3. 《自然语言处理综述》,作者:Dan Jurafsky、James H. Martin。
4. 深度学习:神经网络、卷积神经网络、循环神经网络等基本概念和方法。
4. 深度学习(10学时)
课程内容:
参考文献:
1. 《人工智能:一种现代的方法》,作者:Stuart Russell、Peter Norvig。
2. 培养学生运用人工智能技术解决实际问题的能力。
4. 报告:撰写课程报告,提高学生的写作和表达能力。
2. 《机器学习》,作者:Tom M. Mitchell。
教学方法:
5. 《人工智能应用案例分析》,编者:张钹、李航。
2. 人工智能基本理论:符号主义、连接主义、行为主义及其在人工智能中的应用。
4. 《计算机视觉:算法与应用》,作者:Richard Szeliski。
1. 讲授:讲解基本概念、理论和技术,阐述应用案例。
6. 计算机视觉(8学时)
3. 机器学习(8学时)
课程代码:AI101
5. 自然语言处理(6学时)
2. 课程报告:撰写一篇关于人工智能应用的研究报告,考察学生的实际应用能力。
7. 人工智能应用案例分析:智能助手、自动驾驶、智能医疗、智能教育等领域的应用案例。
考核方式:
适用对象:计算机科学与技术专业本科生、研究生,以及对人工智能感兴趣的其他专业学生和从业者。
2. 《深度学习》,作者:Ian Goodfellow、Yoshua Bengio、Aaron Courville。
3. 实验报告:撰写实验报告,考察学生对实验原理和操作过程的理解。
课程名称:人工智能基础
学时:48学时
3. 帮助学生掌握人工智能基本理论和方法,为后续专业课程打下基础。
课程安排:
3. 讨论:分组讨论,培养学生的创新思维和团队协作能力。 www.leihuo.com
1. 《人工智能基础教程》,作者:吴志攀、张钹。 www.kaiyuan.com
7. 人工智能应用案例分析(4学时) www.weide.com
3. 机器学习:监督学习、无监督学习、强化学习等基本概念和方法。 www.jiuyou.com
3. 《模式识别与机器学习》,作者: Bishop, Christopher M. www.2132028.com
教材: www.2132027.com
2. 人工智能基本理论(6学时) www.shaba.com
1. 人工智能概述(2学时) www.milan.com
4. 提高学生创新思维和团队协作能力。
课程目标:
5. 自然语言处理:分词、词性标注、命名实体识别、机器翻译等基本技术。
学分:3分
1. 使学生了解人工智能的基本概念、发展历程、应用领域和未来趋势。
2. 实验:上机实践,让学生亲手操作,加深对知识的理解。
1. 期末考试:包括选择题、填空题、简答题和综合分析题,考察学生对课程知识的掌握程度。
6. 计算机视觉:图像识别、目标检测、图像分割、人脸识别等基本技术。
8. 课程总结与展望(2学时)
1. 人工智能概述:人工智能的定义、发展历程、应用领域和未来趋势。