人工智能专业英语

👤拔丝英语网 🕔2024/01/31 16:15 📁国外生活

人工智能英语课程教学大纲

课程说明

课程编号：

课程英文名称：Computer English

授课对象：人工智能相关专业、智能科学与技术、软件工程、网络工程、信息技术相关专业等专业

前修课程：人工智能导论，大学英语

总学时：32

课程类别：必修课

学分：3

课程的性质、目的与任务

《人工智能专业英语》是为开设人工智能专业英语课程编写的教材，在满足人工智能英语教学的同时，注重实际应用与调动学习兴趣。全书共分为10个单元，分别为人工智能介绍、知识表示和推理、不确定性推理、人工智能的搜索方法、机器学习、人工神经网络、深度学习、强化学习、计算机视觉和自然语言处理。

本课程的目的与任务是使学生通过本课程的学习，深入了解人工智能的相关知识，熟悉IT行业的相关英语技能，并运用在今后的学习生活中。本课程信息容量大，知识性强，注重英语能力的全面培养和实际应用，除要求学生掌握人工智能的基础知识和相关英语技能，更重要的是要求学生掌握理论与实践结合的学习方式，为更深入的学习打下良好的基础。

教学内容及教学基本要求

1. Introduction to Artificial Intelligence——人工智能介绍（2学时）

了解图灵测试；了解人工智能的发展过程；了解人工智能的优势和风险；理解人工智能的定义；掌握在英语写作中标点符号的应用

2.Knowledge Representation and Reasoning——知识表示和推理（3学时）

了解知识的分类与特性；了解知识表示和推理的优势；了解计算机学习的方法；了解计算机学习的优势；理解基本的知识表示和推理的方法；掌握用图片说明数据的方法；掌握在文档中添加表格和图片的技巧。

3. Reasoning with Uncertainty——不确定性推理（3学时）

了解不确定性推理基本理论；了解非单调逻辑的概念和用途；了解概率推理的基本思想；了解模糊逻辑的基本思想；掌握概率推理的计算方法；掌握使用不同社交媒体交流。

4. Search Methods in Artificial Intelligence——人工智能的搜索方法（3学时）

了解启发式搜索的概念；理解启发式搜索的算法；了解启发式搜索的优势；了解行为模式人工智能的概念与优势；了解旅行商问题；理解遗传算法；掌握PowerPoint等软件的使用方法。

5. Machine Learning——机器学习（3学时）

了解决策树在机器学习中的应用；理解决策树模型的基本思想；了解线性回归算法在机器学习中的应用；了解K均值聚类算法；了解肘部法则；了解报告和提案的撰写方法。

6. Artificial Neural Networks——人工神经网络（4学时）

了解人工神经网络的基本概念；了解人工神经网路的基本特征；了解非线性激活函数；了解人工神经网络在手写数字识别的应用；了解前馈神经网络；掌握撰写短篇报告和提案的方法。

7. Deep Learning——深度学习（3学时）

理解深度学习、机器学习和AI的区别；了解多层感知机；了解LSTM网络结构；了解卷积神经网络；了解图神经网络；掌握商务信函的撰写方法。

8. Reinforcement Learning——强化学习（4学时）

理解强化学习和深入学习的关系；了解强化学习的基本概念；了解Q-learning算法的基本思想；理解马尔科夫决策过程；理解强化学习在AlphaGo Zero上的应用；掌握结束商业信函和日常信函的撰写方法。

9. Computer Vision——计算机视觉（4学时）

理解计算机视觉、图像处理和机器学习之间的区别；了解图像特征提取概念和用途；了解计算机视觉在动态捕捉方面的应用；了解图像分割的方法；了解求职；撰写有效的求职信。

10.Natural Language Processing——自然语言处理（3学时）

了解自然语言的处理过程，分为四步：语音识别，语句分析，语义分析，语用分析；理解机器学习和深度学习的区别；了解BERT模型；了解Word2vec模型；掌握策划简历。

教学方法

本课程教学方法以教师为主导的启发式讲授教学法为主，讨论（提问）式教学为辅，结合课外学习的教学方法。

1．本课程概念较多，因此教学形式以讲授方式为主。本课程拟采用多媒体PPT的教学方法，增加课堂信息，浅显通俗地对概念、定义和原理进行解释，增加教学的直观性，教学过程中注意各个知识点的关联性，以使学生更好地理解课程内容。

