一、专业介绍
人工智能专业依托公司计算机科学与技术和电子信息技术的学科优势，利用在智能感知与图像理解领域的研究基础和团队力量，旨在培养以“智能+信息处理”为特色的专业人才。以培养智能算法设计、类脑感知与计算等领域的创新人才为主要方向，在人才培养的探索和创新道路上，已经建立了完整的教学体系。本专业固定团队队伍来自“智能感知与图像理解”教育部重点实验室，依托以上平台，以高水平科研和广泛国际交流为手段，建立了以具有国际视野的高学历高水平的教师队伍为主、由国际一流专家、学者组成客座、讲座教授群体为辅的团队队伍。该专业教师队伍中有国家级精品课程负责人2人，省级精品课程负责人2人，国家级特色专业负责人1人，国家级人才培养模式创新实验区负责人1人，国家百优博士论文导师1人，省级教学名师1人，获得宝钢教育基金会“宝钢优秀教师奖”1人，霍英东青年教师奖获得者2人。团队队伍中的青年教师成长迅速，博士化率达到96%以上，知识水平和层次较高，年龄结构合理。80%以上的青年教师都有自己主持的国家自然科学基金项目，体现了科研与实验教学之间很好的融合和促进。此外，60%的教师有国外留学或访学的经历，具有较宽的国际视野确保教学方法和教学内容处于国际前沿。
二、培养目标
本专业贯彻落实党的教育方针，坚持立德树人，面向国家新一代人工智能发展的重大需求，培养具有扎实的数理、计算机系统与人工智能理论基础、掌握人工智能的基本方法、应用工程与技术，熟悉与人工智能相关的交叉学科知识，具备科学素养、实践能力、创新能力、系统思维能力、产业视角与国际视野，未来有潜力成长为国际一流工程师、科学家和企业家，能在我国人工智能学科与产业技术发展中发挥领军作用的优秀人才。
人工智能专业毕业生应达到以下要求：
（1） 熟悉人工智能领域的法律法规、标准与规范，具有高尚的职业道德和社会责任感，能够在人工智能领域的工程设计中综合考虑对环境、社会、文化的影响；
（2） 针对实际需求，能分辨、分析、研究并解决与人工智能专业相关的基础科学问题，可适应独立和团队工作环境，承担人工智能以及相关学科领域的科学研究工作。
（3） 具有较宽的国际视野、良好的沟通能力以及一定的国际竞争与合作能力，具有良好的职业素养和较强的社会服务意识，能在一个设计、研发或科研团队中担任组织管理角色。
（4） 具有通过继续教育或其它终身学习途径不断拓展知识以适应技术和职业发展需求的能力。
三、毕业要求
(1)工程知识：掌握本专业所需的数学、自然科学、工程基础和人工智能的专业知识，能将上述知识用于解决人工智能系统软硬件设计、图像处理算法设计等相关领域的复杂工程问题。
指标点1-1：能运用数学、自然科学、工程基础和专业知识，表述人工智能科学领域的复杂工程问题。
指标点1-2：能够运用恰当的数学、物理模型对人工智能系统软硬件设计、图像处理算法设计等复杂工程问题进行建模，保证模型的准确性，满足工程计算的实际要求。
指标点1-3：能够将数学、自然科学、工程基础和人工智能的专业知识用于复杂工程问题的推导和计算。
指标点1-4：能运用数学、自然科学、工程基础和专业知识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：能够应用数学、自然科学、工程基础和人工智能的专业知识，识别、表达和有效地分解复杂工程问题，并通过文献查阅等多种方式对其进行分析，以获得有效结论。
指标点2-1：能够应用高等数学、物理学的基本概念、原理和人工智能的专业知识对复杂工程问题进行识别和有效分解。
指标点2-2：能够识别和表达复杂工程问题的关键环节和参数，对分解后的问题进行分析。
指标点2-3：掌握科技文献、资料的分类；能够通过图书馆、数据库、网上检索等多种方式快速、准确地检索相关信息，具备借助文献研究对复杂工程问题进行识别、表达、分析的能力。
(3)设计/开发解决方案：能够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系统和模块，并能够在设计环节中体现创新意识；能够综合考虑其对社会、健康、安全、法律、文化及环境的影响。
指标点3-1：能够掌握本专业涉及的工程设计概念、原则和方法，能够针对复杂工程问题提出合理的解决方案。
指标点3-2：能够针对特定需求完成系统、模块的软件设计、硬件设计。
指标点3-3：综合利用人工智能领域的专业知识和新技术，在针对复杂工程问题的系统设计中体现创新意识。
指标点3-4：能够在系统方案设计环节中考虑多方面、多层次因素的影响，如社会、健康、安全、法律、文化以及环境等因素。
(4)研究：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。
指标点4-1：能够对人工智能领域的软件、硬件模块进行理论分析和仿真。
指标点4-2：能够针对智能信息系统软硬件设计、图像处理算法设计等人工智能领域的复杂工程问题设计实验方案、构建实验系统和测试平台、获取实验数据。
指标点4-3：能够对实验结果进行合理分析、解释，并对多个子问题进行关联分析，找出冲突点，进行平衡，通过实验数据分析、信息综合等手段得到合理有效的结论。
