核心模块：

知识工程

人工智能知识工程的建立、知识的表示方法与分类、专家系统。

推理

确定性推理和不确定性推理、可信度方法、迷糊推理。

搜索与优化策略

知识的状态空间表示法、状态空间搜索、与或树表示法、深度优先广度优先搜索策略。

机器学习

机器学习方法分类、机器学习基本问题、决策树学习、聚类。

人工神经网络与深度学习

人脑神经网络的基本形态、前馈神经网络、反馈神经网络。

模式识别、自然语言处理、多智能体

学习目标：

要求学生掌握学科的基本知识包括：知识工程、推理、搜索与优化、机器学习、深度学习。具备的能力：计算、分析、逻辑推理等；学生在学习过程中形成与学科相关的素养，如科学素养、人文素养等；学科素养的培养有助于学生更好地理解和应用学科知识，形成跨学科的综合能力。

适合人群：

自动化等专业学生

课程特色：

以导论为基本原则，避免深奥的数学推导。更多的是讲述方法、思想和动机。让学生广泛的了解人工智能中有哪些比较前沿的技术，使学生能够明白针对不同问题、不同应用场景应当使用人工智能中的哪些技术和方法，跟上时代发展的脚步。