天水师范学院电子信息与电气工程学院
人工智能专业培养方案
专业代码：080717T
一、专业简介
人工智能（AI）专业是一个跨学科的领域，涵盖计算机科学、数学、心理学、认知科学、机器人学和多个工程领域。该专业旨在培养学生理解和设计智能行为系统的能力，这些系统能模拟甚至超越人类智能的某些方面。
人工智能专业的课程通常包括基础编程课程、数据结构、算法设计、机器学习、深度学习、自然语言处理、计算机视觉和机器人技术等。此外，学生还将学习统计学和概率论，这些是理解和应用AI算法的关键数学工具。高级课程可能涉及人工智能的伦理问题、AI在社会中的影响以及如何设计公正和透明的AI系统。
此专业的学生将有机会参与各种研究项目，如自动驾驶汽车、智能医疗系统、自动化金融服务和先进的制造过程。学生也有可能接触到与人工智能有关的创新技术，如增强现实和虚拟现实。
未来，人工智能专业的毕业生可以在多个行业找到工作，包括软件和技术服务、汽车、医疗保健、金融服务和娱乐。职业角色可能包括AI研发工程师、数据科学家、机器学习工程师、AI策略顾问等。
总的来说，人工智能专业提供了一个强大的平台，学生可以从中掌握将计算机系统转化为能够模拟人类智能甚至超越人类智能的技术的知识和技能。随着技术的不断进步和AI在全球经济中的应用日益广泛，从事这一领域的专业人才需求将持续增长。
天水师范学院人工智能专业于2021年秋季开始招生，每届招生45人左右。现人工智能专业有授课教师7人，其中教授1人，副教授3人，高级工程师1人，讲师2人。
二、专业教学计划
（一）培养目标
1.目标定位
人工智能专业的培养理念注重于培养具有创新精神和实践能力的专业人才。强化基础理论的学习，重视算法与数据科学的深度融合，注重理论与实际应用的结合。确保学生掌握人工智能核心知识的同时，强调实践技能的培养，强调跨学科合作、伦理意识和持续学习的重要性。通过项目实践、实验室实训和实习，强化学生的实践能力。
本专业培养能主动适应国家、行业与区域经济社会发展需求，具有良好的科学素养、扎实的数理与信息化理论知识、能将计算机应用技术与信息处理技术应用于视觉处理与数据挖掘，从事各类人工智能系统的研究、设计、制造、应用和开发，具有一定创新能力的高级应用型人才。
2.目标内涵
1.思想政治与综合素养：具有坚定的中国特色社会主义信念，践行社会主义核心价值观；具有高度的社会责任感和家国情怀；具有良好的科学精神和人文素养。
2.专业知识与能力：具备一定的工程知识，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领域的复杂工程问题；能够适应人工智能相关领域技术发展，融会贯通工程数理基础、信息处理与智能识别专业知识，具备设计、开发、测试、协作等职业基本技能；具备良好的人文素养，了解工程管理的基本原理与经济决策方法；具备一定的协调、管理、沟通、竞争与合作能力，适应人工智能系统研发、测试、技术支持、营销等专业相关工作。
3.职业与创新创业能力：能根据人工智能在工业、农业、第三产业等相关领域的前沿技术，培养创新与洞察能力，能将新技术合理应用于工程实践，实现知识结构的持续更新与新技术的快速应用；具有全球化意识和国际视野，在跨文化环境下获取信息，积极主动适应不断变化的国内外形势和环境，拥有自主学习和终生学习的能力。
（二）毕业要求
1.毕业要求指标点
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复杂工程问题。
1-1掌握人工智能专业所要求的数学和自然科学基本知识，能将其用于人工智能复杂工程问题的分析与建模。
1-2 掌握人工智能专业所需的算法分析与程序设计等知识，培养计算思维、系统思维、设计思维能力，能将其用于复杂工程问题模型的实现。
1-3 掌握从事人工智能相关工作所需的信息处理与模式识别方法，能将其用于人工智能系统软件及其应用系统的研发、设计和维护。
1-4 掌握从事人工智能相关工作所需的硬件与系统结构知识，能将其用于智能生产与数据安全系统方案论证、选型、对应软硬件设计及其维护与测试。
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，识别、表达、并通过文献研究分析复杂工程问题，以获得有效结论。
2-1掌握文献检索、资料查询的基本方法，能够运用现代技术获取相关文献，具有资料阅读和文献研究能力，并用于智能化相关的复杂工程问题的分析和推理。
2-2 通过理论与实践相结合的系统学习，能够识别复杂工程问题中所涉及的数学、自然科学及人工智能专业相关的理论知识。
2-3 能够应用数学、自然科学、计算科学、人工智能专业的基本原理对其相关的复杂工程问题进行提炼、定义、建模、分析和评价。
3.设计/开发解决方案
能够设计针对复杂工程问题的解决方案，设计满足特定需求的系统、单元（部件）或工艺流程，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。
3-1能够根据用户需求确定人工智能系统模型与软硬件产品的设计目标。
