一、专业基本信息
学科门类：工学
专业大类：计算机类
专业代码：080717T
标准学制：4年
修业年限：4-6年
授予学位：工学学士
二、总学时（总学分）
总学时：2056学时；总学分： 158.5学分
三、培养目标
人工智能专业面向国家人工智能产业和山西转型发展需求，并且为了弘扬太行精神，传播红色文化，信创使命担当，培养具有良好的人文素养、职业道德和社会主义核心价值观，掌握计算机学科的基础理论及人工智能知识和基本方法，具有人工智能系统设计与开发能力：具备设计、实现和优化人工智能系统的能力，能够利用各种人工智能技术解决实际问题。并具有一定的团队合作和沟通能力，与不同背景的人有效地合作。能够在金融、人工智能及互联网公司、科研部门、高等院校、各类企事业单位和政府等部门从事大数据分析管理、开发和设计工作的高素质应用型人才。
培养目标1：具有良好的人文社会科学素养、职业道德和社会责任感，具备健全的人格和正确的价值观。
培养目标2：具备计算思维、工程理念，创新实践能力和良好的外语应用能力，具有一定的计算机科学、数学、网络等方面的知识。
培养目标3：较全面掌握人工智能的基础理论和相关技术：具备数学、算机科学和人工智能理论基础，包括但不限于数据结构与算法、机器学习、深度学习等领域的知识。能够利用各种人工智能技术解决实际问题。
培养目标4：掌握相关工具和技术：掌握人工智能领域常用的编程语言、开发工具和框架，如Python、TensorFlow、PyTorch等，以及数据分析和处理工具。
培养目标5：具有文献检索及利用的能力，具有较强的沟通艺术、恰当的表达方式和领导才能，能够有效地组织、领导团队工作。
四、毕业要求
（一）毕业要求
基于本专业的发展定位、自身特点以及培养目标，要求本专业学生在毕业时满足以下12项毕业要求：
1. 理论基础：具备数学、物理学等自然科学基础以及计算机科学、人工智能原理与技术的专业知识，并能够运用以上知识解决复杂的人工智能工程问题。
2. 工程实践：具备设计、实现和优化计算机视觉、自然语言处理、语音识别等人工智能领域的算法模型及软硬件系统的能力，以及通过项目实践展示问题解决和技术创新的工程技能。
3. 跨学科融合创新：能够将人工智能技术与其他学科如经济学、生物学以及化学等相结合，并完成基于交叉学科的创新研究与应用。
4. 持续学习与自我提升：具备自主学习和终身学习的意识与能力，能够跟踪人工智能及其相关领域的最新研究进展，能够在适应技术快速发展的同时保持专业竞争力。
5. 沟通与团队合作：具备良好的沟通技巧和团队协作精神，能够有效地与客户和团队成员交流思想，共同推进项目实施。
6. 伦理与社会责任：理解并践行职业道德规范，具备对人工智能技术在社会、法律以及伦理等方面所产生的影响的深刻认识，能够确保技术应用符合社会伦理标准，促进可持续发展。
7.数据分析与处理能力：熟练使用数据分析工具和方法，能够处理大规模数据集，执行数据清洗、特征工程、模型评估等工作，深入理解数据挖掘和机器学习中的评估指标，能够有效分析和解释模型输出结果。
8.自主学习与持续发展：培养持续学习的习惯，能够跟踪人工智能领域最新进展和技术趋势，自主扩展知识结构，具备适应行业快速发展变化的能力，为职业生涯的长期发展奠定基础。
9.专业知识与理论素养：掌握人工智能领域的基本理论、核心算法与技术，包括但不限于机器学习、深度学习等，理解并能应用数学基础知识，包括高等数学、线性代数等，为算法设计与分析打下坚实基础。
10.技术实践与创新能力：具备将理论知识转化为实际应用的能力，能够设计、实现并优化人工智能系统或解决方案，展示创新思维，能够针对复杂问题提出新颖的算法模型或技术方法，并通过实验验证其有效性。
11.工程与系统能力：精通至少一种主流编程语言，能够进行高效编程实现AI模型与系统，掌握软件工程原理，具备良好的系统设计、调试与维护能力，了解智能系统开发的全生命周期管理。
12.终身学习：了解人工智能领域的发展动态，具有自主学习和终身学习的意识，有不断学习和适应发展的能力，能够主动适应本专业领域内知识结构变化和社会要求。
（二）毕业要求分解指标
毕业要求 | 分解指标 |
毕业要求1：具备数学、物理学等自然学科基础以及计算机科学、人工智能原理与技术的专业知识，并能够运用以上知识解决复杂的人工智能工程问题。 | 指标1-1：具备解决复杂的人工智能工程问题所需的数学、物理学等自然学科的基础知识，能够运用智能思维方法解决实际问题。 |
指标1-2：具备人工智能相关的基础知识和专业知识，掌握解决复杂的人工智能工程问题的基本方法。 |
指标1-3：能够运用数学、物理学等自然学科的基础知识以及人工智能专业知识解决复杂的人工智能工程问题。 |
毕业要求2：具备设计、实现和优化计算机视觉、自然语言处理、语音识别等人工智能领域的算法模型及软硬件系统的能力，以及通过项目实践展示问题解决和技术创新的工程技能。 | 指标2-1：能够运用人工智能基本原理，通过学习和研究确定人工智能工程问题的解决方案。 |
指标2-2：能够根据人工智能工程问题及其特点设计、实现和优化相应的算法模型和软硬件系统。 |
指标2-3：能够通过项目实践展示如何解决人工智能工程问题以及技术创新的具体内容。 |
毕业要求3：能够将人工智能技术与其他学科如经济学、生物学以及化学等相结合，并完成基于交叉学科的创新研究与应用， | 指标3-1：具备与人工智能相关的学科的基础知识，掌握将人工智能与其他学科相结合的基本方法。 |
指标3-2：能够运用相关知识和专业知识，实现基于交叉学科的人工智能创新研究与应用。 |
毕业要求4：具备自主学习和终身学习的意识与能力，能够跟踪人工智能及其相关领域的最新研究进展，能够在适应技术快速发展的同时保持专业竞争力。 | 指标4-1：认同自主学习和终身学习的必要性，并掌握相应的学习方法。 |
指标4-2：能够不断探索和学习人工智能及其相关领域的最新研究进展，以在适应技术快速发展的同时保持专业竞争力。 |
毕业要求5：具备良好的沟通技巧和团队协作精神，能够有效地与客户和团队成员交流思想，共同推进项目实施。 | 指标5-1：具备有效倾听能力、清晰表达能力以及非语言沟通技巧，以实现与客户和团队成员间的有效沟通。 |
指标5-2：具备大局意识、合作能力以及适应能力，以促进团队成员间的和谐相处与高效执行。 |
毕业要求6：理解并践行职业道德规范，具备对人工智能技术在社会、法律以及伦理等方面所产生的影响的深刻认识，能够确保技术应用符合社会伦理标准，促进可持续发展。 | 指标6-1：理解并践行人工智能行业特定的职业道德规范，树立正确的职业观并严格遵守国家法律法规及行业规定。 |