2．对课程中关键性概念、设计思想方面的问题辅以课堂讨论的形式。

3．为加强和落实动手能力的培养，每章课后应安排作业，帮助学生学习和应用。

课内外教学环节及基本要求

本课程共32个学时，讲授16周（每周2学时）

授课时间比例为：听说部分40%，阅读部分40%，写作部分20%

1.课内教学环节：

本教材共有10个单元，每个单元的训练都分为读与译、写作、听与说三个部分。听力部分概要讲述与人工智能相关的知识，对话部分涉及实际工作中与同学、客户或同事之间的交流；读与译部分包括与人工智能相关的文章和与IT相关的最新文章，分为精读和泛读；写作部分讲解如何撰写报告、商务信函等。各部分还附有形式多样的练习，并提供详细的写作样例。针对各部分的教学，教师可采用如下方式：

阅读与翻译部分（Reading & Translating）：Section A部分的内容为人工智能领域知识，使读者深入了解和掌握人工智能相关专业知识。教师可让学生阅读文章（教师可根据文章的长短和难易程度来设定阅读的时间），并完成文章后的练习。之后教师公布练习答案，并讲解文章后的单词表、短语表和复杂句子来帮助学生进一步理解这篇文章。另外，教师最好还要讲解一下这篇文章所涉及的人工智能相关知识。Section B部分的内容为人工智能拓展的相关知识，供读者开阔视野。教师可让学生阅读文章（教师可根据文章的长短和难易程度来设定阅读的时间），并完成文章后的练习。之后教师公布练习答案，并讲解文章后的单词表、短语表和复杂句子来帮助学生进一步理解文章。另外，教师最好还要讲解一下本篇文章所涉及的人工智能的相关知识。如果课堂时间不够，可将Section B作为学生课后的作业。

写作部分（Simulated Writing）：教师可先让学生阅读写作方法指导，并配合本教材的写作样例进行讲解和指导。教师还可根据实际情况设置场景，让学生根据写作指导并参照写作样例完成一篇类似文章。如果课堂时间不够，教师可建议学生课下自学“写作部分”。

对话部分（Dialogue）：教师可先让学生听对话录音，并以提问的方式，引导学生根据所听信息概括对话主要内容，让学生了解和学习对话中涉及的相关知识。然后，教师可将学生分成三人小组，让其中一组或两组（分别）朗读这个对话，并纠正学生的发音；或让一组或两组参照已有对话并通过替换右边栏中的语句，组织完成一个类似的对话，并对学生完成的情况加以点评。

短文听力理解部分（Listening Comprehension）：教师可先让学生听短文录音和短文后的问题，让学生根据所听内容选择正确的答案。若播放一遍短文学生感觉有难度，教师可酌情增加录音播放次数。教师最后公布答案，并且讲解相应的单词和短语及句子，解释这篇短文的重点和难点。另外，可让学生读一遍原文。

听写部分（Dictation）：教师可可根据实际情况播放1-3遍短文录音，让学生根据所听内容填空，将文章补充完整。文章填充完整后，教师最后公布答案，并且讲解相应的单词和短语及句子，解释这篇短文的重点和难点。另外，可让学生读一遍原文。

2.课外学习要求：

(1)做好课前预习，预习时以教材为主，了解相关的概念、定义、原理。预习中认真思考，以便带着问题主动地听课。

(2)课后要复习，有余力的学生复习时还应阅读参考资料，认真整理课堂听课笔记。

(3)要求学生课外自主学习，学生课外阅读的参考资料以本大纲所列参考资料为主。

考核内容及方式

本课程成绩由平时成绩和期末考核成绩组合而成，课程成绩以百分制计算，分配比例如下：

1．平时成绩占30%，主要考查作业的完成程度，理论课和实验课的出勤率，实验课的考试结果。其中作业占20%，出勤率占10%。

2．期末成绩占70%，采用考试的考核方式。考试采用闭卷形式，题型为选择题、正确/错误题、填空题、简答题，以及应用题。

本课程根据学生作业、课堂讨论、平时考核情况和学生、教学督导等反馈，及时对教学中不足之处进行改进，并在下一轮课程教学中改进。

教学用书

扫描，优惠购书

内容简介

本书是面向人工智能专业英语课程的教材，全书共分为10个单元，分别为人工智能介绍、知识表示和推理、不确定性推理、人工智能的搜索方法、机器学习、人工神经网络、深度学习、强化学习、计算机视觉和自然语言处理。本书信息量大，知识性强，注重英语的听、说、读、写、译能力的全面培养和实际应用。各单元内容均分为阅读与翻译、写作、听与说三大部分；采用场景式教学和体验式学习相结合的方式，融合了角色扮演、多人会话和小组讨论等行之有效的训练方法。本书适合国内各类高校智能科学与技术、计算机科学与技术、软件工程等相关专业教学之用，也可作为其相关专业或IT领域人员的自学参考用书。