3-2 能够在法律、健康、安全、文化、社会以及环境等现实约束条件下，通过综合评价对设计方案的可行性进行研究。
3-3 能够根据明确的需求，设计出针对微控制系统相关复杂工程问题的解决方案，能够用设计文档、原型系统等形式呈现设计成果。
3-4 了解人工智能领域前沿知识和发展趋势，掌握基本创新方法，在解决复杂工程问题中具有创新意识。
4.研究
能够基于科学原理并采用科学方法对复杂工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。
4-1 能够综合运用所学科学原理，针对智能识别与数据挖掘系统相关复杂工程问题，设计合适的研究方案，并建立合适的数学模型，确定模型参数。
4-2 按照研究需要设计实验，能通过大量数据模型训练，运用软件算法对智能系统进行自动学习，并正确采集、整理实验数据。
4-3 参照科学的理论模型对比实验数据和结果，说明实验和理论模型的结果差异。
5.使用现代工具
能够针对复杂工程问题，开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对复杂工程问题的预测与模拟，并能够理解其局限性。
5-1 学会使用互联网、移动互联网和大数据分析等现代信息技术工具。
5-2 能够针对机器视觉、机器学习、数据挖掘中的核心工程应用问题，选择与使用恰当的技术手段和计算机建模与仿真工具进行模拟，并能够在实践过程中领会相关工具的局限性。
6.工程与社会
能够基于工程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、法律以及文化的影响，并理解应承担的责任。
6-1 了解人工智能专业相关的历史和文化背景，能够正确认识人工智能技术对客观世界和社会的相互关系和影响。熟悉与人工智能领域相关的技术标准、知识产权、产业政策和法律法规。
6-2 能识别和分析人工智能领域新产品、新技术、新工艺的开发与应用对社会、健康、安全、法律以及文化的潜在影响，并能进行客观评价。
7.环境和可持续发展
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。
7-1 了解人工智能系统相关的工程实践活动对生态环境的影响，理解机器学习和自然语言处理等相关领域的新概念，并做出正确的评价，能充分考虑工程活动与环境保护的冲突问题。
7-2 了解人工智能对人类社会可持续发展的影响，认识环境问题对人工智能技术发展的影响，具有节能环保意识。
8.职业规范
坚持社会主义核心价值观，具有坚定的政治立场，热爱祖国，具有人文社会科学素养和社会责任感，能够在工程实践中理解并遵守工程职业道德和规范，履行职责。
8-1 坚持社会主义核心价值观，具有坚定的政治立场，热爱祖国。
8-2 了解人工智能技术发展历程，理解人工智能技术对人类文明、社会进步和民族复兴的推动作用，具有人文知识、思辨能力、处事能力和科学精神。
8-3 理解人工智能相关工程技术的社会价值以及工程师的社会责任，自觉遵守工程师职业道德和行为规范。
9.个人和团队
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。
9-1 了解人工智能系统相关工程问题的多学科技术背景特点，能主动与团队其他成员合作，开展工作。
9-2 能够针对人工智能系统相关工程实践活动进行合理分工，完成整个设计周期中个人的任务，或者在团队中担任负责人角色。
10.沟通
形成工程科学的严谨思维和作风，具备科学人文情怀素养、创新系统思维素养、设计创新实践素养、交流合作规范素养等，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。
10-1对自然科学、人文科学体现人文情怀，能合理利用资源，科学研究与自然环境、社会环境和谐相处。
10-2具备工程问题意识、创新精神、主动探究和动手操作的能力。
10-3对工程现场服务规范、实施环境条件、行业保密行为等普适性工程规范有一定认知。
10-4 能够就人工智能系统相关的复杂工程问题的解决方案、过程与结果，与业界同行及社会公众进行交流，通过书面报告、设计文档、编写代码和口头陈述清晰地表达团队或个人观点与设计理念。
10-5 具备良好的外语运用能力，通过阅读国内外技术文献、参加学术讲座等环节，理解不同文化、技术行为之间的差异，能够在跨文化背景下进行沟通和交流。
11.项目管理
理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用。
11-1 理解从事人工智能实践活动所需的经济与管理因素，掌握工程管理原理与经济决策方法。
11-2 在多学科背景下，将工程项目方案设计中涉及的时间及成本管理、质量及风险管理、人力资源管理等问题进行最优求解。
12.终身学习
具有自主学习和终身学习的意识，身心健康，有不断学习和适应发展的能力。
12-1 能认识不断探索和学习的必要性，注重身心健康，具有自主学习和终身学习的意识。
12-2 能针对个人或职业发展规划，采用合适的方法自我学习，不断适应人工智能技术的发展和社会需求。