指标6-2：理解人工智能与环境保护和社会可持续发展间的关系，掌握运用人工智能技术促进可持续发展的基本方法。 |
毕业要求7：熟练使用数据分析工具和方法，能够处理大规模数据集，执行数据清洗、特征工程、模型评估等工作，深入理解数据挖掘和机器学习中的评估指标，能够有效分析和解释模型输出结果。 | 指标7-1：能够运用统计学方法对数据进行预处理，包括异常值检测、缺失值处理、数据标准化等，提升数据质量。 |
指标7-2：利用数据分析工具（如Python的Pandas、NumPy库）完成复杂的数据分析任务，包括特征选择、特征工程及模型评估。 |
毕业要求8：培养持续学习的习惯，能够跟踪人工智能领域最新进展和技术趋势，自主扩展知识结构，具备适应行业快速发展变化的能力，为职业生涯的长期发展奠定基础。 | 指标8-1：建立个人学习计划，定期跟踪AI领域的新技术、新应用，撰写学习笔记或博客分享学习成果。 |
指标8-2：参与至少一次国际或国内人工智能学术会议、研讨会或在线课程，主动拓展视野，与业界保持同步。 |
指标8-3：理解工程伦理的核心理念，了解专业工程师的职业性质和社会责任，在工程实践中能自觉履行责任。 |
毕业要求9：掌握人工智能领域的基本理论、核心算法与技术，包括但不限于机器学习、深度学习等，理解并能应用数学基础知识，包括高等数学、线性代数等，为算法设计与分析打下坚实基础。 | 指标9-1：能够阐述并对比至少三种主流机器学习算法（如支持向量机、决策树、神经网络）的基本原理、优缺点及其适用场景。 |
指标9-2：完成对经典和现代人工智能理论文献的阅读与分析，撰写综述报告，展示对领域内重要研究成果的理解和批判性思考。 |
毕业要求10：具备将理论知识转化为实际应用的能力，能够设计、实现并优化人工智能系统或解决方案，展示创新思维，能够针对复杂问题提出新颖的算法模型或技术方法，并通过实验验证其有效性。 | 指标10-1：能够在多学科环境下，在设计开发解决方案的过程中，运用工程管理与经济决策方法。 |
指标10-2：独立完成至少一个基于人工智能技术的项目，从需求分析、算法设计到系统实现与测试，展示完整的项目管理与实施能力。 |
指标10-3：在导师指导下，参与科研项目或技术创新竞赛，提出至少一项改进现有技术或解决新问题的创新思路，并进行初步验证。 |
毕业要求11：精通至少一种主流编程语言，能够进行高效编程实现AI模型与系统，掌握软件工程原理，具备良好的系统设计、调试与维护能力，了解智能系统开发的全生命周期管理。 | 指标11-1：熟练使用至少一种主流的AI开发框架（如TensorFlow、PyTorch），能够实现并优化复杂的神经网络模型。 |
指标11-2：掌握版本控制工具（如Git）的使用，能够协同开发项目，遵循良好的代码规范和文档编写习惯。 |
指标11-3：能够在人工智能领域内复杂工程问题的预测、建模、模拟或解决过程中，选择与使用恰当的技术和工具，并能够分析其局限性。 |
毕业要求12：了解人工智能领域的发展动态，具有自主学习和终身学习的意识，有不断学习和适应发展的能力，能够主动适应本专业领域内知识结构变化和社会要求。 | 指标12-1：基于人工智能领域内的前沿技术和发展趋势，能认识不断探索和学习的必要性。 |
指标12-2：具备对人工智能领域内技术问题的提出、归纳、理解的能力，认同自主学习和终身学习的必要性，并掌握自主学习的方法。 |
（三）课程设置与毕业要求支撑关系矩阵
矩阵元素分别用H/M/L表示，H代表高支撑程度，M代表中等支撑程度，L代表低支撑程度。
序 号 | 课程类别 | 课程名称 | 专业核心课程标记 | 毕业要求（非工科专业可依据国标调整或增减） |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
工程知识 | 问题分析 | 设计/开发解决方案 | 研究 | 使用现代 工具 | 工程与社会 | 环境和可持续发展 | 职业规范 | 个人和团队 | 沟通 | 项目管理 | 终身学习 |
1 | 人文社科类通识教育必修 | 思想道德与法治 |
|
|
|
|
|
|
| M |
| H |
|
|
|
2 | 人文社科类通识教育必修 | 中国近现代史纲要 |
|
|
|
|
|
|
|
| M | H |
| L |
|
3 | 人文社科类通识教育必修 | 马克思主义基本原理概论 |
|
|
|
|
|
|
|
|
| L |
| M |
|
4 | 人文社科类通识教育必修 | 毛泽东思想和中国特色社会主义理论体系概论 |
|
|
|
|
|
|
|
| L | M |
|
|
|
5 | 人文社科类通识教育必修 | 习近平新时代中国特色社会主义思想概论 |
|
|
|
|
|
|
| M | H |
|
|
|
|
6 | 人文社科类通识教育必修 | 形势与政策 |
|
|
|
|
|
|
| M | H |
|
|
|
|
7 | 人文社科类通识教育必修 | 大学英语 |
|
|
|
|
|
|
|
|
|
| M | H |
|
8 | 人文社科类通识教育必修 | 体育 |
|
|
|
|
|
|
|
|
| H | H |
|
|
9 | 人文社科类通识教育必修 | 大学生就业指导与创业教育 |
|
|
|
|
|
|
|
|
|
| M | H |
|
10 | 人文社科类通识教育必修 | 大学生心理健康教育 |
|
|
|
|
|
|
|
|
|
| M | H |
|
11 | 人文社科类通识教育必修 | 军事理论与训练 |
|
|
|
|
|
|
|
|
| H | M |
|
|
12 | 人文社科类通识教育必修 | 入学教育 |
|
|
|
|
|
|
|
|
| H |
|
|
|
13 | 人文社科类通识教育必修 | 安全教育 |
|
|
|
|
|
|
| H |
| M |
|
|
|
14 | 人文社科类通识教育必修 | 劳动教育 |
|
|
|
|
|
|
| M |
| H |
|
|
|
15 | 人文社科类通识教育必修 | 思想政治理论实践课 |
|
|
|
|
|
|
| M |
| H |
|
|
|
（三）课程设置与毕业要求支撑关系矩阵（续）
序 号 | 课程类别 | 课程名称 | 专业核心课程标记 | 毕业要求（非工科专业可依据国标调整或增减） |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
