人工智能专业本科人才培养方案
学科门类:工学 专 业 类:电子信息类 专业代码:080717T
学位类型:工学学士学位 标准学制:4年
特别说明:
一、培养目标
本专业面向社会主义现代化建设发展需求,培养德智体美劳全面发展,素质、能力、知识协调统一,具有“宽口径、厚基础、强能力、重实践”特征的人工智能创新性应用型工程技术人才、社会主义建设者和接班人。本专业培养的学生应具备较好的科学素养,掌握人工智能基本理论、基本方法和应用工程与技术;具备较强的获取知识和综合运用知识的能力,发现、分析和解决复杂工程问题的能力;能够在人工智能相关领域从事智能系统设计、智能信息处理、智能行为决策等方面的科学研究、开发设计、决策管理和工程应用等工作,也能在国内外高等院校、科研院所继续深造。
毕业生毕业后5年达到以下目标:
目标1:系统地掌握人工智能及相关领域复杂工程问题所必备的基础理论与专业技能,能够满足人工智能技术发展的需求,对人工智能领域复杂工程问题提出解决方案;
目标2:能够跟踪人工智能及相关领域的前沿技术,具备创新意识和运用现代工具从事复杂人工智能系统建模、分析、设计、开发、应用、维护与技术管理等方面工作的能力;
目标3:具备社会责任感,在工程设计和实施过程中能够遵守工程规范与职业道德,综合考虑法律、环境和可持续性发展等因素影响;
目标4:具备健康的身心和良好的人文科学素养,拥有团队精神、有效的沟通与表达能力和工程项目管理能力;
目标5:具有全球化意识和国际视野,拥有自主学习和终身学习能力,能主动适应未来人工智能产业发展变化。
二、毕业要求
0.专业思政:能够深刻领悟中国特色社会主义新时代的内涵,把握好新时代中国特色社会主义思想的世界观和方法论,具备创新、协调、绿色、开放、共享的新发展理念,具有理想信念、家国情怀、法治意识和社会责任等。
1.工程知识:能够将数学、自然科学、工程基础和专业知识用于解决人工智能等相关控制领域的复杂工程问题。
指标点1.1 运用数学、自然科学、工程基础和专业知识恰当表述复杂工程问题。
指标点1.2 掌握并运用相关工程基础和专业基础知识对人工智能领域复杂工程问题建立数学模型并求解。
指标点1.3 能够将相关专业知识和数学模型方法推演、分析人工智能领域复杂工程问题。
指标点1.4 能够基于所建立的数学模型,运用相关专业知识对人工智能领域复杂工程问题的解决方案进行比较和综合。
2.问题分析:能够应用数学、自然科学和工程科学的基本原理和科学思维方法,识别、表达、并通过文献研究分析人工智能相关领域的复杂工程问题,以获得有效结论。
指标点2.1 能够运用数学、自然科学的基本原理及工程基础知识,识别和判断人工智能相关领域复杂工程问题的关键环节。
指标点2.2 能够运用数学、自然科学的科学原理和数学模型方法,正确表达人工智能领域的复杂工程问题。
指标点2.3 能够认识到解决复杂工程问题有多种方法,并通过信息检索、文献研究等方法,寻求可替代的解决方案。
指标点2.4 能够应用相关基本原理和工程知识,借助文献研究,分析人工智能领域复杂工程问题解决过程中的影响因素,以获得有效结论。
3.设计/开发解决方案:针对人工智能相关领域的复杂工程问题,能够设计满足特定需求的系统、单元(部件)或工艺流程和解决方案,并能够在设计环节中体现创新意识,考虑社会、健康、安全、法律、文化以及环境等因素。
指标点3.1 掌握人工智能相关领域工程设计和产品开发全周期、全流程的基本设计/开发方法和技术,了解影响设计目标和技术方案的相关因素。
指标点3.2 针对人工智能相关领域复杂工程问题,能够根据特定需求,完成人工智能系统单元(部件)的设计。
指标点3.3 能够设计满足特定需求的人工智能系统或工艺流程,并在设计中体现创新意识。
指标点3.4 在人工智能系统或工艺流程设计过程中能够考虑社会、健康、安全、法律、文化以及环境等制约因素,优化设计方案和参数。
