引论：我们为您整理了13篇人工智能课程论文范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
在教学案例具体设计时应包括章节、知识重点、知识难点、案例名称、案例内容、案例分析过程、案例教学手段、思考/讨论内容等案例规范，分别从以下单一案例、一题多解案例和综合应用案例3种情况进行讨论。
2.1单一案例设计以人工智能课程中神经网络课堂教学内容为例，介绍基于知识点的单一案例的设计。神经网络在模式识别、图像处理、组合优化、自动控制、信息处理和机器人学等领域具有广泛的应用，是人工智能课程的主要内容之一。教学内容主要包括介绍人工神经网络的由来、特性、结构、模型和算法，以及神经网络的表示和推理。这些内容是神经网络的基础知识。其重点在于人工神经网络的结构、模型和算法。难点是人工神经网络的结构和算法。从教学要求上，通过对该章节内容的学习，使学生掌握人工神经网络的结构、模型和算法，了解人工神经网络的由来和特性，一般性地了解神经网络的表示和推理方法。采用课件PPT和演示手段，由简单到复杂，在学生掌握人工神经网络的基本原理和方法之后，再讲解反向传播BP算法，然后运用“手写体如何识别”案例，引导学生学习理解人工神经网络的核心思想及其应用方法。从国外教材中整理和设计该案例，同时应包括以下规范内容。章节：神经网络。知识重点：神经网络。知识难点：人工神经网络的结构、表示、学习算法和推理。案例名称：手写体如何识别。案例内容：用训练样本集训练一个神经网络使其推广到先前训练所得结果，正确分类先前未见过的数据。案例分析过程：①训练数字识别神经网络的样本位图；②反向传播BP算法；③神经网络的表示；④使用误差反向传播算法训练的神经网络的泛化能力；⑤一个神经网络训练完毕后，将网络中的权值保存起来供实际应用。案例教学手段：手写体识别的神经网络演示。思考/讨论内容：①训练改进与权值调整改进；②过学习/过拟合现象，即在一个数据集上训练时间过长，导致网络过拟合于训练数据，对未出现过的新数据没有推广性。
2.2一题多解案例设计一题多解案例有助于学生把相关知识点联系起来，形成相互关联的知识网络。以人工智能课程中知识及其表示教学内容为例，介绍一题多解案例的设计。知识及其表示是人工智能课程三大内容（知识表示、知识推理、知识应用）之一。教学内容主要包括知识表示的各种方法。其重点在于状态空间、问题归约、谓词逻辑、语义网络等知识表示方法。难点是知识表示方法的区别及其应用。从教学要求上，通过对该章节内容的学习，使学生掌握利用状态空间法、问题归约法、谓词演算法、语义网络法来描述和解决应用问题，重点掌握几种主要知识表示方法之间的差别，并对如何选择知识表示方法有一般性的了解。通过讲解和讨论“猴子和香蕉问题”案例，来表示抽象概念。该案例从国内外教材中进行整理和设计，同时包括以下规范内容。章节：知识及其表示。知识重点：状态空间法、问题归约法、谓词逻辑法、语义网络法等。知识难点：知识表示方法的区别及其应用。案例名称：分别用状态空间表示法与谓词逻辑法表示猴子和香蕉问题。案例内容：房间内有一只机器猴、一个箱子和一束香蕉。香蕉挂在天花板下方，但猴子的高度不足以碰到它。猴子如何摘到香蕉？如何采用多种知识表示方法表示和求解该问题？案例分析过程：①状态空间法的解题过程。用n元表列表示该问题的状态；定义问题的操作算符；定义初始状态变换为目标状态的操作序列；画出该问题的状态空间图。②谓词逻辑法的解题过程。定义问题的常量；定义问题的谓词；根据问题描述用谓词公式表示问题的初始状态、中间状态和目标状态。案例教学手段：猴子和香蕉问题的演示。思考/讨论内容：①选择知识表示方法时，应考虑哪些主要因素？②如何综合运用多种知识表示方法获得最有效的问题解决方案?
2.3综合应用案例设计与单一案例、一题多解案例相比，综合应用案例能更加有效地启发学生全方位地思考和探索问题的解决方法。以机器人行动规划模拟为例，介绍人工智能综合应用案例的设计，该案例包括以下规范内容。章节：人工智能综合应用。知识重点：人工智能的研究方向和应用领域。知识难点：人工智能的技术集成。案例名称：机器人行动规划模拟。案例内容：综合应用行为规划、知识表示方法、机器人学、神经网络、人工智能语言等多种人工智能技术与方法，对机器人行动规划问题进行描述和可视化。案例分析过程：①机器人行为规划问题求解。采用状态归约法与分层规划技术，将机器人须完成的总任务分解为若干依序排列的子任务；依据任务进程，确定若干关键性的中间状态，将状态对应为进程子规划的目标；确定规划的执行与操作控制，以及机器人过程控制与环境约束。②基于谓词逻辑表示的机器人行为规划设计。定义表达状态的谓词逻辑；用谓词逻辑描述问题的初始状态、问题的目标状态以及机器人行动规划过程的中间状态；定义操作的约束条件和行为动作。③机器人控制系统。定义机器人平台的控制体系结构，包括反应式控制、包容结构以及其他控制系统等。④基于神经网络的模式识别。采用神经网络方法以及BP算法对桌面茶壶、杯子等物体进行识别，提取物体图形特征。⑤机器人程序设计语言。运用人工智能语言实现机器人行动规划行为的可视化。案例教学手段：机器人行动规划的模拟演示。思考/讨论内容：人工智能将会怎样发展？应该在哪些方面进一步开展研究？
3案例教学环节和过程的具体实施细节
人工智能案例教学的实施面向笔者所在学院软件工程专业三年级本科生展开。具体实施细节如下。（1）教学内容的先进性、实用性和前沿性。引进和整合国外著名人工智能教材内容，保证课程内容具有先进性。同时将前沿人工智能的研究成果与技术有机地融入课程案例教学之中。（2）案例教学的创新教学模式。在教师的引导下，将案例中涉及的人工智能内容推广到对人工智能的一般性认识。案例的教学过程，成为认识人工智能、初步运用人工智能的理论与方法分析和解决实际应用问题的过程，使学生具备运用人工智能知识解决实际问题的意识和初步能力。在课程教学中，打破国内常规教学方式，建立和实施开放式案例教学模式。采用动画课件、录像教学、实物演示、网络教学等多种多媒体教学手段，以及集中讲授与专题讨论相结合的教学方式将理论、方法、技术、算法以及实现有机结合，感性认识与理性认识相结合，理论与实际相结合，极大地激发学生自主和创新性学习的热情。（3）“课堂教学—实践活动—现实应用”的有机融合。在案例教学过程中，从传统教学观以学会为中心转化为创新应用型教学观以创新为中心，以及从传统教学的以课堂教学为中心转化为以课堂教学与实践活动并重为中心，构造具体问题场景以及设计教学案例在情境中的现实应用，加深学生对教学内容的理解，同时提高学生的思考能力和实际综合应用能力。
篇2
苏霍姆林斯基认为,研究型教学法应该充分体现学生的主体地位,激励、引导和帮助学生去主动发现问题、分析问题和解决问题,激发学生学习的内在兴趣和成就动机[4]。人工智能课程中包含了大量的前沿问题,研究型课题比比皆是,如何平衡这些研究课题与兴趣、实用的关系,是教学设计中重点考虑的内容。
下面以“规划”中的路径规划内容为例,详细分析以研究为导向的情境创设过程。表2给出了整个教学设计。
综合几次研究课题完成情况,班级中有1/3的学生通过广泛查阅资料和多次与教师讨论,提交了质量尚可的标准格式论文,并因此获得了学院的科研学分。除此之外,教师还组织这部分具备一定科研潜力的学生参加科研项目,进一步磨练科研技能,极大提高了学生的学习兴趣和能力。
3DBR驱动的教学过程
人工智能课程各单元内容相对独立,难以形成统一的联系,怎样验证各单元的学习效果?从提出问题到任务解决,每个单元的学习通常要跨越几节课甚至几周,怎样在此期间保持学生的兴趣和关注?
DBR是情境设计、实施、评价、再设计、理论形成等环节多次迭代循环的过程,柯林斯称之为“不断进步的修正”(Progressive Refinement),以检测设计的价值。因此,评价是教学过程中非常重要的一环。本课程教学主要做好两个环节,以驱动整个教学过程的推进。
1) 实践环节。
通常的实践环节是课程结束后固定时间的实际任务,而本课程的实践却贯穿整个教学过程,是单元教学、教师、学生之间的粘合剂。实践包括应用型实践和研究型实践,一般在每个单元教学开始,提出问题后,实践任务就被布置下去,例如前面所述的“黑白棋”、“路径规划算法研究”等。学生接受任务后,带着问题搜索解决途径,在此期间需要教师提供方法指导及答疑(既可固定时间,也可通过E-mail等形式)。及时地交流,特别是针对实际问题的交流,不仅有效率,而且便于教师及时调整教学设计。
2) 教学评价。
除了课程考核以外,每个教学单元结束时都有反馈和评价环节。评价方式包括单元测试、编写软件测试、研讨会等。具体采用何种形式,要根据前一阶段的反馈信息决定。这些来自学生反馈信息包括前一阶段学习的接受情况、兴趣点、其他课业繁忙情况等。在学期的不同时间点采用合适的评价方式,有助于加强学习刺激,总结和发现教学设计中的问题,及时调整。
通过上述两个环节的推动,精心设计的教学内容得以顺利实施并被学生欣然接受。2/3的学生在整个学期教学中都保持了积极的态度和充分的关注度,确实感受到人工智能的魅力,并能够从技术角度看待人工智能,消除了未学或初学时的神秘感。
4教学实施效果分析
1) 正效果分析。
中原工学院计算机学院作为普通工科院校,以培养实用型人才为主,人工智能并非主干课程,学生重视程度不足。两年来,经过教师与学生的共同努力,教学改革成果逐步体现。人工智能类学生人数从过去的5%上升到15%,科研论文数量从1%上升到20%。有20%的学生接触过或正在从事人工智能类项目的研究与开发,考研选择人工智能科目的学生比例从0上升到15%,考研成功人数占毕业生总人数的20%。
人工智能教学中采用的应用型与研究型情境创设,不仅促进了学生理解接受知识,而且锻炼提高了学生独立分析、解决问题及开发能力。学习也不再局限于课堂,而是拓展到图书馆、互联网等更广阔的空间。学生在学习期间保持了高度的关注,充分发挥了主动性和主体意识,为持续发展奠定了良好的基础。
2) 不足分析。
DBR的方法论能够促使教师在教学过程中不断完善教学设计,融合先进的教学理论及工具,逐步加深学习的理解和设计的提升,切实提高教学效果。然而,仍然存在一些DBR无法解决或完善的问题。具体表现在:
(1) 缺乏合适的教材。目前大多数教材的示例以解答式或推证式为主,设计型或实际项目案例较少。
(2) 投入时间限制。尽管上述教学设计和教学过程都经过精心准备与实施,但是要取得好的成效,还需要教师和学生都投入大量时间交流、研究或开发。而学生课业繁忙造成了实施的瓶颈。
这些不足制约了上述教学方法的实际实施效果,需要今后不断改进。
5小结
本文针对普通工科院校学生特点,将DBR研究成果应用于人工智能课程。教学效果表明,精心设计的应用型与研究型情境有助于维持学生长时间的关注度、主动性和兴趣;强调基于评价的修正使教学过程可调节,学生的学习效果更可靠。希望本文研究能够对人工智能教学及学生培养起到一定的参考作用,下一阶段的主要工作是进行适合的教材建设。
参考文献:
[1] 杨南昌. 基于设计的研究:正在兴起的学习研究新范式[J]. 中国电化教育,2007(5):6-10.
[2] 曾安,余永权,曾碧. 人工智能课程教学模式的探讨[J]. 江西教育学院学报:综合版,2006,27(6):40-43.
[3] 李鸣华. 案例教学法在高中人工智能课程中的运用研究[J]. 中国电化教育,2008(2):99-102.
[4] 杨种学. 研究型教学法在数据结构课程中的应用研究[J]. 计算机教育,2007(1):55-56.
