天津市自考13011人工智能与大数据考试大纲

天津市高等教育自学考试课程考试大纲

课程名称：人工智能与大数据                                      课程代码：13011

第一部分   课程性质与目标

一、课程性质与特点

《人工智能与大数据》是高等教育自学考试计算机科学与技术专业本科段的一门必考课。本课程结合大数据与人工智能理论和技术发展前沿，系统介绍大数据和人工智能的相关概念和技术，主要涉及大数据工程，人工智能原理，人工智能算法在大数据平台上的实现及相关原理的前沿应用，包括大数据技术原理与应用、人工智能基础与应用、大数据与人工智能的综合应用。通过学习本课程，可以提升学生优化决策、解决问题的能力，为学生未来的企业工作、科学研究打下坚实的基础。

二、课程目标与基本要求

通过本课程学习，使学生掌握大数据概念、影响、应用以及关键技术，处理构架Hadoop的基本特性、框架组成和应用方法，以及相关数据库技术；掌握人工智能基础知识、机器学习基本原理、算法模型、数据分析和实际应用中的理论及方法，具备基本的人工智能算法应用能力，以及利用人工智能方法分析和解决工程实践问题的创新意识和能力；了解云计算、大数据与人工智能的关系，完成实际工程项目中大数据和人工智能技术的应用场景以及案例分析。培养学生解决大数据、人工智能相关工程实际问题的能力。

三、与相关课程的联系与区别

本课程的先修课为《高级语言程序设计》、《数据库原理与技术》。学生在掌握编程语言、数据库等基本理论知识的基础上，具有理解和应用大数据与深度学习算法的能力，为扩展学科知识奠定基础。