工程知识 | 问题分析 | 设计/开发解决方案 | 研究 | 使用现代 工具 | 工程与社会 | 环境和可持续发展 | 职业规范 | 个人和团队 | 沟通 | 项目管理 | 终身学习 |
16 | 数学与自然科学类 通识教育必修 | 高等数学 |
| H | M |
|
|
|
|
|
|
|
|
|
|
17 | 数学与自然科学类 通识教育必修 | 线性代数 |
| H | M |
|
|
|
|
|
|
|
|
|
|
18 | 数学与自然科学类 通识教育必修 | 概率统计 |
| M | H |
| L |
|
|
|
| M |
|
|
|
19 | 数学与自然科学类 通识教育选修 | 大学物理 |
| M | H |
|
| M |
|
|
|
|
|
|
|
（三）课程设置与毕业要求支撑关系矩阵（续）
序 号 | 课程类别 | 课程名称 | 专业核心课程标记 | 毕业要求（非工科专业可依据国标调整或增减） |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
工程知识 | 问题分析 | 设计/开发 解决方案 | 研究 | 使用现代 工具 | 工程与社会 | 环境和可 持续发展 | 职业规范 | 个人和团队 | 沟通 | 项目管理 | 终身学习 |
34 | 专业基础课 | Linux基础与人工智能导论 |
|
|
|
|
| H | M |
|
| L |
|
|
|
35 | 专业基础课 | 高级语言程序设计基础 |
| M | H |
|
|
|
|
|
|
|
|
| M |
36 | 专业基础课 | 高级语言程序设计实验 |
|
| H |
|
|
|
|
|
|
| M |
|
|
37 | 专业基础课 | 数据结构与算法 |
| M | H | M |
|
|
|
|
| M |
|
|
|
38 | 专业基础课 | 操作系统 |
|
| M |
| H |
|
|
|
|
|
|
| M |
39 | 专业基础课 | 电子技术基础 |
|
| H |
|
| M |
|
| M |
|
|
|
|
40 | 专业基础课 | 离散数学 |
| H | M |
|
|
|
|
|
|
|
|
| M |
41 | 专业基础课 | 计算机网络 |
| H | M |
|
| M | M |
|
|
|
|
|
|
42 | 专业基础课 | 计算机组成原理 |
| M | H | M |
|
| M |
|
|
|
|
|
|
43 | 专业课 | 数据库原理及应用 | 是 |
|
| H |
|
|
|
| M |
|
|
|
|
44 | 专业课 | Python程序设计 |
| M |
| H |
|
|
|
| M |
|
|
|
|
45 | 专业课 | 机器学习及数据挖掘 |
|
|
| H |
|
|
|
|
|
|
|
| M |
46 | 专业课 | 感知计算与机器人技术 |
|
|
|
| H | M |
|
|
|
|
|
| M |
47 | 专业课 | 神经网络及深度学习 | 是 |
|
|
| M | H |
|
|
|
|
| M |
|
（三）课程设置与毕业要求支撑关系矩阵（续）
序 号 | 课程类别 | 课程名称 | 专业核心课程标记 | 毕业要求（非工科专业可依据国标调整或增减） |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
工程知识 | 问题分析 | 设计/开发解决方案 | 研究 | 使用现代 工具 | 工程与社会 | 环境和可持续发展 | 职业规范 | 个人和团队 | 沟通 | 项目管理 | 终身学习 |
47 | 专业技能必修课 | 专业技能训练I（基本技能训练） |
|
|
|
|
| H |
|
|
| M |
|
|
|
48 | 专业技能必修课 | 专业技能训练Ⅱ（系统安装与维） |
|
|
|
|
| H |
|
| M |
|
|
|
|
49 | 见习实习 | 专业见习 |
|
|
|
|
|
|
|
| H | H | M | M | M |
50 | 见习实习 | 专业实习 |
|
|
|
|
|
|
|
| M | M | H | H | H |
51 | 论文设计 | 毕业设计(论文) |
|
|
|
| M | H | M | H |
|
| M | M | H |
52 | 论文设计 | 深度学习项目综合实训 |
|
|
|
| H |
| M |
|
|
|
| M |
|
53 | 论文设计 | 机器学习项目综合实训 |
|
|
|
|
| H |
| M |
|
|
| H |
|
54 | 论文设计 | 机器人技术项目综合实训 |
|
|
|
| H |
| M |
| M |
|
|
|
|
五、专业课
(1)课程编号：080717T0111
课程名称：数据库原理及应用
课时：64学时 学分：4学分
(2)课程编号：080717T0110
课程名称：Python程序设计
课时：48学时 学分：3学分
(3)课程编号：080717T0112
课程名称：机器学习及数据挖掘
课时：48学时 学分：3学分
(4)课程编号：080717T0113
课程名称：感知计算与机器人技术
课时：48学时 学分：3学分
(5)课程编号：080717T0114
课程名称：神经网络及深度学习
课时：64学时 学分：4学分
六、课程体系结构及学分比例（含实践教学环节学时、学分）
课程平台 | 课程模块 | 学时数 | 占总 学时数％ | 学分数 | 占总 学分数％ | 学分 总数 | 占总 学分数％ |
通识教育课程 | 人文社科类通识教育课程 | 必修 | 544 | 26.5% | 37.5 | 23.7% | 43.5 | 27.4% |
选修 | 96 | 4.7% | 6 | 3.8% |
数学与自然科学类课程 | 必修 | 208 | 10.1% | 13 | 8.2% | 19 | 12.0% |
选修 | 96 | 4.7% | 6 | 3.8% |
专业教育课程 | 专业基础课程 | 488 | 23.7% | 30 | 18.9% | 69 | 43.5% |
专业课程 | 272 | 13.2% | 17 | 10.7% |
专业选修课程 | 352 | 17.1% | 22 | 13.9% |
实践创新 课 程 | 必修20.5学分，选修6.5学分，总27学分 | 27 | 17.0% |