(5)使用现代工具：能够针对人工智能领域的复杂工程问题，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。
指标点5-1：掌握基本的计算机操作和应用，至少掌握一种软件开发语言(如C、C++语言等)，并能够运用集成开发环境进行复杂程序设计。
指标点5-2：能熟练运用文献检索工具获取人工智能领域理论与技术的最新进展。
指标点5-3：掌握人工智能专业仪器、设备的基本原理、操作方法，能够在复杂、综合型工程中合理选择和使用仪器、设备。
指标点5-4：具备使用实验设备、计算机软件和现代信息工具对复杂工程问题进行模拟或仿真的能力，理解其使用要求、运用范围和局限性。
(6)工程与社会：能够结合相关的工程知识进行合理分析，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。
指标点6-1：具有工程实践经历，通过实践、实习过程了解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。
指标点6-2：能够结合相关的工程知识，通过思政、人文、社科类课程的学习的知识，综合分析和评价专业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。
(7)环境和可持续发展：了解环境保护和可持续发展的基本方针、政策和法律、法规，能够理解和评价人工智能领域的专业工程实践对环境、社会可持续发展的影响。
指标点7-1：理解环境保护和社会可持续发展的内涵和意义。
指标点7-2：了解环境保护和社会可持续发展的基本方针、政策和法律、法规，能够正确认识针对复杂工程问题的专业工程实践对环境和社会的影响。
指标点7-3：能针对实际复杂工程问题，评价其资源利用率、对文化的冲击等工程实践对环境、社会可持续发展的影响。
(8)职业规范：具有人文社会科学素养、正确的政治立场和社会责任感，能够在工程实践中遵守人工智能领域的相关职业道德和规范。
指标点8-1：具有人文社会科学素养,了解国情，理解社会主义核心价值观，树立正确的政治立场、世界观、人生观和价值观；
指标点8-2：理解工程技术的社会价值以及工程师的社会责任，在工程实践中能自觉遵守职业道德和规范。
(9)个人和团队：能够在多学科背景的团队中承担个体、团队成员或负责人的角色，能够听取其他团队成员的意见和建议，充分发挥团队协作的优势。
指标点9-1：能主动与其他学科的成员共享信息，合作共事，独立完成团队分配的工作。
指标点9-2：能够胜任团队成员或负责人的角色，能在团队协作中听取其他团队成员的意见和建议，充分发挥团队协作的优势。
(10)沟通：具备良好的表达能力，能够就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、陈述发言等；掌握至少一门外语，具有一定的国际视野，能够在跨文化背景下进行沟通和交流。
指标点10-1：具有良好的口头表达能力，能够清晰、有条理地表达自己的观点，掌握基本的报告、设计文稿的撰写技能。
指标点10-2：掌握至少一门外语，具备一定的国际视野，并了解基本的国际文化礼仪。
指标点10-3：能够就复杂工程问题，综合运用口头、书面、报告、图表等多种形式与国内外业界同行及社会公众进行有效沟通和交流。
(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、跨职能环境中合理应用。
指标点11-1：理解工程管理与经济决策的重要性，掌握工程管理的基本原理和常用的经济决策方法；
指标点11-2：能够在多学科、跨职能环境中合理运用工程管理原理与经济决策方法。
(12)终身学习：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。
指标点12-1：了解自主学习的必要性，具有自主学习和终身学习的意识，掌握跟踪本专业学科前沿、发展趋势的基本方法和途径；
指标点12-2：能够通过文献查询、网络培训等多种渠道进行终身学习，以适应职业发展的需求。
四、学制与学位
1.基本学制：四年
2.学位：工学学士
五、专业分流要求
1.分流时间：第2学期末
2.采取1+1+2模式：第1年大类培养，在第2年进行专业分流，分流后给予一次转专业机会。对于转专业的员工，经学分认定后，需自行补全第2年缺失的课程（此课程要求中仅包含必修学分，不包含选修课学分和素质能力拓展模块学分），采取择优选拔。
六、专业特色课程
(1)课程编号：AI202008
课程名称：人工智能概论(Introduction toArtificial Intelligence)
学时：56学分：3.5