DBR Utilized Teaching Method for Artificial Intelligence
WANG Lu, LU Xiao-xia
篇3
面对AI技术如火如荼地发展，我们国家对AI人才和人才培养都非常重视。2017年3月“人工智能”在政府工作报告中曾提及四次，指出要推动人工智能和实体经济深度融合。2017年7月20日国务院《新一代人工智能发展规划》[4]。《规划》指出完善人工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额。鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设。
二企业对于人工智能人才的需求
市场上AI技术人才非常稀缺，据腾讯研究院联合boss直聘的《2017全球人工智能人才白皮书》[5]显示：目前，全球大约有30万人从事AI工作。截止到2017年10月，中国人工智能人才缺口至少在100万以上。2017年头10个月，AI人才需求量是2016年的近两倍，2015年的5.3倍之多，年复合增长率超200%。百度、腾讯、阿里巴巴、京东等互联网巨头都在挖掘AI人才，纷纷开出了高额的薪资。2017年薪资最高的十个职位中AI类岗位占到1/2，其中语音识别、NLP、机器学习等职位平均月薪资超过2.5万元。
三高校AI人才培养的思考
高校具有多学科、高层次人才集中的特点，具备计算机与多学科交叉融合的优越条件；且大部分学校都开设有数学、物理等基础学科，具备夯实数学理论基础的条件；且人员相对固定，便于沟通交流，具备共同开展AI课题，促进发展AI技术的人力条件。但是遗憾的是我国开设人工智能课程的高校较少，2018年只有33所高校设立了智能科学与技术专业[6]。面对AI发展的火爆，国家对于AI人才发展的重视以及企业对于AI人才的严重需求，高校作为人才培养的主要来源，是不是应该思考AI人才的培养呢？AI人才可以分为三类：拔尖人才，研究性人才和应用型人才，呈金字塔性。当下已经有一批名牌大学开展了AI方向拔尖人才的培养，如北京大学图灵班、中国科技大学人工智能技术学院、西安交通大学人工智能拔尖人才培养实验班，南京大学计划成立人工智能学院等。但是金字塔的底层、中层更需要庞大的AI技术人才，如应用开发人员、数据工程师、AI和机器学习工程师、AI系统架构师、AI产品经理等岗位的人才，同样值得重视。很多专家都表示AI人才需要数学基础好、专业理论全面、具备一些工程基础，且有自主学习的能力。本文从夯实数学基础、人工智能方向课程的建设、实践能力的培养、自主学习能力的培养四个方面阐述高校关于AI人才培养的一些思考。
1奠定扎实的数学基础
在学习AI技术时，几乎所有专家学者都提出需要扎实的数学功底，数学功底的厚重程度决定了在AI技术上走多远。高等院校计算机专业都开设有“高等数学”“线性代数”“概率论”等数学课程，但是课时、难易程度不足，学生对于数学不够重视，或者觉得晦涩难懂，学习效果并不十分理想，因此加强数学基础的工作刻不容缓。可以通过必修和选修等方式开设“数据分析”“统计机器学习”“凸优化”等课程；通过微课或者MOOC等方式巩固数学基础的学习；通过优秀科普读物，如《数学之美》《编程之美》等书籍的推荐阅读激发学生兴趣；通过开展校内学术讨论、数学竞赛等方式促进学生学习数据的动力，逐步达到夯实数据功底的目的。
2人工智能方向课程的建设
很多高校计算机专业课程中只开设有《人工智能》导论，有的甚至没有。智能科学与技术专业开设有“人工智能”“计算机视觉”“机器人学导论”“计算智能”这几门课程，但是在编程、算法等方面不足。那么AI技术人才应具备哪些专业能力呢？如何从专业角度培养AI技术人才呢？2018年1月CSDN了“AI技术人才成长路线图”[7]，通过专业路径和实战路径两方面介绍了AI技术人才需要具备的知识。需要具备Python、C++、Linux、CUDA编程知识，需要学习机器学习课程、掌握TensorFlow框架。该路线图中列出了机器学习算法工程师、数据科学家等10个岗位AI人才应具备专业知识和能力。微软公司也推出AI人才培养的10门免费课程，如“AI导论”“数据科学会用到的Python语言-导论”“AI领域运用的数学概要”“数据和分析所需要的道德与法律”“数据科学概要”“机器学习法则”“深度学习”“强化学习”“微软专案项目之人工智能”。同时在“文字和自然语言识别”“语音识别”“计算机视觉和图像识别”中选择其一。Google在人工智能学习网站开设有《MachineLearningCrashCourse（简称MLCC）》的免费课程[8]，由机器学习概念、机器学习工程、机器学习现实世界应用示例三个部分组成。Intel近期也了三门免费的AI课程，分别是“机器学习基础”“深度学习基础”和“TensorFlow基础”[9]。AndrewNg在Coursera上也推出了机器学习的课程，且用比较通俗的语言讲解机器学习中各个算法。最近在Deeplearn-ing.ai和Coursera平台又开设了5门深度学习课程[10]。综上所述，不同的研究机构都着眼于AI编程基础、AI算法、AI框架、AI实践这几个方面。那么高校也可以借鉴这些经验，通过三个阶段分层次的开展相应的课程。
3实践能力的培养
AI技术不能纸上谈兵，必须动手实践才能真正掌握，可以从以下几个方面着手培养学生的实践动手能力。（1）设计教学环节时多从工程应用的角度来介绍，激发学生的兴趣，培养学生解决问题的能力。要求学生新手编程编程实现模型，充分理解算法的含义和原理到实现的过程。（2）在掌握一定的机器学习知识后，鼓励学生尽早走进实验室，接触科研工作。可以从一些AI应用方向作为入手，使学生了解自己的兴趣点、培养科学研究能力。（3）鼓励学生参加算法比赛。目前有很多AI方向的竞赛，如Kaggle上的挑战赛，国内阿里天池大数据竞赛等。通过参加竞赛刺激学生学习AI的动力和热情，使得解决问题的能力和实践动手能力都会大幅度提高。（4）鼓励学生到工业界实习。很多专家都指出AI人才应该具备一定工程基础。确实，学术界往往追求算法的性能，而工业界更重视经济效益和解决问题的有效性。到企业学习可以快速了解行业发展的框架，掌握算法转化到产品的过程。
4自主学习能力的培养
篇4
人工智能(ArtificialIntelligence)是一门研究和模拟人类智能的跨领域学科，是模拟、延伸和扩展人的智能的一门新技术。由于信息环境巨变与社会新需求的爆发，人工智能技术的日趋成熟。随着AI3.0时代的到来，大数据、云计算等新技术的应用也愈发广泛，对于管理类人才来说，加强对人工智能知识的深入学习，不断将人工智能技术与管理知识结合起来，对其未来职业生涯的发展有着重要作用。人工智能是一门前沿学科，管理学院开设人工智能课程的目的是为了更好地培养学生的技术创新思维与能力，基于其覆盖面广、包容性强、应用需求空间巨大的学科特点，通过概率统计、数据结构、计算机编程语言、数据库原理等基础课程的学习，加强学生解决实际问题的能力，为就业打下基础。本文基于社会对于人工智能领域的人才需求，结合诸多长期从事经管类专业课程教学的老师意见，针对管理类人才的人工智能课程教学内容与方法进行探讨，以期对中国高校人工智能课程教学改革研究提供帮助与借鉴。
1、教学现状与问题
作为一门综合性、实践性和应用性很强的理论技术学科，人工智能课程内容及内涵及其丰富，外延极其广泛。学习这门课程，需要较好的数学基础和较强的逻辑思维能力。针对管理类人才，该课程在课程教学过程中存在几个较为突出的问题。(1)课堂教学氛围枯燥目前，中国大多数大学仍采用传统的课堂教学模式，在教学过程中照本宣科，忽略与学生的互动，并且缺乏能够有效引起学生学习兴趣与加深知识理解的教学环节设置，如此一来大大降低了学生自主思考的能力。在进行人工智能相关课程知识讲解时，随着章节的知识难度不断增加，单向介绍式的枯燥教学方式无法反映人工智能学科的全貌，课堂讲解难以同时给以学生感性和理性的认知，部分学生因乏味的课堂氛围渐渐无法跟上教学进度，导致学习动力不足。(2)基础课程掌握不牢管理类专业的学生大部分都会走向更加具体化的管理岗位，具有多学科的素养，但这也导致很多学生所学知识杂而不精。学生在基础不夯实的情况下去学习更高层面的知识，给学生学习与老师教学都造成了很大困扰。人工智能课程知识点较多，涵盖模式识别、机器学习、数据挖掘等众多内容，概念抽象，不易学习。一些管理类专业的学生未能熟练掌握高等数学、运筹学、数据结构、数据库技术等先修课程，缺乏一定的关联思考和研究意识，导致课程学习难度增加，产生学时不足和教学内容难点过多的问题。(3)教学与实际应用脱节当下，人工智能广泛应用于机器视觉、智能制造等各个领域，给学生提供了大量的现实案例，使得人工智能不再是高深莫测的理论，而是现实中可以触及的内容。例如，在机械学科领域，人工智能技术是电气工程、机械设计制造、车辆工程等方向的重要技术来源；在医疗领域，是医疗器械的创新生产源动力；在能动领域，是高端能源装备与新能源发展的重要驱动；在光电信息与计算机工程领域，技术的发展时刻推动着智能科学与技术核心价值的提升。然而，对于管理类专业的学生来说，现阶段的人工智能教材涵盖许多智能算法及相关理论，在教学过程中常常涉及到很多从未接触过的抽象理论和复杂算法，书本中的应用实例大多纸上谈兵，缺乏专门适用于管理类专业知识与人工智能技术相结合的教学实践，加上一些教师授课方法单一，不利于引导学生将人工智能算法应用于现实生活。另外，大学生对知识的理解能力差异很大，教师采用统一的方式教给他们，这使一些学生无法跟上和理解，教师也无法控制学生的学习状况，导致学生缺乏动力。因此，如何结合学生的现实情况，提高他们的动手能力和实践经验也是人工智能课程教学要考虑的问题。
2、管理类人才的人工智能课程教学改进策略
课程教学改革是一项提高大学教学效果和人才培养质量的重要手段。如何在时代背景下应用新技术和新思想进行实施课程教学改革是高校亟待解决的问题。对于高校的教学工作而言，教学目标、教学内容和教学方式的变化不再是课程资源的简单数字化和信息化，而是充分利用时代信息资源优势的新型教学模式。针对管理类专业人工智能课程教学过程中存在的问题，可以从教学方法改进和教学内容设置两个方面进行课程教学改进。
2.1教学方法改进
教师对学生具有引领作用，其教学方法的改进能够带动学生改进自身学习方法。(1)启发式案例教学案例教学法就是教师根据教学目标、教学内容以及教学要求，通过安排一些具体的教学案例，引导学生积极参与案例思考、分析、讨论和表达等多项活动，是一种培养学生认知问题、分析和解决问题等综合能力的行之有效的教学方法。启发式案例教学以自主、合作、探究为主要特征，调动学生的学习积极性，并紧密结合人工智能领域的相关理论与方法，有效理解知识要点及其关联性，适用于管理类专业学生的教学。具体而言，高校基于其问题启发性、教学互动性以及实践有用性等特点，可以建立基于人工智能知识体系的教学案例库，虽然这项建设将极具挑战性与耗时性，但具有很强的积极效果：培养学生较强的批判性思维能力，更多地保留课程材料，更积极地参与课堂活动，对提高教学质量、培养具有人工智能背景的管理类人才具有重要意义。例如，通过单一案例教学，让学生掌握相关基础知识原理及应用；通过一题多解的案例使学生思考如何获取最有效的解题方法；通过综合案例的设计，启发学生全方位地探索问题的解决方案。(2)研讨互动式教学研讨互动式的各个教学环节是逐渐递进、有机结合的。研讨是基于学生个体的差异性，在课堂讨论的过程中对学生做出评判，从而对不同类型的学生开展针对性的教学。互动则是在研讨的基础上，通过老师与学生、学生与学生的互动，让学生主动参与到课堂教学的过程中来。在人工智能课程教学过程中，教师通过课堂讨论了解学生对于知识点的掌握情况，可以有针对性地设计教学内容，例如，对于学校积极性不强的学生，将人工智能理论内容与学生个人兴趣范畴、社会产业发展及研究现状联系起来，能够极大程度地提高学生学习的自主能力；对于基础知识较为薄弱的学生，可以在教师的指导下查阅相关文献资料，根据自己的理解撰写心得报告，并在课堂或课外进行师生互动。像这样研讨与互动相结合的模式。有助于增强学生的探索和求知欲望，建立起浓厚的学习氛围。(3)有效激励式教学人工智能是引领未来的战略性技术，人才需求量极大，对教师的教学水平也提出了更高要求，因此，进行有效激励极为重要。在学生激励方面，可以举办各类人工智能竞赛项目，设置相应项目奖学金，吸引学生参与实践，调动学生做研究、发论文的积极性。例如，教育部主办的中国研究生人工智能创新大赛，围绕新一代人工智能创新主题，激发学生的创新意识，提高学生的创新实践能力，为人工智能领域健康发展提供人才支撑。高校也可以借鉴这种模式，在各学院乃至全校开展此类竞赛项目，激发学生的创新能力与团队合作能力，鼓舞更多学生加入到人工智能课程的学习中来，激发其学习兴趣。在教师激励方面，在教师聘任和提升过程中把参加学生课程制定、课堂与课外作业、课程项目和论文指导等看作教学任务的一部分，鼓励教师积极参与这些活动。(4)学科渗透式教学人工智能学科知识融合程度较高，学科交叉性强。基于人工智能的学科交叉性特点，增强管理类人才对学科应用的领悟，可以采取开展学科渗透式教学的方法。从2015年起，国务院和教育部先后印发了《国务院关于积极推进“互联网+”行动的指导意见教育》、《高等学校人工智能创新行动计划》等文件，“互联网+”、“智能+”已经渗透到各个领域，人类进入数字经济时代，社会需求“技术+管理”的高端复合人才。例如，基于工业4.0和强国战略，人工智能技术在智能制造的应用极为广泛。上海理工大学非常重视少数民族预科班的教育质量。为增强少数民族管理类人才对该领域应用的认识，我们请机械工程、能源动力领域的相关专家以授课或讲座的形式，进行相关领域知识和发展趋势的讲解，使学生理解更为透彻。此外，在教学实践过程中，还可以用举办人工智能知识交流会、线上人工智能论坛等形式，促进不同专业间老师、学生对于人工智能知识模块的见解，相互交流、渗透和学习，从而推动人工智能课程教学的改进。
