人工智能导论（微课视频版）教与学（教学大纲+教学课件+程序源码+习题答案）(人工智能导论课后题答案)

✦

教学进度表

✦

名称: 人工智能导论

代码:

学分: 3

课时:

周课时：3

周数: 18

考核方式: 期末考试50%+平时作业50%

01

课程简介

在信息化快速发展的时代，人工智能已成为科技进步的标志性成就之一，影响着从自动化工具到决策支持系统的方方面面。当前，智能科技人才是我国社会经济发展的迫切需求，本课程可以为智能科技人才培养提供基础支撑。本课程系统介绍了人工智能的主流概念、理论、方法、技术及典型应用，包括人工智能的基本概念、发展历史、主要研究内容和新兴发展方向；为了便于学生测试与运行各类人工智能算法，还介绍了人工智能相关的软硬件平台等基础知识；后续分别讲解了面向人工智能的优化算法，以及机器学习、深度学习、强化学习、计算机视觉、自然语言处理、智能博弈、智能『机器人』️等技术。学生不仅可以学习人工智能技术，还能深入理解其实际应用。

With the rapid advancement of information technology, artificial intelligence (AI) has emerged as a defining achievement, impacting everything from automation to decision support systems. As intelligent technology talent becomes increasingly vital to China’s socio-economic development, this course serves as a foundational step in cultivating such expertise.

The course offers a systematic introduction to core concepts, theories, methods, technologies, and typical applications of AI. It covers the fundamentals of AI, including its basic principles, historical development, key research areas, and emerging trends. To support hands-on learning, the course also introduces essential AI software and hardware platforms for testing and running various algorithms.

Further sections explore optimization algorithms and core AI technologies such as machine learning, deep learning, reinforcement learning, computer vision, natural language processing, intelligent gaming, and robotics. By the end of the course, students will not only grasp AI techniques but also understand their real-world applications.

02

教学目标

1、掌握人工智能的基本理论和方法；

2、学习使用各种深度学习框架基础上；

3、编写基本的机器学习、深度学习、强化学习算法，以及优化算法；

4、掌握基本的场景应用算法，包括计算机视觉、自然语言处理、智能博弈；能够在后续课程进行系统开发；

5、能够进一步了解人工智能智能的应用场景，在智能『机器人』️领域进行算法设计。

03

考核方式

期末考试50%+平时作业50%

04

所用教材

人工智能导论（微课视频版），方勇纯等，清华大学出版社，2025.5

本课程占用1学期，授课周学时为3学时/周。总的原则是：让学生掌握人工智能的基本概念和基本方法，熟悉开发环境，能够编写基本的算法程序。

05

教学安排

本课程占用1学期，授课周学时为3学时/周。总的原则是：让学生掌握人工智能的基本概念和基本方法，熟悉开发环境，能够编写基本的算法程序。

大致的课时分配：

第一章 人工智能概述(3课时)

第二章 人工智能软硬件平台(3课时)

第三章 面向人工智能的优化算法(6课时)

第四章 机器学习(6课时)

第五章 深度学习(6课时)

第六章 强化学习 (6课时)

第七章 计算机视觉 (6课时)

第八章 自然语言处理 (6课时)

第九章 智能博弈 (6课时)

第十章 智能『机器人』️ (6课时)