内容简介：人工智能概论是人工智能的专业基础课程。该课程是关于人工智能领域的引导性课程，介绍人工智能的基本理论、方法和技术，目的是使员工了解和掌握人工智能的基本概念和方法，为今后的更高级课程的学习、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。通过本课程的学习，使得员工掌握人工智能的基本思想和实现方法，掌握基本分析与设计方法，为人工智能在各领域的应用奠定基础，拓宽员工在计算机科学与技术领域的知识广度。
(2)课程编号：AI204025
课程名称：机器学习（双语）(Machine Learning(Bilingual Teaching))
学时：56学分：3.5
内容简介：机器学习是智能科学领域一门非常重要的基础专业课程。通过本课程的学习，使员工对目前主流的机器学习理论、方法、算法与应用有一个较全面的综合认识，具体包括：了解机器学习领域的发展及现状；了解和掌握机器学习的基本概念、原理、方法与技术；能够运用机器学习方法来解决实际问题(如智能博弈程序，图像识别，文本分类与处理等)；为进一步研究建立有关概念和方法的基础。本课程强调机器学习的理论原理的教学，注重从实例入手使员工理解机器学习的概念与原理，从机器学习的基本框架上理解不同机器学习方法之间的异同点。课程同时强调理论与实践动手能力相结合。安排7～8次课外作业以及2～3次课程实验。课程要求员工能够依据所学的基本原理和方法来解决实际问题。
(3)课程编号：AI205005
课程名称：知识工程(Knowledge Engineering)
学时：32学分：2
内容简介：知识工程是人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。知识工程是以知识为基础的系统，就是通过智能软件而建立的专家系统。知识工程可以看成是人工智能在知识信息处理方面的发展，研究如何由计算机表示知识，进行问题的自动求解。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型，包括了整个知识信息处理的研究，知识工程已成为一门新兴的边缘学科。
(4)课程编号：AI205002
课程名称：计算智能导论(Introduction to Intelligent Computing)
学时：32学分：2
内容简介：计算智能是模拟自然以实现对复杂问题求解的科学，是生物学、神经科学、认知科学、计算机科学、免疫学、哲学、社会学、数学、信息科学、非线性科学、工程学、音乐、物理学等众多学科相互交叉融合的结果，是人们对自然智能认识和模拟的最新成果。目前计算智能已经成为智能与信息科学中最活跃的研究领域之一，它的深入发展将极大地改变人们认识自然，求解现实问题的能力和水平。计算智能导论这门课程主要介绍了计算智能的3个典型范例，即人工神经网络、进化计算和模糊系统，它们分别建模了以下自然系统：生物神经网络、进化、和人类思维过程。通过本课程的学习，要求员工了解并掌握人工神经网络、进化计算和模糊系统等计算智能模型。
(5)课程编号：AI204004
课程名称：模式识别(Introduction to Pattern Recognition)
学时：56学分：3.5
内容简介：模式识别是一门理论与应用并重的技术科学，与人工智能关系密切，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。通过本课程的学习，使员工系统掌握模式识别基本原理和分类器设计的典型方法，具体包括：贝叶斯决策理论，线性判别函数，近邻法，特征选择和提取，非监督学习方法，人工神经网络，模糊模式识别方法，支撑矢量机。同时，通过大作业使员工了解模式识别方法在文本识别、智能图像处理等领域的应用，有助于员工综合能力和整体素质的提高。
(6)课程编号：AI202017
课程名称：脑科学基础(Brain Science)
学时：32 学分：2
内容简介：神经生物学与脑科学是一门多学科交叉课程，其任务是研究神经系统的结构和功能，至至最复杂的大脑高级认知功能，可促进人工神经网络、人工智能技术和计算机科学的发展。通过本课程的学习，使员工了解神经系统的结构与功能及其相互关系，理解脑如何感知外界信息及控制运动、生物电传导路径及信号传递、信号在中枢系统中的整合，以及感知、行为、认知、语言等大脑的高级功能是如何形成。该课程不仅能为员工学相关课程和今后从事的专业工作奠定理论基础，还能激发员工利用脑科学理论探索新的人工智能理论，并为开发人工智能技术和实践方法提供新思路。
七、毕业最低要求及学分分布
毕业最低完成172学分，必须通过公司的“实验实践能力达标测试”、国家英语四级或校内英语四级和体育能力达标测试，并符合公司毕业要求相关规定。
表1 毕业最低要求及学分分配表
课程类别 |
最低毕业要求 |
课内学分 |
总学分 |
占学分比例 |
通识教育课程 |
通识教育基础课 |
48.5 |
57 |
33.1% |
通识教育核心课 |
5.5 |
6 |
3.5% |
通识教育选修课 |
8 |
8 |
4.6% |
大类基础课程 |
17.5 |
20.5 |
11.9% |
专业教育课程 |
专业核心课 |
26.625 |