2.2教学内容设置
篇5
“智能科学基础系列课程教学团队”的教学队伍是一支由国家级教学名师领衔[5],知识结构、梯队结构和年龄结构比较合理,具有明显的学科优势、课程优势、人才优势和教学科研优势的颇具特色与影响力的教学团队。该团队以中南大学智能科学研究中心为核心,主要承担人工智能基础、智能控制导论、机器人学、专家系统等本科基础和专业基础课程,硕士学位课程人工智能、智能控制和机器人控制技术以及留学生硕士学位课程Artificial Intelligence和博士生学位课程智能系统原理与应用的教学。
教学团队在建设过程中,注重教学改革,加大课程建设和教材建设力度,不断改进教学方法,在课程改革、教材建设、教学手段、队伍建设以及交流合作等方面取得一些进展。本文拟就教学团队的改革与建设的相关理念与实践问题加以总结,谈谈我们的见解。
1创新教学方法
教学是教师的本职和核心工作。本教学团队一直致力于教学方法与教学模式的改革与创新,虚心学习国内外先进教学经验和方法,积极探索教学新路,形成了“以趣导课、以疑启思、以法解惑、以律求知”的教学模式和教学方法[6-7]。充分激励学生的学习积极性和主动性,发挥独立思考和创新思维,多方位培养学生发现问题、分析问题和解决问题的能力。我们在教学过程中应用了课堂演示、课堂互动、课堂辩论、课后网络教学、网络实验等一系列现代化全方位的教学新模式。此外,为提高学生的动手能力和理论水平,让学生直接参与部分教师课题,理论联系实际,为毕业后的工作学习打下良好基础。具体措施如下:
1) 举行课堂讨论会,营造自由探索氛围。
为调动学生的积极性,我们在授课过程中多次开展课堂讨论会和辩论会等活动,让学生自己查阅资料,分析整理,提出自己的观点,使学生全方位地接触所学课程,培养学生的研究能力,真正实现师生互动,并鼓励学生用英语讨论。学生对有些问题展开了激烈的争论,激发了学习潜能,明确了学习目标。课程中还经常请来在科研工作中担任主要任务的教授和博士生来给学生介绍最前沿的科学动态,激发学生们对所学知识和科学研究的兴趣。在研究生教学方面,我们更进一步通过举办课程课堂学术研讨会,让学生在一年级就开始接触学科前沿,自己查阅资料和动手写科技论文,并在研讨会上宣读讨论,培养独立工作能力和从事学科前沿研究的能力,为将来的高层次研究打下基础。
2) 倡导启发式教学,培养学生学习能力。
注意采用面向问题的启发式方法进行教学,启发学生求解问题能力,强化学生的参与意识,提高他们的学习积极性。教学中还注意采用了多种交互式策略,如课堂教师提问、鼓励或指定学生用英语提问、学生就某个知识点进行主题发言后老师点评等。此外,师生通过互联网进行交互,方式包括Email、BBS和QQ谈和交换文件等。
根据学生的兴趣和创新潜力,对有专业特长的本科生,在自愿情况下,挑选2～3名参与国家级项目研究工作,进行中长期培养试点,实现本科培养过程与硕士、博士研究生培养过程的衔接。
3) 增强课程实验教学环节,筹建智能专业实验室。
智能科学基础课程的概念性较强,初学者感到比较抽象,而实验教学又是薄弱环节。因此,结合学生实际情况,我们对实践教学环节十分重视,设计了一些新的实验项目,探索新颖的实验方法。新开实验项目包括人工智能实验、智能控制实验、专家系统实验、机器人学实验、人工智能课程设计等。对相关课程的原有实验,我们也进行了一些改革,增设了个性化的实验,使得学生的实验数据和实验结果分析既有格式要求,又给学生报告自己研究的过程和结果留有空间。这些做法能够鼓励学生进行独立性研究,满足他们学习的需求。通过实验教学,学生能够理论联系实际,验证所学理论知识和概念,加深理解,充分调动了学生的学习积极性,培养了他们的创造能力。
除课堂实验外,我们还充分发挥虚拟实验的优点,设计了网络虚拟实验,让学生在课外上网练习。通过虚拟实验,学生可以了解算法的具体运行过程,调整参数和过程,并进行验证以加深对知识的理解,提高学习兴趣,从而达到教学目的。
结合科研,购进和自制部分新设备、新系统,计划建设智能专业实验室,为教学提供更多的优良实验设备。例如,已研制“中南移动一号”和“中南移动二号”自主移动机器人共7台,已购进RCB-1型教学机器人20套等。
教学团队教师还指导学生参加全国大学生“飞思卡尔”杯智能汽车竞赛活动、大学生创新性实验计划及创新教育计划项目等,取得优秀成果。
2推进课程改革
教学改革是课程建设和学科发展的生命线。我们把国家级精品课程和全国双语教学示范课程放在优先建设的位置,并以它们带动其他课程建设,完善系列课程建设,同时新办了智能科学与技术专业。
2.1搞好精品课程建设,改进双语示范课程教学,稳步推进系列课程建设
本团队着力搞好已有的2门国家级精品课程、1门全国双语教学示范课程,更新精品课程网站,丰富课程内容。为了及时反映上述课程中相关科学技术的最新进展,我们调整了教学体系和教学内容,修订了教学大纲,并对教学内容进一步优化和更新,极大充实了各课程教学内容。同时,通过校际教学活动和网上资源共享对精品课程、双语教学示范课程进行交流和推广,起到较好的辐射作用[8-9]。
为加强精品课程建设,完善和拓展课程体系,在总结现有精品课程的建设经验的基础上,又建成省级精品课程1门,校级精品课程1门。
为提高学生的专业英语水平和学习兴趣,使得学生能够开拓眼界,追踪国际前沿科学研究,本团队长期对双语教学进行研究和实践。除改进人工智能双语教学示范课程外,团队承担的其他课程,如智能控制、机器人学、专家系统、数据结构等也实行了双语教学,并为该课程引进英文辅助教材。例如,对人工智能课程,我们先后采用Nilsson和Russell等编著的国外影响较大的英文原版教材作为主要教学参考书[10-11],供学生学习参考。在双语教学中,一般以汉语讲授为主,英语为辅,并对一些关键词同时用汉语和英语表示。对部分章节或某个专题,采用纯英语教学或以英语为主汉语为辅的教学。对PPT课件的编写分为纯汉语、纯英语和英汉混合几种方式。英语教学比例要根据教学内容和学生英语水平而定,其检验标准是学生的接受程度与学习效果,根据这一点来适时调整双语教学中英语对汉语的比例。
通过教改实践,我们承担的智能科学基础课程逐步形成为具有明显特色的课程体系。我们讲授的课程从智能科学的基础课程到专业基础课程,再到专业实践课程,形成了配置合理、特色鲜明、循序渐进、优势互补、协调发展的智能科学与技术学科从基础到应用的系列课程体系。
2.2新办智能科学与技术专业
智能科学与技术是当代科技发展的前沿学科和重要组成部分,其人才需求日益增加,超出了目前高校的培养能力[12]。我校的智能科学与技术学科方向经过近20年的发展,已形成了具有自身优势和特点的学科,在国内具有一定的知名度和优势。为了促进智能科学与技术学科的发展,经过多年积极准备,我们于2009年申报了智能科学与技术专业并获得教育部批准。通过向兄弟学校学习调研,了解该专业人才需求、专业建设规划,设定适应培养目标的教学计划与课程设置方案。虽然我们开办“智能科学与技术”专业较晚,但我们从2002年开始,就一直关注和积极参与国内智能科学的学科的讨论与新专业筹备工作[13]。
我校于2009年申报获准,在自动化专业增设了智能科学与技术专业方向,目前已招收2届学生共84人。我们为选读智能科学与技术本科专业方向的每个学生选定指导老师。每个学生都可以参加指导老师的课题,指导老师也可以利用自己的学识、经验和责任心来更好地管理呵护学生。这一做法取得明显效果,不仅受到同学们的普遍欢迎,也得到了学校的肯定。我们还多次召开师生见面会并通过指导老师走访宿舍,了解每个人的情况。为了消除代沟,努力融入同学当中,学习熟悉他们的语境和思维想法。我们的目标就是不让一个学生掉队。
创建与建设智能科学与技术新专业,将为智能科学基础系列课程教学建设提供一个更加宽广的平台,并对计算机、自动化和电子信息等学科的专业建设和课程建设提供一个新的增长点。我们将以智能科学与技术专业建设为契机,虚心学习兄弟学校的专业建设的做法和经验,进一步规范智能科学与技术的基础课程教学,让智能科学基础课程教学建设登上一个新的台阶。
3加强教材建设
教材是教学的重要工具和资源,其水平直接影响教学效果和教学质量。在教学过程中,我们与时俱进,对教学内容不断优化与更新,精益求精地编写反映学科发展的教材[14]。
我们对原有编写出版的教材进行修订,反映新世纪学科发展水平和发展趋向,以适应教改需要。把这些最新内容用于教学,使学生了解到国际前沿动态和本学科的最新成果。
以相关系列课程为平台,注重教材配套,服务因材施教,着眼长远教材建设。仅2007年以来我们已出版的相关教材及专著如下:
《智能控制原理与应用》,国家级精品课程配套教材,2007;《智能控制导论》,国家级精品课程配套教材,2007;《未知环境中移动机器人导航控制理论与方法》,2008;《机器人学》,第二版,国家级教学团队配套教材,2009;《机器人学基础》,国家级教学团队配套教材,2009;《人工智能及其应用》,第四版,国家级“十一五”规划教材,国家精品课程配套教材,2010;《人工智能基础》,第二版,国家级“十一五”规划教材,国家精品课程配套教材,2010;《移动机器人协同理论与技术》,2010。
4优化队伍结构
师资队伍建设是团队建设的源头,没有一流的教师队伍就没有一流的教学团队。在师资队伍建设上,我们一直采取引进优秀人才和在职培养相结合的做法。对于人才的引进主要通过办专业和办学科点等方式吸引人才,还通过创造教学和科研条件,稳定教师队伍,解决个人的发展问题。
采取有效措施,提高主讲教师的学术积累和教学水平。一是教研组教师,特别是中青年教师积极参加重要科研项目,提高学术水平。二是派中青年教师赴国外研修访问,了解和学习发达国家同类课程的先进教学经验、相关课程设置情况与发展趋势,将国外教学思想引入课程教学。
教学始终是教师的第一要务,为了提高青年教师的教学素质,我们实施并完善了一系列管理措施和制度。
1) 设立名师工作室,实现名师资源共享形成多元化的带教制度,安排高年资的教师对年轻教师进行传、帮、带,可以有业务方面的指导,也可以有认识方面的交流。通过老教师对年轻教师全方位的指导,使老教师的教学理念和经验得以继承,加快了年轻教师的成长。
2) 有计划地安排年轻教师虚心旁听有经验教师的讲课。通过听课,不仅使年轻教师进一步掌握课程的内容,更重要的是使年轻教师学到了老教师的教学方法和经验,对其今后从事教学工作起到了积极的指导作用。
3) 对于第一次上课和第一次上某门新课程的年轻教师,团队都要在课前组织他们试讲。试讲前,安排老教师进行指导,传授教学经验。试讲时,由团队的教师参加听课并对其进行讲评,肯定其优点,指出其不足,帮助青年教师尽快掌握课程的重点,找到更合适的讲授方法。此外,我们还备课,统一基本教案,帮助年轻教师成长。
近两年来本教学团队获得的主要教学奖励就有徐特立教育奖、茅以升教学专项奖等。
5扩大交流合作
我们在做好自身团队建设的同时,增进与全国相关高校和教学团队的交流,学习兄弟团队的建设经验,在课程示范、教材推广、网络资源辐射等方面发挥积极作用。我们还开展校内合作,联合不同院系进行教学和精品课程的申报与建设,在校内推广改革成果;发表了一系列教改论文;发起筹备《全国智能科学技术课程教学研讨会》;邀请企业界科技精英做本科生就业指导相关报告。
1) 增进校际交流,发挥辐射作用。
我们经常以讲座报告形式在许多兄弟院校进行教学与教改交流。例如,最近一年来就应邀先后到上海交通大学、同济大学、东华大学、东南大学、国防科技大学、中国矿业大学、北京科技大学、清华大学等校就智能科学技术课程的教学、教改和建设问题作专题报告,在兄弟院校师生中引起热烈反响。已有数以百计的高等院校采用我们编著的教材和网络课程进行教学,国内已有众多的从事人工智能课程和智能控制课程教学的教师,来信来函索取我们开发的课程教案、课程演示和网络课程相关资料等,我们一直尽力地搞好推广和服务工作。
2) 撰写课程改革论文,进行国内外交流。
本团队成员仅近一年多来,就在中国教育开放资源网、中国人工智能学会13届年会、计算机教育、高等理科教育、计算机与现代化等会议及刊物上发表10篇教改论文,在国内外进行交流,起到介绍情况,交流信息和经验的积极作用。
3) 筹备全国相关课程教学研讨会。
为了更好地交流经验,扩大影响和辐射作用,我们发起并联合中国人工智能学会教育工作委员会、中国计算机学会人工智能与模式识别专业委员会、中国人工智能学会智能机器人专业委员会、中国自动化学会智能自动化专业委员会、中国人工智能学会人工智能基础专业委员会,筹备召开了首届《全国智能科学技术课程教学研讨会》[15]。围绕各个学校在智能科学与技术本科专业的课程改革与建设、课程和专业教学计划制定和未来发展设想等方面进行交流研讨。通过交流研讨,认真学习兄弟学校的经验,并尽可能汇报我们的经验。我们相信,在与会全体代表的共同努力下,本次课程教学研讨会一定能够取得积极的成果。
注:本研究获得教育部国家级精品课程人工智能(2003年)和智能控制(2006年)、全国双语教学示范课程人工智能(2007年)、国家级智能科学基础系列课程教学团队(2008年)等项目支持。
参考文献:
[1] 中国高等教育学会. 中国高校国家精品课程,工学类,(上册),2003-2007[M]. 北京:北京大学出版社,2008:433-436.
