培养计算机类专业学生解决复杂工程问题的能力
全新正版 极速发货
￥ 49.19 6.2折 ￥ 79 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:蒋宗礼
出版社清华大学
ISBN9787302503842
出版时间2018-07
装帧其他
开本其他
定价79元
货号1201733223
上书时间2024-07-16
商品详情
- 品相描述：全新
- 商品描述
-
目录
第1章 计算机类专业本科人才培养基本定位
1.1 本科工程教育的基本定位是培养学生解决复杂工程问题的能力
1.2 解决复杂工程问题的能力的培养对专业教育的基本要求
1.3 分解落实解决复杂工程问题能力的培养
第2章 《计算机类专业教学质量国家标准》及要点
2.1 《计算机类专业教学质量国家标准》
2.1.1 概述
2.1.2 适用专业范围
2.1.3 培养目标
2.1.4 培养规格
2.1.5 师资队伍
2.1.6 教学条件
2.1.7 质量保障体系
2.1.8 专业类知识体系
2.1.9 主要实践性教学环节
2.1.10 专业类核心课程建议
2.1.11 人才培养多样化建议
2.1.12 有关名词释义和数据计算方法
2.2 要点说明
2.2.1 计算机类专业基本情况
2.2.2 提高质量必须更新观念
2.2.3 准确定位
2.2.4 人才培养基本要求
2.2.5 师资队伍
2.2.6 质量保障体系
2.2.7 知识体系
2.3 应用型人才培养
第3章 数学与自然科学类课程
3.1 高等数学
3.1.1 课程简介
3.1.2 课程地位和教学目标
3.1.3 课程教学内容及要求
3.1.4 教学环节的安排与要求
3.1.5 学时分配
3.1.6 课程考核与成绩评定
3.2 线性代数
3.2.1 课程简介
3.2.2 课程地位和教学目标
3.2.3 课程教学内容及要求
3.2.4 教学环节的安排与要求
3.2.5 学时分配
3.2.6 课程考核与成绩评定
3.3 概率论与数理统计
3.3.1 课程简介
3.3.2 教学目标
3.3.3 课程教学内容及要求
3.3.4 教学环节的安排与要求
3.3.5 课程考核与成绩评定
3.4 数值分析
3.4.1 课程简介
内容摘要
\"与国际等效的中国工程教育认证标准明确将解决复杂工程问题能力的培养作为本科工程教育的聚焦点。本书面向本科计算机类专业，讨论如何实现学生解决复杂工程问题能力的培养。首先讨论将这一任务分解到整个本科教育的过程中的基本思路和要求，然后分数学与自然科学类课程、专业类基础课程、专业基础和专业课程、课程设计、实习实训，以及毕业设计，以实例的形式给出落实案例。不仅为读者澄清了一些基本概念，还给读者提供可以实际操作的案例。考虑到相关需求，还简单介绍了相关的工程伦理道德要求和质量保障体系的构建。
本书为计算机类专业系统设计培养方案，为教师设计和开展面向学生解决复杂工程问题能力培养的教学活动提供参考，也可以给计算机类专业学生学习课程以达成毕业要求提供指导。对其他工科专业的教师也具有参考价值。\"
精彩内容
第5章专业基础与专业课程5.1人工智能 人工智能（AI）课程试图通过了解智能的本质，并对人的意识、思维的信息过程进行模拟，最终能生产出一种新的、与人类智能相似的智能机器，其研究领域包括知识表示与推理、搜索、机器视觉、自然语言处理等。人工智能课程是对本科阶段所学知识的综合应用，本课程的要旨就是培养复杂工程问题的解决能力，本课程的案例、课后作业及思考题、课程设计，无一不是对学生综合能力的培养、训练和提升。人工智能经典教材包含的内容较多，各学校可根据所在学科、教师、学生的特点，明确培养目标，并按照确定的培养目标组织教学计划，开展教学活动。本课程设计以综合问题解决能力的培养为导向，按照培养计算机专业的工程应用型人才的需要制定，设计的总学时为72学时，其中理论授课54学时，实验课18学时（用于完成课程设计）进行规划。针对不同的学制和要求，可参照本方案加以修改。例如，授课时可进一步突出基本原理，或加强项目引导，学数时可灵活。为了更好地理解和掌握AI的基本原理和实际的应用，可专门安排有一定挑战性的课程设计。