29.5 |
17.1% |
专业选修课 |
18.5 |
19 |
11% |
集中实践环节 |
0 |
21 |
12.2% |
拓展提高 |
0 |
11 |
6.4% |
合计 |
124.625 |
172 |
100% |
注：课内学分不包含集中实践、课内实践、线上环节以及拓展提高学分。
八、教学进程计划总表
表2 人工智能专业教学进程计划总表（四年）
课程 类别 |
课程 性质 |
课程 编号 |
课程名称 |
总学分 |
课内学分 |
总学时 |
其中 |
考核 方式 |
开课 学期 |
应修 学分 |
备注 |
面授 |
线上 |
讲授 |
实验 |
上机 |
实践 |
通识教育课程 |
通 识 教 育 基 础 课 |
必修 |
MC006001 |
思想道德修养与法治 Morals & Ethics & Fundamentals of Law |
3 |
3 |
48 |
48 |
|
|
|
|
考试 |
1 |
57 |
|
必修 |
MC006002 |
中国近现代史纲要 Outline of Modern Chinese History |
3 |
3 |
48 |
48 |
|
|
|
|
考试 |
2 |
|
必修 |
MC006003 |
马克思主义基本原理 Introduction to the basic principles of Marxism |
3 |
3 |
48 |
48 |
|
|
|
|
考试 |
3 |
|
必修 |
MC006004 |
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 Theory of Socialism With Chinese Characteristics |
3 |
3 |
48 |
48 |
|
|
|
|
考试 |
4 |
|
必修 |
MC006005 |
形势与政策 Situation and Policy Education |
2 |
1 |
64 |
32 |
|
|
32 |
|
考查 |
1~8 |
|
必修 |
MC006007 |
思想政治理论实践课 Practical Course of Ideological And Political |
2 |
0 |
32 |
|
|
|
32 |
|
考查 |
4 |
|
必修 |
AM006001 |
军事理论 Military Theory |
2 |
1.5 |
32 |
24 |
|
|
8 |
|
考试 |
1 |
|
必修 |
AM006002 |
军事训练 Military Training |
1 |
|
2周 |
|
|
|
2周 |
|
考查 |
1 |
|
必修 |
MC006006 |
老员工心理健康教育 The Psychological Health education of College Students |
1 |
0.5 |
16 |
8 |
|
|
8 |
|
考查 |
2 |
|
必修 |
TS-006020 |
新生研讨课 Freshman Seminar Course |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
1 |
|
英语分级普通班必修课程 |
FL006001 |
大学英语(I) College English(I) |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
1 |
根据2018版英语分级教学实施方案执行。 |
FL006002 |
大学英语(II) College English(II) |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
2 |
FL006003 |
大学英语中级(I) Intermediate English(I) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
3 |
FL006004 |
大学英语中级(II) Intermediate English (II) （未通过国家英语四级修读） |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
4 |
与“大学英语中级(II)” 二选一 |
高级英语选修系列课程 （通过国家英语四级后修读）Elective Courses of dvanced English |
2 |
2 |
32 |
|
|
|
|
|
考试 |
4 |
英语分级中级班必修课程 |
FL006003 |
大学英语中级(I) Intermediate English(I) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
1 |
FL006004 |
