课程简介
course introduction
《智能信息处理导论》课程由计算机学院面向计算机科学类、信息科学类专业学生开设的专业选修课程。
本课程主要介绍常见的智能信息处理的概念、算法、实验方法，内容包括智能信息处理的基本概念和典型应用以及前沿发展、人工智能的概念的发展、信息与知识的计算、分类算法、聚类算法、关联分析算法等。通过本课程的学习，学生能熟悉智能信息处理的基本理论和方法、应用，以及求解实际问题中常用到的一些经典智能算法设计和应用的思路和性能特点。掌握智能信息处理的基本方法和设计算法的基本原理和技巧，具备针对具体信息处理问题选择适合的技术策略去设计、应用、和评价算法及结果的能力，并养成以应用为驱动提升学生方法的理解能力和创新实践能力的良好素养。
教学大纲
teaching syllabus
周次 | 内容(章节、知识点) |
第1周 | 课程介绍 第1章 智能信息处理绪论 1) 基本概念 2) 产生背景 3) 任务及过程 4) 典型应用 5) 前景、研究热点 |
第2周 | 第2章 人工智能绪论 1) 基本概念 2) 历史与发展 3) 机器学习 4) 自然语言处理 5) 深度学习 |
第3周 | 第3章 信息与知识 1) 数据 2) 数据统计特性 3) 数据预处理 |
第4周 | 4) 相似性度量 5) 本体 6) 知识 |
第5周 | 第4章 关联分析 1) 概述 2) 频繁项集发现算法 3) 关联规则的生成 |
第6周 | 4) 非二元属性的关联规则挖掘 5) 关联规则的评价 6) 序列问题 |
第7周 | 实验一: 工具介绍；project分组宣讲；关联分析 |
第8周 | 第5章分类 1) 概述 2) 决策树分类方法 |
第9周 | 3) 贝叶斯分类方法 4) k-最近邻分类方法 5) 分类模型的评价 |
第10周 | 实验二: 分类；project进展汇报 |
第11周 | 第6章聚类 1) 概述 2) 基于划分的聚类算法 3) 层次聚类算法 |
第12周 | 4) 基于密度的聚类算法 5) 一趟聚类算法 6) 基于原型的聚类算法 |
第13周 | 实验三: 聚类；project进展汇报 |
第14周 | 第7章 智能信息处理前沿 1) 世界/中国顶级学术会议 2) 世界/中国顶级学术期刊 3) 世界顶级比赛及数据集 4) 最新前沿研究成果 |
第15周 | 1）学术简历写作 2）学术论文写作 3）project文档写作 4）project文档检查及答疑 |
第16周 | project答辩 |