计算机专业的工程应用型人才需要具有较扎实的基础理论、专业知识和基本技能，具有良好的可持续发展能力。学时充裕的学校，除培养学生解决问题（系统方面）的能力外，还应强调学生知识结构中的逻辑基础和自动机相关基础理论。总之，人工智能是强调思考和动手实践的一门课程。教学实践中，可尝试基于问题驱动的教学方式，或以翻转课堂的方式进行教学。
5.1.1课程简介 关于“智能”，图灵测试给出了很好的定义。现代社会中“智能”的含义在不同场景有不同的体现。AlphaGoZero体现了惊人的学习能力；称为人工智能发展里程碑之一的IBMWaston在智力抢答节目中胜出，体现了驾驭自然语言处理的能力和正确回答问题的智能；无人驾驶汽车、Amazon无人机、法律/法规/政策咨询中的对话机器人也具有一定的智能。
人工智能课程涉及或将要解决的问题都具有较高乃至很高的综合性，并包含多个相互关联的子问题，智能性活灵活现地体现在程序（机器）灵巧、具有鲁棒性、与人类在相关领域可以匹敌或更胜一筹等方面。当然，现阶段的人工智能并不都是十全十美，还有很大的发展、提升的空间。但我们也要看到，人工智能的学习能力非常惊人。通过不断地自我学习，AlphaGoZero可以在3天内无师自通，达到大师级别，其他领域的例子也不胜枚举。因此，在课程讲授中，老师要注意讲透彻这一点。而对如何让机器进行“学习”的问题，则可将“机器学习概述”作为选修课，使学生进一步理解人工智能。总的来说，经典的人工智能基本内容均可包括在本课程中，同时建议增加课程设计，让学生理解什么是智能，如何实现智能，以及智能化给社会带来的变革和对经济的促进作用。希望老师们同时也要简单介绍人工智能时代的安全意识。
5.1.2课程地位和教学目标 1.课程地位 本课程是计算机科学与技术专业的学科专业课，是综合运用所学知识的课程之一，旨在继程序设计、数据结构与算法等课程后，引导学生在理论和实践方面进阶，培养其严密的计算思维、程序设计与实现、算法设计与分析等专业基本能力，特别是高度综合能力。强化学生解决问题的能力，给学生提供较为复杂的课程设计，如特定领域的人机对话、图像理解等系统的开发（分为不同级别和阶段），这不仅有助于学生理解所学知识，还能培养其工程意识和能力。
2.教学目标 总的教学目标是使学生掌握人工智能中的基本概念、基本理论、基本方法，综合利用所学知识，设计并实现智能系统，解决实际问题。通过学习使学生最终达到如下目标。
目标1：使学生掌握本专业的基础理论和基本方法，用于解决较大的复杂工程问题，设计和实现智能系统。为毕业要求1的达成提供支持。
目标2：培养学生理解现有智能系统的知识表示方法，搜索技术和机器学习方式，用于分析现实复杂工程问题。为毕业要求2的达成提供支持。
目标3：学生能够对复杂工程问题进行分解，针对分解的各子问题选择合适的求解问题，并提出解决整体问题的智能求解方案。为毕业要求3的达成提供支持。
目标4：学生能够使用恰当的工具和软件，进行工程问题的实验设计和分析，并对理论和结果进行分析和评价，提升现代工具的使用能力。为毕业要求5的达成提供一定支持。