配套音频

上下滚动查看 ↓

Unit 1Introduction to Artificial Intelligence00

Part 1Reading & Translating00

Section A：The Turing Test00

Section B：Benefits and Risks of Artificial Intelligence00

Part 2Simulated Writing: Uncovering the Secrets of Clear Writing (I)0

Part 3Listening & Speaking0

Dialogue：Artificial Intelligence 0

Listening Comprehension：Thinking Machines 0

Dictation：Intelligent Agent 0

Unit 2Knowledge Representation and Reasoning0

Part 1Reading & Translating0

Section A：Representing and Manipulating Knowledge0

Section B：Learning0

Part 2Simulated Writing: Uncovering the Secrets of Clear Writing (II)0

Part 3Listening & Speaking0

Dialogue：Knowledge Representation and Reasoning 0

Listening Comprehension：Logical Reasoning 0

Dictation：Semantic Networks 0

Unit 3Reasoning with Uncertainty0

Part 1Reading & Translating0

Section A：Reasoning with Uncertainty0

Section B：Probabilistic Reasoning0

Part 2Simulated Writing: Communicating with Social Media0

Part 3Listening & Speaking0

Dialogue：Reasoning with Uncertainty 0

Listening Comprehension：Fuzzy Logic 0

Dictation：Bayesian Network 0

Unit 4Search Methods in Artificial Intelligence0

Part 1Reading & Translating0

Section A：Heuristic Search0

Section B：Genetic Algorithms0

Part 2Simulated Writing: Using Presentation Software to Write0

Part 3Listening & Speaking0

Dialogue：Search Methods in Artificial Intelligence 0

Listening Comprehension：A* Search 0

Dictation：Heuristic Search Techniques 0

Unit 5Machine Learning0

Part 1Reading & Translating0

Section A：Decision Tree in Machine Learning0

Section B：Kmeans Clustering Algorithm and Example0

Part 2Simulated Writing: Developing Reports and Proposals(I)0

Part 3Listening & Speaking0

Dialogue：Machine Learning 0

Listening Comprehension：Supervised Learning 0

Dictation：Unsupervised Learning 0

Unit 6Artificial Neural Networks0

Part 1Reading & Translating

Section A：Artificial Neural Networks

Section B：Handwritten Digit Recognition

Part 2Simulated Writing: Developing Reports and Proposals(II)

Part 3Listening & Speaking

Dialogue：Artificial Neural Network

Listening Comprehension：Training Artificial Neural Networks

Dictation：Applications of Neural Networks

Unit 7Deep Learning

Part 1Reading & Translating

Section A：Deep Learning，Machine Learning，and AI

Section B：Convolutional Neural Network

Part 2Simulated Writing: Writing Professional Letters (I)

Part 3Listening & Speaking

Dialogue：Deep Learning

Listening Comprehension：Generative Adversarial Network

Dictation：Recurrent Neural Network

Unit 8Reinforcement Learning

Part 1Reading & Translating

Section A：Reinforcement Learning，Deep Learnings Partner

Section B：AlphaGo Zero：Starting from Scratch

Part 2Simulated Writing: Writing Professional Letters (II)

Part 3Listening & Speaking

Dialogue：Reinforcement Learning

Listening Comprehension：Deep Reinforcement Learning

Dictation：Reinforcement Learning Challenges

Unit 9Computer Vision

Part 1Reading & Translating

Section A：Whats the Difference between Computer Vision，

Image Processing and Machine Learning?

Section B：Using Vision for Controlling Movement

Part 2Simulated Writing: Writing for Employment (I)

Part 3Listening & Speaking

Dialogue：Computer Vision

Listening Comprehension：Pattern Recognition

Dictation：Artificial Intelligence，Machine Learning，Deep Learning，

and Computer Vision...What is the Difference？

Unit 10Natural Language Processing

Part 1Reading & Translating

Section A：Language Understanding

Section B：Natural Language Processing vs．Machine Learning vs．

Deep Learning

Part 2Simulated Writing: Writing for Employment (II)

Part 3Listening & Speaking

Dialogue：Natural Language Processing

Listening Comprehension：Speech Recognition

Dictation：Natural Language Understanding

Glossary

Abbreviations

Answers

Bibliography

在公众号书圈后台回复【9787302569008】，下载本书配套的教学资源

人工智能专业英语

人工智能英语课程教学大纲

发表评论

发表回复

人工智能英语课程教学大纲

相关文章

发表评论

发表回复