课程名称（中文）:人工智能前沿专题
课程名称（英文）：Selected Topics in Artificial Intelligence
课程编码： 总课时：36课时 学分: 2学分
授课语言： 中文
开课院系：计算机科学与技术学院
适用专业:计算机应用技术，软件工程，教育学，心理学
先修课程:程序设计，数据结构
授课教师：周爱民
课程简介（中文）: 人工智能目前是计算机科学领域最热门的学科方向。本课程主要讲授和讨论人工智能的目前发展的一些前沿专题，包括演化搜索（Evolutionary Search）、深度学习（Deep Learning）、强化学习（Reinforcement Learning）、知识图谱（Knowledge Graph）等。以此为基础，介绍一些相关的具体算法和应用实例。
课程简介（英文）：Artificial Intelligence (AI) is a hot topic in both scientific research and engineering areas. This course focuses on some selected topics in AI, including evolutionary search, deep learning, reinforcement learning, and knowledge graph. Main algorithms in these topics will be introduced as well as some typical applications.
教学目标与要求:
教学目的：本课程将通过课程讲解、讨论与课后实践，使学员从理论和实践上两个层面了解目前人工智能的发展现状，培养学员对人工智能方法的应用和创新能力。
能力目标：通过本课程的系统学习，使学员对人工智能发展现状有全面的了解，提升计算机思维和人工智能思维；培养和加强编程实践能力、问题求解能力、英文文献阅读和写作能力及独立思考和创新能力；学习一些热门的人工智能算法，掌握基本的人工智能工具箱，为以后的科学研究和应用打基础。
教学安排（课程内容、学时、教学方式）：
第一章 概论 （2学时，讲授）
第二章 演化搜索 （8学时，讲授与讨论）
第2.1章 无约束搜索与优化
第2.2章 多目标搜索与优化
第2.3章 复杂问题求解策略
第2.4章 演化搜索应用与实例
第三章 深度神经网络 （8学时，讲授与讨论）
第3.1章 卷积神经网络
第3.2章 循环神经网络
第3.3章 图神经网络
第3.4章 生成对抗网络
第四章 强化学习 （8学时，讲授与讨论）
第4.1章 强化学习概述
第4.2章 基于值函数的方法
第4.3章 基于搜索的方法
第4.4章 强化学习应用与实例
第五章 知识图谱 （8学时，讲授与讨论）
第5.1章 知识图谱概念
第5.2章 实体抽取
第5.3章 关系抽取
第5.4章 知识图谱应用与实例
第六章 总结 （2学时，讲授）
考核方式: 本课程的考核采用考查方式，成绩采用百分制，成绩的评定兼顾出勤、课堂表现和期末成绩。出勤、课堂发言与平时实验，占40%；期末考核主要采用研究报告的形式，占60%。
教材或参考资料 ：
[1] Kenneth A. De Jong, Evolutionary Computation: A Unified Approach, The MIT Press, 2016.
[2] Ian Goodfellow, Yoshua Bengio, and Aaron Courville, Deep Learning, The MIT Press,2016.
[3] Richard S.Sutton, and Andrew G. Barto, Reinforcement Learning: An Introduction, A Bradford Book,1998.
[4]肖仰华等,知识图谱：概念与技术,中国工信出版社, 2020.
大纲撰写人: 周爱民