目标5：通过智能系统的分析设计和实现，以及报告撰写、陈述发言等，培养专业相关的表达能力。为毕业要求10的达成提供一定支持。
5.1.3课程教学内容及要求
第1章绪论 人类智能与人工智能的含义，人工智能的发展和应用领域，人工智能的内涵。
重点：人工智能的定义、发展及其应用领域。 难点：对人工智能内涵的理解。 在介绍人工智能概念的基础上，使学生了解本课程所涉及知识的重要意义，以及人工智能的应用现状和应用前景。对人工智能的研究与应用领域进行概括性的介绍，并阐明人工智能对人类的影响。
第2章谓词逻辑、知识表示与推理 谓词逻辑及其推理方法，知识表示及其推理。
重点：基于一阶谓词逻辑和产生式规则的推理模式。不确定性知识的表示及其推理。
难点：不确定性知识的表示及其推理。
需要学生了解知识表示的基本概念；理解和掌握常用知识表示方法，包括一阶谓词逻辑、产生式规则、框架和语义网络的基本原理和语言实现；理解不确定性知识的表示及其推理方法。
第3章基于图搜索的问题求解 问题的状态图、与或图表示，图搜索技术。
重点：状态图搜索常用算法和问题的状态图表示；与或图搜索常用算法和问题的与或图表示。 难点：问题的状态图、与或图表示。
图搜索技术是人工智能中的核心技术之一，需要学生掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式搜索、启发式搜索、加权状态图搜索和A算法、A*算法等；掌握与或图的基本概念、与或图搜索基本技术和与或图问题求解的一般方法；理解一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方法。
第4章机器学习与知识发现 机器学习的3类学习方法，包括符号学习、连接学习以及进化计算，并介绍近年在工业界成功应用的机器学习算法，如深度学习算法。
重点：符号学习中的归纳学习；神经网络学习；进化计算。
难点：BP神经网络及其学习举例。
学生需通过学习，理解符号学习的基本原理，包括记忆学习、演绎学习、类比学习、示例学习、发现学习等；理解连接学习的基本原理，包括人工神经网络的概念和类型、神经网络学习方法等；了解知识发现与数据挖掘的概念、对象、任务和基本方法等；理解进化计算的基本原理，包括遗传算法、粒子群算法、蚂蚁算法、差分进化、协同进化等。
第5章专家系统
专家系统的概念、结构，专家系统的设计与实现。
重点：专家系统的概念和结构；专家系统的设计与实现。
难点：专家系统的设计与实现。
专家系统亦称专家咨询系统，它是一种智能计算机系统。学生需要了解专家系统的发展，理解专家系统的概念和结构，并初步掌握专家系统设计与实现方法。
第6章智能系统
介绍各智能系统的设计及实现，同时引导学生思考目前仍面临的问题及可能的改进。
重点：实现框架的复杂度与算法有效性的均衡，以智能检索、智能识别、智能跟踪、智能问答等系统为例，在应用中扩展部分功能，具体实现可以体现为智能设备（如穿戴设备的智能化信息获取、管理）、智能程序、智能机器人的认知、目标跟踪等部分。 难点：知识的综合应用，学生需要有全面的知识和学习的能力。
学生将有机会在本章中独立完成智能系统的设计和开发。
5.1.4教学环节的安排与要求
1.课堂讲授 课堂教学首先要使学生掌握课程教学内容中的基本原理和方法。通过讲授，使学生能够理解人工智能对信息进行智能处理的原理及其方法，掌握智能系统的设计方法和实现原理。通过对原理的深入理解，并借助适当工具，使之能针对具体问题去构建恰当的智能系统。结合翻转课堂式教学方式，鼓励学生提前预习，事先设定好教学目标，采用案例驱动（提供二维码、音视频等）作为导入，学生用移动端（智能手机）扫码学习所设计的案例。鼓励师生之间、学生之间在课堂上互动，包括答疑解惑、案例分析、实际问题的解决等，着力打造全面、互动的教学模式。 积极探索和实践研究型教学。将课程的内容与社会、生活或科学中的实际问题联系起来，以学生为中心，在教师的帮助下按照科学研究的模式来分析构建智能系统所需要的功能模块，逐一探究各模块的功能设计与实现，最终使学生获取知识，提高解决复杂问题的能力。