4.研究:能够基于科学原理并采用科学方法对人工智能相关领域的复杂工程问题进行研究,包括实验设计、数据分析与解释,并通过信息综合得到合理有效的结论。
指标点4.1 能够基于自然科学原理和工程基础知识,通过文献研究或相关方法,调研和分析人工智能领域复杂工程问题的解决方案。
指标点4.2 能够根据对象特征,选择研究方法和技术路线,设计实验方案。
指标点4.3 能够根据实验方案构建实验系统,并根据实验目的安全地开展实验,正确地采集、整理实验数据。
指标点4.4 能对实验结果进行分析和解释,并通过信息综合获得合理有效的结论。
5.使用现代工具:能够针对人工智能相关领域复杂工程问题,开发、选择与使用恰当的技术、资源、现代工程和信息技术工具,对复杂工程问题进行预测与模拟,并理解其局限性。
指标点5.1 了解人工智能专业常用的现代仪器、信息技术工具、工程工具和模拟仿真软件的使用原理和方法,并理解其局限性。
指标点5.2 能够在人工智能系统的设计开发过程中,选择与使用合适的现代仪器、信息技术工具、工程工具和模拟仿真软件,对人工智能领域中的复杂工程问题进行分析、计算与设计。
指标点5.3 能够针对具体的对象,开发或选用满足特定需求的现代工具,对复杂工程问题进行预测与模拟,并理解其局限性。
6.工程与可持续发展:能够基于人工智能相关工程背景知识进行合理分析,评价人工智能工程实践和复杂工程问题的解决方案对社会、健康、安全、法律以及文化的影响,并理解应承担的责任。此外,也能够基于人工智能相关领域的背景知识,理解和评价针对复杂工程问题的工程实践对环境、社会可持续发展的影响
指标点6.1 了解人工智能专业相关领域的技术标准体系、知识产权、产业政策和法律法规,理解不同社会文化对工程活动的影响。
指标点6.2 能够分析和评价人工智能工程实践及其解决方案对社会、健康、安全、法律、文化的影响,以及这些制约因素对项目实施的影响,并理解应承担的责任。
指标点6.3 知晓和理解环境保护和可持续发展的理念和内涵,理解人工智能领域的复杂工程实践对环境、可持续发展的影响。能够站在环境保护和可持续发展的角度思考人工智能专业工程实践的可持续性,评价产品周期中可能对人类和环境造成的损害和隐患。
7.伦理和职业规范:树立和践行社会主义核心价值观,具有人文社会科学素养、社会责任感,能够在人工智能工程实践中理解并遵守工程职业道德和规范,履行责任。
指标点7.1 树立和践行社会主义核心价值观,理解个人与社会的关系,了解中国国情,具有基本的人文社会科学素养和社会责任感。
指标点7.2 理解诚实公正、诚信守则的工程职业道德和规范,并能够在人工智能工程实践中自觉遵守。
指标点7.3 理解工程师对公众的安全、健康和福祉,以及环境保护的社会责任,并能够在人工智能工程实践中自觉履行责任。
8.个人与团队:能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色,并开展相关工作。
指标点8.1 能够在多学科背景的团队中明确工作目标,与团队成员有效沟通,合作共事。
指标点8.2 能够理解团队中每个角色的作用,在团队中独立或合作开展工作。
指标点8.3 能够组织、协调和指挥团队开展工作。
9.沟通:能够就人工智能相关领域的复杂工程问题与业界同行及社会公众进行有效沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。具备一定的国际视野,能够在跨文化背景下进行沟通和交流。
指标点9.1 能够就人工智能专业问题,通过口头、文稿、图表等方式准确表达个人观点,回应质疑,理解与业界同行和社会公众交流的差异性。
指标点9.2 了解人工智能专业领域的国际发展趋势、研究热点,理解和尊重世界不同文化的差异性和多样性。
指标点9.3 具备跨文化交流的语言和书面表达能力,能就人工智能专业问题,在跨文化背景下进行沟通和交流。
