1.2.4　专业特色课程

1．课程名称：人工智能基础（双语）（Fundamentals of Artificial Intelligence，Bilingual Teaching）

学时/周学时： 32/2 学分： 2

内容简介：“人工智能基础”是智能科学与技术的专业基础课程。该课程是关于人工智能领域的引导性课程，介绍人工智能的基本理论、方法和技术，目的是使学生了解和掌握人工智能的基本概念和前沿算法和算法，为今后的更高级课程的学习及将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。通过本课程的学习，使学生掌握人工智能的基本思想和实现方法，掌握基本分析与设计方法，为人工智能在各领域的应用奠定基础，拓宽学生在计算机科学与技术领域的知识广度。

2．课程名称：模式识别（双语）（Introduction to Pattern Recognition，Bilingual Teaching）

学时/周学时： 48/2.5 学分： 2.5

内容简介：模式识别是理论与应用并重的技术科学，与人工智能关系密切，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。通过本课程的学习，使学生系统掌握模式识别基本原理和分类器设计的典型方法，具体包括贝叶斯决策理论、线性判别函数、近邻法、特征选择和提取、非监督学习方法、人工神经网络、模糊模式识别方法、支撑矢量机等。同时，通过大作业使学生了解模式识别方法在文本识别、智能图像处理等领域的应用，有助于学生综合能力和整体素质的提高。

3．课程名称：机器学习（双语）（Machine Learning，Bilingual Teaching）

学时/周学时： 40/2 学分： 2

内容简介：“机器学习”是智能科学领域一门非常重要的基础专业课程。通过本课程的学习，使学生对目前主流的机器学习理论、方法、算法与应用有一个较全面的综合认识，具体包括：了解机器学习领域的发展及现状；了解和掌握机器学习的基本概念、原理、方法与技术；能够运用机器学习方法来解决实际问题（如智能博弈程序、图像识别、文本分类与处理等）；为进一步研究建立有关概念和方法的基础。本课程强调机器学习的理论原理的教学，注重从实例入手。使学生理解机器学习的概念与原理，从机器学习的基本框架上理解不同机器学习方法之间的异同点。课程同时强调理论与实践动手能力相结合。安排7或8次课外作业以及2或3次课程实验。课程要求学生能够依据所学的基本原理和方法来解决实际问题。

4．课程名称：图像理解与视觉计算（双语）（Image Understanding and Computer Vision，Bilingual Teaching）

学时/周学时： 40/2 学分： 2

内容简介：“图像理解与计算机视觉”是一门涉及多个交叉学科领域的课程。本课程侧重于计算机视觉中的图像基本处理和识别，并对图像分析的基本理论和实际应用进行系统介绍。目标是使学生在学习了本课程之后，对计算机视觉和图像处理的基本概念、基本原理以及解决问题的基本思想方法有一个较为全面的了解和领会；学习智能图像分析与理解的基本理论和技术，了解各种智能图像理解与计算机视觉技术的相关应用；具备解决智能化检测与识别、控制等应用问题的初步能力。

5．课程名称：智能数据挖掘（双语）（Intelligent Data Mining，Bilingual Teaching）

学时/周学时： 40/2 学分： 2

内容简介：本课程以介绍各类数据仓库和知识发现技术为主，以培养学生的科研能力为辅。课程主要包括两方面内容：一方面是各类数据挖掘技术的原理、算法和实际应用；另一部分是数据仓库技术的原理、复杂数据类型的规则挖掘，包括关系数据、空间数据、多媒体数据、时序数据、Web数据等。

6．课程名称：计算智能及应用（双语）（Intelligent Computing and Its Application，Bilingual Teaching）

学时/周学时： 40/2 学分： 2

内容简介：计算智能是模拟自然以实现对复杂问题求解的科学，是生物学、神经科学、认知科学、计算机科学、免疫学、哲学、社会学、数学、信息科学、非线性科学、工程学、音乐、物理学等众多学科相互交叉融合的结果，是人们对自然智能认识和模拟的最新成果。目前计算智能已经成为智能与信息科学中最活跃的研究领域之一，它的深入发展将极大地改变人们认识自然，求解现实问题的能力和水平。这门课程主要介绍了计算智能的3个典型范例，即人工神经网络、进化计算和模糊系统。通过本课程的学习，要求学生了解并掌握人工神经网络、进化计算和模糊系统等计算智能模型以及前沿应用技术介绍。

7．课程名称：认知计算导论（全英）（Introduction to Cognitive Computing，English）

学时/周学时： 40/2 学分： 2

内容简介：“认知计算导论”是现代人工智能领域的一门重要专业课程。这门课主要介绍对人类认知行为建模的基本概念、理论、计算方法和应用，具体包括：感知、推理、学习和决策的基本概念；人脑和认知科学中实现上述能力的基础原理；可对认知原理建模并在人工智能、机器学习、概率统计中广泛使用的方法，如神经元模型、神经网络、贝叶斯推理、强化学习等；运用认知计算方法解决实际问题，如视觉感知、目标识别、视觉关注、学习与记忆、归纳推理。本课程强调脑神经和认知科学的理论及应用教学，注重从实例入手，帮助学生理解认知计算的理论和方法，建立学生从人类认知的角度解决实际问题的思维方式。课程同时鼓励理论与实践相结合，安排2或3次课程实验，培养学生解决实际问题的能力。

8．课程名称：大数据处理与信息检索（Big Data Processing and Information Retrieval）

学时/周学时： 36/2 学分： 2

内容介绍：大数据浪潮席卷全球，已深入渗透到了各个领域，影响日益扩大。在大数据时代的特点下，信息检索也将面临全新的挑战。本课程将从大数据时代的4V特点出发，讲解大数据时代下信息检索中的问题，引导学生如何在海量的、多模态的、高度不确定的数据中去获取/检索出有价值的信息，掌握网络信息检索的基本方法，常用搜索引擎等搜索工具的使用技巧，提升学生的信息素养和灵活运用信息解决各类问题的能力。 V8QkIuGjq8zLGSjHWeNBSP8V9OfDT0CpfTsmkK8gOGD3RQVDstpDGmo0tBUa8+uN