2.毕业要求与培养目标的支撑矩阵
培养目标 毕业要求 |
毕业要求指标点 |
培 养 目 标 1 |
培 养 目 标 2 |
培 养 目 标 3 |
工程知识 |
1-1掌握人工智能专业所要求的数学和自然科学基本知识，能将其用于人工智能复杂工程问题的分析与建模。 |
|
√ |
|
1-2 掌握人工智能专业所需的算法分析与程序设计等知识，培养计算思维、系统思维、设计思维能力，能将其用于复杂工程问题模型的实现。 |
|
√ |
|
1-3 掌握从事人工智能相关工作所需的信息处理与模式识别方法，能将其用于人工智能系统软件及其应用系统的研发、设计和维护。 |
|
√ |
|
1-4 掌握从事人工智能相关工作所需的硬件与系统结构知识，能将其用于智能生产与数据安全系统方案论证、选型、对应软硬件设计及其维护与测试。 |
|
√ |
|
问题分析 |
2-1掌握文献检索、资料查询的基本方法，能够运用现代技术获取相关文献，具有资料阅读和文献研究能力，并用于智能化相关的复杂工程问题的分析和推理。 |
|
√ |
|
2-2 通过理论与实践相结合的系统学习，能够识别复杂工程问题中所涉及的数学、自然科学及人工智能专业相关的理论知识。 |
|
√ |
|
2-3 能够应用数学、自然科学、计算科学、人工智能专业的基本原理对其相关的复杂工程问题进行提炼、定义、建模、分析和评价。 |
|
√ |
|
设计/开发解决方案 |
3-1能够根据用户需求确定人工智能系统模型与软硬件产品的设计目标。 |
|
√ |
|
3-2 能够在法律、健康、安全、文化、社会以及环境等现实约束条件下，通过综合评价对设计方案的可行性进行研究。 |
|
√ |
|
3-3 能够根据明确的需求，设计出针对微控制系统相关复杂工程问题的解决方案，能够用设计文档、原型系统等形式呈现设计成果。 |
|
√ |
|
3-4 了解人工智能领域前沿知识和发展趋势，掌握基本创新方法，在解决复杂工程问题中具有创新意识。 |
|
|
√ |
研究 |
4-1 能够综合运用所学科学原理，针对智能识别与数据挖掘系统相关复杂工程问题，设计合适的研究方案，并建立合适的数学模型，确定模型参数。 |
|
√ |
|
4-2 按照研究需要设计实验，能通过大量数据模型训练，运用软件算法对智能系统进行自动学习，并正确采集、整理实验数据。 |
|
√ |
|
4-3 参照科学的理论模型对比实验数据和结果，说明实验和理论模型的结果差异。 |
|
√ |
|
使用现代工具 |
5-1学会使用互联网、移动互联网和大数据分析等现代信息技术工具。 |
|
√ |
|
5-2 能够针对机器视觉、机器学习、数据挖掘中的核心工程应用问题，选择与使用恰当的技术手段和计算机建模与仿真工具进行模拟，并能够在实践过程中领会相关工具的局限性。 |
|
√ |
|
工程与社会 |
6-1 了解人工智能专业相关的历史和文化背景，能够正确认识人工智能技术对客观世界和社会的相互关系和影响。熟悉与人工智能领域相关的技术标准、知识产权、产业政策和法律法规。 |
√ |
|
|
6-2 能识别和分析人工智能领域新产品、新技术、新工艺的开发与应用对社会、健康、安全、法律以及文化的潜在影响，并能进行客观评价。 |
√ |
|
|
环境和可持续发展 |
7-1 了解人工智能系统相关的工程实践活动对生态环境的影响，理解机器学习和自然语言处理等相关领域的新概念，并做出正确的评价，能充分考虑工程活动与环境保护的冲突问题。 |
√ |
|
|
7-2 了解人工智能对人类社会可持续发展的影响，认识环境问题对人工智能技术发展的影响，具有节能环保意识。 |
√ |
|
|
职业规范 |
8-1 坚持社会主义核心价值观，具有坚定的政治立场，热爱祖国。 |
√ |
|
|
8-2 了解人工智能技术发展历程，理解人工智能技术对人类文明、社会进步和民族复兴的推动作用，具有人文知识、思辨能力、处事能力和科学精神。 |
√ |
|
|
8-3 理解人工智能相关工程技术的社会价值以及工程师的社会责任，自觉遵守工程师职业道德和行为规范。 |
√ |
|
|
个人和团队 |
9-1 了解人工智能系统相关工程问题的多学科技术背景特点，能主动与团队其他成员合作，开展工作。 |
|
|
√ |
9-2 能够针对人工智能系统相关工程实践活动进行合理分工，完成整个设计周期中个人的任务，或者在团队中担任负责人角色。 |
|
|
√ |
沟通 |
10-1对自然科学、人文科学体现人文情怀，能合理利用资源，科学研究与自然环境、社会环境和谐相处。 |
|
√ |
|
10-2具备工程问题意识、创新精神、主动探究和动手操作的能力。 |
|
√ |
|
10-3对工程现场服务规范、实施环境条件、行业保密行为等普适性工程规范有一定认知。 |
|
√ |
|
10-4 能够就人工智能系统相关的复杂工程问题的解决方案、过程与结果，与业界同行及社会公众进行交流，通过书面报告、设计文档、编写代码和口头陈述清晰地表达团队或个人观点与设计理念。 |
|
√ |
|
