人工智能是计算机科学中的重要内容，已经成为计算机技术发展以及许多高新技术产品中的核心技术。由于人工智能是模拟人类智能解决问题，几乎在所有领域都具有非常广泛的应用。《人工智能导论》是网络工程专业本科生的一门专业选修课程。本课程主要介绍人工智能问题求解的一般性原理和基本思想以及一些前沿内容，为学生提供最基本的人工智能技术和有关问题的入门性知识，为进一步学习和研究人工智能理论与应用奠定基础。

1. 了解人工智能的特点、主要研究领域、研究历史及未来发展动向。
2. 掌握人工智能的基本概念、基本原理和基本方法。
3. 了解应用人工智能技术解决实际问题的范例。

该课程的目标是把握计算机科学与技术的发展趋势，熟悉本专业的前沿知识和研究热点。该课程讲述了人工智能的发展简史、人工智能研究的基本内容和主要研究领域、人工智能的研究热点包括遗传算法、人工神经网络及其应用，机器学习，深度学习等。要求学生掌握基本创新方法，能够针对创新点开展切实有效的理论和应用研究。 学生通过该课程的学习能够了解基本的人工智能新技术和有关问题求解的创新方法；课程要求完启发算法应用实验、遗传算法应用实验、基于人工智能应用的团队项目等综合性实验项目，学生通过实验，能够发挥主动性，研究探讨人工智能系统的运行和实现过程，提出思路并积极验证和探索自己的思路，从而更好的掌握知识，培养学生的理论联系实际能力和创新能力，逐步培养他们发现问题、提出问题、分析问题和解决问题的能力。

本课程以课堂教学为主，结合课内实验与课外自学、课堂讨论、团队项目。

课堂教学主要讲解基本原理，结合人工智能最新前沿技术的相关介绍，辅助以最新的视频资料，使同学们对人工智能课程的各个章节产生兴趣，从而促进学习热情，在之后的理论教学中能更好地理解技术的先进性与实用性。 要求学生在课内学习的基础上，自己完成网络资料与科技文献的检索工作，针对感兴趣的章节进行自主学习，加深加强课堂理论教学，并提高自身的自学能力。

团队项目要求学生能够运用课堂知识，在互相分工配合的基础上，进行适当的创新，运用人工智能的理论知识来解决一些实际的问题。团队项目内容一般以实际生产实践中所遇到的问题为主，通过该方式可有效的提升学生学以致用的能力。

教学平台

• 微软人工智能教育与学习共建社区
• 人工智能导论
• 人工智能与信息社会

• 教学资料

  • 绪论
  • 人工智能应用场景
  • 搜索与博弈
  • 知识工程与知识图谱
  • 智能计算及其应用
  • 机器学习
  • 人工神经网络及其应用
  • 深度学习
  • AI伦理
  • AI与游戏

• 实验内容

  • 实验一：AI入门实践
    1. 掌握手写数字识别系统的运行机制，以及基于图片识别数字的基本方法。
    2. 了解VS tools for AI，手写数字识别案例
    3. 实现基本的手写数字识别系统，并在此基础上扩展。
  • 实验二：启发算法求解迷宫寻路问题
    1. 熟悉和掌握启发式搜索的定义、估价函数和算法过程。
    2. 能利用启发算法求解井字棋游戏，理解求解流程和搜索顺序。
    3. 掌握启发式函数的编写以及各类启发式函数效果的比较。
  • 实验三：遗传算法求Hello
    1. 熟悉和掌握遗传算法的原理、流程和编码策略。
    2. 参考拼图游戏给出的遗传算法核心代码，用遗传算法求解字符串显示的优化问题.
    3. 分析遗传算法求解不同规模字符串显示问题的算法性能
  • 团队项目
    1. 组建团队和确立选题；完成团队立项报告
    2. 需求分析与原型设计
    3. 编码与测试
    4. 项目展示
    5. 事后分析