大学英语中级(II) Intermediate English(II) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
2 |
|
高级英语选修系列课程 Extended Courses for Advanced English |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
3 |
|
高级英语选修系列课程 Extended Courses for Advanced English |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
4 |
英语分级高级班必修课程 |
FL006005 |
高级英语(I) Advanced English (I) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
1 |
FL006006 |
高级英语(II) Advanced English (II) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
2 |
|
高级英语选修系列课程 Extended Courses for Advanced English |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
3~4 |
必修 |
HE006001 |
大学体育(I) Physical Education(I) |
1 |
|
30 |
无课内学时，以俱乐部形式实施 |
考试 |
1 |
|
必修 |
HE006002 |
大学体育(II) Physical Education(II) |
1 |
|
30 |
考试 |
2 |
|
必修 |
HE006003 |
大学体育(III) Physical Education(III) |
1 |
|
30 |
考试 |
3 |
|
必修 |
HE006004 |
大学体育(IV) Physical Education(IV) |
1 |
|
30 |
考试 |
4 |
|
必修 |
MS006001 |
高等数学A(I) Advanced Mathematics A(I) |
5 |
5 |
80 |
80 |
|
|
|
16 |
考试 |
1 |
理工类专业 |
必修 |
MS006002 |
高等数学A(II) Advanced Mathematics A(II) |
5 |
5 |
80 |
80 |
|
|
|
16 |
考试 |
2 |
必修 |
MS006007 |
线性代数 Linear Algebra |
2.5 |
2.5 |
40 |
38 |
|
|
4 |
|
考试 |
2 |
|
必修 |
MS006008 |
概率论与数理统计 Probability Theory and Mathematical Statistics |
2.5 |
2.5 |
40 |
40 |
|
|
|
|
考试 |
3 |
|
必修 |
PY006001 |
大学物理(I) Physics(I) |
3.5 |
6.5 |
58 |
54 |
|
|
|
4 |
考试 |
2 |
|
必修 |
PY006002 |
大学物理(II) Physics(II) |
3.5 |
54 |
50 |
|
|
|
4 |
考试 |
3 |
|
必修 |
PY006003 |
物理实验(I) Physical Experiment(I) |
1 |
1 |
27 |
|
27 |
|
|
|
考查 |
2 |
|
必修 |
PY006004 |
物理实验(II) Physical Experiment(II) |
1 |
1 |
|
27 |
|
|
|
考查 |
3 |
|
小计 |
59 |
48.5 |
1011+2周 |
726 |
54 |
|
84+2周 |
56 |
|
|
|
|
通 识 教 育 核 心 课 |
必修 |
TS001001 |
工程概论(I) Introduction to Engineering(I) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
2 |
6 |
电子信息类、计算机类、自动化类要求开设 |
必修 |
TS001002 |
工程概论(II) Introduction to Engineering(II) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
3 |
必修 |
TS001003-20 |
工程概论(III) Introduction to Engineering(III) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
5 |
必修 |
TS001004-20 |