10-5 具备良好的外语运用能力，通过阅读国内外技术文献、参加学术讲座等环节，理解不同文化、技术行为之间的差异，能够在跨文化背景下进行沟通和交流。 |
|
√ |
|
项目管理 |
11-1 理解从事人工智能实践活动所需的经济与管理因素，掌握工程管理原理与经济决策方法。 |
|
|
√ |
11-2 在多学科背景下，将工程项目方案设计中涉及的时间及成本管理、质量及风险管理、人力资源管理等问题进行最优求解。 |
|
|
√ |
终身学习 |
12-1 能认识不断探索和学习的必要性，注重身心健康，具有自主学习和终身学习的意识。 |
|
|
√ |
12-2 能针对个人或职业发展规划，采用合适的方法自我学习，不断适应人工智能技术的发展和社会需求。 |
|
|
√ |
（三）主干学科
计算机科学、机器学习、数学和统计学、自然语言处理、计算机视觉、神经网络。
（四）主干课程
高等数学、线性代数、高级语言程序设计、脑与认知科学基础、概率论与数理统计、Python程序设计、电路与电子技术、最优化理论与方法、软件技术基础、机器学习、信号与系统、神经网络与深度学习、数字图像处理、面向对象程序设计、图学基础与计算机绘图、计算机网络、数字信号处理技术与应用、计算机视觉、自然语言处理、模式识别、Linux操作系统、OpenCV程序设计、机器人与视觉通信方式、视觉工程综合实践、3D图像检测技术、显微图像处理技术、感知与人机交互、智能算法介绍、人工智能中的道德与法律、深度学习推荐系统。
（五）学制、修业年限及授予学位
1.学制
学制4年；修业年限3～6年。
2.授予学位
工学学士
（六）毕业学分要求
学生毕业要求最低修够157学分，共计2774学时，其中通识课程45学分，学科专业课程64学分，职业实践课程34学分，开放选修课程14学分。
（七）课程设置及学分学时比例
课程类别 |
通识教育模块 |
学科基础模块 |
专业课程模块 |
实践教学模块 |
素质拓展与实践创新 |
总学时、总学分 |
学时数 |
必修 |
选修 |
必修 |
选修 |
必修 |
选修 |
公共 |
专业 |
合计 |
百分比% |
28.66% |
3.82% |
8.92% |
7.64% |
17.83% |
11.46% |
19.12% |
2.55% |
32.28 % |
67.72% |
100% |
学分数 |
45 |
6 |
14 |
12 |
28 |
18 |
30 |
4 |
51 |
106 |
157 |
百分比% |
32.8% |
3.89% |
9.08% |
7.79% |
16.15% |
10.38% |
17.31% |
2.6% |
36.7% |
63.3% |
100% |
学时数% |
910 |
108 |
252 |
216 |
448 |
288 |
480 |
72 |
1018 |
1756 |
2774 |
（八）教学计划表
1.通识教育模块 (51学分）
课程类别 |
课程代码 |
课程名称 |
开课学期 |
学分 |
学时分配 |
考核方式 |
备注 |
|
讲授 |
实验实践 |
周学时 |
总学时 |
|
通识教育必修课45 学分 |
1420069 |
中国近现代史纲要 |
1 |
3 |
36 |
18 |
3 |
54 |
考试 |
|
|
1420070 |
思想道德与法治 |
2 |
3 |
36 |
18 |
3 |
54 |
考试 |
|
1420071 |
马克思主义基本原理 |
3 |
3 |
36 |
18 |
3 |
54 |
考试 |
|
1420072 |
毛泽东思想和中国特色社会主义理论体系概论 |
4 |
3 |
36 |
18 |
3 |
54 |
考试 |
|
1420073 |
习近平新时代中国特色社会主义思想概论 |
5 |
3 |
36 |
18 |
3 |
54 |
考试 |
理科10-18周开课 |
|
1420074 |
形势与政策 |
1-8 |
2 |
64 |
|
|
64 |
考查 |
1-8学期开设 |
|
2628001 |
大学英语Ⅰ |
1 |
3 |
18 |
|
3 |
54 |
考试 |
大学日语根据特殊专业需求开设。 |
|
2628002 |
大学英语Ⅱ |
2 |
3 |
18 |
|
3 |
54 |
考试 |
|
2628003 |
大学英语Ⅲ |
3 |
2 |
18 |
|
2 |
36 |
考试 |
|
2628004 |
大学英语Ⅳ |
4 |
2 |
18 |
|
2 |
36 |
考试 |
|
1320010 |
大学计算机 |
1 |
2 |
10 |
26 |
2 |
36 |
考试 |
|
|
1920101 |
大学体育Ⅰ |
1 |
1 |
36 |
|
2 |
36 |
考试 |
|
|
1920102 |
大学体育Ⅱ |
2 |
1 |
36 |
|
2 |
36 |
考试 |
|
|
1920103 |
大学体育Ⅲ |
3 |
1 |
36 |
|
2 |
36 |
考试 |
|
|
1920104 |
