课程名称 |
认知计算实验 |
Cognitive Computing Experiments |
开课单位 |
计算机科学与工程学院 |
课程性质 |
必修课 |
课程类别 |
实践环节 |
课程代码 |
210731102601 |
学分 |
1 |
学时 |
22 |
适用专业 |
智能科学与技术 |
先修课程 |
机器学习、最优化理论与方法 |
支撑课程 |
机器学习 |
授课语言 |
中文 |
一、课程简介
（一）课程中文简介
认知计算实验是智能科学与技术专业独立开设的实验课程，本课程通过实验培养学生掌握认知计算技术在工程实践中的应用能力，要求学生掌握基本编程方法、数据处理、智能算法等基本实验编程及操作方法。主要内容包括预测模型构建、主成分分析、糖尿病分析及预测、RBM神经网络电影推荐、最优路径强化学习预测等。通过学习本课程，使学生掌握认知计算技术的基本原理及实现技术方法，了解认知计算相关技术标准，理解认知计算在应用中的制约因素及限制条件；掌握基本的认知计算应用编程技术方法及其开发工具使用，建立认知计算应用编程能力，并理解技术方法的局限性；综合运用各种认知计算技术的理论知识及技术工具，利用认知计算技术设计人工智能领域复杂工程问题实验方案，培养学生解决复杂工程问题的能力。
（二）课程英文简介
Cognitive computing experiment is an independent experimental course for intelligence science and technology majors. This course trains students to master the application ability of cognitive computing technology in engineering practice through experiments, and requires students to master basic experiments such as basic programming methods, data processing, and intelligent algorithms. Programming and operation methods. The main content includespredictive model construction, principal component analysis, diabetes analysis and prediction, RBM neural network movie recommendation, optimal path reinforcement learning prediction, etc. By studying this course, students will be able to master the basic principles and implementation techniques of cognitive computing technology, understand the relevant technical standards of cognitive computing, understand the constraints and limitations of cognitive computing in its application; master basic cognitive computing application programming Use of technical methods and development tools, establish cognitive computing application programming capabilities, and understand the limitations of technical methods; comprehensively use the theoretical knowledge and technical tools of various cognitive computing technologies, and use cognitive computing technology to design complex projects in the field of artificial intelligence The problem experiment program cultivates students' ability to solve complex engineering problems.
二、实验课程目标
本课程的目标包括：
CO1：掌握认知计算技术的基本原理及实现技术方法，了解认知计算相关技术标准，理解认知计算在应用中的制约因素及限制条件。
CO2：掌握基本的认知计算应用编程技术方法及其开发工具使用，建立认知计算应用编程能力，并理解技术方法的局限性。
CO3： 能够自主学习和运用认知计算领域不断出现的新理论、新技术和新方法，具有适应新技术发展的能力。
课程目标与所支撑的毕业要求指标点的对应关系如下表所示。
适用专业 |
毕业要求内涵观测点 |
课程目标 |
智能科学与技术 |
GR5.2：能够针对人工智能领域的复杂工程问题，开发、选择与使用满足特定需求的技术、资源和现代工具，对复杂工程问题进行预测与模拟，并能够理解其局限性 |
CO2 |
GR6.1：了解计算机科学与技术领域的相关理论算法体系和技术标准，理解工程实践过程中面临的主要制约因素和限制条件 |
CO1 |
GR12.2能够自主学习和运用人工智能领域不断出现的新理论、新技术和新方法，具有适应社会和人工智能技术发展的能力 |
CO3 |
三、实验内容与要求
（一）实验设计（实验类型及内容）
验证性：利用决策树，实现分析与预测；验证性实验占比为18%。 设计研究性：针对城市发展数据，利用分析算法，实现城市的水平分析与排序；利用朴素贝叶斯原理，针对糖尿病进行智能数据分析，实现分类及预测。设计研究性实验占比为36%。