使用多媒体课件，配合板书和范例演示讲授课程内容。在授课过程中，可由当今互联网大数据以及机器学习的广泛应用引出智能系统概念，自然进入相关内容的讲授。适当引导学生阅读外文书籍和资料，培养自学能力。
2.实验教学 人工智能实验是本课程的课内实验部分，与理论教学部分相辅相成，占有重要的地位，旨在引导学生深入理解理论知识，并将这些理论知识和相关的问题求解思想和方法用于智能系统的设计与开发，培养学生理论结合实际的能力，构建智能系统，体验解决现实问题的乐趣。
人工智能对信息进行智能处理分为两种方式：建立专家系统进行知识推理和模拟人脑工作方式建立神经网络模型。基于此，一方面需要学生在掌握专家系统基本原理的基础上，在专家系统总体结构的指导下，通过设计专家系统的状态空间知识表示、搜索策略和推理技术，构建出完整的专家系统；另一方面，需要学生理解前馈神经网络的工作原理和学习规则，实现前馈神经网络。实验环节要求学生完成相关算法和数据结构的设计，自行选择实现语言，最后提交规范的实验报告。
引导学生根据系统设计目标选择合适的开发工具和开发环境，依据所给限定语言的描述模型选择适当的开发模型，经历设计和实现系统的主要流程，具体体验如何将基本的原理用于智能系统的设计与实现，加深对理论的理解。同时，通过在智能系统总体结构的指导下，将各个功能模块嵌入一个复杂的系统，来培养学生的系统观，提升其系统能力。对人工智能中涉及的核心算法，如神经网络算法、进化算法，分别设计必做题和选做题，如污损号牌识别、基于云资源的调度优化、学习系统中的中/英文翻译、基于知识的自动问答系统等题目，开拓学生的视野，提高学生学习的积极性。
另外，给学生提供课后拓展阅读的机会，针对人工智能的最新进展和取得的非凡成就，课堂上积极分析讨论，激发学生的兴趣，使他们在资料查阅、工具获取与使用、问题表达等方面得到锻炼。
从教学的基本追求来讲，实验主要对毕业要求3的达成提供支持，同时对毕业要求1、2、5、10提供一定的支持。具体如下： 目标1：在理论的指导下，将本专业的典型思想和方法用于系统的设计与实现。具体完成智能系统各功能模块的设计与实现，并将它们组合在一起形成一个完整的智能系统，具体设计实现一个颇具难度的复杂系统，为本专业的毕业要求3的达成提供支持。
目标2：与理论教学部分相结合，促使学生掌握本专业与人工智能相关的基础理论知识和问题求解的典型思想与方法，使其可以用于解决复杂的问题，包括要使学生能够理解状态空间迁移过程、启发式搜索、正反向推理、神经网络学习规则，为本专业毕业要求1的达成提供一定支持。
目标3：与理论教学部分相结合，学习智能系统设计和实现中相关的问题，特别是构建一个较复杂的智能系统，对系统设计和实现相关的问题进行分析，同时开展相应的实现、表达、分析、总结，展示实验系统和实验的结果，为本专业的毕业要求2的达成提供一定支持。
目标4：提出总体要求和系统各模块要求，让学生对多种方法、工具、环境进行比较、评价和选择。方法包括知识表示、搜索策略、推理技术、神经网络更新的方法；工具与环境包括所使用的开发语言和环境；比较与评价包括学生相互评价中锻炼评价能力。为本专业的毕业要求5的达成提供一定支持。
目标5：通过智能系统设计实现及验收过程中的报告撰写、陈述发言、问题答复等，培养专业相关的表达能力，为本专业的毕业要求10的达成提供一定支持。