大学体育Ⅳ |
4 |
1 |
36 |
|
2 |
36 |
考试 |
|
|
|
《国家学生体质健康标准》 |
自主锻炼，每年测试1次 |
不计学分 |
|
1120001 |
大学语文 |
2 |
2 |
36 |
|
2 |
36 |
考试 |
|
|
1020001 |
就业指导 |
8 |
0.5 |
|
9 |
|
9 |
考查 |
|
|
1020002 |
大学生职业生涯规划 |
1 |
0.5 |
9 |
|
|
9 |
考查 |
|
|
1020003 |
创新创业基础 |
2 |
1 |
18 |
|
|
18 |
考查 |
|
|
1020004 |
劳动教育（理论） |
2 |
1 |
18 |
|
|
18 |
考查 |
|
|
1020005 |
美育教育 |
3 |
1 |
18 |
|
|
18 |
考查 |
|
|
1020006 |
大学生心理健康 |
1-2 |
1 |
18 |
|
|
18 |
考查 |
|
|
1020007 |
国家安全教育 |
1 |
1 |
18 |
|
|
18 |
考察 |
|
|
2220001 |
中华民族共同体概论 |
2 |
2 |
36 |
|
|
36 |
考试 |
|
|
1020156 |
军事理论教育 |
1 |
2 |
18 |
18 |
2 |
36 |
考查 |
分为军事理论和军事技能。理论授课为网络课程+专题辅导。军事技能由学生处负责。 |
|
通识教育选修课6学分 |
限选 |
“四史”特色思政课 |
3 |
6 |
|
|
|
|
|
限选1学分（网络课程） |
任选 |
政治军事安全类 |
身心健康能力类 |
1-8 |
|
|
|
|
|
校本通识选修课程和尔雅通识课程，见当学期公布的通识选修课程列表，修读学期1-8。 |
教师教育能力类 |
创新创业能力类 |
|
|
|
|
|
自然科学能力类 |
生涯规划能力类 |
|
|
|
|
|
社会科学能力类 |
劳动创造能力类 |
|
|
|
|
|
艺术审美能力类 |
文化交际能力类 |
|
|
|
|
|
人工智能技能类 |
中华民族共同体意识教育类 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2.学科基础模块（26学分，其中相关学科基础课14学分，本学科基础课12学分）
课程类别 |
课程代码 |
课程名称 |
开课学期 |
学分 |
学时分配 |
考核方式 |
备注 |
讲授 |
实验实践 |
周学时 |
总学时 |
相 关 学 科 基 础 课 |
1210103 |
高等数学B1 |
1 |
4 |
72 |
|
4 |
72 |
考试 |
|
1210104 |
高等数学B2 |
2 |
4 |
72 |
|
4 |
72 |
考试 |
|
1210107 |
线性代数 |
1 |
3 |
54 |
|
3 |
54 |
考试 |
|
1210108 |
概率论与数理统计 |
2 |
3 |
54 |
|
3 |
54 |
考试 |
|
本 学 科 基 础 课 |
1318103 |
高级语言程序设计 (C语言) |
1 |
4 |
48 |
24 |
4 |
72 |
考试 |
|
1318104 |
电路与电子技术 |
2 |
4 |
56 |
16 |
4 |
72 |
考试 |
|
1318105 |
最优化理论与方法 |
3 |
4 |
60 |
12 |
4 |
72 |
考试 |
|
3.专业课程模块（46学分，其中专业必修课28学分，专业限选10学分，专业任选8学分）
课程类别 |
课程代码 |
课程名称 |
开课学期 |
学分 |
学时分配 |
考核方式 |
备注 |
讲授 |
实验实践 |
周学时 |
总学时 |
专业 必修 课28 学分 |
1318201 |
脑与认知科学基础 |
1 |
2 |
32 |
|
2 |
32 |
考试 |
|
1318208 |
人工智能导论 |
1 |
2 |
32 |
|
2 |
32 |
考试 |
|
1318202 |
Python程序设计 |
2 |
4 |
48 |
16 |
|
64 |
考试 |
|
1318203 |
软件技术基础 |
3 |
4 |
48 |
16 |
|
64 |
考试 |
|
1318204 |
机器学习 |
3 |
4 |
48 |
16 |
4 |
64 |
考试 |
|
1313130 |
信号与系统 |
3 |
4 |
48 |
16 |
4 |
64 |
考试 |
|
1318207 |
数字图像处理 |
4 |
4 |
48 |
16 |
4 |
64 |
考试 |
|
1318205 |
神经网络与深度学习 |
4 |
4 |
48 |
16 |
4 |
64 |
考试 |
|
专业 限定 选修 课10 学分 |
1318301 |
Matlab语言及应用 |
3 |
3 |
32 |
16 |
3 |
48 |
考查 |
|
1318302 |
自然语言处理 |
4 |
