spContent=本课程是教育部-百度产学合作协同育人项目成果,课程将介绍智能计算机系统设计的基本思想和技术,具体重点将放在使用Python语言实现上述的智能系统。课程中学习的技术适用于各类人工智能问题,并将作为学习者在任何应用领域开展进一步研究的基础。课程要求学习者学习过线性代数、数据结构的相关知识。
—— 课程团队
课程概述
人工智能技术在各行各业的应用正在如火如荼的展开,对人工智能技术的学习热情也随之高涨,本课程将致力于让更多的学习者了解智能计算机系统设计的基本思想和技术,并学会使用Python语言实现上述的智能计算机系统。
通过对课程内容的理解和实践,学习者可以设计开发出自治的Agent程序,这些Agent程序可以在理想的情况下针对实际问题做出有效的决策。同时,这些Agent程序也可在不确定的环境中进行推断,并针对奖励机制优化后续行为。课程讲授的机器学习算法将对手写数字和照片进行分类。在本课程中学习的技术适用于各种各样的人工智能问题,并将作为学习者在任何应用领域开展进一步研究的基础。
授课目标
本课程的教学目标包括:
(一)知识教学目标
目标1.1:使学习者了解人工智能的概念、人工智能的发展历史、人工智能的应用领域,掌握知识的概念和常见的知识表示方法、确定性推理的主要方法、不确定环境下的知识表达和推理逻辑、搜索的含义和主要方法。
目标1.2:使学习者掌握基本的机器学习方法以及智能计算机系统的构建方法,能够进行复杂问题分解,具备对人工智能问题分析、分解、设计研究方案的能力,具有使用Python语言解决简单人工智能应用领域问题的能力。
(二)能力教学目标
目标2.1:通过本课程的学习,使学习者具有一定的自学能力和信息获取能力。
目标2.2:通过本课程的学习,使学习者具有基于Python语言进行智能系统的设计和实现能力。
目标2.3:通过本课程的学习,使学习者具有对人工智能领域的实际问题进行设计研究方案的能力。
成绩要求
本课程课后作业有选择题和填空题,课后作业共有三次机会重做,系统保留得分最高的成绩。
作业中客观题由系统阅卷,系统给分,做完提交后,系统会自动给出成绩。
整个课程学完后,会有一次考试,考试只有一次机会。
总评成绩=平时作业*60%+期末考试*30%+课程讨论*10%
总评成绩60分以上为及格,90分以上为优秀。
本课程暂不支持证书发放。
课程大纲
预备知识
本课程要求学习者学习过线性代数、数据结构的相关知识。
参考资料
[1] Russell, Stuart J . Artificial Intelligence: A Modern Approach[M]. 人民邮电出版社, 2002.
[2] 王万森. 人工智能原理及应用(第二版). 北京:电子工业出版社,2007
[3] 高济,朱淼良,何钦铬. 人工智能基础. 高等教育出版社,2002
[4] Nils J Nilsson . Artificial Intelligence: A New Synthesis. Massachusetts: Morgan Kaufman, 1998
[5] 陆汝砛. 人工智能. 科学出版社,2002