栏目导航

人工智能专业培养方案

发布时间:2022年04月29日 14:57    作者:    来源:     点击率:


人工智能专业培养方案

一、专业基本信息

公司:信息与通信工程                    专业名称:人工智能

学科门类:工学                          专业类别:电子信息类

学制:四年                              授予学位:工学

二、专业培养目标

培养目标:面向智慧医疗、智慧城市、智能制造、智能驾驶等应用领域,培养德、智、体、美、劳全面发展,具有信息、电子、计算机等多学科交叉的基本思想和创新的思维方式,系统掌握人工智能领域的基本理论、基本方法与实践方法,能够从事智能信息系统和计算智能领域的研究、生产、管理和技术服务的工程技术人才。

预期员工在毕业后五年左右能达到的具体目标:

1、有丰富的专业技术工作经验,综合考虑社会、环境、法律、经济、道德、政策、文化、伦理等因素影响,能够独立解决人工智能技术领域的复杂工程技术问题,主持开发中等规模以上的人工智能系统产品,进而成长为架构设计师、产品经理、项目经理等。

2、能够准确跟踪人工智能领域的前沿技术,学习、掌握和发展新技术、新系统、新工具,不断自我更新知识和提升技能,提高解决问题能力和创新意识,其应用到相关产品的设计、开发和集成中。

3、重视沟通交流,能够在跨职能、多学科的工程实践团队中工作和交流,具备一定的协调、管理、竞争与合作能力,能够将基本的工程管理原理与经济决策方法应用到实践中。

4、具有道德文化素养,在工作中具有社会责任感、事业心、安全与环保意识,能积极服务国家与社会。

三、专业培养要求及实现矩阵

培养要求:主要学习电子、传感器、信息、计算机和人工智能等方面的基本理论和基本知识,接受智能信息系统软硬件设计、计算智能等方面的工程实践的基本训练,具备人工智能科学和智能信息系统的研究、设计、集成和开发的基本能力。

毕业生应获得以下几方面的知识和能力:

(1)工程知识:具有从事人工智能领域所需的数学、自然科学的知识,掌握该领域的基础知识和基本理论,能够将相关知识用于解决人工智能领域的复杂工程问题。

分解指标点:

1.1 恰当表述:能运用数学、自然科学、工程基础和专业知识,对人工智能技术领域的复杂工程问题进行恰当地描述;

1.2 条件求解:能够运用恰当的数学、物理模型对智能信息系统软硬件设计、计算智能算法设计等复杂工程问题进行建模与求解。

1.3 评估性能:能够将数学、自然科学、工程基础和人工智能技术的专业知识,用于判别求解模型的有效性和可靠性。

1.4 方案比较:能够利用专业知识,通过模型比较和综合,对复杂工程问题的解决途径进行评价,并提出改进思路。

(2)问题分析:能够应用工程所需的数学、自然科学、以及电子信息和人工智能领域的基本理论,通过文献检索、资料查询及运用现代技术获取信息的方法,对人工智能领域的复杂工程问题进行识别、表达和分析,得出有效结论。

分解指标点:

2.1 识别与表达:能够运用数学、自然科学、电子信息及人工智能的基本原理和方法分析复杂工程问题的内在联系,并对智能信息系统、计算智能的复杂工程问题进行识别和描述;

2.2 分析:能够运用专业知识理解已有解决方案的优越性和局限性。能对复杂工程问题的内在联系、原理进行深刻理解,提出相应的解决方案,并对不同方案进行比较、评价;

2.3 论证:能够通过文献查阅、分析、实践,对复杂工程问题的影响因素和关键环节等进分析,能证实解决方案的合理性,并获得有效结论。

(3)设计/开发解决方案:能够针对人工智能领域的复杂工程问题,研究并设计智能信息系统、计算智能算法、深度学习训练平台,解决人工智能领域工程问题。能够在设计环节中体现创新意识,综合考虑社会、健康、安全、法律、文化、伦理以及环境等因素。

分解指标点:

3.1 按需设计:能够针对特定需求进行工程技术问题的提炼和描述,确定合理的设计目标与任务,设计智能信息系统、计算智能算法、人工智能平台等,解决复杂工程问题;

3.2 非技术因素:能够在社会、健康、安全、法律、文化、伦理以及环境等因素约束下,对设计方案的可行性进行分析、论证,确定合理的解决方案;

3.3 创新意识:积极参与各类创新活动,在解决复杂工程问题方案中能够体现创新意识。

(4)研究:具备一定的专业技术研究能力,能够基于科学原理并采用科学方法对人工智能领域的复杂工程问题进行研究,包括建立模型、开发软硬件、设计相关实验、分析与处理数据、并通过信息综合得到合理有效的结论。

分解指标点:

4.1 研究分析能力:能够通过文献检索与分析,运用科学的信息传感、电子电路、信号处理、计算智能原理、方法针对人工智能领域的复杂工程问题,拟定研究路线,制定研究方案;

4.2 实验设计能力:能够从人工智能的视角对复杂工程问题中涉及的数理现象、算法性能及系统性能进行理论分析,并设计整体实验方案、搭建实验系统,开展有效实验研究;

4.3 实验结果分析:能够实现数据采集、处理、分析与解释,通过信息融合、综合评价,给出关于描述与解决复杂工程问题的有效结论。

(5)使用现代工具:能够针对人工智能领域的信息感知、处理与理解问题,选择恰当的传感器和传输媒介、软硬件开发工具、数据处理方法以及项目管理工具,对相关复杂工程问题进行预测与模拟,并能够理解其局限性。

分解指标点:

5.1理解和掌握:能够根据现代工程技术发展的需求及趋势,理解和掌握人工智能领域所需的工具及方法,并理解各自的局限性

5.2选择与使用:掌握人工智能技术专业仪器、设备的基本原理、操作方法,能够在复杂、综合性工程中,选择与使用恰当的工程工具、信息技术工具等现代信息技术及工具,获取所需资源,并能选用恰当的分析方法及软件工具,建立人工智能问题的模拟及预测,进行方案的验证与评价.