4 |
48 |
16 |
4 |
64 |
考查 |
|
1318303 |
图学基础与计算机绘图 |
4 |
3 |
48 |
|
3 |
48 |
考查 |
|
1318304 |
计算机网络 |
5 |
3 |
32 |
16 |
3 |
48 |
考试 |
|
1318305 |
数字信号处理技术与应用 |
5 |
3 |
32 |
16 |
3 |
48 |
考试 |
|
1318306 |
计算机视觉 |
5 |
3 |
32 |
16 |
3 |
48 |
考试 |
|
1318307 |
面向对象程序设计 |
5 |
4 |
48 |
16 |
4 |
64 |
考查 |
|
1318308 |
模式识别 |
6 |
4 |
48 |
16 |
4 |
64 |
考查 |
|
1318309 |
OpenCV程序设计 |
6 |
4 |
48 |
16 |
4 |
64 |
考查 |
|
1318310 |
VisionPro程序设计 |
6 |
4 |
48 |
16 |
4 |
64 |
考查 |
|
1318311 |
Halcon程序设计 |
6 |
4 |
48 |
16 |
4 |
64 |
考查 |
|
专业 任意 选修 课8 学分 |
1318401 |
行业工程标准与规范 |
5 |
2 |
32 |
|
2 |
32 |
考查 |
|
1318402 |
信息检索技术 |
5 |
4 |
48 |
16 |
4 |
64 |
考查 |
|
1318507 |
人工智能中的道德与法律 |
4 |
3 |
48 |
|
3 |
48 |
考查 |
|
1318607 |
Linux操作系统 |
4 |
2 |
16 |
16 |
2 |
32 |
考查 |
|
1318608 |
新技术讲座 |
4 |
2 |
32 |
|
2 |
32 |
考查 |
|
1318609 |
科技论文写作 |
5 |
2 |
16 |
16 |
2 |
32 |
考查 |
|
4.实践教学模块（30学分）
课程类别 |
课程代码 |
课程名称 |
开课学期 |
学分 |
学时分配 |
考核方式 |
备注 |
讲授 |
实验实践 |
周学时 |
总学时 |
实 践 必 修 课 16 学 分 |
1318701 |
生产见习（认知实习） |
1 |
1 |
（第17-18周） |
考查 |
|
1318702 |
网络抓包与数据爬虫实训 |
2 |
1 |
实践+指导 |
考查 |
|
1318704 |
机器学习课程设计 |
3 |
1 |
实践+指导 |
考查 |
|
1318705 |
图像处理课程设计 |
4 |
1 |
实践+指导 |
考查 |
|
1318706 |
视觉检测系统综合设计 |
5 |
1 |
实践+指导 |
考查 |
|
1318707 |
毕业实习（专业实习） |
7-8 |
6 |
实践+指导 |
考查 |
企业实习 |
|
劳动教育（实践） |
1-6 |
1 |
实践+指导 |
考查 |
|
2318137 |
毕业论文（设计） |
7-8 |
4 |
实践+指导 |
考查 |
|
实 践 选 修 课 14 学 分 |
1318403 |
机器人与视觉通信方式 |
6 |
4 |
实践+指导 |
考查 |
|
1318404 |
工业现场总线 |
6 |
3 |
实践+指导 |
考查 |
|
1318405 |
工业控制系统设计 |
6 |
4 |
实践+指导 |
考查 |
|
1318406 |
视觉工程综合实践 |
6 |
3 |
实践+指导 |
考查 |
|
1318407 |
3D图像检测技术 |
6 |
4 |
实践+指导 |
考查 |
|
1318408 |
显微图像处理技术 |
6 |
4 |
实践+指导 |
考查 |
|
1318409 |
视觉检测专用集成电路 |
8 |
4 |
实践+指导 |
考查 |
|
1318410 |
感知与人机交互 |
8 |
4 |
实践+指导 |
考查 |
|
1318501 |
智能算法介绍 |
6 |
3 |
实践+指导 |
考查 |
|
1318502 |
智能搜索算法 |
6 |
4 |
实践+指导 |
考查 |
|
1318503 |
人工智能图搜索算法 |
6 |
4 |
实践+指导 |
考查 |
|
1318504 |
深度学习推荐系统 |
6 |
4 |
实践+指导 |
考查 |
|
1318505 |
智能信息技术 |
8 |
2 |
实践+指导 |
考查 |
|
1318506 |
时间序列预测 |
6 |
4 |
实践+指导 |
考查 |
|
1318508 |
情感信息处理导论 |
8 |
3 |
实践+指导 |
考查 |
|
1318601 |
大数据分析学 |
6 |
4 |
实践+指导 |
考查 |
|
1318602 |
数据存储与检索 |
6 |
4 |
实践+指导 |
考查 |
|
1318603 |
数据采集与清洗 |
6 |
4 |
实践+指导 |
考查 |
|
1318604 |