工程概论(IV) Introduction to Engineering(IV) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
7 |
必修 |
CS001001 |
学科导论 Introduction to discipline |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
2 |
|
必修 |
AI200005 |
科技论文写作 Scientific Paper Writing |
1 |
0.5 |
16 |
8 |
|
|
16 |
|
考查 |
7 |
|
小计 |
6 |
5.5 |
96 |
88 |
|
|
16 |
|
|
|
|
|
通识教育选修课 |
集团任选 |
|
人文社科 |
8 |
8 |
根据公司课程列表选修，每个员工至少选修8学分并覆盖三个模块，员工可选修MOOC形式的课程。 |
8 |
|
集团任选 |
|
自然科学 |
|
集团任选 |
|
国际发展 |
|
小计 |
8 |
8 |
|
|
|
|
|
|
|
|
|
|
大类基础课 |
必修 |
CS006001 |
计算机导论与程序设计Introduction of Computer and Program Design |
4 |
3 |
64 |
44 |
|
40 |
|
|
考试 |
1 |
20.5 |
|
必修 |
CS203013 |
离散数学（Ⅰ） Discrete Mathematics |
3 |
3.25 |
52 |
52 |
|
|
|
|
考试 |
2 |
必修 |
IB006001 |
电路分析基础 Fundamentals of Circuit Analysis |
4 |
3 |
64 |
48 |
|
|
16 |
8 |
考试 |
3 |
|
必修 |
IB006002 |
信号与系统 Signals and Systems |
3.5 |
3.5 |
56 |
56 |
|
|
|
|
考试 |
4 |
|
必修 |
IB006003/ IB006004 |
电路、信号与系统实验（Ⅰ、Ⅱ） Circuit Signals and Systems Experiment（Ⅰ、Ⅱ） |
1 |
1 |
16 |
|
32 |
|
|
|
考查 |
3~4 |
|
必修 |
AI202015 |
模拟电子技术基础 Fundamentals of Analog Electronic Technology |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
4 |
|
必修 |
AI202016 |
数字电路与逻辑设计 Digital Circuits and Logic Design |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
4 |
|
必修 |
IB006007-20 |
电子线路实验（Ⅰ） Electronic Circuit Experiment（Ⅰ） |
1 |
1 |
16 |
|
32 |
|
|
|
考查 |
4 |
|
小计 |
20.5 |
18.75 |
332 |
264 |
64 |
40 |
16 |
8 |
|
|
|
专业教育课程 |
专业核心课 |
必修 |
AI202002 |
数据结构和算法应用 Data Structure and Algorithm Application |
3 |
3 |
48 |
36 |
|
24 |
|
|
考试 |
3 |
29.5 |
|
必修 |
AI200008 |
复变函数 Complex Functions |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
3 |
|
必修 |
AI202004 |
微机原理与系统设计 Microcomputer Principle and System Design |
4 |
3.5 |
64 |
48 |
16 |
|
16 |
|
考试 |
5 |
|
必修 |
AI202017 |
脑科学基础 Brain Science |
2 |
2 |
32 |
|
|
|
|
32 |
考试 |
4 |
|
必修 |
AI202006 |
数字信号处理 Digital Signal Processing |
3 |
2.625 |
48 |
42 |
|
|
12 |
|
考试 |
5 |
|
必修 |
AI202005 |
数字电路与逻辑设计(EDA)实验 Digital Circuit and Logic Design (EDA) Experiment |
1 |
1 |
16 |
8 |
16 |
|
|
|
考查 |
5 |
|
必修 |
AI202008 |
人工智能概论 Introduction toArtificial Intelligence |
3.5 |
2.5 |
56 |
40 |
|
|
|
16 |