合 计 | 2056 | 100% | 158.5 | 100% | 158.5 | 100% |
七、实践教学学时(周数)与学分
类 别 | 学时数(周数) | 学分数 |
实验/实训/实践课程 | 独立设课实验/实训/实践(学时) | 144 | 5 |
课程内实验/实训/实践(学时) | 316 | 20 |
集中性实践教学环节 | 集中性实践教学环节（周） | 72.5 | 21.5 |
合 计 | 46.5 |
注：集中性实践教学环节包括：军事训练（2周，1学分），入学教育（0.5周，0.5学分）、劳动实践（2周，1学分）、见习实习研习、毕业论文（设计）（24周，6学分）、校外社会调查（2周，1学分）等。各专业可统 计其他必修实践环节。 |
七、毕业及学位要求
（一）毕业资格
在规定的修业年限内修完培养方案规定的全部课程，修满规定的最低总学分158.5学分，其中必修课最低118学分、选修课最低40.5学分，取得毕业资格。
（二）学位授予
取得毕业资格的学生，并符合学校学士学位授予条件的，授予学士学位。
八、课程设置及学时（学分）学期分配
人工智能专业课程设置及学时（学分）学期分配表
一、通识教育课程平台
课程 模块 | 课程 编号 | 课程名称 | 课程 性质 | 学分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备注 |
合计 | 讲授 | 实验或实践 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
人 文 社 科 类 通 识 教 育 课 | 必
修 | 01010301 | 思想道德与法治 Ideological Morality and Rule of Law | 必修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
|
| √ |
|
01010302 | 中国近现代史纲要 Outline of Modern Chinese History | 必修 | 3 | 48 | 48 |
|
|
|
|
|
|
|
|
| √ |
|
|
01010303 | 马克思主义基本原理 Introduction to the Basic Principles of Marxism | 必修 | 3 | 48 | 48 |
|
|
|
|
|
|
|
|
| √ |
|
|
01010304 | 毛泽东思想和中国特色社会主义理论体系概论 Introduction to Mao Zedong Thought and the Theoretical System of Socialism with Chinese Characteristics | 必修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
| √ |
|
|
01010305 | 习近平新时代中国特色社会主义思想概论 Introduction to Xi Jinping Thought on Socialism with Chinese Characteristics for a New Era | 必修 | 3 | 48 | 48 |
|
|
|
|
|
|
|
|
| √ |
|
|
01010306 | 形势与政策 Political Situation and Policies | 必修 | 2 | （64） |
|
|
|
|
|
|
|
|
|
|
| √ |
|
01010308 | 大学外语 College Foreign Language | 必修 | 8 | 128 | 128 |
| 3/2 | 2/2 | 2/2 | 2/2 |
|
|
|
| √ |
|
|
01010309 | 体育 Physical Education | 必修 | 2 | 120 | 16 | 实践104学时 | 2/0.5 | 2/0.5 | 2/0.5 | 2/0.5 |
|
|
|
|
| √ |
|
人工智能专业课程设置及学时（学分）学期分配表
一、通识教育课程平台（续）
课程 模块 | 课程 编号 | 课程名称 | 课程 性质 | 学分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备注 |
合计 | 讲授 | 实验或实践 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
人文社科类通识教育课程 | 必修 | 01010310 | 大学生就业指导与创业教育 College Students’ Employment Guidance and Entrepreneurship Education | 必修 | 2 | 32 | 24 | 实践8学时 |
|
|
|
|
|
|
|
|
| √ | 就业创业指导中心负责，理论部分2班以上教学，实践部分单班教学。 |
01010311 | 大学生心理健康教育 College Students’ Mental Health Education | 必修 | 2 | (32) | (32) |
|
|
|
|
|
|
|
|
|
| √ | 网络课程：2学分，32学时 |
01010312 | 军事理论与训练 Military Theory and Training | 必修 | 2 | 8（8） 2周 | 8(8) |
|
|
|
|
|
|
|
|
|
|
| 学工部负责：理论线上0.5学分，8学时，线下0.5学分，8学时（2班以上教学）；军事训练2周，1学分。 |
01010313 | 入学教育 Freshman Orientation | 必修 | 0.5 | 0.5周 |
|
|
|
|
|
|
|
|
|
|
|
| 各院系第一学期安排。 |
01010314 | 劳动教育 Labour Education | 必修 | 2 | (16) 2周 |
|
|
|
|
|
|
|
|
|
|
|
| 学工部负责：理论部分为网络课程，1学分，16学时；实践部分2周，1学分。 |
01010315 | 安全教育 Safety Education | 必修 | 2 | 16 (16) | 16 (16) |
|
|
|
|
|
|
|
|
|
|
| 学工部负责：国家安全课程部分线下16学时，2班以上教学；其他内容为网络课程：1学分，16学时 |