[2] CAI Zixing,LIU Xingbao,LU Weiwei,et al. Comparative Study on Artificial Intelligence Courses Between CSU and MIT[EB/OL]. [2010-5-1]. CORE (China Open Resources for Education),.cn/.
[3] 中国高等教育学会. 中国高校国家精品课程,工学类,(上册),2003-2007[M]. 北京:北京大学出版社,2008:426-429.
[4] 国家教育部和财政部关于立项建设国家级教学团队、国家级精品课程、全国双语教学示范课程的通知[EB/OL]. [2010-5-1]. http///转高等教育司.
[5] 中华人民共和国教育部高等教育司. 名师风采,第一届高等学校教学名师奖获奖教师集锦[M]. 北京:地质出版社,2006: 152-153.
[6] 李广川. 丹心育桃李,妙手谱春秋[M]//名师颂.北京:教育科学出版社,2007:397-401.
[7] 及立平. 笃定平和:访国家级教学名师蔡自兴[M]//春风化雨:中南大学教师风采. 长沙:中南大学出版社,2006:119.
[8] 蔡自兴,肖晓明,蒙祖强,等. 树立精品意识,搞好人工智能课程建设[J]. 中国大学教学,2004(1):28-29.
[9] 陈爱斌,肖晓明,魏世勇,等. 智能控制的学科发展与学科教育[J]. 现代大学教育,2006(3):102-105.
[10] Nilsson N J. Artificial Intelligence:A New Synthesis[M]. New York:Morgan Kaufmann Publishers,1998.
[11] Russell S, Norvig P. Artificial Intelligence:A Modern Approach[M]. London:Prentice Hall Publishers,2005.
[12] 王万森,钟义信,韩力群,等. 我国智能科学技术教育的现状与思考[J]. 计算机教育,2009(11):10-14.
[13] 蔡自兴,贺汉根. 智能科学发展的若干问题[C]//中国自动化领域发展战略高层学术研讨会论文集. 自动化学报,2002, 28(增刊1):142-150.
[14] 蔡自兴,谢斌,魏世勇,等.《机器人学》教材建设的体会[C]//2009年全国人工智能大会(CAAI-13). 北京:北京邮电大学出版社,2009:252-255.
[15] 2010年全国智能科学技术课程教学研讨会征文通知[J]. 计算机科学,2010,37(6):封3.
Construction of State Teaching Group of Series Course for Intelligence Science Basis in CSU
CAI Zi-xing, CHEN Bai-fan, LIU Li-jue
篇6
一、兼顾课程内容的统一性和差异性??
人工智能课程的核心内容主要集中在对基本概念、基本原理、基本方法和重要算法及其应用的认识和理解上，尽管各种基本概念、原理、方法和算法在一定程度上自成体系，但是它们之间又存在着许多内在联系和规律。从这一点来看，人工智能课程与其他很多计算机课程是不同的，这就要求人工智能课程的授课要具有自己的特色。?
知识表示、知识推理、知识应用是人工智能课程的三大内容，解决任何一个人工智能问题都离不开两个步骤，即知识表示和问题求解。由此，人工智能课程从总体结构上就有了一个比较清晰的脉络，即首先必然要学习各种知识表示方法，然后是利用这些知识进行推理，进而实现知识应用，最终达到问题求解的目的。问题求解又分为基本的问题求解方法和高级问题求解方法。图搜索策略、启发式搜索、消解原理以及规则演绎系统等都属于基本的问题求解方法。计算智能、专家系统、机器学习、自动规划等属于高级问题求解方法。?
同时，人工智能课程某些章节或者某些方法算法在一定程度上又自成体系。例如，各种不同的知识表示方法不管是数据结构还是表示形式都完全不相同。又例如，人工智能有许多不同的学派［2］，本课程往往同时会介绍不同学派的算法，这些学派在人工智能的基础理论和方法、技术路线等方面是完全不同的，甚至是对立的。?
这些都要求我们在教学过程中不仅要强调人工智能课程理论的统一性和完整性，又要兼顾各学派的特点，尊重甚至调动学生们对不同人工智能学派及其方法的兴趣。在编写和选用教材时也要注重这一点，我们选用的是蔡自兴教授编写的《人工智能及其应用》系列教材［1,2］，该教材以逻辑主义学派为主线，兼顾引进其他学派的精华内容，具有较强的科学性。
??二、实施分层次教学??
各高校一般同时为计算机相关专业的本科生和研究生开设了人工智能课程，甚至有的非计算机类专业也开设有人工智能课程。不同层次的学生对人工智能课程要求掌握的程度不同，我们首先明确本科生和研究生以及非计算机类专业学生的教学目的和教学内容，做到分层次设计人工智能课程教学?过程。?
本科阶段的人工智能课程课时量较少，本科层次只需要做到对大部分人工智能概念和算法了解、认识，少部分达到理解层次。本科生一般都是在高年级（三年级下期或者四年级上期）开设人工智能课程，这时已有不少学生准备继续读研或者已经被保研，因此在兼顾全体学生教学层次的同时，要注意给这部分学生足够的相关参考书目，让他们能够利用课余时间广泛深入了解人工智能相关算法，老师在课后还应和他们进行充分讨论，培养他们对人工智能的特别兴趣。?
非计算机类专业的学生往往需要学习如何利用人工智能知识解决该专业领域内的问题，因此在教学中要尽量有专业针对性地进行教学。例如针对农科类专业，在教学专家系统过程中，我们要求学生参考北京农业信息技术研究中心开发的农业专家系统开发平台（paid5?0）理解并开发与本专业领域相关的简易农业专家系统。?
给研究生开设人工智能课程要求做到概念理解，基本算法精通，即要求全面、系统地掌握人工智能的基本概念、基本原理、典型方法和若干应用实例，并且能灵活运用所学知识阐述解决实际问题的方法和途径。课程教学中要致力于培养学生分析问题与解决问题的能力，要求研究生将人工智能方法与自己的研究方向相结合，用人工智能方法解决所研究课题中的实际问题，并撰写相关的课程论文，以小型研讨会的形式进行报告交流。实践证明，我们的研究生的人工智能教学效果明显提升，成效突出。
??三、案例驱动，寓教于乐??
采用案例教学是为了充分调动学生的学习兴趣，增强学生学习的自觉性［3］。通过案例教学能把枯燥的人工智能理论知识具体化、形象化，可以使学生更加感性地理解课堂教学内容。这些案例都是以教师所从事的科研项目中的实际应用环境为背景进行阐述的，让学生能在实际环境中理解概念和知识，学会利用人工智能知识去分析和解决实际问题。在教学过程中要选择学生容易接受的案例，体现理论联系实际的特色，激发学生的兴趣。?
例如，在讲授“计算智能”内容时，我们结合黄河三门峡和小浪底水库水沙联合智能调度系统［4］进行讲解。综合三门峡水库和小浪底水库防洪运用的基本原则、历年调度方案、专家的经验、历年数据和现有的调水调沙数学模型，分别利用模糊决策、神经网络、遗传算法及综合集成方法来实现三门峡、小浪底水库水沙联合调度。?
又例如为了让学生走近机器人，我们进行了一场机器人展示课，将研究所现有的MOROCS?1（中南一号智能移动机器人）、ASR（广茂达）、AmigoBot（自主移动机器人）、CanDroid（罐头机器人）、MD?375 Rover（人控漫游车）、Fokker D7（人控飞机，1:72）、Rockit OWI?769K（声按、压控火牛机器人）、Hexapod Monster（六足爬行机器人）、Hubo（多机能歌舞机器人）等各类机器人全部拿出来给学生做了功能演示［5］。亲眼看到这么多机器人，同学们都非常兴奋，对人工智能课程的兴趣高涨。?
在进行案例教学时，引导学生带着问题和求知欲望深入理论的学习，让学生在案例中寻找问题的答案并获取知识。在讲授利用神经网络进行水库调度时，引导学生分析如何确定神经网络的输入端数据，什么是泛化能力以及如何提高神经网络的泛化能力。?
为了巩固所学内容，可以让学生组成讨论小组对教师提出的论题进行讨论，分小组阐述自己的观点，这样有助于提高学生学习的主动性，还有助于培养学生思考问题的能力和提高理论教学的效果。案例教学的关键在于引导学生利用所学到的理论知识去解释、分析和解决现实案例中的问题，以达到训练学生理论运用和深入理解理论知识的目的。?
此外，我们挑选了机器人足球、拖拉机扑克牌、中国象棋、五子棋等普遍受人喜爱的智能游戏，让学生亲手设计小型智能游戏软件，在设计的过程中掌握高深的人工智能理论知识，让学生学得会、用得上、记得牢。
??四、结语??
以上谈到的一些教学方法是我们在教学过程中总结体会比较深刻的方面，以供探讨。事实上，要进一步提高人工智能课程的教学质量，还有很多方面需要改革和加强。如不断强调人工智能教师的专业素质，要求他们在讲授好人工智能课程的同时，努力提升出自身的专业素质，给学生一个良好的专业素质导向。其次，在人工智能课程教学过程中还需要有培养实用型人才的教学理念，特别是注重培养有创新意识的实用型人才。注重培养学生的质疑能力，只有通过质疑和提出问题，学生的创新意识才能够得到不断强化，创新思维能力才能够得以不断提高。?
人工智能学科是一门非常年轻、又非常前沿的学科，有其自身的突出特点，人工智能课程教学必然与其他计算机专业课程教学不同，需要更多的从事人工智能教学的教师在自身的教学实践中不断积累经验，进行广泛的教学交流。
参考文献?
［1］
蔡自兴, 徐光祐. 人工智能及其应用(第三版)(研究生用书)［M］. 北京: 清华大学出版社， 2004（8）: 1-4.?
［2］蔡自兴, 徐光祐. 人工智能及其应用(第三版)(本科生用书)［M］. 北京: 清华大学出版社， 2003（8）:288-290.?