第二部分   考核内容与考核目标

第1章  大数据的来源、采集与基本概念

一、学习目的与要求

了解大数据的来源发展，掌握大数据的基本概念及特点等知识，为后续章节学习打好基础，理解大数据技术推动经济发展的巨大价值。

二、考核知识点与考核目标    

（一）何为大数据（一般）

识记：大数据定义（P4）

（二）大数据的特点（重点）

识记：大数据的4V

（三）大数据的分类和采集方法（次重点）

识记：大数据的分类和来源、

理解：大数据的采集方法

（四）大数据的基本概念（重点）

理解：大数据的内容框架、关键问题与关键技术

应用：大数据处理过程

第2章  大数据处理构架Hadoop

一、学习目的与要求

掌握Hadoop基本知识，理解其在大数据发展中的重要地位。

二、考核知识点与考核目标    

（一）Hadoop概述（一般）

识记：Hadoop生态体系构成

理解：Hadoop应用场景

（二）数据仓库工具Hive（次重点）

理解：Hive特点、其与数据库区别

（三）大数据仓库HBase（次重点）

识记：HBASE定义

理解：HBASE设计思想

（四）编程语言Pig （一般）

识记：Pig特征、运行模式

理解：Pig与数据库区别

（五）协管员ZooKeeper（一般）

理解：ZooKeeper集群

第3章  Hadoop分布式文件系统HDFS

一、学习目的与要求

掌握HDFS基本概念、系统架构、工作流程等知识。

二、考核知识点与考核目标    

（一）HDFS的由来（一般）

识记：DFS的发展

（二）HDFS的设计思想（一般）

理解：HDFS的3个设计思想

（三）HDFS的主要特性（次重点）

理解：设计目标、特性介绍

（四）HDFS的架构（次重点）

理解：数据块、名字节点、数据节点概念

（五）HDFS异构存储（一般）

识记：HDFS预定义的存储介质分类、存储策略

第4章  MapReduce与Spark

一、学习目的与要求

掌握MapReduce和Spark的基本概念及技术特点。

二、考核知识点与考核目标    

（一）MapReduce的组成（一般）

理解：理解MapReduce的四个组成部分

（二）MapReduce的工作流程（一般）

识记：MapReduce作业提交流程与步骤

（三）MapReduce的计算过程详解（次重点）

理解：MapReduce的计算过程

（四）MapReduce的使用案例（一般）

应用：掌握运用案例解决问题等能力

（五）Spark概述（次重点）

识记：Spark优势、架构

（七）RDD概述（一般）

识记：RDD概念、属性

第5章  NoSQL数据库、分布式数据库HBase、云数据库

一、学习目的与要求

掌握数据库基本概念、云数据库、分布式数据库的技术特点，应用及发展。

二、考核知识点与考核目标    

（一）数据库（重点）

识记：数据库概念

理解：关系型数据库的优点

（二）非关系型数据库（NoSQL）（一般）

理解：非关系型数据库与关系数据库的区别

（三）NoSQL数据库的体系框架（一般）

识记：NoSQL数据库的体系框架

（四）NoSQL数据库的分类（次重点）

识记：常有NoSQL数据库名称

理解：NoSQL数据库的四种分类及特点

（五）分布式数据库HBase（重点）

识记：分布式数据库定义、HBase与传统关系数据库的对比

理解：分布式数据库特点、

（六）HBase具体介绍（一般）

识记：HBASE相关概念

理解：HBASE数据模型

（七）云数据库及其产品（一般）

识记：云数据库产品名称

第6章  大数据的应用与展望

一、学习目的与要求

熟悉大数据的应用方向，能够借鉴应用实例的成功经验，为实际工作提供指导和借鉴。

二、考核知识点与考核目标    

（一）大数据的成功应用（一般）

识记：大数据的应用领域名称

理解：大数据成功应用的指标

（二）大数据挖掘技术的应用实例（一般）

应用：能够结合实例，分析大数据技术的重要作用和价值

第7章  人工智能的基本概念

一、学习目的与要求

掌握人工智能的基本概念。

二、考核知识点与考核目标    

（一）什么是人工智能（一般）

识记：人工智能的概念（P119）

（二）图灵测试（一般）

理解：图灵测试的过程与意义

第8章  特征提取

一、学习目的与要求

掌握特征提取的原理及方法，能够完成简单的特征提取任务。

二、考核知识点与考核目标    

（一）特征提取基础（次重点）

识记：特征构建的预处理过程

理解：预测建模

（二）数学方法入门（重点）

识记：过度拟合、常用特征选择方法及特点

理解：单独相关性排名、单独不相关的相关特征、冗余特征、前向和后向过程

（三）图像特征（重点）

识记：形状特征提取的重要作用、有效形状特征的属性、颜色特征提取匹配方法

理解：形状特征、纹理特征、颜色特征、空间关系特征、神经网络的卷积、池化

第9章  机器学习

一、学习目的与要求

掌握机器学习的基本概念、原理和技术应用。

二、考核知识点与考核目标    

（一）机器学习的基本概念（一般）

识记：狭义机器学习和广义机器学习的定义

理解：机器学习的应用方向、机器学习的类型

（二）神经网络（次重点）

理解：神经网络的优化过程

（三）深度学习（重点）

识记：人工智能、机器学习、深度学习、神经网络的区别；基本的前馈神经网络单元包含的要素；深度学习存在的问题和担忧

理解：四种常见的深度学习网络的特征

第10章  自然语言理解

一、学习目的与要求

掌握自然语言理解的原理和方法。

二、考核知识点与考核目标    

（一）概述（一般）

识记：自然语言的概念、

理解：自然语言理解的观点

（二）语言认知模型（一般）

理解：言语链模型

（三）自然语言理解模型（次重点）

理解：自然语言理解的任务模型

（四）语言及汉语的特点（一般）

识记：自然语言的基本特征

理解：汉语的特点

（五）计算机识字和理解（一般）

理解：汉字识别的难点、计算机识字的原理

第11章  人工智能方法在目标检测中的应用

一、学习目的与要求

掌握目标检测的原理和技术特点。

二、考核知识点与考核目标    

（一）智能视频监控系统（一般）

识记：智能视频监控系统的通用性功能框架

（二）人脸识别系统（次重点）

识记：人脸识别系统流程、人脸定位算法种类

第12章  云计算、大数据与人工智能

一、学习目的与要求

掌握云计算、物联网、大数据与人工智能之间的关系。

二、考核知识点与考核目标    

（一）云计算的概念（一般）

识记：云计算的概念

（二）云计算、物联网、大数据与人工智能的融合（次重点）

理解：云计算、物联网、大数据与人工智能之间的关系

第13章  基于大数据的人工智能应用

一、学习目的与要求

了解大数据与人工智能的案例，并借鉴其中的实践经验。

二、考核知识点与考核目标    

（一）应用：案例分析，结合具体案例，分析其技术特征和存在的优缺点（重点）

第三部分   有关说明与实施要求

一、考核目标的能力层次表述

本课程的能力考核目标共分为三个能力层次：“识记”、“理解”、“应用”。各能力层次为递进等级关系，后者必须建立在前者的基础上，其含义是：

识记：能够识别和记忆本课程中的有关名词、概念及规律的主要内容，并能够根据考核的不同要求，做出正确的表述、选择和判断。

理解：能够领悟和理解本课程中有关概念及规律的内涵，全面把握基本概念、基本原理、基本方法，能掌握有关概念、原理、方法的区别与联系，并能够根据考核的不同要求，对问题进行逻辑推理和论证，做出正确的判断、解释和说明。