01010316 | 思想政治理论实践课 Practical Course of Ideological and Political Theory | 必修 | 2 | 32 |
| 实践32学时 |
|
|
|
|
|
|
|
|
|
| 第一、四学期分别安排2学时并进课表，其余28学时单独安排 |
小 计 | 37.5 | 544 | 400 | 实践144时 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
人工智能专业课程设置及学时（学分）学期分配表
一、通识教育课程平台（续）
课程 模块 | 课程 编号 | 课程名称 | 课程 性质 | 学分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备 注 |
合计 | 讲授 | 实验或实践 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
人 文 社 科 类 通 识 教 育 课 程 | 选
修 | 01010317 | 大学语文 College Chinese | 选修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
|
| √ | 中文类专业不修 其他专业可选 |
01010318 | 中国共产党史 History of the Communist Party of China | 选修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
|
| √ | 限选1门 |
01010319 | 新中国史 History of the People’s Republic of China | 选修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
|
| √ | 限选1门
|
01010320 | 改革开放史 History of Reform and Opening Up | 选修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
|
| √ |
01010321 | 社会主义发展史 History of Socialist Development | 选修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
|
| √ |
01010322 | 中华民族共同体概论 Introduction to the Chinese Nation Community | 选修 | 1 | 16 | 16 |
|
|
|
|
|
|
|
|
|
| √ |
01010323 | 礼仪修养 Etiquette Cultivation | 选修 | 1 | 20 | 20 |
|
|
|
|
|
|
|
|
|
| √ | 分南北校开设 |
01010324 | 力量健美 Strength and Fitness | 选修 | 1 | 20 | 20 |
|
|
|
|
|
|
|
|
|
| √ | 分南北校开设，限男生选修，体育系、学前教育专业不修 |
01010325 | 形体 Physique Training | 选修 | 1 | 20 | 20 |
|
|
|
|
|
|
|
|
|
| √ |
|
人工智能专业课程设置及学时（学分）学期分配表
一、通识教育课程平台（续）
课程 模块 | 课程 编号 | 课程名称 | 课程 性质 | 学分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备注 |
合计 | 讲授 | 实验或实践 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
人文 社科 类通 识教 育课 程 | 选
修 | 01010326 | 公共艺术类 Public Artistic Course | 选修 | 2 | 32 | 32 |
|
|
|
|
|
|
|
|
|
| √ | 非艺术类专业选修2学分 |
01010327 | 其他类 Other Types of Courses | 选修 |
|
|
|
|
|
|
|
|
|
|
|
|
| √ |
|
小 计 | 最少选修6个学分。 |
|
合 计 | 43.5 | 640 |
|
|
|
|
|
|
|
|
|
|
|
|
|
数学与自然科学类课程 | 必
修 | 01010328 | 高等数学 Advanced Mathematics | 必修 | 8 | 128 | 128 |
| 5/4 | 4/4 |
|
|
|
|
|
| √ |
|
|
01010329 | 线性代数 Liner Algebra | 必修 | 2 | 32 | 32 |
| 3/2 |
|
|
|
|
|
|
| √ |
|
|
01010330 | 概率统计 Probability and Statistics | 必修 | 3 | 48 | 48 |
|
|
|
|
| 3/3 |
|
|
| √ |
|
|
小 计 | 13 | 208 |
|
|
|
|
|
|
|
|
|
|
|
|
|
选
修 | 01010331 | 大学物理 University Physics | 选修 | 5 | 80 | 64 | 16 |
| 5/5 |
|
|
|
|
|
|
| √ | 至少选两门 |
01010332 | 数值分析 Numerical Analysis | 选修 | 3 | 48 | 48 |
|
|
|
|
|
| 3/3 |
|
|
| √ |
01010333 | 矩阵论 Matrix Theory | 选修 | 3 | 48 | 48 |
|
|
|
|
| 3/3 |
|
|
|
| √ |
01010334 | 数学建模 Mathematical Modeling | 选修 | 3 | 48 | 48 |
|
| 3/3 |
|
|
|
|
|
|
| √ |
小 计 | 最少选修6个学分。 |
合 计 | 19 | 304 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
人工智能专业课程设置及学时（学分）学期分配表
二、专识教育课程平台