(6)工程与社会:学习历史、哲学、社会、法律等人文社会科学知识,能够基于人工智能领域相关背景知识进行合理分析,评价专业工程实践和复杂工程问题解决方案对社会、健康、安全、伦理、法律以及文化的影响,并理解应承担的责任。

分解指标点:

6.1 落实法规:了解工业发展的基本规律,了解与人工智能行业相关的法律法规、技术标准、知识产权、产业政策等内容;

6.2 影响评价:能评估复杂人工智能工程问题的工程实践,尤其是新理论、新技术开发和应用对社会、健康、安全、伦理、法律以及文化的影响,并能理解和承担工程科技人员的社会责任。

(7)环境和可持续发展:了解有关环境保护和可持续发展方面的方针、政策、法律、法规,能够理解和评价针对复杂工程问题的专业工程实践对环境、社会可持续发展的影响,并在实践过程中予以考虑。

分解指标点:

7.1 环境影响评价: 能分析并正确评价针对复杂人工智能问题的工程实践对于环境和社会可持续发展的影响。能就工程实践可能产生的环境与可持续发展等问题提出解决或改进方案;

7.2环保设计与意识:了解国家有关环境保护和社会可持续发展的法律、法规、政策,理解环境保护和社会可持续发展的内涵和意义,在本专业的工程设计中体现保护环境和社会可持续发展的意识。

(8)职业规范:具有人文社会科学素养、社会责任感,能够在工程实践中理解并遵守工程职业道德和规范,履行责任。

分解指标点:

8.1 人文素养:具有科学的世界观、人生观和价值观,能正确理解个人在社会、历史以及自然环境中的地位,具有推动民族复兴和社会进步的责任感;

8.2 职业规范:了解工程科技人员的职业性质和责任,能在人工智能工程实践中理解并恪守工程职业道德和规范,履行相应责任。

(9)个人和团队:能够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。明确自己的责任,处理好成员间的竞争与合作关系,维护团队利益。

分解指标点:

9.1 团队意识:具备团队合作意识,愿意与团队其他成员共享信息,并给予他人帮助;

9.2 明确个人责任: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,并理解该角色应当承担的责任、权利和义务;

9.3 竞争与合作:能在多学科背景下与不同层次之间,正确理解和处理团队内部和团队之间的竞争与合作关系。

(10)沟通:能够就人工智能领域相关的复杂工程问题与业界同行及社会公众进行有效的书面、口头沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。并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。

分解指标点:

10.1 沟通与表达:能熟练掌握人工智能专业语言并能对工程问题进行准确的书面及口头描述, 能利用硬件系统、软件平台等载体,通过讲座、报告等形式,面向国内外同行就相关工程技术问题进行有效沟通;

10.2 跨文化交流:能理解跨文化背景下工程问题实施的差异,包括文化习惯、工程标准及语言等;能够通过跨文化交流、竞争与合作开拓国际视野。

(11)项目管理:具有工程管理与经济决策意识,理解并掌握工程管理原理与经济决策方法,具有在多学科环境中的项目实践环节加以应用。

分解指标点:

11.1 工程管理知识:具有本专业工程项目管理与经济决策的基本知识和应用能力,能进行工程实施成本的核算;

11.2 项目管理实践:能够在具有多学科环境属性的复杂人工智能项目开发中开展进度管理、任务管理等。

(12)终身学习:具有自主学习和终身学习的意识,掌握合理的学习方法,有不断学习和适应发展的能力。

分解指标点:

12.1 学习素养:具有勤奋学习、精于探索的素养,对问题的辩证思维和批判性思维,以及不断求知和终身学习的素养;

12.2 学习能力:能适应职业发展要求,及时关注并跟踪人工智能及相关专业领域前沿理论、技术的发展动态,具备不断获取新知识、新技能的能力。

实现矩阵:(知识、能力达成矩阵;参考附件1)

四、专业课程体系拓扑图(参考附件2)

    员工在校课程安排(按学年学期参考附件3)

五、核心课程

电路原理、电子技术、信号与系统、数字信号处理、通信原理、计算方法、人工智能导论、传感器技术及应用、计算机网络与物联网、机器视觉与图像处理、数据结构与算法设计、机器学习、信息融合与模式识别、神经网络与深度学习等。

六、主要实践教学环节(含主要专业实验)

包括电子电路实验、信号与系统实验、机器视觉与图像处理实验、传感器技术实验、神经网络与深度学习实验、Python语言程序设计技能实践、智能信息感知综合实践、计算智能综合实践、人工智能综合实践、毕业实习、毕业设计、创新系列实验等。

七、毕业和学位要求

修满本培养方案规定的170学分,成绩合格并符合《365体育官方唯一入口本科生学籍管理规定》要求的员工,可获得人工智能专业本科毕业证书。

符合毕业要求并达到《365体育官方唯一入口学位评定委员会关于授予学士学位的规定》要求的员工,经学校学位评定委员会审查批准,可授予工学学士学位。


关闭