人工智能专业人才培养方案

人工智能专业人才培养方案一、专业名称、专业代码专业名称：人工智能专业代码：080717T专业简介：人工智能正在成为新一轮产业变革的核心驱动力，教育部从2018年开始在高校中新增设人工智能本科专业。人工智能专业是一个以计算机科学为基础，由诸多学科交叉融合的新专业，本专业学习、研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统，涉及计算机视觉、自然语言处理，智能机器人等诸多领域。二、培养目标培养适应国家、行业和地方经济社会发展需要，德智体美劳全面发展，具备较为扎实数学基础和良好的科学思维能力，掌握人工智能专业的基础理论、基本技能和基本方法，具备工程实践能力、持续学习能力和一定创新能力，具备团队协作及基本外语运用能力，具有良好职业道德、社会和环境意识，遵守法律法规，能在人工智能应用等领域从事一定技术开发和应用等相关工作的高素质应用型专业人才，为区域经济发展和建设提供人才支撑。学生通过在校学习应获得如下知识和能力：1. 系统掌握人工智能领域必需的基本知识和基础理论，包括人工智能、机器学习、计算机视觉、自然语言处理等领域知识；2. 掌握人工智能专业的基本思维方法和研究方法，并通过实验课加深对理论知识的理解和应用，培养良好的创新意识和科学素养。3. 追踪人工智能的应用背景、发展方向和理论前沿，具备一定的知识获取和利用人工智能技术开展一定的实践活动和解决实际问题的能力。4. 接受科学研究和实践应用开发的基本训练，熟练掌握计算机软技术，具备智能信息系统的设计、开发、测试和工程应用的基本能力。5. 具备健康的身心，拥有科学的人文精神、创新创业精神、团队精神，具备良好的人际沟通与团队协作能力。具备自主学习能力、批判思维能力。三、毕业要求根据上述培养目标，本专业学生通过学习人工智能的基本理论、方法和技术，具有本学科及跨学科的应用研究与技术开发的基本能力，在知识、素质和能力等方面达到如下11方面的要求：1.社会素养：有良好的职业操守和职业道德，具备社会责任感和人文关怀意识。倡导社会主义核心价值观，树立诚信意识、履约践行，知行合一。遵守宪法、法律和法规，遵守公民道德规范。2.工程知识：具有人工智能专业所需的数学、自然科学、工程基础和专业知识，并综合运用所学知识解决人工智能领域中的工程性问题。3.问题分析：能够综合运用数学、自然科学和工程科学的基本原理和方法，通过文献研究，对人工智能领域中的复杂工程问题进行识别、表达和分析，以获得有效结论。4.方案设计/开发解决：能够综合运用理论和技术手段，针对人工智能领域复杂工程问题提出解决方案，设计满足特定需求的方案流程，并在设计开发过程中体现创新意识，综合考虑社会、健康、安全、法律、文化以及环境等因素。5.研究能力：能够基于科学原理，对人工智能领域中的复杂工程问题进行一定研究，包括问题分析、技术方案设定，实验分析和解释，综合得到合理有效的结论并加以利用。6.现代工具应用：能够开发、选择和使用恰当的技术、资源、现代工程工具和信息技术工具进行预测和模拟，并能够理解相关技术方法和工具局限性。7.学科与社会、环境发展：能够综合学科的作用、内容及背景等多方面因素，正确合理地评价人工智能项目及解决方案对社会、环境、健康、安全、法律以及文化的影响，并理解应承担的责任。8.职业规范：具有人文素养、科学素养和专业素养，理解所从事的职业对社会的意义和责任，能够在工程实践中理解并遵守行业职业道德和规范，履行责任。9.团队与沟通：具有一定的组织协调能力和团队协作经验，正确理解个人与团队的角色，与业界同行及社会公众进行有效沟通和交流，并具备一定的国际视野。10.项目管理：理解人工智能项目的工程管理原理与经济决策方法，并能在多学科环境中应用。11.终身学习：具有自主学习和终身学习的意识，能够追踪人工智能相关领域的发展动态，有不断学习和适应发展的能力。基本要求实现途径科学知识人文科学知识通识教育选修课教学及实践及实践自然科学知识通识教育选修课教学及实践及实践专业知识专业课程教学及实践专业能力人工智能基础知识专业基础课人工智能应用能力专业课+专业选修课课程掌握行业新能力紧密结合行业发展趋势及时修订人才培养方案及教学大纲综合素质思想、道德素质入学教育、通识课、思政类课程生理心理素质心理学、体育课、劳动等教学与实践人文艺术修养素质课堂教学、课外阅读、日常交往及实践创新创业素质学生工作室、毕业设计及参加各类专业竞赛等四、毕业要求与培养目标关系矩阵培养培养培养培养培养五、毕业要求及授予学位学制四～六年，学完规定课程，修满180学分。完成创新创业学分、社会责任学分、成绩合格者，颁发全日制普通高等学校人工智能专业本科毕业证书，授予工学学士学位。六、实践性教学环节实践性教学环节主要有：入学教育和军训（含军事理论）、形势与政策（安全教育）、课程设计、社会调查、认知实习、社会实践、综合训练、毕业教育、毕业实习及毕业设计（论文）等。集中性实践教学环节安排表序号课程代码实践教学项目学分学时（周数）学期实践方式备注10670001入学教育和军训（含军事理论）221集中20670002暑期社会调查(4)43分散暑假校外完成30620023《C语言程序设计》课程设计111集中4《Python语言程序设计》课程设计112集中50610009《数据结构与算法》课程设计113集中60600031《数据库系统原理》课程设计114集中70650015《JAVA程序设计》课程设计114集中8《机器学习》课程设计115集中90610025《WEB应用开发技术》课程设计115集中10《模式识别》课程设计116集中110610035《Linux原理与应用》课程设计116集中120670003认知实习112集中130670004生产实习447集中140670005创新创业训练227集中150670006毕业实习888分散160670008毕业论文（设计）888集中170670009毕业教育28集中合计必修34学分七、课程结构比例课程结构比例表课程类别学分学时课程理论教学学时课程实验教学学时占学分比例公共基础课5888870418431.87％公共选修课1016016005.49％专业基础课4978456422026.92％专业核心课223362766012.09％专业方向课方向19144108364.95％方向2914410836总计1482152165250081.31%集中实践教学38周说明实践教学占学分比例＝37.57％八、主要课程1.公共基础课程：高等数学、线性代数、概率与数理统计2.专业基础课程：C语言程序设计，Python语言程序设计，数字逻辑，数据结构与算法，离散数学，数据库系统原理，JAVA程序设计，操作系统，计算机网络，算法分析与设计，WEB应用开发技术，计算机组成原理，数据挖掘技术3.专业核心课程：数学建模，人工智能数学基础，运筹与优化，机器学习，Linux原理与应用，模式识别，神经网络与深度学习4.专业方向课程：计算机视觉，智能芯片设计，智能机器人与无人系统，知识表示与推理，问题求解与专家系统，知识图谱