数据科学导论 |
8 |
4 |
实践+指导 |
考查 |
|
1318605 |
数据仓库与数据挖掘 |
8 |
4 |
实践+指导 |
考查 |
|
1318606 |
数据可视化 |
8 |
4 |
实践+指导 |
考查 |
|
|
|
|
|
|
|
|
|
|
|
|
5.素质拓展与实践创新（4学分）
课程类别 |
课程代码 |
课程名称 |
开课学期 |
学分 |
学时 |
考核方式 |
备注 |
素质拓展与 实践创新 |
|
学科竞赛 |
1-7 |
≤4 |
|
获奖 |
1.获得资格考试证书 2.参加各级各类学科竞赛 3.发表论文、专利、发明专利、实用新型专利、软件著作权 4.获批各级各类创新创业项目 5.参加社团活动和讲座报告 6.参加社会实践和志愿服务 |
|
创新创业大赛 |
1-7 |
≤4 |
|
获奖 |
|
创新创业项目 |
1-7 |
≤4 |
|
综合测评 |
|
科研创新实践 |
1-7 |
≤4 |
|
综合测评 |
|
大学英语四、六级 |
1-7 |
≤4 |
|
通过 |
|
计算机等级考试 |
1-7 |
≤4 |
|
通过 |
|
专业技能认证 |
1-7 |
≤4 |
|
获得证书 |
|
社团活动与讲座报告 |
1-7 |
≤4 |
|
参加 |
|
|
发表论文、申请专利 |
1-7 |
≤4 |
|
获得证书 |
备注：全日制本科生可自主选择辅修第二本科专业；修读完辅修基础专业大类课程、专业必修课、专业选修课和职业实践课程共84学分，完成该专业毕业论文，可获辅修专业学历证明；经学院审定后报送教务处备案，相同或相近课程可免修。
（九）专业课程先修关系图
学期 |
课程名称 |
第一学期 |
高等数学B1，线性代数，高级语言程序设计 （C语言），脑与认知科学基础 |
第二学期 |
高等数学B2，概率论与数理统计，电路与电子技术，Python程序设计，网络抓包与数据爬虫实训 |
第三学期 |
最优化理论与方法，软件技术基础，机器学习，信号与系统，Matlab语言及应用，机器学习课程设计 |
第四学期 |
神经网络与深度学习，数字图像处理，自然语言处理，图像处理课程设计 |
第五学期 |
数字信号处理技术与应用，计算机视觉，视觉检测系统综合设计，行业工程标准与规范，信息检索技术，科技论文写作 |
第六学期 |
微专业理论，微专业技能训练 |
第七学期 |
企业就业实习/集中编队实习 |
第八学期 |
毕业论文/设计 选修课程 |
（十）课程体系与毕业要求支撑矩阵
根据各门课程的教学目标与学生能力达成的相关度，填写如下关系矩阵。用符号表示相关度：H-高度相关；M-中等相关；L-弱相关。
课程体系与毕业要求的对应关系矩阵
毕业要求 必修课程 |
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 10 |
毕业要求 11 |
毕业要求 12 |
中国近现代史纲要 |
|
|
|
|
|
L |
H |
H |
|
|
|
|
思想道德与法治 |
|
|
M |
|
|
L |
|
H |
M |
|
|
|
马克思主义基本原理 |
|
|
M |
|
|
|
M |
H |
|
|
|
|
毛泽东思想和中国特色社会主义理论体系概论 |
|
|
M |
|
|
|
M |
H |
|
|
|
|
习近平新时代中国特色社会主义思想概论 |
|
|
M |
|
|
|
M |
H |
|
|
|
|
中华民族共同体概论 |
|
|
M |
|
|
|
M |
H |
|
|
|
|
形势与政策 |
|
|
M |
|
|
H |
M |
H |
|
|
|
|
大学英语 |
|
M |
|
|
|
M |
|
|
|
H |
|
H |
大学计算机 |
M |
M |
L |
M |
H |
|
|
|
|
|
|
|
大学体育 |
|
|
|
|
|
M |
|
|
M |
|
|
H |
大学语文 |
|
|
M |
|
|
|
|
|
|
H |
|
H |
就业指导 |
|
|
M |
|
|
H |
M |
H |
|
|
|
|
大学生职业生涯规划 |
|
|
M |
|
|
H |
M |
H |
|
|
|
|
创新创业基础 |
|
L |
M |
|
|
H |
M |
H |
|
|
|
|
劳动教育（理论） |
|
|
|
|
|
M |
|
|
M |
|
|
H |
美育教育 |
|
|
M |
|
|
|
|
|
|
H |
|
H |
大学生心理健康 |
|
|
M |
|
|
|
|
|
|
H |
|
H |
国家安全教育 |
|
|
M |
|
|
L |
|
H |
M |
|
|
|
军事理论教育 |
|
|
|
|
|
H |
|
H |
H |
|
|
L |
高级语言程序设计 (C预言) |
H |
H |
L |
M |
H |
|
|
|
|
|
|
|
高等数学B |
H |
H |
|
M |
|
|
|
|
|
|
|
M |
线性代数 |
H |
M |