本实验由表5-1-1中的5个实验组成。
表5-1-1实验内容安排序号实验项目名称学时方式开放否1知识表示实验3独立完成开放2搜索策略实验3独立完成开放3推理技术实验3独立完成开放4神经网络实验3独立完成开放5进化计算实验6独立完成开放
实验1：知识表示实验（专家系统的状态空间的设计和实现） 本实验作为人工智能课程实验的第一个模块，要求完成智能系统中各个状态空间的知识表示的设计并实现状态之间的迁移过程，属于必须完成的任务。
状态空间表示法是人工智能领域最基本的知识表示方法之一，也是进一步学习状态空间搜索策略的基础。本实验要求学生通过求解牧师与野人渡河问题，强化对知识表示的理解和应用，为人工智能后续环节的学习奠定基础。
学生必须根据实现智能系统中各个状态的需要，选择、设计出合理的数据结构和相应的算法，站在系统的高度去考虑程序和算法，强化程序设计与实现能力、算法选择与实现能力，包括系统分析、系统设计和开发在内的整体能力。
实验内容：有n个牧师和n个野人准备渡河，但只有一条能容纳c个人的小船，为了防止野人侵犯牧师，要求无论在何处，牧师的人数不得少于野人的人数（除非牧师人数为0），且假定野人与牧师都会划船。试设计一个算法，确定他们能否渡过河去，若能，则给出小船来回次数最少的最佳方案。
基本要求： （1）用三元组（X1，X2，X3）表示渡河过程中的状态。并用箭头连接相邻状态以表示迁移过程：初始状态→中间状态→目标状态。
（2）写出算法的设计思想和源程序。
（3）以图形用户界面实现人机交互，进行输入，输出结果。
实验2：搜索策略实验（专家系统的搜索策略的设计与实现） 本实验作为人工智能课程实验的第二个模块，需要以第一个实验的完成为基础，要求完成智能系统的搜索策略的设计与实现，属于必须完成的任务。
在专家系统中要快速获得问题解甚至是最优解，需要借助搜索策略完成，包括非启发式搜索算法和启发式搜索算法。前者是按照预定的控制策略进行搜索，而后者则是在搜索中加入与问题有关的启发式信息用于指导搜索。本实验通过实现九宫格重排问题，目的在于强化学生对启发式搜索算法的理解与应用，为人工智能后续环节的课程奠定基础。
学生需要熟悉和掌握各个启发式搜索的定义、评估函数的设计，理解启发式搜索算法求解流程和搜索顺序，同时能比较算法间的性能差异。另外，还应站在系统的高度去考虑程序和算法，强化程序设计与实现能力、算法选择与实现能力，包括系统分析、系统设计和开发在内的整体能力。
实验内容：给定九宫格的初始状态，要求在有限的操作内使其转化为目标状态，且所得到的解是代价最小解（即移动的步数最少）。
基本要求： （1）表示九宫格的初始状态和目标状态。
（2）输出重排的过程，即九宫格的状态变化过程。
实验3：推理技术实验（专家系统的设计与实现） 本实验作为人工智能课程实验的第三个模块，需要以第一、二个实验的完成为基础。要求完成专家系统的建造并进行推理，属于必须完成的任务。
专家系统是人工智能的重要研究内容和组成部分之一，本实验通过设计一个简单的专家系统，加深学生对专家系统的组成结构和构造原理的理解，并能转化为具体的应用。学生可以先运行已有的专家系统，同时可以更改其规则库或（和）事实库，进行正反向推理，了解其推理过程和机制。然后自己建造专家系统，包括输入规则库和事实，并基于这种规则和事实进行推理。
学生需要熟悉和掌握专家系统的运行机制，掌握基于规则推理的基本方法。同时，还应站在系统的高度去考虑程序和算法，强化程序设计与实现能力、算法选择与实现能力，包括系统分析、系统设计和开发在内的整体能力。
实验内容：设计一个简单的专家系统，可根据属性的输入值自动识别事物的具体类别，内容自拟。
