兴趣。
拟题要求：
1、题目难易要适中。
2、题目应反映论文内容。
3、题目用词要新颖要有创见。
4、题目用词要恰当。
常用拟题方法：
1、关键词法。
2、名词性词组法。
3、立论式命题法。
4、陈述性题名法。
5、相关法。
6、阐述法。
7、参考同类论文并仔细推敲。
题好文一半，一字值千金。好的论文题目是使审稿者和读者对论文产生兴趣的重要条件，是论文获得发表和引人阅读的一个重要方面。作者千万不能写论文之前草草立题，写完论文之后对题目也不再推敲、锤炼，就把稿件匆忙寄往期刊社。