|
M |
|
|
|
|
|
|
|
M |
概率论与数理统计 |
H |
H |
|
M |
|
|
|
|
|
|
|
M |
最优化理论与方法 |
|
M |
M |
H |
|
|
|
L |
|
|
|
|
电路与电子技术 |
|
H |
M |
|
|
|
|
M |
|
|
|
|
脑与认知科学基础 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
人工智能导论 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
Python程序设计 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
软件技术基础 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
机器学习 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
信号与系统 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
数字图像处理 |
|
H |
H |
M |
|
|
|
|
M |
|
|
|
神经网络与深度学习 |
L |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
Matlab语言及应用 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
自然语言处理 |
|
H |
M |
M |
|
|
|
|
|
|
|
|
图学基础与计算机绘图 |
|
H |
M |
M |
|
|
|
|
M |
|
|
|
计算机网络 |
|
H |
H |
H |
|
|
|
|
M |
|
|
|
数字信号处理技术与应用 |
|
H |
H |
M |
|
|
|
|
M |
|
|
|
计算机视觉 |
|
H |
H |
M |
|
|
|
|
|
|
|
|
面向对象程序设计 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
模式识别 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
OpenCV程序设计 |
|
H |
H |
M |
|
|
|
|
H |
H |
H |
H |
行业工程标准与规范 |
|
M |
M |
M |
|
|
|
L |
|
|
|
|
人工智能中的道德与法律 |
|
M |
M |
M |
|
|
|
L |
|
|
|
|
Linux操作系统 |
|
H |
H |
H |
|
|
|
|
|
|
|
|
信息检索技术 |
|
M |
M |
M |
|
|
|
L |
|
|
|
|
科技论文写作 |
|
M |
M |
M |
|
|
|
L |
|
|
|
|
机器人与视觉通信方式 |
|
M |
M |
M |
|
|
|
L |
|
|
|
|
工业现场总线 |
|
M |
M |
M |
|
|
|
|
|
|
|
|
工业控制系统设计 |
|
M |
M |
M |
|
|
|
|
|
|
|
|
视觉工程综合实践 |
|
M |
M |
|
|
|
L |
|
|
|
|
|
3D图像检测技术 |
M |
H |
|
|
|
|
|
M |
H |
|
|
|
显微图像处理技术 |
|
|
|
|
|
M |
M |
M |
M |
M |
|
|
视觉检测专用集成电路 |
|
M |
M |
|
|
|
|
|
M |
M |
M |
M |
感知与人机交互 |
L |
M |
M |
M |
M |
M |
|
|
|
|
|
|
生产见习（认知实习） |
L |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
网络抓包与数据爬虫实训 |
L |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
统计优化分析综合设计 |
L |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
机器学习课程设计 |
L |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
图像处理课程设计 |
L |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
视觉检测系统综合设计 |
L |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
专业实习 |
H |
H |
H |
M |
M |
M |
M |
|
H |
H |
H |
H |
毕业论文 |
H |
H |
H |
|
H |
|
|
|
|
|
|
|