考试 |
5 |
|
必修 |
AI205009 |
人工智能系统实验 Specialty Experiment of Artificial Intelligent |
2 |
2 |
32 |
16 |
32 |
|
|
|
考查 |
6 |
|
必修 |
AI205001 |
认知计算 Cognitive Computing |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
5 |
|
必修 |
AI204004 |
模式识别 Introduction to Pattern Recognition |
3.5 |
3 |
56 |
40 |
|
16 |
|
8 |
考试 |
5 |
|
必修 |
AI204025 |
机器学习（双语） Machine Learning(Bilingual Teaching) |
3.5 |
3 |
56 |
40 |
|
16 |
|
8 |
考试 |
5 |
|
小计 |
29.5 |
26.625 |
472 |
334 |
64 |
56 |
28 |
64 |
|
|
|
专业选修课 |
公司任选 |
AI205010 |
深度学习 Deep Learning |
2 |
2 |
32 |
24 |
|
16 |
|
|
考查 |
6 |
19 |
|
公司任选 |
ME006002 |
图学基础与计算机绘图 GraphicsBasics and Computer Drawing |
2 |
2 |
32 |
28 |
|
8 |
|
|
考试 |
1 |
|
公司任选 |
AI204022 |
集成电路设计导论 Introduction to the Integrated Circuit Design |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
5 |
|
公司任选 |
AI205002 |
计算智能导论 Introduction to Intelligent Computing |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
6 |
|
公司任选 |
AI204023 |
智能数据挖掘 Intelligent Data Mining |
2.5 |
2.5 |
40 |
24 |
|
32 |
|
|
考查 |
6 |
|
公司任选 |
AI204021 |
智能控制导论 Introduction toIntelligent Control |
2.5 |
2.5 |
40 |
32 |
|
16 |
|
|
考查 |
5 |
|
公司任选 |
AI205003 |
图像处理与机器视觉 Image Processing and Machine Vision |
2 |
2 |
32 |
32 |
|
|
|
|
考查 |
6 |
|
公司任选 |
AI205004 |
自然语言处理 Natural Language Processing |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
6 |
|
公司任选 |
AI205005 |
知识工程 Knowledge Engineering |
2 |
2 |
32 |
32 |
|
|
|
|
考查 |
5 |
|
公司任选 |
AI205006 |
信息论 Information Theory |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
6 |
|
公司任选 |
AI204012 |
智能网络与云计算技术 New Intelligent Internet Technology |
2 |
2 |
32 |
32 |
|
|
|
|
考查 |
7 |
|
公司任选 |
AI204024 |
大数据与网络信息检索 BigData And Web Information Retrieval |
2 |
2 |
32 |
24 |
|
16 |
|
|
考查 |
7 |
|
小计 |
25 |
24.5 |
400 |
356 |
|
88 |
|
|
|
|
|
|
集中 实践 环节 |
必修 |
TC006002 |
电装实习 Electrical Assembly Practice |
1 |
|
1周 |
|
|
|
1周 |
|
考查 |
5 |
21 |
各专业参考 |
必修 |
CS204007 |
程序设计基础课程设计 Course Design of Programming Fundamental |
1 |
|
1周 |
|
|
|
1周 |
|
考查 |
2 |
必修 |
AI202011 |
毕业设计 Undergraduate Thesis |
16 |
|
16周 |
|
|
|
16周 |
|
考查 |
7~8 |
必修 |
AI202012 |