课程 模块 | 课程编号 | 课程名称 | 课程性质 | 学分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备注 |
合计 | 讲授 | 实验 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
专 业 基 础 课 程 | 080717T0101 | Linux基础与人工智能导论 Introduction of Artificial Intelligence | 必修 | 2 | 32 | 16 | 16 | 2/2 |
|
|
|
|
|
|
| √ |
|
|
080717T0102 | 高级语言程序设计 The foundation of Advanced Language Programming | 必修 | 3 | 48 | 48 |
| 4/3 |
|
|
|
|
|
|
| √ |
|
|
080717T0103 | 高级语言程序设计实验 The experiment of Advanced Language Programming | 必修 | 1 | 24 |
| 24 | 2/1 |
|
|
|
|
|
|
| √ |
|
|
080717T0104 | 数据结构与算法 Data Structure | 必修 | 4 | 64 | 48 | 16 |
| 4/4 |
|
|
|
|
|
| √ |
|
|
080717T0105 | 离散数学 Discrete Structure | 必修 | 4 | 64 | 64 |
|
|
| 4/4 |
|
|
|
|
| √ |
|
|
080717T0106 | 操作系统 Operating System | 必修 | 4 | 64 | 52 | 12 |
|
|
| 4/4 |
|
|
|
| √ |
|
|
080717T0107 | 电子技术基础 Foundation of Electronic Technology | 必修 | 4 | 64 | 52 | 12 |
|
|
| 4/4 |
|
|
|
| √ |
|
|
080717T0108 | 计算机网络 Computer Network | 必修 | 4 | 64 | 48 | 16 |
|
|
|
| 4/4 |
|
|
| √ |
|
|
080717T0109 |
计算机组成原理 Principles of Computer Organization
| 必修 | 4 | 64 | 52 | 12 |
|
|
|
| 4/4 |
|
|
| √ |
|
|
小 计 | 30 | 488 | 380 | 108 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
人工智能专业课程设置及学时（学分）学期分配表
二、专识教育课程平台（续）
课程 模块 | 课程编号 | 课程名称 | 课程 性质 | 学 分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备 注 |
合计 | 讲授 | 实验(实践) | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
专 业 课
| 080717T0110 | Python程序设计 Python Programming | 必修 | 3 | 48 | 24 | 24 |
| 3/3 |
|
|
|
|
|
| √ |
|
|
080717T0111 | 数据库原理及应用 Principles and Applications of Database | 必修 | 4 | 64 | 48 | 16 |
|
| 4/4 |
|
|
|
|
| √ |
|
|
080717T0112 | 机器学习及数据挖掘 Machine Learning and Data Mining | 必修 | 3 | 48 | 32 | 16 |
|
|
| 3/3 |
|
|
|
| √ |
|
|
080717T0113 | 感知计算与机器人技术 Perceptual Computing and Robotics Technology | 必修 | 3 | 48 | 32 | 16 |
|
|
|
| 3/3 |
|
|
| √ |
|
|
080717T0114 | 神经网络及深度学习 Deep Learning | 必修 | 4 | 64 | 48 | 16 |
|
|
|
|
| 3/3 |
|
| √ |
|
|
小 计 |
| 17 | 272 | 184 | 88 |
|
|
|
|
|
|
|
|
|
|
|
人工智能专业课程设置及学时（学分）学期分配表
二、专识教育课程平台（续）
专 业 课 | 课程编号 | 课程名称 | 课程性质 | 学分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备注 |
合计 | 讲授 | 实验 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
080717T0201 | Web应用编程技术 Web Programming Technology | 选修 | 3 | 48 | 32 | 16 |
|
| 3/3 |
|
|
|
|
|
| √ |
|
080717T0202 | Java语言程序设计 Java Programming Language | 选修 | 3 | 48 | 32 | 16 |
|
| 3/3 |
|
|
|
|
|
| √ |
|
080717T0203 | Opencv图像处理技术 Opencv Image Processing Technology | 限选 | 3 | 48 | 32 | 16 |
|
|
| 3/3 |
|
|
|
|
| √ |
|
080717T0204 | 单片机与接口技术 Microcontroller and Interface Technology | 选修 | 3 | 48 | 32 | 16 |
|
|
|
| 3/3 |
|
|
|
| √ |
|
080717T0205 | 大数据存储及处理 Big data storage and processing | 选修 | 3 | 48 | 32 | 16 |
|
|
|
| 3/3 |
|
|
|
| √ |
|
