文档介绍：《知识工程与知识管理》:知识的表示、搜索和推理、专家系统、机器学****神经网络、自然语言理解、分布式人工智能等。人工智能课程的教学目标,主要是掌握这些部分的概念和原理。人工智能中每一部分都可以独立成一门课程,其中专家系统是人工智能中最有实用价值的部分。知识工程是人工智能学者提出的。开发专家系统正是知识工程的内容。知识工程的目标是在计算机中建立知识系统。知识系统包括专家系统、决策支持系统、基于案例推理、知识库系统等。目前,开设“人工智能”课程比较普遍,而开设“知识工程”课程比较少。这样的结果是,大学生或研究生只掌握了人工智能的概念和原理,而不会去开发它。这不利于人工智能的推广和发展。“知识工程”课程是一门实践性很强的课程,有很多老师都没有去实践过开发知识系统如专家系统。这样,也造成了他们回避去讲“知识工程”。还有一个重要原因是,搞计算机的人,不懂其他领域的知识,要开发专家系统就很困难,他必须和其他领域的专家合作,合作时如何从专家的头脑里获取知识,又是一个问题。知识获取的瓶颈阻碍了专家系统的开发。这也影响了“知识工程”课程的开设。知识工程的实践,除了开发实际专家系统得到真实体验外,一个有效的方法就是对简单例子的推演,先手算一下,再编写程序验证,也能基本掌握开发专家系统的技术。编程能力更强的人,可以试做专家系统工具,在规定知识的结构后,就可以编写推理机,完成对实际例子的推理。对知识工程实践的与否,对一个人来说,是一个能力的分界线。对于一个教师来说,是一个能否讲好“知识工程”课或“人工智能”课的分界线。老师要讲不好课,学生的理解更要打折扣。2.“知识管理”课程的现状分析知识管理是管理科学学者提出的。知识管理的核心是知识,它的对象是人和组织,它的内容是:知识获取、知识共享、知识运用和知识创新,它的目标是提高组织和个人的竞争力,并做出更好地决策。“知识管理”课程是属于“管理科学与工程”学科开设的新课程。知识管理的技术基础包括:专家系统、基于案例推理、决策支持系统、知识发现和数据挖掘等。这些内容都属于“知识工程”范畴。知识管理的技术基础是知识工程。作为管理科学与工程专业的学生,目前对于知识管理技术的了解,只停畄在概念上,其原理都不明白,更谈不上去用这些技术。这影响了知识管理的应用和发展。对于计算机专业的学生不学这门课,是一个缺陷。只知道计算机对知识的处理,不知道人和组织对知识的处理,这样的思维是狹隘的,会直接影响他的发展。在现实中,人们也懂得知识的交流和共享的好处,网上兴起的开源软件,是知识管理的典范,互不相识的人们共同协作完善开源软件,极大的促进了软件的发展。计算机对知识的处理与人和组织对知识的处理,这两者是不相同的,但是他们两者是有紧密关系的,他们两者是相互促进的。