《人工智能与大数据》（课程代码：13011）课程考试大纲
课程代码：13011
课程名称：人工智能与大数据
所属专业：080901 计算机科学与技术（专升本）、080902 软件工程（专升本）
课程对应教材版本：
《人工智能与大数据技术导论》，（杨正洪、郭良越、刘玮著，清华大学出版社，2019年版）
高等教育自学考试是对自学者进行的以学历教育为主的国家考试，是个人自学、社会助学和国家考试相结合的高等教育形式。按照自学考试课程命题的有关规定，制定本大纲。
一、课程性质和考试目标
1．课程性质
《人工智能与大数据》是软件工程专业的一门选修课程。通过学习，学习者应掌握人工智能、大数据、机器学习和深度学习的相关概念和基础知识，能够运用大规模数据集进行模型训练。能够深入学习人工智能及大数据的重点技术和平台工具，并将人工智能及大数据技术应用到实际复杂问题的解决和实际应用场景中。
2．考试目标
通过自学和考试，使自学者比较全面系统地掌握人工智能与大数据的基本理论、基本方法和技术，并联系实际强化训练，从而提高对人工智能与大树的认识，提高应用人工智能与大数据解决实际工程问题的能力和水平。
二、考试内容和考核要求
本课程的考试内容以课程考试大纲为依据。主要考核内容为：
第1章“人工智能概述”需要掌握：AI概念和历史发展；AI技术的成熟度；AI与云计算和大数据的关系。
第2章“AI产业”需要掌握：基础层；技术层；应用层；产业发展趋势分析。
第3章“数据”需要掌握：大数据的概念；国内大数据现状；大数据计算模式；大数据技术；数据平台。
第4章“机器学习”需要掌握：机器学习基本概念；数据预处理。
第5章“模型”需要掌握：模型概念；模型的训练；梯度下降法；模拟的拟合效果；模拟的评估与改进。
第6章“机器学习算法”需要掌握：算法概述；支持向量机算法；逻辑回归算法；KNN算法；决策树算法；聚类算法。
第7章“深度学习”需要掌握：深度学习概念；神经网络的训练；神经网络的优化和改进；卷积神经网络。
第10章“神经网络”需要掌握：神经网络概念；训练神经网络；多类别神经网络；嵌入套。
第11章“知识图谱”需要掌握：知识图谱概念；知识图谱构建的关键技术。
第12章“数据挖掘”需要掌握：数据挖掘概念；数据挖掘技术（方法）。
三、考试范围和考试说明
坚持质量标准，注重能力考查，使考试合格者能达到一般普通高等学校同专业同课程的结业水平，并体现自学考试以培养应用型人才为主要目标的特点。
1.考试依据和范围
（1）以本课程自学考试大纲为考试依据。
（2）考试必读教材：《人工智能与大数据技术导论》，（杨正洪、郭良越、刘玮著，清华大学出版社，2019年版）。
2.本课程考核的知识与能力的关系
《人工智能与大数据》课程考试，应考核应考者的基本理论、基本知识和基本技能，以及联系实际、运用所学的理论分析问题和解决问题的能力，确保考试合格者达到全日制普通高等学校本专业相同课程的结业水平。
考试工作应引导社会助学者全面系统地进行辅导，引导应考者认真、全面地学习指定教材，系统掌握本学科知识，培养和提高运用知识和技能、分析和解决问题的能力。
3.重点与覆盖的关系
试题覆盖到各章，重点章节的内容占试卷内容比例为60-80%。
四、考试形式和试卷结构
1.考试形式为闭卷笔试，答卷时间为150分钟，采用百分制，60分为及格线。
2.考试的题型有：选择题、判断题、填空题、名词解释、论述题。
3.本课程在试题中不同难度要求的分数比例为：容易20%，较易35%，较难35%，难10%。
4.本课程在试题中对不同能力层次要求的分数比例为：简单应用占70%；综合应用占30%。
5.本门课程有无特殊要求（包括考生可携带的工具）：无。
五、《人工智能与大数据》课程题型举例
一、选择题
1.根据不同人脸的不同特征信息进行匹配的人脸识别算法是【】。
A）基于特征脸的方法 B）基于几何特征的方法
C）基于数据的随机检测法 D）基于深度学习的方法
二、判断题
1.学习能力是未来复杂环境下工作的机器人必须拥有的能力。
三、填空题
1.启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为_________。
四、名词解释
人工智能 专家系统 机器学习 数据挖掘
五、论述题
1.简述模式识别的基本过程
暂无评论内容