人工智能技术与应用

课程编码：180090125603M2005H 英文名称：Artificial Intelligence Technology and Application 课时：40 学分：2.00 课程属性：专业核心课 主讲教师：赵亚伟

2017年，国务院关于印发了《新一代人工智能发展规划的通知》，人工智能发展进入新阶段。人工智能技术提供了一种解决复杂问题的现代方法，尤其是工业工程与管理领域的复杂问题求解，人工智能的方法更具有鲜明的特色。人工智能技术与应用课程是工业工程与管理方向的专业核心课程，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、关键技术和应用等内容，并形成人工智能技术的完整知识体系，同时建立用人工智能的思维分析和解决工程实际中的问题。课程实验教学环节的设置兼顾了实际场景，在学生动手实践加深课程内容的理解的同时，也能够结合应用展开思考。
本课程可供工业工程与管理、工程管理的研究生学习，同时也可供管理科学、人工智能、计算机技术等学科专业的研究生选修。

高等数学、概率论、线性代数、数据结构

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
第2节 发展历程
第3节 三大学派
第4节 关键技术
第5节 主要应用领域
第6节 实验1：集成开发环境安装与调试
第二章 知识表示 4.0学时 赵亚伟
第1节 人工智能中的知识表示
第2节 形式化表示方法
第3节 语义网
第4节 实验2：图表示
第三章 问题求解 4.0学时 赵亚伟
第1节 图搜索推理基本方法
第2节 启发式搜索
第3节 消解原理
第4节 规则演绎系统
第5节 产生式系统
第6节 实验3：生成测试求解（过程管理场景）
第7节 实验4：产生式系统（知识库场景）
第四章 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
第五章 启发式算法 6.0学时 赵亚伟
第1节 基本思想和概念
第2节 遗传算法
第3节 粒子群优化算法、蚁群算法
第4节 神经网络
第5节 蒙特卡洛方法
第6节 实验5：遗传算法寻优
第7节 实验6：蒙特卡洛、粒子群算法、蚁群算法
第六章 机器学习 6.0学时 赵亚伟
第1节 机器学习基本概念、结构和策略
第2节 有监督学习
第3节 无监督学习
第4节 半监督学习
第5节 强化学习
第6节 度量方法
第7节 管理中的机器学习问题
第8节 实验7：python机器学习包
第七章 逻辑回归 2.0学时 赵亚伟
第1节 线性定义、决策边界
第2节 Sigmoid函数
第3节 优化算法
第4节 实验8：Logistic Regression算法
第八章 深度学习 6.0学时 赵亚伟
第1节 BP神经网络及BP算法原理
第2节 卷积神经网络（CNN）结构
第3节 卷积、池化、激活函数、Softmax
第4节 网络训练
第5节 实验9：CNN，TensorFlow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10：向量化、相似度计算
第十章 知识图谱技术 2.0学时 赵亚伟
第1节 基本概念和发展历程
第2节 复杂网络方法
第3节 重要性排序相似性计算
第4节 应用举例

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50余篇，主编研究生教材1部，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TOP3）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。