篇7
1 引言
人工智能是计算机科学与技术学科类各专业重要的基础课程，在信息类相关的许多高年级本科和研究生都开设了人工智能课程。人工智能是一门前沿性的学科，它主要研究计算机实现智能的基本原理和基本方法，同时人工智能也是一门多学科交叉的综合学科，它涉及计算机科学、数学、心理学、认知科学等众多领域。广义的人工智能涵盖了模式识别、机器学习、数据挖掘、计算智能、神经网络、统计学习理论等众多研究方向。人工智能作为计算机学科的重要分支，已成为人类在信息社会和网络经济时代所必须具备的一项核心技术，并将在未来发挥更大的作用。
由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。
本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。
2 本科高年级的教学特点
中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。
3 人工智能课程的学科特点
与信息类其它专业课程相比，人工智能具有应用性、研究性和发展性三个重要学科特点。首先，人工智能是一门应用性很强的学科。人工智能学科的主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。人工智能技术广泛应用于模式识别、数据挖掘、智能控制、信息检索、智能机器人等领域，在日常生活中，随处可见人工智能技术的应用实例；其次，人工智能技术具有很强的研究价值，是计算机科学领域中重要的研究方向。技术进步无止境，研究者们不断追求开发出效率更高、更智能的人工智能技术：最后，人工智能是一门正在发展中的学科。随着信息化、计算机网络和Internet技术的发展，人类已步入信息社会和网络经济的时代，它们为人工智能提出了许多新的研究目标和研究课题，人工智能的应用领域以及技术算法都在不断发展。
4 人工智能教学的三点思考及对策
4.1 注重应用性和介绍性
在教学实践中，笔者发现，本科高年级学生一般比较关心各种人工智能技术的应用领域和使用方法，而对基础性理论和技术细节不是很感兴趣。他们一方面希望能学到很多较新和较实用的人工智能算法，并且最好可以看到使用效果；另一方面又希望老师的教学主要停留在介绍性层面，不想花太多时间在复杂的理论理解上。这也比较符合本科高年级的教学特点，本科阶段主要是培养具备较强应用性和基础科研素质的专业人才。传统的人工智能教学主要讲授知识表示和搜索推理技术，大部分实例都是解答式或推证式的。由于其知识的抽象性，又加之其应用实例较少，所以往往教师感觉难讲，学生在学习过程中也感觉乏味，对讲授的内容大多都是死记其方法和步骤，因此影响了教学效果。针对这一问题，笔者认为，在设计人工智能教学时，要注重内容的新颖性、实用性和介绍性。除了讲授那些仍然有用的和有效的基本原理和方法之外，要着重介绍一些新的和正在研究的人工智能方法和技术，特别是近期发展起来的方法和技术，如支持向量机、决策树、模糊集、遗传算法、蚁群算法等。这些内容的理论部分可以不必过分深究，教学重点主要放在介绍每种技术的产生背景、发展状况、应用领域和具体实现上。此外，要注意理论与实际应用密切结合，在教学过程中加入一些与课程内容结合的、可以用计算机实现的实际应用内容。考虑到目前应用最广泛的人工智能领域之一是模式识别，而研究模式识别的主要计算机工具是Matlab，所以笔者在教学过程中以手写数字识别作为教学实例，针对所介绍的每一种人工智能技术，都将其应用于手写数字识别当中，并讲解了这些技术的Matlab实现方法。学生在掌握了基本理论之后，可以按照实现步骤的指导，立刻上机见到算法的实际效果，加深对算法实现思路和方法的认识。
4.2 注重科研引导性
本科教学不仅要培养学生的应用能力，还要培养学生具备基本的科研素质。本科教育一方面为社会培养了大批应用型人才，另一方面也要为我国的科研事业培养后备力量。特别是近几年来我国对科研的投入不断增加，研究生招生规模逐年增大，本科高年级学生打算继续读研的也不在少数。而人工智能是计算机相关学科非常活跃的研究课题，其涵盖的分支非常广泛，如模式识别、机器学习、数据挖掘、计算智能、统计学习理论等，都是目前国际和国内热门的研究方向。针对这一特点，在本科高年级的人工智能教学中，还要注意对学生适时适度的科研引导。这样可以激发学生的研究兴趣，树立目标意识，找准研究方向，为未来的科研工作打下基础。在教学过程中，可以引导学生思考每种人工智能技术的优点是什么?缺点是什么?有没有改进的办法?比如BP神经网络是计算智能中较为成熟的技术，具有强大的非线性学习能力，在模式识别、经济数据分析、生物信息学、数据挖掘等众多领域都取得过成功应用。然而BP神经网络算法自身也存在着一些缺点，如会有局部最小解、解受初值影响较大、理论解释不完善等。近十年来，研究者逐渐把目光转移到另一种新的非线性学习工具――支持向量机上。同神经网络相比，支持向量机具有泛化能力强、不受局部最小问题困扰、理论背景完善等显著优点。在给学生讲解BP神经网络算法的时候，一方面可以通过手写数字识别实验展示其强大的非线性分类能力，另一方面也要告诉学生，BP神经网络并不是完美的，其缺点同样明显。然后引导学生对这些问题进行思考，讨论有没有更好的解决办法。此时，顺势引出支持向量机的内容，并且介绍支持向量机的研究现状和研究方向。通过两者的对比，学生不但了解到了较新的人工智能技术，又对人工智能研究中如何去发现问题、解决问题、人工智能技术的进化历程有了直观的印象。
4.3 教学内容与毕业设计相结合
篇8
1 引言
智能科学与技术学科以计算机科学为基础，结合了认知科学、信息学、控制科学、生命科学、语言学等学科的相关理论和研究方法，是一门新兴的交叉学科，将成为21世纪信息科学研究的制高点和信息产业价值的主要提升点。
在国外，许多著名高校都设立了“人工智能”专业并授予智能科学专业学位：世界多数知名的理工类院校都设立有人工智能研究所或实验室，进行智能科学专业的研究生培养及科研工作。在国内，智能科学与技术专业起步则较晚：2003年12月5日，教育部正式批准北京大学信息科学技术学院设立“智能科学与技术”本科专业，这标志着我国“智能科学与技术”专业的诞生。
厦门大学在智能科学与技术领域已经有多年的研究积累和师资储备。2006年12月，教育部正式批准厦门大学设立“智能科学与技术”本科专业，2007年6月6日，厦门大学智能科学与技术系经学校批准成立，并于2007年9月迎来了第一届本科生。本文将简要介绍近几年来厦门大学“智能科学与技术”专业的建设情况。
2 厦门大学智能科学与技术相关领域的科学研究进展
厦门大学在智能科学与技术领域的研究已开展了多年。早在1988年，学校就成立了校级科研机构――“厦门大学人工智能与计算机研究所”，目前，经厦门大学批准，正式更名为“厦门大学人工智能研究所”。它是一个以实用智能技术研究为主、集基础研究与应用开发于一体的研究机构，是厦门大学组建智能科学与技术系的主要基础。
厦门大学智能科学与技术系面向国际学科发展趋势和国家发展的重大需求，利用人工智能研究的方法和手段，不断开辟新的研究领域，逐渐确立了语言信息处理、认知计算、智能信息检索、中医信息处理、视频图像处理、智能机器人等主要研究方向。在语言信息处理方面，现设手写汉字识别、自然语言理解、机器翻译、语料库技术等研究领域；在认知计算方面，现设觉知计算、脑机接口、机器感觉、隐喻逻辑等研究领域；在智能信息检索方面，现设文本信息过滤、信息检索、信息提取、智能数据挖掘、Web挖掘等研究领域；在中医信息处理方面，现主要研究开发多媒体中草药智能查询系统、基于舌象中医智能体检系统；在视频图像处理方面，现设图像数据库、生物特征识别、遥感图像、地理信息系统等研究领域。2008年，系里引进了被称为“人工大脑之父”的著名学者Hugo de Garis教授，并以他为首组建了人工大脑研究室，该研究室的目标是，经过三年左右的时间，建设中国首个人工大脑。
经过十几年的不懈努力，我们在上述研究领域均取得了一批有影响的重要研究成果，在我国学术界具有一定的学术地位，获得数十项国家和省部级项目经费的支持。目前在研的项目有国家自然科学基金项目3项、国家863项目2项、国家863子项目2项、福建省自然科学基金项目1项、福建省科技计划重点项目2项。在汉字识别、词语切分标注、语法分析、词义消歧、指代消解、语言神经基础、汉语理解策略、网上信息的选择翻译、统计机器翻译、语音识别与合成、计算机音乐、计琴学等诸多方面进行了有特色的研究，形成了具体的算法，并且还提出了一种系统性的协动计算理论，出版专著5部，数百篇，其中近三年被EI、SCI等检索的论文达200余篇。
在基础理论研究的基础上，智能科学与技术系还十分注重产学研结合，先后与北京德威特电力系统自动化有限公司和深圳名人电脑等公司进行合作研发，广泛开展应用系统的研制开发，主要包括：手写汉字机器识别系统、汉语分词和词性标注系统、机器翻译系统以及网上汉语文本分类和信息过滤系统。其中，手写汉字机器识别系统获浙江省教育厅科学技术进步三等奖：机器辅助汉英互翻系统获福建省科技厅科技进步三等奖；汉语分词和词性标注系统获得2003年863中文信息处理评测第二名：机器翻译系统(包括XMMT汉英机器翻译系统、Matrix英汉机器翻译系统、Light英汉机器翻译系统和Neon英汉双向机器翻译系统)在863智能接口评测中多次名列前茅，形成多项产品，技术授权国内多家单位使用。
在科研平台建设方面，智能科学与技术系发挥厦门大学多学科交叉的优势，联合人文学院、外文学院和海外教育学院华文系的学术力量，于2003年成立了“厦门大学语言技术中心”，其中，汉外多语言机器翻译为主攻方向之一。2006年获批了“智能信息技术福建省高校重点实验室”；目前，以人工大脑相关内容为研究核心的“福建省仿脑智能系统重点实验室”也已获批。
3 厦门大学“智能科学与技术”专业建设情况
厦门大学智能科学与技术系现有一个本科专业(智能科学与技术)，三个学术型硕士学位授予专业(人工智能基础、模式识别与智能系统、计算机应用技术)，一个“计算机技术”工程硕士培养方向(智能工程及网络安全方向)，一个博士学位授予专业(人工智能基础)。现有在校本科生近90人，硕士研究生80多人，博士研究生25人，博士后2人。本系教职工近30人，其中：教授5人，副教授5人，80％具有博士学位或者博士在读，40岁以下的年轻教师占2／3。
3.1 本科生专业建设
在本科生培养方面，厦门大学智能科学与技术系的目标是要求学生能够有效和系统地掌握本学科的理论基础，比较深入地理解智能科学与技术理论；培养具有一定的分析、综合和创新能力，能够承当智能信息系统设计、开发和智能科学与技术学科教学任务的，德、智、体全面发展的科学技术工作者：毕业生适宜到科研机构、学校、技术或行政管理部门、公司、厂矿等企事业单位从事科技研究、应用开发、信息管理和教学工作，也可以进一步攻读该专业及相关专业的硕士学位。
为了实现上述目标，我们遵循“宽口径、厚基础、抓关键、重实践”四项基本原则，制定了较合理的教学计划，在本科一、二年级安排公共基本课程、校通识教育课程、院系通修课程；从二年级下学期开始结束院系通修课程，转而推出部分学科通修课程，向专业化过渡，三年级开始加入方向性选修课程。其中，公共基本课程621学时、33学分；校通识教育课程262学、15学分；学科通修课程1544学时、90学分；方向性课程120学时、分；学科跨方向性课程108学时、6学分。这样的安排能真正使学生在获得扎实而宽厚的理论基础、合理的知识结构的同时，培养较强的获取新知识的能力和创新精神。
为了能切实提高学生的动手实践能力，我们在办学过程中十分重视和强调实践环节的训练并倡导理论与实际 相结合，已经规划建设一个特色实验室――“仿脑认知与智能机器人”实验室，可支撑仿脑认知与智能机器人两个方向相关课程的教学实验，总经费预算100万元。依托该实验室，结合相关课程，高年级本科生可以进行“心理物理测试实验”、“眼动测试实验”、“面部表情与脑电对照实验”、“行为学与智能关系测试实验”、“机器人避障行走路径规划”、“机器人目标识别与跟踪”、“机器人声控实验”、“机器人智能语言翻译”、“机器人足球比赛”等众多特色实验。
3.2 研究生专业建设
厦门大学智能科学与技术系的研究生培养以加强创新能力的培养为核心，以加强基础课、专业课，实验实践教学、论文创新写作、促进理论与实践相结合为重点，包含硕士研究生和博士研究生两个培养层次。其中，硕士研究生层次又分为学术型研究生和工程硕士两种类型，分别进行培养。
在学术型硕士研究生培养方面，我们的目标是培养适应智能科学与计算机科学的发展，适应国家社会发展与进步事业需要的，德、智、体、美全面发展，系统地掌握本学科基本概念、基本原理、基本方法、基本技能的，具有创新能力、理论联系实际的高级专门人才和能适应未来从事基础研究、应用基础研究、技术开发研究和工程应用研究之人才。毕业生适宜到科研部门、学校从事科学研究和教学工作；适宜到计算机产业相关的企事业单位从事智能科学与计算机科学技术的开发研究、应用与管理等工作；可以继续攻读智能科学与计算机科学及其相关学科的博士学位。目前包含“人工智能基础”、“模式识别与智能系统”和“计算机应用技术”三个专业。其中，“人工智能基础”专业包含如下培养方向：认知科学理论、认知逻辑学、计算语言学、智能计算方法、艺术认知与计算、脑高级功能成像等；“模式识别与智能系统”专业包含如下培养方向：计算机视觉、机器翻译系统、智能中医诊断系统、机器音乐、模式识别、音频信息处理等：“计算机应用技术”专业包含如下培养方向：人工智能应用技术、自然语言处理技术、智能信息检索技术、多媒体综合应用技术、图像与视频处理技术、虚拟现实技术等。