综合性：编程已有数据进行分析与处理，实现对电影等推荐；编写代码程序，通过强化学习和Q-learning，构建最优路径预测算法。综合性实验占比为46%。
表2 实验内容与课程目标对应关系
实验课程目标 |
实验模块（可选） |
对应实验 |
CO1 |
|
实验1 |
CO2 |
|
实验2、实验3 |
CO3 |
|
实验4、实验5 |
（二）实验内容及要求
表3 实验内容与要求
编号 |
实验项目 |
学时数 |
实验内容 |
实验类型 |
实验要求 |
1 |
决策树预测模型 |
4 |
利用决策树，实现分析与预测 |
验证性 |
必做 |
2 |
城市发展水平分析与排序 |
4 |
针对城市发展数据，利用分析算法，实现城市的水平分析与排序 |
设计研究性 |
必做 |
3 |
朴素贝叶斯算法对糖尿病分析及预测 |
4 |
利用朴素贝叶斯原理，针对糖尿病进行智能数据分析，实现分类及预测 |
设计性研究 |
必做 |
4 |
RBM神经网络电影推荐 |
6 |
编程已有数据进行分析与处理，实现对电影等推荐 |
综合性 |
必做 |
5 |
强化学习最优路径预测 |
4 |
编写代码程序，通过强化学习和Q-learning，构建最优路径预测算法 |
综合性 |
必做 |
四、实验设备与环境配置
1.计算机：Intel Core2 Duo E4300 1.8GHZ、内存512MB、硬盘15GB以上。
2.编译器：支持ISO C++ 98标准特性，如GCC、VC++7以上；或支持ISO C++ 11标准特性，如GCC 4.8.1、VC++ 2013以上。
3.机器学习、认知计算仿真及实验环境
五、课程思政、创新创业元素
教学章节 |
知识点 |
思政元素案例 |
培养目标 |
备注 |
实验1 |
决策树预测模型 |
认知与决策的关系 |
培养学生的科学探索精神及勇攀高峰的使命责任担当 |
|
实验2 |
城市发展水平分析与排序 |
数据背后的权重问题 |
激发学生对数据科学分析的科学精神和辩证思考 |
|
实验3 |
朴素贝叶斯算法对糖尿病分析及预测 |
朴素贝叶斯的起源 |
激发学生的科研热情，增强学生科学精神与人文精神的结合 |
|
实验4 |
RBM神经网络电影推荐 |
推荐的本质原因 |
培养学生正确解决问题的科学精神及实际能力 |
创新创业教育 |
实验5 |
强化学习最优路径预测 |
试错法与如何学习 |
培养学生在科研及学习生活中坚韧与不屈不挠的攀登精神 |
创新创业教育 |
六、主要参考资料
1.建议教材
[1]陈敏.《认知计算导论》.武汉：华中科技大学出版社，2017．
2.主要参考资料
[1] 陈敏.《认知计算与深度学习》.北京：机械工业出版社，2018．
七、考核方式、方法及实验成绩评定方法
考核成绩采用五级制。课程成绩考核主要由平时成绩组成。平时考核包括各次实验考核、综合考核、出勤等形式。其中各次实验考核成绩为前3次实验的平均成绩，占总成绩的50%，综合考核成绩为最后2次实验的成绩，占总成绩的50%。出勤为扣分项，每缺勤一次扣2分。每次实验的评分标准如表4所示。实验成绩的计算公式为：
实验成绩=前3次实验平均成绩×50% +最后2次实验成绩×50% -缺勤次数×2
（一）评分标准
表4 实验评分标准
考核 环节 |
<60 （不及格） |
60-69 （及格） |
70-79 （中等） |
80-89 （良好） |
90-100 （优秀） |
平时 |
1、实验过程极不认真，不主动；实验过程有抄袭或作假；实验后，未对仪器设施进行规整。2、实验报告不符合规范或有明显内容缺漏；实验结果误差较大；存在抄袭；长时间拖欠实验报告。3、不能对实验中的问题进行分析和判断，需要教师或同学帮助检查，处理实验中出现的问题。4、实验过程中，同组同学不能相互配合，不协调，各自独自操作。 |
1、实验不太认真和缺乏主动；实验过程无抄袭或作假；实验后未对仪器设施进行规整。2、实验报告基本满足要求，各部分内容大体齐全；对实验过程叙述较详细，实验结果存在误差；没有抄袭；未能及时上交实验报告。3、在教师引导下，对实验过程中的问题进行检查和分析，在教师指导或同学协助下，对问题进行判断和处理。4、实验过程中，同组同学分工合作较差、配合不太协调。 |
1、实验态度较认真，但缺乏主动；实验过程无抄袭或作假；实验后，在教师提示下，能对仪器设施进行规整。2、实验报告能满足规范要求，各部分内容基本齐全；对实验过程叙述较详细，实验结果准确性一般；没有抄袭；在规定时间内上交实验报告。3、在教师引导下，对实验过程中的问题进行检查、分析和判断，在教师指导下，进行问题的处理。4、实验过程中，同组同学能进行分工、配合与协调一般。 |
1、实验态度较认真，较主动；实验过程无抄袭或作假；实验后，在教师提示下，能对仪器设施进行规整。2、实验报告格式较规范，各部分内容较齐全；对实验过程叙述详细，实验结果准确；没有抄袭；及时上交实验报告。3、对实验过程中的问题能自行进行检查、分析和判断，在教师提示下，进行问题的处理。4、实验过程中，同组同学能进行分工、相互配合。 |
1、实验态度认真，积极主动；实验过程无抄袭或作假；实验后，自觉对仪器设施进行规整。2、实验报告格式规范，各部分内容完整；对实验过程叙述详细、结构严谨，逻辑性强，结果准确性高；没有抄袭；及时上交实验报告。3、对实验过程中的问题能自行进行检查、分析、判断和处理。4、实验过程中，同组同学能自觉分工、积极配合。 |
（二）实验项目（或考核环节）权重
表5 实验课程目标与实验项目（或考核环节）对应关系
实验项目（或考核环节） |
目标1 |
目标2 |
目标3 |
决策树预测模型 |
100% |
|
|
城市发展水平分析与排序 |
|
50% |
|
朴素贝叶斯算法对糖尿病分析及预测 |
|
50% |
|
RBM神经网络电影推荐 |
|
|
50% |
强化学习最优路径预测 |
|
|
50% |
|
10% |
40% |
50% |
撰稿人：罗汉江
审核人：崔宾阁
批准人：崔宾阁