基本要求： （1）在前两个实验的基础上，将推理技术嵌入专家系统，进而实现一个解决实际问题的专家系统。
（2）可以分别尝试专家系统的正向与反向推理，更深刻地理解系统运行机制。另外，可以根据需要修改规则库和事实库，观察系统运行差别。
实验4：神经网络实验（前馈神经网络的设计与实现） 本实验作为人工智能课程实验的一个重要模块，要求完成前馈神经网络模型的设计与实现，属于必须完成的任务。
神经网络作为人工智能最重要的分支之一，其信息加工处理方式与专家系统有本质区别，本实验的目的在于学生通过对前馈神经网络各项参数的不同设置，观察神经网络的学习效果，观察比较神经网络拓扑结构及其他各项参数变化对于训练结果的影响。总体目标在于促进学生深入理解神经网络的学习规则。
实验内容：利用人工神经网络识别手写数字。实验提供MNIST手写数字数据集（http://yann.lecun.com/exdb/mnist/），学生可自行下载。可利用开源社区的神经网络平台或在Matlab上编程实现。
基本要求： （1）通过构建神经网络实例，理解网络的结构和原理。
（2）掌握网络学习规则，观察其对神经元的训练过程、算法和模型。
实验5：进化计算实验（实现决策优化） 实验内容：这是一个实际问题的简化版，解决观光出游乘坐公共交通工具（飞机、高铁、火车、轻轨、公共汽车）的优化利用问题（如时间短、花费少、直达（不住店或少住店））。利用Matlab或高级程序设计语言实现。
基本要求： （1）理解计算机程序如何体现“适者生存，物竞天择”的原理。
（2）（根据具体的问题）掌握染色体的定义、编码及适应函数的定义。
（3）进化计算的收敛条件。
实验考核与评定 对于表5-1-1中所列的5个实验，验收时将分别对各个实验结果完成情况进行考核，评定方式为现场验收与小组/个人报告相结合（例如，以小组为单位在课堂上进行10min左右的报告，通过此环节训练其实验总结与分析等能力和表达能力）。成绩评定瞄准本教学环节的主要目标，特别检查目标1的达成情况。评定级别分优秀、良好、合格、不合格。
优秀：各个智能系统结构清楚，功能完善，输入输出形式合理，能够较好地处理异常情况。
良好：各个智能系统结构清楚，功能比较完善，输入输出形式合理，有一定的处理异常情况的能力。
合格：各个智能系统结构清楚，功能比较完善，对典型的问题有处理能力，可以输出基本正确的结果。
不合格：未能达到合格要求。
此外，学生必须提交实验报告。参考实验报告给出实验成绩。
现场验收学生设计实现的系统时，需要给出现场评定。如果学生第一次验收中存在一定的问题，应向学生指出，并鼓励他们进行改进，改进后再重新验收。
3.作业 通过课外作业，引导学生检验学习效果，进一步掌握课堂讲述的内容，了解自己掌握的程度，思考一些相关的问题，进一步深入理解扩展的内容。
作业的基本要求：根据各章节的情况，布置练习题，思考题等。每一章布置适量的课外作业，完成这些作业需要的知识覆盖课堂讲授内容，包括基本概念题、解答题、证明题、综合题以及其他题型。主要支持毕业要求1、2、3的实现。
5.1.5教与学 1.教授方法 课内讲授推崇翻转课堂模式，以问题为驱动，寻求解决思路和实现方法，引导学生综合利用开源资源，在“巨人的肩膀上”开始自己的设计和实现。实验教学则提出具体要求，引导学生独立/分组完成智能系统的设计与实现。
2.学习方法 因材施教，一直把兴趣的培养放在首位，培训学生的自学能力。明确学习各阶段的重点任务，做到课前预习，课中认真听课，积极思考，课后认真复习，不放过疑点，充分利用好教学资源，包括网上的公开课资源。考核中，可侧重实验部分，鼓励
— 没有更多了 —
以下为对购买帮助不大的评价