在工程硕士培养方面，目前智能系招收“计算机技术”工程硕士――B方向(智能工程及网络安全)的工程硕士研究生，目标是培养具有扎实的计算机学科专业知识和工程技术能力，掌握现代智能与网络科学前沿知识，在智能工程与网络安全方向具有一定研究深度和项目研发能力的高层次应用型人才。培养方向包括：嵌入式智能家居、视频图像处理、网络视觉监控、模式识别与智能系统、智能机器人、网络内容监管、黑客与网络攻防技术、网络信息安全、信息检索与信息过滤、自然语言处理、机器翻译、语音识别与合成、智能中医信息处理、人工大脑、虚拟现实技术等。
在博士研究生培养方面，设有“人工智能基础”博士学位授予专业，目标是培养基础扎实，具有创新意识，对某一领域有全面深入了解或对某一应用领域有独立解决实际问题的能力，能够解决前人未能解决的科学问题或社会发展中亟待解决的技术问题的高级专业人才：其研究工作对科学技术或社会经济的发展具有明显贡献，为人工智能技术发展和应用提供新的基础或新技术、新方法。培养方向包括：人工智能以及应用技术、艺术认知与计算、数据挖掘技术、认知神经科学、软计算方法及其应用、智能多媒体信息处理、脑功能成像技术等。
篇9
1借助人工智能，扩展学术搜索的路径
互联网时代改变了人们获取信息的方式，搜索引擎在促进科技期刊的传播、提高影响力等方面的功能逐渐凸显。虽然现有的一些搜索门户网站诸如Webofscience、PubMed、谷歌学术、各图书馆网站、中国知网、万方数据知识服务平台等搜索引擎可以帮助读者检索科技论文，但是仍不能满足用户多样化的检索需求。Tancheva等［8］针对康奈尔大学图书馆开展的一项调查研究发现受访者“往往既对搜索方法的效率感到满意，同时又对搜索的棘手和费力感到不满……当研究人员无法完成一个特定的搜索任务，他们很可能放弃现有的方法(或工具或技术)，而不是找出如何使它工作”。为了解决这一问题，需要开发新的模式解决学术出版的过量负载，利用智能技术优化搜索引擎的现有功能。目前很多科技公司都在探索开发基于人工智能的学术搜索引擎和知识服务。例如Springer网络平台不断对其功能进行集成，并提供个性化服务功能;Elsevier等出版商为用户等提供搜索引擎培训课程;微软学术(MicrosoftAcademic)通过在实体之间建立有意义的关联，自动生成可视化的知识图谱，引导学者阅读［2］;2014年，Wiley线上图书馆为用户提供了增强型HTML文章服务(AnywhereArticle)，它将可读性、交互性和可移植性设为用户体验的核心，使读者能够在页面中快速找到最重要的信息［9］。一些关于科学出版的新模式和平台被相继开发，如Chorus［10］通过集成服务和开放APIs，优化了科技论文被搜索的路径，并为政府机构、出版商、研究人员、图书馆员和作者提供可持续的解决方案。目前我国已经形成一些专业的期刊集群，一部分学术期刊数据库平台也开始进行语义出版形式的探索，对科技期刊内容进行深度加工和挖掘。不同的科技期刊具有不同的特点，在学术期刊的数据库平台建设过程中需要平台开发团队与期刊编辑充分交流［11］，发挥编辑的优势和主导作用，凸显本学科的学科特色。
2利用智能算法，构建个性化的精准推送平台
技术是科技期刊创新发展的重要推手，技术应用能力也成为科技期刊发展的竞争资源，充分利用技术强化科技期刊的知识服务和加工能力，创新出版和传播模式，满足数字化时代的读者需求，对于科技期刊的精准传播和融合发展非常重要。在人工智能背景下，可以借助于算法实现科技期刊出版的智能化。算法的设计程序与设计者的思维密不可分，设计者选择数据样本、赋予数据意义、设计模型与算法，拥有数据并设定算法的智能化平台具有很强的主导性［12］，因此设计者需要尽可能考虑并消除算法偏见和利益冲突对精准传播带来的负面影响。日前，腾讯研究院和腾讯AILab联合的人工智能伦理报告指出“人工智能等新技术需要价值引导，做到可用、可靠、可知、可控”［13］。目前“智能算法+学术期刊”已成为创新趋势，学术期刊可构建信息数据基础环境，进一步完成动态精准信息推荐，最后以传受关系交互实现长期有效的黏性连接［14］。一方面可以通过算法整合资源，实现大量科技期刊的数字资源的聚合;另一方面可以通过算法分析用户的阅读兴趣、研究领域，基于用户的需求建立相关用户数据信息，从而进一步将数字资源和用户数据相匹配，实现科技期刊的智能化精准传播。如中国知网推出的“CNKI全球学术快报”整合全球文献和超星集团推出的“域出版”超星学习通学术平台［15］，用户不仅可以在其App上进行文献检索、分版阅读、专题阅读等，还可以与作者进行互动交流。此外，还可以利用智能算法设计追踪用户的信息反馈，通过学术平台进一步增加用户的体验感，提升科技期刊的精准传播能力。
3创新知识加工，构建多元化的传播模式
在人工智能和融媒体时代，除了运用智能技术构建个性化的知识服务平台，科技期刊也需要充分发挥社交媒体的作用，通过加强期刊网站建设、建立App客户端、微信、微博等新媒体传播平台，可以根据各自领域的特点，对科技论文进行多次加工和编辑，构建个性化的传播方式。如论文编辑平台Kudos为作者提供了一种利用社交媒体使他们的论文更易下载和传播的工具，通过为作者已发表的文章创建介绍并添加简短的标题、易懂的摘要和补充内容，可以使他们的文章对读者更具吸引力［16］，学术出版平台也可以通过建立二维码，为读者提供开放增值服务，使读者进一步了解论文的数据、图片等资料，实现与用户的精准对接。如中国煤炭行业知识服务平台为该平台上的每篇论文制作了二维码，用户阅读纸刊论文时，通过扫描其中的二维码可以免费下载PDF、HTML文件，此外读者还可以通过扫描二维码向作者提问或向责任编辑反馈意见［17］。目前，邮件推送也正在成为科技期刊提升精准传播能力的一个重要手段，国内一些期刊在这方面做了大胆的尝试。例如:《计算机工程》基于语义分析和智能分词等技术，设计了一套期刊内容精准推送系统，将读者—文章—标准关键词进行匹配，通过邮件为潜在读者推送与其研究方向相关的最新研究论文［18］;《应用生态学报》通过运用大数据和数理统计方法，构建了科技期刊论文单篇推送客体指标体系，通过邮件对读者进行单篇精准推送，取得了较好的传播效果［19］。此外，利用音频、视频、科学可视化等多媒体技术可以在短时间内表达丰富的科学信息，增加科技论文的广泛传播。如虚拟现实/增强现实(VR/AR)为读者提供沉浸式的阅读环境，提升读者的体验感，从而吸引了更多读者的关注。中国科学技术大学王国燕博士及其团队开展的前沿科学可视化研究和设计，使科技论文通过图像的形式向读者展现，提高了科技论文的交流和传播，她通过对顶级科技期刊《Nature》《Science》《Cell》的一项实证研究发现，科技期刊封面故事和封面图像的使用可以提高论文的引用率［20］。《上海大学学报(自然科学版)》借助第三方AR展示平台实现了学术期刊的多模式AR融合出版，取得了很好的效果［21］。
篇10
1传统教学的缺陷
⑴课程的教学地位没有引起足够的重视一些高校为计算机基础课程分配较少的学时（少于48学时），甚至有的专业将此课程设置为选修课。这种设置降低了该课程在教师和学生心目中的位置，导致了对该课程的忽视。同时，不少老师因为学时不够，时间紧迫，仅仅讲述与考试相关的内容，不考的一概不讲。这导致学生的眼界受限，知识和能力受限，无法培养其全面综合的计算机素质。还有的专业没有将这门课给专业的计算机学院的老师讲授，而是随意安排授课人员。没有经过系统专业训练的教师缺乏足够的知识储备，很难讲好这一门看似简单的课程。⑵课程教学内容的制定与当今时代对于信息化人才的需求脱节一些高校的现状是计算机基础的课程教材知识陈旧[3]、质量堪忧，教材总是无法跟上知识更新的步伐，例如都2019年了还在讲Office2010。有的高校由于缺乏对课程的重视，没有对教材优中选优，而是基于利益的考虑，优先选择自己院系编写的教材。其教材内容是七拼八凑，没有整体性、逻辑性和连贯性，更不用说前瞻性。这样的教材，无疑对学生的学习设置了巨大的屏障。除此以外，一些院校的课程教学知识体系不够明确和完善，教学大纲的制定不够科学。从教学大纲中制定的学时分配来说，常常偏重实用性[4]，常用计算机软件操作占据了大部分的课时。这会让教师在授课时轻理论而重操作，如此培养学生，非常不利于其计算思维的形成，对后续其他计算机相关课程的学习也是很大的伤害。⑶教学模式过于传统，信息化水平较低从教学方式上来说，传统的教学模式以教师课堂授课为中心，是以教师为主体的教学模式[5]。在这种模式下，教师仍然主要以填鸭式教学为主[6]，无法通过课堂教学发现学生的个性化特点，并进行有针对性的教学。另外，虽然计算机基础课程一般都配备了实验课时，但是实验课常常是采用教师布置上机任务、学生做完抽样检查的模式。这对于大课堂来说，教师的任务繁重，无法搜集到每一个学生的任务完成情况，无法清晰地掌握学生学习的实际情况和薄弱环节。而且，该课程缺乏相应的研讨课时，很难让学生对其所学知识进行深入思考和探究，以增强思辨能力和对课程的学习兴趣。⑷课程考核方式不够公平合理从考核方式上来说，该课程普遍采用“平时成绩”+“期末考试”的加权方式对学生成绩进行评定。平时成绩多由考勤分所得，期末考试多采用机考模式。这种考核方式过于单一化、机械化，无法对学生进行全方位的评价。很多学生来到教室打考勤，但可能根本没听讲，而是在睡觉或者玩手机。期末机考的公平合理性也是存在着很多的漏洞。例如机考的试题库可以十年不变，分值的分配和难度的掌握都没有经过系统的考量。甚至有的考试系统不够稳定和安全，频频爆出Bug，严重影响了考试结果的真实性。
2新人工智能环境下对计算机基础课程改革的具体方案
2012年开始，在随着卷积神经网络技术在视觉处理方面的应用取得巨大的成功之后，人工智能到达了有史以来的第三个爆发期。目前，深度学习技术在AlphaGo、无人驾驶汽车、机器翻译、智能助理、机器人、推荐系统等领域的发展如火如荼。与此同时，人工智能技术在教育领域方面的应用已经兴起。人工智能的教学产品也已有先例，例如基于MOOC平台研发的教学机器人MOOCBuddy等等。基于人工智能的教育是融合云计算、物联网、大数据、VR、区块链等新兴技术的增强型数字教育[2].在当前人工智能的大时代背景下，针对传统计算机基础的种种弊端，我们提出了如下教学改革方案。⑴改变教学理念，确立计算机基础课程的重要地位计算机基础作为高校的一门公共课，实则应当作为各个专业的学生后续的学习、科研的必修之课程。因此，高等学校应从源头上确立该课程的重要地位，将该课程纳入必修课范畴，并给与更充分合理的课时分配。除教学课时、实验课时之外，需要为该课程增加一定的研讨课时。任课老师必须是来自于计算机专业的人才。同时，定时举办关于该课程的教学培训、教学研讨会和教学比赛，改变教师的教学理念，从源头上给予该课程足够的重视。⑵优化教学内容，重新制定课程的教学知识体系教材是教师教学的主要依据，也是学生获得系统性知识的主要来源。因此，教材对于教学的重要性不言而喻。教材的选取需要优中择优，必要的时候可以根据自身院校的情况自己编写，力求使用好的教材使教学事半功倍。在选定优质教材的基础上，制定更加合理的教学大纲，优化计算机基础课程的教学知识体系，突出计算机学科入门相关基础理论知识的重要地位。对现有的过时内容进行更新，例如操作系统以Windows10的操作取代Windows7，Office这部分使用Office2019版本取代2010的版本，同时增加关于算法入门知识、程序设计入门知识以及人工智能、区块链等前沿知识单元的介绍。以华中师范大学为例，我们在图1中给出了该校计算机基础课程的教学知识体系结构图。⑶充分利用现代化的教学工具和人工智能技术，构建智慧课堂，改变传统教学模式现代化的教学应当转变以教师为核心的教学模式，更加突出学生的主体性地位。因此，在人工智能、物联网、大数据等技术和蓬勃发展的情形下，应当改变传统的课堂教学形式，充分利用现代化信息技术，将传统课堂教学和网络课堂教学模式相结合，构建智慧课堂。融合课堂教学身临其境的效果与网络课堂自主性强且方便师生交流的特点，通过师生之间多层次、立体化的互动，达到提升教学效果的目的。同时，建立功能强大、完善的学生实验平台，基于不同专业学生的不同特点和不同需求，进行个性化的作业设置。针对教师布置的实验任务和学生的完成情况，结合在线网络教学系统，通过传感器及网络数据，搜集学生的学习行为数据，并且使用人工智能算法进行智能分析，使教师对当前的学生的学习情况一目了然，并能引导学生对重点、难点的巩固和掌握。研讨课以学生为主体，按照所选课题进行分组调研、分组讨论，刺激学生的学习兴趣，培养其思辨能力。研讨内容最终可以课程论文的形式上交至课程共享平台，由教师和同学共同给出评分。这里，仍以华中师范大学为例，我们将在线教学系统、实验课平台、研讨课共享平台等集成为一个基于人工智能技术的网络智慧教学综合平台系统。该系统主要包括用户管理、在线教学、课堂互动、作业管理、考试管理、BBS系统、智能分析和平台管理8个模块，其主要功能如图2所示。