应用（包含简单应用和综合应用）：能在理解掌握的基础上，联系实际、运用大数据、人工智能技术对应用价值和缺陷不足予以分析和评价，是既要求理论掌握、又要求具备分析论证能力的高层次要求。

二、指定教材

指定教材为考生自学、社会助学和考试命题的依据。

指定教材：《大数据与人工智能》　郏东耀主编　清华大学出版社 北京交通大学出版社　2022年3月

三、自学方法指导

1、自学时必须要认真阅读教材，开始阅读每一章之前，应先认真学习大纲中有关该章的考核知识点、自学要求以及对知识点的能力层次要求和考核要求。以便在阅读教材时做到心中有数，有的放矢。

2、使用教材时，应注意将精读与泛读相结合，应在泛读即通读的基础和掌握较全面的知识背景条件下，对考核知识点进行重点地逐段细读，逐句推敲，以求做到对基本概念深刻理解，对历史脉络彻底弄清，对基本理论牢固掌握。切忌在没有全面学习教材的情况下孤立地抓考核知识点，以免生吞活剥，不能真正地理解和灵活地运用。

3、在自学过程中，既要思考问题，也要做好阅读笔记，把教材中的基本概念术语、基本原理、算法、技术的大致情况加以整理，归纳出要点，从而加深对问题的认知、理解和记忆。有利于突出重点，并涵盖全部课程内容，同时锻炼提高自己的自学能力。

4、在自学过程中，既要注重理论知识，也应重视实际运用能力的培养。要通过完成练习思考题、撰写小论文，锻炼自己分析论证及书面表达的能力。

5、考生在自学过程中也可参考林子雨主编的《大数据技术原理与应用》（第2版，人民邮电出版社，2017年02月）和贲可荣主编的《漫谈人工智能》（清华大学出版社，2016年2月），辅助学习、理解相关知识。

四、对社会助学的要求

1.社会助学者应根据本大纲规定的考试内容和考核目标，认真钻研自学考试指定教材，明确本课程与其他课程不同的特点和学习要求，对自学应考者进行切实有效的辅导，引导他们防止自学中的各种偏向，把握社会助学的正确导向。

2.要正确处理基础知识和应用能力的关系，努力引导自学应考者将识记、理解与应用联系起来，把基础知识和理论转化为应用能力，在全面辅导的基础上，着重培养和提高自学应考者的分析问题和解决问题的能力。

3.要正确处理重点、次重点和一般的关系。课程内容有重点、次重点和一般之分，但考试内容是全面的，而且三者之间是相互联系的，不是截然分开的。社会助学者应指导自学应考者全面系统地学习教材，掌握全部考试内容和考核知识点，在此基础上再突出重点。总之，要把重点学习同兼顾一般结合起来，切勿孤立地抓重点，把自学应考者引向猜题押题。

4．助学学时建议。本课程共6学分，助学建议不少于108学时，课程学时分配见下表，考生也可参考该表安排自学时间。

五、关于命题考试的若干规定

1、本大纲各章所提到的内容和考核目标都是考试的内容。

2、试卷中对不同能力层次要求和试题所占的比例大致是：“识记”为30%，“理解”为50%，“应用”为20%。

3、试题难易程度要合理，可分为四档：易、较易、较难、难，这四档在每份试卷中所占比例依次为2：3：3：2左右。

4、每份试卷中，各类考核点所占比例约为：重点占65%，次重点占25%，一般占10%。

5、试题题型一般分为：填空题、单项选择题、判断题、简答题、综合论述题等。

6、考试采用闭卷笔试。考试时间为150分钟，采用百分制评分，60分为及格。

六、 题型示例（样题）

（一）填空题

1．卷积神经网络常用于处理     数据 ，循环神经网络常用于处理 序列 数据。

2．三维模型除具有完整的三维几何信息，还可以有材料、    、      等其他非几何信息。

（二）单项选择题

1．下面关于数据的说法，错误的是    。

A、目前阶段，数据的产生不以人的意志为转移

B、数据的价值会因为不断重组而产生更大的价值

C、数据的根本价值在于可以为人们找出参考答案

D、数据的价值会因为不断使用而削减解释概念或命题

（三）判断题

不确定性知识是不可以精确表示的（  ）

（四）简答题

特征提取中所涉及到数学方法有哪些？

（五）综合论述题

简述无人驾驶汽车的技术原理，并分析大数据和人工智能技术在其中发挥的作用。