人工智能概论

课程编码：180090125601M3002Y 英文名称：Introduction to Artificial Intelligence 课时：40 学分：2.00 课程属性：专业课 主讲教师：赵亚伟

本课程是工程管理信息系统方向的专业课程，旨在通过课程的教学，使学生能够了解并掌握人工智能的基本概念、原理、方法。建立人工智能解决实际问题的思维是本课程的重点，另外，通过基本的实验教学环节加深课程内容的理解。本课程可供工程管理专业的研究生学习，也可供管理科学、人工智能、计算机技术等学科学生选修。

高等数学、概率论、线性代数

第一章 人工智能概念与发展 4.0学时 赵亚伟
第1节 基本概念（1学时）
第2节 人工智能的历史及发展
第3节 研究方法与技术、主要应用领域
第4节 实验1：集成开发环境安装与使用
第二章 知识表示：运用和管理知识的基础 4.0学时 赵亚伟
第1节 知识表示的基本概念
第2节 状态空间法、问题归约法、谓词逻辑法
第3节 实验2：中文句子one-hot表示、状态空间法表示（15数码问题或8数码问题）
第三章 知识图谱：一种知识管理的方法 2.0学时 赵亚伟
第1节 知识图谱的基本概念和发展历程
第2节 知识管理的一种方法：知识图谱
第3节 知识图谱分析方法
第四章 确定性推理 4.0学时 赵亚伟
第1节 图搜索策略：宽度优先及深度优先（1学时）
第2节 消解原理、规则演绎系统、产生式系统（2.5学时）
第3节 实验3：规则
第五章 不确定推理 2.0学时 赵亚伟
第1节 不确定性推理的基本概念
第2节 概率推理
第3节 主观贝叶斯方法
第六章 计算智能：优化的智能方法 6.0学时 赵亚伟
第1节 神经计算、进化计算的基本思想
第2节 遗传算法
第3节 粒子群优化算法、蚁群算法
第4节 蒙特卡洛方法
第5节 实验4：遗传算法
第七章 机器学习 6.0学时 赵亚伟
第1节 机器学习的基本概念、与人工智能的关系
第2节 主要策略和基本结构
第3节 常用机器学习算法
第4节 工程管理中的机器学习问题
第5节 线性回归算法
第6节 逻辑回归算法
第7节 BP神经网络与反向传播
第8节 实验5：python机器学习包
第八章 深度学习 6.0学时 赵亚伟
第1节 决策边界
第2节 Sigmoid函数
第3节 优化方法
第4节 卷积神经网络
第5节 卷积、池化、激活函数、Softmax
第6节 网络训练
第7节 实验6：CNN，TensorFlow，mnist分类算法
第九章 自然语言处理 4.0学时 赵亚伟
第1节 自然语言处理的基本概念
第2节 统计语言模型
第3节 深度学习与NLP
第4节 主要任务及方案
第5节 实验7：向量化、相似度计算
第十章 案例讲座：智能运维管理 2.0学时 赵亚伟
第1节 智能运维管理系统
第2节 案例分享

赵亚伟，工程科学学院副教授，2003年获中国科学院研究生院计算软件与理论专业博士学位、2003至2005年在海信集团从事计算机应用专业博士后研究工作，自博士期间至今一直从事人工智能研究、教学和实践工作。自2005年至今，在中国科学院大学从事教学和科研工作，主讲课程人工智能概论、数据库概念与技术、商务智能，多次被评为优秀优良课程，指导研究生40余人，多数研究生毕业后在各自单位成为技术骨干。
2000年以来主持或参加国家自然科学基金、国家重点研发计划、863和省部级科研项目多项，公开发表学术论文40余篇，基于知识图谱的风险预警核心算法获省部级（中国银监会或银监会）科技一等奖。2017年6月带队参加DELL/EMC主办的“异星生存”首届黑客马拉松竞赛（中国区TOP4）获得冠军（亚军为北京大学、季军为清华大学）。目前的研究兴趣主要集中在人工智能（机器学习、NLP等）、复杂网络的相关理论和关键技术研究。