080717T0206 | 云计算与虚拟化 Cloud Computing and Virtualization | 选修 | 2 | 32 | 16 | 16 |
|
|
|
|
| 2/2 |
|
|
| √ |
|
080717T0207 | 软件工程 Software Engineering | 选修 | 2 | 32 | 16 | 16 |
|
|
|
|
| 2/2 |
|
|
| √ |
|
080717T0208 | 自然语言处理 Natural Language Processing | 选修 | 3 | 48 | 32 | 16 |
|
|
|
|
|
| 3/3 |
|
| √ |
|
080717T0209 | 强化学习 Reinforcement Learning | 选修 | 2 | 32 | 16 | 16 |
|
|
|
|
|
| 2/2 |
|
| √ |
|
080717T0210 | 智能优化理论与方法 Intelligent Optimization Theory and Methods | 限选 | 2 | 32 | 16 | 16 |
|
|
|
|
|
|
| 2/2 |
| √ |
|
080717T0211 | 统计分析 Statistical Analysis | 选修 | 2 | 32 | 16 | 16 |
|
|
|
|
|
|
| 2/2 |
| √ |
|
080717T0212 | 物联网技术 Internet of Things (IoT) Technology | 选修 | 3 | 48 | 32 | 16 |
|
|
|
|
|
|
| 3/3 |
| √ |
|
080717T0213 | 人工智能信息安全 information security of artificial intelligence | 选修 | 2 | 32 | 16 | 16 |
|
|
|
|
|
|
| 2/2 |
| √ |
|
080717T0214 | 区块链技术及应用 Blockchain Technology and Applications | 选修 | 2 | 32 | 16 | 16 |
|
|
|
|
|
|
| 2/2 |
| √ |
|
| 小 计 | 最少选修22个学分。 |
人工智能专业课程设置及学时（学分）学期分配表
三、实践创新平台
课程模块 | 课程代码 | 课程名称 | 课程性质 | 学分 | 教学周数 | 各学期周学时 | 考核方式 | 备注 |
合计 | 讲授 | 实验 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
技能训练 | 080717T0115 | 专业技能训练I（基本技能训练） Professional skill training I | 必修 | 1 | 1 |
|
| 1 |
|
|
|
|
|
|
|
| √ |
|
080717T0116 | 专业技能训练Ⅱ（系统安装与维护） Professional skill training Ⅱ | 必修 | 1 | 1 |
|
|
| 1 |
|
|
|
|
|
|
| √ |
|
见习实习
| 080717T0117 | 专业见习Professional Probation | 必修 | 2 | 4 |
|
|
|
|
| 2 |
|
|
|
|
| √ |
|
080717T0118 | 专业实习Professional Trainee | 必修 | 6 | 32 |
|
|
|
|
|
|
|
|
|
|
| √ | 7-8学期 |
论文设计
| 080717T0119 | 毕业设计(论文) Graduation Design(Paper) | 必修 | 6 | 16 |
|
|
|
|
|
|
|
|
| 6 |
| √ |
|
080717T0120 | 机器学习项目综合实训 Comprehensive Training of Machine Learning | 必修 | 1 | 1 |
|
|
|
|
| 1 |
|
|
|
|
| √ |
|
080717T0121 | 机器人技术综合实训 Comprehensive Practical Training of Intelligent Optimization Theories and Methods | 必修 | 1 | 1 |
|
|
|
|
|
| 1 |
|
|
|
| √ |
|
080717T0122 | 深度学习项目综合实训 Comprehensive Practical Training in Deep Learning Projects | 必修 | 1 | 1 |
|
|
|
|
|
|
| 1 |
|
|
| √ |
|
注：专业见习可以根据企业实际情况适当进行调整。
人工智能专业课程设置及学时（学分）学期分配表
三、实践创新平台(续)
课程模块 | 课程 编号 | 课程名称 | 课程 性质 | 学分 | 教学时数 | 各学期周学时/学分分配 | 考核方式 | 备注 |
合计 | 讲授 | 实验实践 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 考试 | 考查 |
|
学 科 考 赛 | 080717T0215 | 学科竞赛及获奖 Subject Contests and Awards | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ | 该模块建议学分1-3学分，证书类别根据专业自主设定。 |
080717T0216 | 外语类等级证书 Certificates of Foreign Languages | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0217 | 普通话等级证书 Mandarin Certificate | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
创新创业 | 080717T0218 | 发表学术论文 Publication of Academic Thesis | 选修 | 1 |
|
|
| 1.该模块建议学分1-3学分； 2.中国国际大学生创新大赛和大学生职业规划大赛项目负责人获省级及以上奖最高计3分，参与人根据贡献计1—2分；校级奖负责人计1分，参与人根据贡献计0.2-0.5分； 3.GYB取得培训合格证书1分，参加培训0.2分； 4.自主创业办理营业执照2分，入驻校内双创基地0.5分； 5.创新创业大赛获奖项目负责人最高计1分，参与人根据贡献在0.2-0.5分期间计分，具体细则由院系自行制定。