九、相近专业计算机科学与技术、大数据与数据科学、物联网工程。

十、教学时间安排表教学时间安排总表学学年学期项目第一学年第二学年第三学年第四学年合计（周数）12345678入学教育和军训（含军事理论）22课堂教学16161616161610106机动（可安排集中实训、实习）22《C语言程序设计》课程设计11《Python语言程序设计》课程设计11《数据结构与算法》课程设计11《数据库系统原理》课程设计11《JAVA程序设计》课程设计11《机器学习》课程设计11《WEB应用开发技术》课程设计11《模式识别》课程设计11《Linux原理与应用》课程设计11复习考试222222214社会调查（假期）(4)认知实习11生产实习44创新创业训练22毕业实习88毕业论文（含答辩）88毕业教育22总周数2020202020202018158说明：社会调查在假期进行，不占用正常教学时间。十一、教学进程表教学进程表课程类别课程代码课程名称开设学期学分周课时授课时间分配实习实训考核方式合计其中课程理论教学课程实验教学公共基础课1210016思想道德修养与法律基础133424206考查1210013马克思主义基本原理233424206考试1210015中国近现代史纲要322242408考查1210014毛泽东思想和中国特色社会主义理论体系概论4646060036考查0510041大学英语I134645014考试0510042大学英语Ⅱ244645014考试0510043大学英语Ⅲ344645014考试0510044大学英语Ⅳ444645014考试1300001体育(Ⅰ、Ⅱ、Ⅲ、Ⅳ)1-4421280128考试0702207高等数学（一）1-2116、61761760考试0702304线性代数23348480考试0722102概率论与数理统计34464640考试0711901大学语文23348480考查0660001专业导论课1考查1401089创业基础42创新创业课程1401626形势与政策（安全教育、）1-8考查1500008大学生职业发展与就业指导1、72创新创业课程小计58888704184专业基础课0620023C程序设计语言※155805030考试0620023Python语言程序设计※255805030考试0722203数字逻辑344645014考试0610009数据结构与算法※355805030考试0610005离散数学44464640考试0600031数据库系统原理※444644024考试0610008JAVA程序设计※444644024考试0600008操作系统544645014考试0600010计算机网络544644024考试0620025算法分析与设计533483315考试0610025WEB应用开发技术※533483315考查0610035计算机组成原理64464640考试小计49784564220专业核心课数学建模22232320考试人工智能数学基础32232320考查运筹与优化43364640考试0610002机器学习※544644024考试Linux原理与应用※633483612考试模式识别※643483612考试神经网络与深度学习743483612考查小计2233627660智能感知与机器学习计算机视觉633483612考查智能控制理论733483612考查智能机器人与无人系统733483612考查数据与知识工程知识表示与推理633483612考查问题求解与专家系统733483612考查知识图谱733483612考查小计914410836公共选修课教务处统一搭建公共选修课模块分为人文社会科学模块、自然科学模块、身心素质模块。各类不同模块的课程中，各专业学生选修公共选修课学分不少于10学分，其中人文社会科学模块、自然科学模块、身心素质模块均不少于2学分。小计101