✦

参考书籍

✦

目录

第1章人工智能概述1

1.1什么是人工智能1

1.2人工智能的发展历程1

1.2.1初创时期（1936—1956）3

1.2.2形成时期（1957—1969）4

1.2.3低谷时期（1970—1992）4

1.2.4发展时期（1993—2011）5

1.2.5突破时期（2012年至今）6

1.3机器能否真正拥有智能7

1.3.1图灵测试8

1.3.2中文屋9

1.4人工智能的主要研究内容10

1.4.1机器学习10

1.4.2深度学习11

1.4.3强化学习13

1.4.4计算机视觉14

1.4.5自然语言处理15

1.4.6智能博弈17

1.4.7智能『机器人』️18

1.4.8人工智能的新兴研究方向19

1.5习题20

参考文献20

第2章人工智能软硬件平台基础21

2.1硬件平台21

2.1.1智能『芯片』21

2.1.2人工智能『芯片』的发展方向23

2.2软件平台23

2.2.1人工智能开发框架23

2.2.2经典的人工智能开发框架24

2.2.3人工智能云平台29

2.3Python基础31

2.3.1Python的安装31

2.3.2Python编程基础31

2.3.3文件操作32

2.3.4第三方模块的使用32

2.3.5NumPy与SciPy以及Matplotlib的使用32

2.4习题33

参考文献33

第3章面向人工智能的优化算法35

3.1人工智能优化算法概论35

3.2无约束优化算法37

3.2.1盲人下山37

3.2.2梯度下降法38

3.2.3牛顿法39

3.3随机优化算法39

3.3.1大数据背景下的模型训练39

3.3.2随机梯度下降40

3.3.3动量法41

3.3.4步长自适应算法和Adam42

3.4应用示例44

3.4.1梯度下降44

3.4.2SSGD45

3.4.3动量法45

3.4.4Adam45

3.4.5PyTorch实现46

3.5带约束优化算法46

3.5.1罚函数法46

3.5.2增广拉格朗日法47

3.5.3交替方向乘子法47

3.6习题47

参考文献47

第4章机器学习49

4.1机器学习概论49

4.1.1机器学习的内涵49

4.1.2机器学习的发展历程50

4.1.3机器学习的基本流程51

4.2机器学习方法分类52

4.2.1监督学习52

4.2.2无监督学习53

4.2.3强化学习54

4.3机器学习的常用算法54

4.3.1分类任务54

4.3.2回归分析57

4.3.3聚类任务58

4.3.4降维算法60

4.4机器学习的应用61

4.5习题61

参考文献62

第5章深度学习63

5.1深度学习概论63

5.2深度学习发展历程63

5.2.1起源阶段63

5.2.2发展阶段64

5.2.3爆发阶段64

5.3深度神经网络基本原理65

5.3.1深度神经网络核心知识65

5.3.2前向神经网络与反馈神经网络68

5.3.3反向传播算法70

5.4典型的神经网络71

5.4.1卷积神经网络71

5.4.2循环神经网络74

5.5深度学习的应用74

5.5.2自动驾驶75

5.5.3医疗健康诊断75

5.5.4广告点击率预估76

5.6深度学习的未来76

5.7习题77

参考文献77

第6章强化学习79

6.1强化学习概论79

6.2数学基础80

6.2.1概率论与数理统计基础80

6.2.2信息论基础知识81

6.3强化学习的基本概念82

6.3.1马尔可夫决策过程82

6.3.2随机策略与确定性策略83

6.3.3值函数与行为值函数84

6.3.4强化学习与其他机器学习的联系与区别86

6.4强化学习分类86

6.4.1基于值函数的强化学习算法86

6.4.2基于直接策略搜索的强化学习算法88

6.5强化学习的应用90

6.5.1人类级雅达利专家: DQN90

6.5.2星际争霸大师: AlphaStar91

6.5.3超级聊天『机器人』️: ChatGPT93

6.6习题94

参考文献94

第7章计算机视觉95

7.1计算机视觉概论95

7.2图像与图像预处理96

7.2.1图像的表示96

7.2.2图像点运算97

7.2.3图像滤波99

7.2.4边缘检测102

7.3计算机视觉经典任务及算法104

7.3.1图像分类104

7.3.2目标检测107

7.3.3语义分割109

7.3.4目标跟踪110

7.4计算机视觉算法的实现111

7.4.1OpenCV视觉库111

7.4.2MATLAB图像处理工具箱🧰111

7.4.3深度学习框架TensorFlow与PyTorch112

7.5计算机视觉的应用112

7.5.3质量缺陷检测113

7.6习题113

参考文献113

第8章自然语言处理116

8.1自然语言处理概论116

8.1.1自然语言处理的发展历史116

8.1.2自然语言处理面临的难点问题117

8.2词法分析118

8.2.1词法分析概述118

8.2.2分词118

8.2.3词性标注122

8.3句法分析123

8.3.1句法分析概述123

8.3.2句法分析树构建123

8.3.3句子分割125

8.4语义分析126

8.4.1语义分析概述126

8.4.2词义消歧126

8.4.3语义角色标注127

8.4.4文本语义表示128

8.5自然语言处理的应用130

8.5.1文本分类130

8.5.2信息抽取131

8.5.3自动问答132

8.5.4自动文本摘要132

8.6习题133

参考文献135

第9章智能博弈136

9.1智能博弈概论136

9.1.1博弈的基本概念136

9.1.2博弈的分类137

9.1.3纳什均衡及典型案例138

9.2博弈的复杂度138

9.2.1博弈问题的状态复杂度和博弈树复杂度139

9.2.2状态复杂度及博弈树复杂度的估算方法139

9.2.3博弈问题的计算复杂性140

9.3智能博弈策略求解技术141

9.3.1博弈树搜索142

9.3.2极大极小值算法142

9.3.3裁枝搜索（αβ剪枝）143

9.3.4剪枝优化方法144

9.3.5蒙特卡洛树搜索144

9.3.6深度强化学习146

9.4智能博弈的典型应用147

9.4.1国际象棋智能体“深蓝”147

9.4.2围棋智能体AlphaGo148

9.4.3Dota 2智能体OpenAI Five148

9.4.4斗地主智能体DouZero149

9.5习题150

参考文献150

第10章智能『机器人』️152

10.1智能『机器人』️概论152

10.1.1初识『机器人』️152

10.1.2智能『机器人』️技术的发展154

10.1.3『机器人』️的分类157

10.2『机器人』️的基本结构与工作原理157

10.3『机器人』️感知单元158

10.3.1常见的『机器人』️传感器158

10.3.2『机器人』️视觉159

10.4『机器人』️的规划、控制与决策161

10.5『机器人』️在我国的实际应用163

10.5.1南极长航程科考『机器人』️163

10.5.2适用于有色金属浇铸生产线的修锭『机器人』️164

10.5.3微操作克隆『机器人』️系统164

10.6『机器人』️的发展方向: 技能学习与智能发育165

10.6.1『机器人』️的技能学习166

10.6.2『机器人』️的智能发育166

10.7习题168

参考文献169

附录: 重要术语中英文对照表171

✦

相关教材

✦