2024-2025 学年第一学期
Introduction To Artificial Intelligence
“人工智能导论”旨在向学生介绍人工智能的基本原理、方法和应用。通过本课程的学习使学生了解人工智能的提出、人工智能流派、重要研究领域，掌握人工智能求解方法的特点，掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题。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。通过案例分析、实践项目和课堂讨论，学生将探讨机器学习、深度学习、自然语言处理和计算机视觉等领域的核心概念。我们将并探讨其带来的社会和伦理影响。
授课教师
万永权， 计算机科学与技术系，
email: wanyq@gench.edu.cn
答疑时间： 周三 5-8节, 信息学院222 / 微信群。
成功完成本课程后，学生将能够：
- 解释和分析经典人工智能算法。
- 研究人工智能技术在专家系统、人工神经网络和其他机器学习模型中的应用。
- 通过组合解决具体计算问题的解决方案来设计和开发智能系统。
- 使用高级编程语言，例如Python, 实现机器学习方法。
- 对现代人工智能方法的可能性以及未来的可能性有充分的了解。
- 知识表示和推理。
- 搜索：盲目式搜索、启发式搜索。
- 机器学习：监督学习、无监督学习、强化学习。
- 深度学习：人工神经网络、卷积神经网络。
- 人工智能伦理：法律、道德和伦理。
唯一的先修课程是面向对象程序设计。但你应该了解以下知识，例如离散数学、数据结构、概率论、线性代数。 课程作业中包含使用Python编程的内容。
- 《人工智能：一种现代的方法（第三版）》，Stuart J.Russell, Peter Norvig著，清华大学出版社， 2013年11月. pdf 提取码: 7222
- 人工智能简史（第二版）》, 尼克著，人民邮电出版社，2021年1月
- Python程序设计案例教程（慕课版），明日科技著，人民邮电出版社，2022年11月
- 简明Python教程 [pdf] 其他的材料，例如教材、视频和其他资料，可能以电子版提供。
| 考核项 | 内容 | 占比 |
|---|---|---|
| x1 | 课程报告 | 40% |
| x2 | 单元测验 | 30% |
| x3 | 实验 | 15% |
| x4 | 自主学习+平时表现 | 15% |
| 第几周 | 次 | 主题 | 讲义 | 教材章节 | 作业发布 | 作业截止 |
|---|---|---|---|---|---|---|
| 第1周 | 1 | 绪论 + Python概述 | 课程概述；人工智能概述(pdf)；Python开发环境安装(pdf)； 人工智能免费在线学习资源 | ch1 | proj0 | |
| 2 | 知识表示+Python基础   |
谓词逻辑、产生式 pdf; Python语法、过程控制语句 pdf; 实战练习1：Python基础语法pdf | 2.1-2.3 | |||
| 第2周 | 3 | 状态空间法+python进阶  |
状态空间法pdf；序列数据类型pdf; 样例代码; 实战练习2-序列类型pdf | 3.1 | proj0 | |
| 4 | 盲目式搜索+Python实现 | 盲目式搜索-BFS+Python实现pdf；函数 pdf ; 实战练习3：函数pdf 面向对象编程 八数码问题参考 | 3.2 | |||
| 第3周 | 5 | 盲目式搜索+Python实现 | 盲目式搜索-DFS+Python实现 pdf | 3.2 | proj1 | |
| 6 | 启发式搜索+Python实现 | 启发式搜索pdf numpy、pandas、Matplotlib ：pdf（提取码: qw9q ) 视频（ 提取码: pjex） | 3.3.1, 3.3.4 | |||
| 第4周 | 7 | 机器学习 | 机器学习概述 pdf)；科学计算库的使用:numpy pdf), pandas , 期中测验； | 5.1-5.2 | proj1 | |
| 8 | 线性回归 + Python实现 | 线性回归的Python实现 pdf; matplotlib pdf； scikit-learn pdf | 5.4.3 | proj2 | ||
| 第5周 （国庆节调休, 9.29补） | 9 | KNN分类 + Python实现KNN | KNN分类的Python实现 pdf; code | 5.4.1 | ||
| 10 | 朴素贝叶斯分类+ Python实现 | 朴素贝叶斯分类 [pdf]+ Python实现 [code] | 5.4.1 | proj2 | ||
| 第6周 | 11 | 决策树分类+ Python实现 | 5.4.1 | proj3 | ||
| 12 | 聚类+ Python实现 | 5.4.2 | ||||
| 第7周 | 13 | 深度学习 | 人工神经网络 | ch 6 | proj3 | |
| 14 | CNN | ch 7 | ||||
| 第8周 | 15 | 人工智能中的伦理 | 伦理报告 | / | ||
| 16 | 大作业汇报 | / |
- 每项作业都包含书面和编程部分。
- 书面和编程作业都将以电子方式提交。提交说明将与每个作业一起发布在 云班课上。
- 编程作业要求使用 Python 编写。
A 93.3%–100% A- 90.0%–93.3% B+ 86.6%–90.0% B 83.3%–86.6% B- 80.0%–83.3% C+ 76.6%–80.0% C 73.3%–76.6% C- 70.0%–73.3% D+ 66.6%–70.0% D 63.3%–66.6% D- 60.0%–63.3% F 00.0%–60.0%
- 本课程对剽窃或其他形式的作弊采取零容忍态度。
- 你的作业必须是你自己完成的作品，任何外部的代码、想法或语言来源都必须注明出处，以表示对原作者的尊重。
- 您可以在作业截止日期之前申请延期。延期的正当理由包括（但不一定限于）面试、出于研究或学术目的的旅行以及生病。
- 迟交的作业（未事先获得延期）每天将被扣 10%。截止日期后3天以上将不再接受提交作业。(Penalized score) = (Your raw score) * (1 - 0.1 * (# of days past deadline))