该系统采用C/S模式，系统的服务器选用Linux服务器，同时开发基于PC机的和手机端的客户端系统，方便学生和教师随时选用、更加灵活。在线教学模块中的智能学习助理功能，能够根据历史用户的学习行为和当前用户的学习行为，自动地识别学习内容中的难点以及当前学生的难点内容，有针对性地对学生进行知识点强化。课堂互动模块中，通过可穿戴式传感器搜集学生的学习行为，用于后续智能分析模块中对学生的学习态度和学习行为进行智能分析。在线作业评价模块包括机器评价和教师评价两个功能。机器评价是系统为学生作业（客观题、主观题）自动评分，其中主观题的评分也是使用人工智能技术来实现。教师评分时可以参考机器评分，减少教师工作量。同时，教师评分为机器评分提供机器学习的经验数据，促进机器评分更加智能。智能分析模块能够依据学生的在线课程学习模块、课堂学习模块、作业管理模块等搜集到的学习行为数据进行综合分析，促使教师深入了解学生的学习情况和个性化特点，提升教学的针对性，并且有助于后续对学生进行全面、综合的分析和成绩评定。所有系统模块中使用到的智能分析技术包括基本的统计分析、以及各类机器学习算法（k-means,NaveBayes,SupportVectorMachine,DeepLearning等等）。⑷改变传统成绩考核的方式在“教学”+“实验”+“研讨课”课程结构以及网络智慧教学综合平台的辅助之下，学生的成绩评定更加全面化、多元化、公平化、自动化[7]。平时成绩中，除了教学综合平台的“课堂签到”次数之外，还增加更多丰富多元化的考察信息，如：学生的课堂讨论、在线课程学习和考核结果、平时作业完成情况，以及智能分析模块中辅助分析的学习态度、学习能力、平时成绩预测。期末上机考试系统也是智慧课堂综合平台的一个子模块，是精心设计的稳定、安全、功能强大的子系统，方便教师每一年更新试题库，修改bug。试题库中的每一套试卷都应当经过科学的考卷质量分析，使其难度、覆盖范围在一个均衡、合理的范围。最后，教师通过对各类平时成绩指标以及期末考试成绩加权，给出最终的学习成绩。通过规范、合理、公平、全面的考核体系，获得对学生公平、完善的评价机制，激励学生并刺激教学良性运转。
篇11
教学改革是课程建设和学科发展的生命线。经验告诉我们,要不断提高教学质量,就不能固步自封,吃老本,而必须不断深化教学改革,加大课程建设和教材建设力度,不断改进教学方法。
(1) 搞好精品课程建设,发挥示范作用
把人工智能国家级精品课程放在优先建设的位置,讲究教学质量,推进教学改革是本课程一直坚持的教学理念。首届国家级精品课程评选时,还很少有其他课程采用网络教学,而我们的课程就已经建设了完善的网络教学平台并被国家教育部评为优秀网络课程,这有助于充分发挥国家级精品课程的示范作用。在此后的建设过程中,我们坚持每年都对网络课程和教学课件进行改进和更新,在国内发挥了应有的示范作用。
为开拓学生眼界,追踪国际前沿研究,这几年我们加强了对双语教学的研究和实践,采用多种方式坚持汉英双语教学。经过实践我们体会到,英语教学比例要根据教学内容和学生英语水平而定,其检验标准是学生的接受程度与学习效果,并根据这一点来适时调整双语教学中英语对汉语的比例。
(2) 编著立体配套教材,为教学改革服务
根据学科和课程的发展及教学改革的需要,我们十分重视教材建设,不断更新人工智能课程教材内容,使其具有系统性、新颖性、实用性和可读性等特色,所编优秀教材处于国内领先地位。
在过去5年建设过程中,在原有的信息类本科生教材的基础上,又增加了研究生教材、网络课程教材和管理类通用教材,形成了多层次、多专业、多平台的立体配套教材共4个版本,以适应学生的不同层次要求。这些教材已为高水平课程建设和学科建设作出了重要贡献。
(2) 创新教学方法,开展多种形式教学
近年来,我们学习和推广了教学名师在长期教学实践中形成的“以趣导课、以疑启思、以法解惑、以律求知”的教学模式和教学方法,并不断摸索和实践,采取了多种形式的教学方式,包括多媒体教学、双语教学、网络教学、智能系统物理实体演示、课堂讨论会、论点辩论会、学术研讨会以及网上实验等现代化教学方法,取得了优良的教学效果。在课程讲授中尽力做到生动形象,富有启发性,从而充分激励学生的学习积极性和主动性,发挥独立思考和创新思维,多方位培养学生发现问题、分析问题和解决问题的能力。
要取得良好的教学效果,首先要培养学生的学习兴趣,使学生主动参与学习。如何充分激发学生们的学习热情,发挥其主观能动性是我们一直在探索的问题。我们在教学实践中多次开展辩论会、讨论会等活动,通过让学生自己动手查资料,分析整理,提出自己的观点,使学生全方位地接触所学课程,在此过程中培养学生的研究能力,真正实现师生互动。在课程中我们还经常请来在科研工作中担任主要任务的教师和博士生给本科生介绍最前沿的科学动态,激发学生对科学研究的兴趣。更进一步,我们在研究生教学方面通过举办学术研讨会,让学生接触学科前沿,自己查阅资料和动手写科技论文,并在研讨会上宣读讨论,培养独立研究能力,为将来的研究工作打下基础。许多本科生和研究生在讨论会上有十分突出的表现。这种课堂学术研讨活动深受广大学生欢迎。
(4) 教学与科研结合,以科研促进教学
对于高等教育来说,教学与科研始终是相互促进,不可分割的。我们认识到,要提高师资水平和教学质量,就必须鼓励教师开展科学研究,处理好教学与科研的关系。要以教学为中心,以科研促进教学。通过科研实践,提高教师的学术水平和教学起点。教师只有站得高,才能看得远;只有看得远,才能明确方向和目标。本精品课程立项后,我们每年都有意识地组织学生参观实验室,向他们介绍最新的科研进展,培养学生的科学精神和科研素质;同时吸收部分学生直接参与到科研工作中来,提高他们分析和解决实际问题的能力;本科生的毕业设计题目也直接与科研工作挂钩,让学生真正学以致用;支持青年教师参加科研和各种技术培训,不断提高他们的科研能力和教学能力,从而有力地推动了教学科研的相互促进和协调发展。
2 构建立体式教学平台,实现教学相长
(1) 建设前沿交叉学科的多类型教学资源
教学资源是教学质量的重要保证,通过多年的积累和长期努力,我们已拥有大量立体配套式的教学资源,除了针对计算机、智能科学与技术和自动化专业的系列教材外,还有面向军队的智能决策的教材,面向人工智能初学者和研究人员的工具书《人工智能辞典》。大量教参、教研论文、科研论文、多媒体课件、双语课件、网络课件、视频录像、习题库、试题库、虚拟实验室等都包含在我们的教学资源中。
(2) 开发富有特色的网络教学平台,实现个性化教学
网络教学能够拓展学生的学习空间,使学生能够在不受地域和环境限制的情况下主动学习和继续学习。我们的《人工智能网络课程》上网使用已经7年了。该网络课程具备向导学习、交互式和情景化学习、多媒体支持、学习评价、智能答疑、全文搜索、虚拟算法实验等功能。特别是在向导学习、个性化以及算法实验上,采用了人工智能技术本身来实现人工智能网络课程,具有网络化、智能化和个性化等显著的特色和先进性,得到专家和同行的认可和肯定。如今我们的网络教学平台已不断得到更新和扩展,学习内容不断完善,学生们不仅可通过网络进行学习、实验,并能通过网络提交作业和报告,与老师进行交流。网络课程的使用,促进了本课程教学改革,更好地调动了学生的学习兴趣和主动性,深受学生欢迎。
(3) 建立开放式的网络实验平台
理论联系实际永远是教学过程中不可或缺的重要部分,让学生发挥主动性,学以致用,从而加深对课堂接受知识的理解,培养学生的实践能力,使他们能够学以致用,是我们开发实验平台的目的。为此,我们在2005年开发了一个网络虚拟实验室,在这个实验室中,通过动画演示,学生能够直观地看到课堂上讲到的多种算法和方法的具体实现步骤和运行结果,还能够自己动手,创建新的实验环境和实验数据,建立自己的实验。网络实验平台中对每个实验的目的、要求、实验报告的形式内容都作出了详细的阐述和要求,网络的开放环境使得学生可以在寝室、家里、机房,甚至在机场、车站、码头随时进行实验,不受时间和地点的限制。
在实验教学内容的设计上,注重培养学生的研究能力和创新能力。首先,实验项目的开设,经过了严格的考虑,使之具备研究性和综合性。其次,实验目标有明确的设计探讨要求,要求学生带着问题和任务进行实验。再者,充分采用虚拟实验方式进行实验,大大提高了学生的兴趣,提供了分析和探讨智能算法的很好平台。
直观生动的实验演示和个性化的实验设置增加了学生对实验的兴趣,充分调动了学生的积极性和创造性。通过实验教学,学生能够理论联系实际,验证和加深对所学理论知识和概念的理解,有利于提高学生的学习兴趣和主动性。
3 构建富于创新的教学队伍
教学人才资源是教学的第一资源。坚持科学发展观和以人为本的思想,组建一支结构合理、爱岗敬业、不断创新的教学队伍是精品课程建设不断持续发展的重要保证。
(1) 名师牵头,结构合理
自精品课程立项以来,在多年的建设实践中,我们逐步建立了一支由国家级教学名师牵头,以中青年教师为骨干,学历、学位、职称和年龄结构合理的教学队伍,以保证教学和教改工作的可持续发展。此外,任课教师围绕创新型人才培养,以提高人才培养质量为核心,以促进学生的成才为目标,讨论并设定了明确、可行的课程教学改革目标。
(2) 抓好队伍建设,不断提高整体素质
建立一支爱岗敬业、富有战斗力的高素质教学队伍是出色完成教学任务和提高课程教学质量的根本保证。我们的教学队伍中,从带头人到成员,都坚持在教育第一线亲自执教,传道、授业、解惑,做好本职教学工作,都秉承热爱党的教育事业,热爱教学工作、热爱学生。教学骨干和主讲教授具有较高的学术造诣和丰富的教学经验,其他教师也有较好的教学功底和较强的教学能力,他们团结协作, 精益求精地认真做好每一环节的教学工作。
篇12
1智能系统控制课程探究式教学设计
智能系统控制课程与智能信息处理课程分别是我院的必修课程和选修课程,其探究式教学平台主要包括网络课程、讲义下载、学生论文/程序演示等模块。智能系统控制课程的探究式教学是指教师利用课堂的知识传授和网络的开放资源,安排学生分课题组,边进行科研合作边学习的教学模式。因此,探究式教学具有学生积极性高、师生/学生之间交互强、学生体验印象深和师生互相学习等特点。本课程的探究式教学模式设计的步骤有探究式教学模式设计、网络课程网站设计和实践展示平台的设计。
1.1探究式教学模式设计
传统教学模式往往没有提供可供学生自主选择的学习方法,但并不是所有的学生都适合此种教学方式[2]。因此,有必要研究可供学生自主选择学习进度的探究式教学模式,以实现因材施教。
本课程的探究式教学模式具体来说,是指根据每个学生的专业、基础、潜力和特点划分几个合适的课题组,帮助每个学生选定自己的小课题;接着,在老师指导和组长带领下分组调研、讨论、设计、编程和交流,同时可以利用教学网络中的各种教学资源;最后,将成果总结为PPT和程序,在课堂上交流,再在网络上演示。例如,先根据学生学习智能系统控制课程的不同目的和学生的专业基础,将众多学生分为自动化组和通信组。然后,由各大组的组长和组员根据专业基础和兴趣探讨课题题目和研究子方向,保证每个学生都有具体研究小课题。进而,学生调研、探讨、研究、合作、交流,进行PPT陈述。再如,有的学生想学智能控制的理论知识,有些学生则想重点学习智能控制的应用技术,因此将智能系统控制网络课程分为理论教学和应用教学。
1.2网络课程网站设计
智能系统控制网络课程的主要功能是在教学网页上向学生展示智能系统控制的各种课程知识,要求以逻辑性强、易于理解的方式向学生传授知识,这是学生自主学习的重要环节。知识点页面的设计要求排版清楚美观,色调适合统一,图文并茂,以多媒体的形式展示知识。为了让学生及时了解自己的学习进度并能实现知识点页面的随意转换,设计了动态跟随目录,以便于学生随时选择课程的学习内容。对智能系统控制课程设计了进度参考值,以便于学生知道其学习快慢,从整体上把握学时规划。
1.3实践展示平台的设计
在智能系统控制课程的实践展示平台中,习题的存储和管理都在数据库中进行,章节自测题的功能模块如图1所示[3-4]。学生每学完一章就可通过练习来巩固该章的知识,了解其对本章节知识的掌握情况。
在课后习题的设计中,特别增加了显示失分题并列出正确答案的功能以及留言功能。学生利用前一功能了解自己错误理解的那些知识点并改正错误,学生通过后一功能提交对答案的任何质疑或更好的建议方案,并由专业老师予以点评,如图2所示。这些功能能提高学生的积极性,增加老师与学生之间的互动性,为学生学习本课程提供了很好的智能助手[5-6]。
智能系统控制课程实践展示平台的另一重要功能是利用Java技术等网络工具展示智能技术的演示程序,促进学生的学习交互性和实践效果。对于人工智能和智能控制课程中每种能演示程序的知识点,都可以用Java等技术编程实现交互演示实例,也可以推荐学生设计相关的演示程序,开设学生作品的演示区。
2结语
智能系统控制课程的探究式教学方法可以弥补传统智能控制教学过程中的一些不足,让任何学生都可以在任何时间、任何地点选择一种自己想学的教学模式,以自己喜欢的学习方式和学习进度进行学习。学生根据自身的条件选择一种教学模式,然后进行自主学习。每章最后会设置章节自测题,查看学生对本章节的掌握情况,更主要的目的是巩固学生本章所学知识。随着智能网络技术的发展,智能技术的教学将会更加人性化和个性化[7-8]。
参考文献:
[1] 蔡自兴,徐光v. 人工智能及其应用[M]. 3版. 北京:清华大学出版社,2004.