| √ |
|
080717T0219 | 出版著作、专辑 Publication of Works & Albums | 选修 | 1 |
|
|
| √ |
|
080717T0220 | 发明及专利 Patent for Invention | 选修 | 1 |
|
|
| √ |
|
080717T0221 | 各类创新科研项目 Projects of Innovation and Scientific Research | 选修 | 0.5 |
|
|
| √ |
|
080717T0222 | 中国国际大学生创新大赛 China International College Students’ Innovation Competition | 选修 | 0.2-3 |
|
|
| √ |
|
080717T0223 | 大学生职业规划大赛 College Students’ Career Planning Competition | 选修 | 0.2-3 |
|
|
| √ |
|
080717T0224 | GYB创业意识培训 GYB Training | 选修 | 0.2-1 |
|
|
| √ |
|
080717T0225 | 自主创业 Self-Employment | 选修 | 0.5-2 |
|
|
| √ |
|
080717T0226 | 各级各类创新创业大赛 Innovation and Entrepreneurship Competitions of All Levels and Types | 选修 | 0.2-1 |
|
|
| √ |
|
社会实践 | 080717T0123 | 寒暑期社会实践 Winter and Summer Social Practice | 必修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ | 1.该模块建议学分1.5-3学分； 2.学分认定审核详见团委实施细则。 3.校外社会调查分四个模块。鼓励结合专业特点开展社会调查，由马克思主义学院组织和考核。 |
080717T0227 | “云支教”志愿服务 “Online Teaching Volunteer” Service | 选修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0228 | “姚基金”志愿服务 “Yao Foundation” Volunteer Service | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0229 | 社区实践计划 Community Practice Program | 选修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0230 | 校外志愿服务（社会公益） Off-Campus Volunteer Service (Activities for Public Good) | 选修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0231 | 校内志愿服务 Campus Volunteer Service | 选修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0232 | 校内外勤工助学 On/Off-Campus Work-Study | 选修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0233 | 学生活动组织管理 Organization and Management of Student Activity | 选修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0234 | 自主创业实践 Self-Employment Practice | 选修 | 0.5 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
080717T0124 | 校外社会调查 Off-Campus Social Survey | 必修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
职业技能 | 080717T0235 | 职业技能证书 Professional Skills Certificates | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
|
080717T0236 | 行业注册/资格证书 Professional/ Qualification Certificates | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
|
其他 | 080717T0237 | 体育艺术活动及获奖 Physical and Artistic Activities & Awards | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
|
080717T0238 | 学生团体活动及获奖 Students Group Activities & Awards | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
|
080717T0239 | 助教助研助管活动 Assistance in Teaching, Research & Management | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
|
080717T0240 | 其他实践活动 Other Activities | 选修 | 1 |
|
|
|
|
|
|
|
|
|
|
|
| √ |
|
最低学分要求：27（其中必修：20.5 ；选修：6.5 ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