10.项目管理和财务:理解并掌握人工智能相关领域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。
指标点10.1 掌握人工智能工程领域项目中涉及的管理与经济决策方法;
指标点10.2 了解工程项目全周期、全流程的成本构成,理解其中涉及的工程管理和经济决策问题。
指标点10.3 能够在多学科环境下,在设计开发人工智能工程问题解决方案的过程中,运用工程管理与经济决策方法。
11.终身学习:具有自主学习和终身学习的意识和能力,能够理解广泛的技术变革对工程和社会的影响,适应新技术变革,具有批判性思维能力。
指标点11.1 能够在社会发展的大背景下,认识到自主学习和终身学习的必要性。
指标点11.2 能够跟踪人工智能行业及相关领域的技术发展动态,具有自主学习的能力,包括对人工智能技术问题的理解能力,归纳总结的能力和提出问题的能力等。
三、毕业要求支撑培养目标矩阵
| 培养目标1 | 培养目标2 | 培养目标3 | 培养目标4 | 培养目标5 |
毕业要求0 |
|
| √ | √ | √ |
毕业要求1 | √ |
|
|
|
|
毕业要求2 | √ |
|
|
|
|
毕业要求3 | √ | √ |
|
|
|
毕业要求4 | √ | √ |
|
|
|
毕业要求5 | √ | √ | √ |
|
|
毕业要求6 |
| √ | √ |
|
|
毕业要求7 |
|
| √ | √ |
|
毕业要求8 |
|
|
| √ | √ |
毕业要求9 |
|
|
| √ | √ |
毕业要求10 |
|
|
| √ |
|
毕业要求11 |
|
|
| √ | √ |
注:对毕业要求支撑的培养目标栏中打“√”。
四、专业核心课程
按照《本科专业国家标准》、专业评估认证标准的要求,结合学科专业特色,本专业核心课程详见下表。
序号 | 课程模块 | 课程名称 | 学分 |
1 | 专业基础课程B1 | 人工智能基础 | 2.0 |
2 | 专业基础课程B1 | 模式识别与机器学习 | 2.5 |
3 | 专业基础课程B1 | 最优化方法(双语) | 2.0 |
4 | 专业基础课程C1 | 控制理论 | 4.0 |
5 | 专业基础课程B1 | 微机原理与嵌入式系统 | 3.5 |
6 | 专业方向课程C1 | 计算机视觉与图像处理 | 2.5 |
7 | 专业方向课程C1 | 智慧城市概论 | 2.0 |
8 | 专业方向课程C1 | 神经网络与深度学习 | 2.0 |
9 | 专业方向课程C1 | 机器人学基础 | 2.5 |
五、“课赛一体化”课程及学分转换
“课赛一体化” 课程名称 | 对应竞赛名称 | 获奖要求 | 可转换课程名称 | 转换课程 学分 |
人工智能技术前沿 | 一类A竞赛 一类B竞赛 | 一类A竞赛省级三等奖及以上;一类B竞赛省级一等奖及以上 | 人工智能技术前沿1~2 (其中任意一门) | 0.5 |
微机原理与嵌入式 系统 | ①全国大学生智能车竞赛; ②全国大学生嵌入式芯片与系统设计竞赛 | 省级一等奖及以上 | 微机原理与嵌入式 系统 | 3.5 |
①机器人学基础 ②智能建造机器人技术 | ①中国高校智能机器人创意大赛 ②中国机器人及人工智能大赛(机器人部分) ③RoboCom机器人开发者大赛 ④中国机器人大赛暨RoboCup机器人世界杯中国赛 ⑤全国大学生机器人大赛-RoboMaster、RoboCom、RoboTac | 省级一等奖及以上 | ② 机器人学基础 ②智能建造机器人技术 (其中任意一门) | ①2.5 ②2.0 |
注:1.“对应竞赛名称”应与学校竞赛分级分类目录一致,未在目录内的竞赛
原则上不予进行学分转换;
2.“获奖要求”应明确、具体,原则上省级及以上获奖方可申请学分转换。