[2] 龚涛,蔡自兴. 多维教育智能体的构建与应用[J]. 教育信息化,2002(76):55-56.
[3] 马娅婕,田翔川. 多媒体网络教学系统在线考试题库的设计[J]. 计算机应用研究,2005(1):182-183.
[4] 黄向前,刘渊,庄春兴. 关于题库资源建设系统的规范化的分析[J]. 实验技术与管理,2004,21(3):76-79.
[5] 管恩京,李静,郑海峰. 促进高校网络教学与教学资源应用的对策研究[J]. 现代教育技术,2009(12):126-129.
[6] 沈理达. 工程基础软件及应用课程的网络教学系统设计[J]. 中国科教创新导刊,2009(36):123,125.
[7] 李人厚. 智能控制理论和方法[M]. 西安:西安交通大学出版社,2002.
[8] 王岳斌,刘利强,周细义. 交互式网络教学模型设计与实现[J]. 湖南理工学院报:自然科学版,2005(3):19-22.
Research on Exploring Teaching of Intelligent System Control Course
GONG Tao1, ZHOU Jia-jia2
篇13
智能科学与技术是当前科学研究和工程实践的理论与技术发展的前沿领域，智能科学与技术专业是一个多学科交叉的跨应用领域专业Ⅲ。智能科学技术的发展将把整个信息科学技术推向“智能化”的高度，这正是当代科学技术发展的大趋势，对于这方面人才的需求也越来越迫切。智能科学与技术培养掌握坚实智能科学与技术基本理论和系统专门知识，具备作为工程师或领导者及公民的良好人文修养，具有从事科学研究、工程设计、教学工作或独立担负本专业技术工作能力，深入了解国内外智能科学与技术领域新技术和发展动向，能结合与本学科有关的实际问题进行创新研究或工程设计的高级专门人才。
高校应稳妥发展与完善智能科学与技术专业的本科生教育，夯实本科教育基础并积极创造条件，大力开展创新教学，努力培养学生的创新意识、创新精神和工程实践能力，使之成为具有系统技术基础理论、专业知识和基本技能，良好科研素质和较强创造能力的智能科学与技术工程师。
2教学计划与教学管理分析
智能科学与技术属于计算机类专业，其必修课程设计原则是使学生具备计算机科学与工程的基础理论知识，尤其是大类专业招生教学的院校，通识课程主要是数学、物理文化基础，强调扎实的自然科学基础。专业教学的特色体现在专业必修和专业选修课程，专业必修课一般分为数学基础和专业课程。计算机类专业数学基础课程一般包括线性代数、微积分、离散数学、微分方程、概率与统计、数值计算等；专业课程一般包括程序设计基础、高等程序设计、数据结构、操作系统、计算机组成与结构、数字电路与逻辑设计等。
2.1学分
本科培养计划的学分中，国内外大学学分总数趋势是逐步减少，追求少而精。国内院校一般在130～190学分之间，如北京大学为150学分，清华大学为1 70学分，东南大学与浙江大学均为160学分，还有16学时为1学分的，也有18学时为1学分的。
中国台湾的大学一般在130学分左右。台湾交通大学最低毕业学分为128学分，其中必修课程须达76学分（共同必修58学分+资工组核心须达分+（资工组副核心课程学分+另2组核心课程学分）），专业选修本系课程须达12学分，其他选修课程须达12学分，通识课程须达28学分（含外语课程必修8学分）。台湾“中央大学”为136学分，台湾“清华大学”为136学分，其中必修和必选学分126，其他与导师商量决定。
美国的大学各校差异较大。美国的学分计算有4学期制、两长一短制及两学期制，其中加州大学伯克利分校为120学分，麻省理工大学为90学分，加州大学洛杉矶分校为186学分，斯坦福大学为180学分。
2.2教学管理
在教学管理上，斯坦福大学给学生提供了非常宽松的自由发展空间。新生入校后不分专业、不分学院。除了医学院和法学院学生需要经过一定的选拔程序外，本科生可以在入学后的前一个学期适当时候随意选择专业，并且选择专业后允许更改，只要毕业时满足专业培养方案即可。
国内的浙江大学是较早实行按大类招生的学校之一，分为大类培养、专业培养和特殊培养3类，前两年不分专业，按学科分类集中培养。
台湾的大学专业也是按大类完成前期的基础课程，再分小专业完成各学程，包括基础课、核心课和进阶课。
教学分组是现在的主流课程架构，也是体现专业方向的主要形式，分组课程是体现专业特色的课程组。国内清华大学采用的是分组教学；台湾的大学基本上采用的是以教学方向分组的方式，台湾的大学教学分为课程与修业、学分学程。
2.3实验与实践教学
计算机类专业各大院校都强调课程实验与实验教学，而目前课程该如何进行教学？这不仅是实验问题，如何以工程教育专业论证为目标，怎样使教学目标达到毕业要求是关键。做中学是主流实验教学方式，尤其是美国的大学，大作业体现的是实验与理论教学的结合，是考查学生是否理解理论知识的重要途径。学生不仅能够学习扎实的数学和计算机专业知识，还进行大量的实践创新训练。麻省理工大学、加州大学伯克利分校、加州大学洛杉矶分校、斯坦福大学都属于实践创新性教学模式。例如，斯坦福大学程序设计范式课程重点比较C、C++、Java的特点和难点，每1～2周有一次大作业，针对不同的任务，要求学生用不同的语言实现，使学生加深理解各类编程语言的应用场合；麻省理工大学的课程计划是必须先修12学分的实验课程，再修3门或4门核心课程，最后选择3门方向学科和1门关于该方向的实验课、2门专业拓展课。
3智能科学与技术课程体系分析
智能科学与技术课程体系在智能基础理论研究的基础上，需要安排基础性、通用性、关键性的智能技术研究，主要包括感知技术和信息融合技术；自然语言处理与理解技术；知识处理（认识）技术，包括知识提炼、知识分类、知识表示技术等；机器学习技术，特别是统计与规则相结合的学习技术；决策技术，即知识演绎技术特别是不确定推理技术等；策略执行技术，即控制与调节技术；智能机器人技术，特别是面向专门领域的智能机器人技术；智能机器人之间的合作技术；基于自然语言理解的智能人机交互与合作技术；智能信息网络技术。
国内最早创办智能科学与技术专业的学校包括北京大学，西安电子科技大学是第2批开始培养智能专业学生的院校。北京大学的本科教学计划中，专业必修课程（2分）包括：①专业数学/理论基础（15学分）：算法分析与设计、集合论与图论、概率统计A、代数结构与组合数学、数理逻辑；②硬件与系统基础（分）：数字逻辑设计、微机原理和信号与系统；③智能基础（5学分）：脑与认知科学与人工智能基础。专业限选课程（15学分）包括信息论基础、计算方法B、数字逻辑设计实验、微机实验、数据结构与算法实习、机器感知和智能处理实验、智能多媒体信息系统实验。选修组合课程（29～32学分）：学生按照自己的兴趣，参考智能的2个专业方向推荐专业课组合，自行选择，至少选修20学分的智能专业课程。公共核心+专业方向+新技术及其他：①公共核心课程（分）：智能科学技术导论、模式识别基础、生物信息处理、智能信息处理；②专业方向课程（11～15学分）：机器感知与智能机器人方向、智能信息处理与机器学习方向、新技术及其他。
西安电子科技大学智能专业主要课程包括电路分析理论、信号与系统、数字信号处理、数字电路及逻辑设计、模拟电子技术基础、微机原理与系统设计、数据结构、软件工程、人工智能概论、算法设计与分析、最优化理论与方法、机器学习、计算智能导论、模式识别、图像理解与计算机视觉、智能传感技术、移动通信与智能技术、智能控制导论、智能数据挖掘、网络信息检索、智能系统平台专业实验等课程及30多门选修课程。
建议各学校可以根据学院教学特色与实际需求，设计专业核心课程。北京大学偏重“信息处理”，湖南大学偏重“智能系统”，但需要强调的一个前提就是智能科学与技术专业属于大计算机类，更需要大EECS专业的基础。编程、电路、数学、数据结构、计算机系统这五大核心基础就是大EECS；其次是专业，计算机以系统结构、操作系统、网络、编译、数据库五大经典专业核心课为主，湖南大学的智能科学与技术专业强调系统，因此信号与系统、操作系统、嵌入式系统、人工智能是最基本的专业核心课，然后再分不同的分支。湖南大学智能科学与技术专业核心课程包括人工智能概论、机器学习、计算智能导论、模式识别、智能控制导论、智能数据挖掘、机器人学等；研究学位课程包括模式识别、人工智能等，主要体现为智能科学与技术基础（人工智能概论、机器学习、计算智能导论、模式识别）、核心（智能控制导论、智能数据挖掘）和应用（机器人学）。
4结语
（1）在课程计划实施过程中，教师需要遵循课程的时序图，即描述课程的进阶关系，从本科直到研究生，同时还可以实行一定的修课限制，如台湾交通大学计算机概论与程式设计和面向对象程式设计两科皆不及格者不得修数据结构与算法概论，若数据结构不及格不能修算法设计课程等。
（2）程序设计类课程用上机程序能力考试来设置合格条件，如台湾交通大学基础程式设计及格条件为通过“程式能力鉴定”，湖南大学则以CCF―CSP软件能力测试作为程序设计课程通过的考核标准。
（3）鼓励学生参与项目、竞赛等课外科技活动，如台湾“清华大学”的综合论文训练是由具有同等水平的项目训练成果或SRT（student research training）计划项目以及其他课外科技活动成果经认定后代替的。