生产实习 Production Practice |
3 |
|
3周 |
|
|
|
3周 |
|
考查 |
6 |
|
小计 |
21 |
|
21周 |
|
|
|
21周 |
|
|
|
|
|
拓展提高 |
|
必修 |
TS006010 |
新生网上前置教育 Pre-enrollment Online Education |
1 |
|
16 |
|
|
|
|
16 |
考查 |
1 |
1 |
|
素质能力拓展课程 |
必修 |
TS006011 |
写作与沟通 Writing and Communication |
1 |
|
16 |
|
|
|
|
16 |
考查 |
1-6 |
8 |
|
必修 |
TS006012 |
劳动教育 Labor education |
1 |
|
16 |
2 |
|
|
28 |
|
考查 |
1-8 |
|
必修 |
TS006013 |
“红色筑梦”实践基础I Quality development and Comprehensive practice basis I |
0.5 |
|
8 |
|
|
|
8 |
4 |
考查 |
4-8 |
|
必修 |
TS006019 |
“红色筑梦”实践基础II Quality development and Comprehensive practice basis II |
1 |
|
16 |
2 |
|
|
24 |
2 |
考查 |
5-8 |
|
必修 |
EM001001 |
创业基础 Entrepreneurial Base |
2 |
|
32 |
8 |
|
|
|
24 |
考查 |
3-4 |
|
必修 |
TS006025 |
老员工职业发展 career development of undergraduate |
1 |
|
16 |
4 |
|
|
8 |
8 |
考查 |
1-8 |
|
必修 |
TS006026-20 |
就业指导 careers guidance |
1.5 |
|
24 |
16 |
|
|
16 |
|
考查 |
6 |
|
必修 |
II006001~ II006006 |
实验实践能力达标测试 Experiment AndPractise Ability Test |
2 |
|
|
|
|
|
|
|
考查 |
2、4、 6、8 |
2 |
|
|
小计 |
11 |
|
144 |
32 |
|
|
84 |
70 |
|
|
11 |
|
注：大学英语系列课程采用分级教学，分普通班、中级班和高级班，具体实施以英语分级方案为准。
九、指导性教学计划（四年）
第一学期 |
第二学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006001 |
思想道德修养与法治 |
3 |
MC006002 |
中国近现代史纲要 |
3 |
MC006005-1 |
形势与政策 |
0.3 |
MC006005-2 |
形势与政策 |
0.3 |
AM006001 |
军事理论 |
2 |
MC006006 |
老员工心理健康教育 |
1 |
AM006002 |
军事训练 |
1 |
FL006002 |
大学英语(II) |
2 |
TS006020 |
新生研讨课 |
1 |
HE006002 |
大学体育(II) |
1 |
FL006001 |
大学英语(I) |
2 |
MS006002 |
高等数学A(II) |
5 |
HE006001 |
大学体育(I) |
1 |
MS006007 |
线性代数 |
2.5 |
MS006001 |
高等数学A(I) |
5 |
PY006001 |
大学物理(I) |
3.5 |
CS006001 |
计算机导论与程序设计 |
4 |
PY006003 |
物理实验(I) |
1 |
ME006002 |
图学基础与计算机绘图 |
2 |
TS001001 |
工程概论(I) |
1 |
TS006010 |
新生网上前置教育 |
1 |
CS001001 |
学科导论 |
1 |
TS006011 |
写作与沟通 |
1 |
CS203013 |
离散数学（Ⅰ） |
3 |
TS006012 |
劳动教育 |
1 |
CS204007 |
程序设计基础课程设计 |
1 |
TS006025 |
老员工职业发展 |
1 |
II006001 |
实验实践能力达标测试C1-1 |
0.2 |
|
通识教育选修课 |
1 |
|
通识教育选修课 |
1 |
合 计 |
必修24.3学分 |
合 计 |
必修26.5学分 |
*本学期选课具体要求 *本学期总学分26.3学分 |
*本学期选课具体要求 *本学期总学分26.5学分 |
第三学期 |
第四学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006003 |
马克思主义基本原理 |
3 |
MC006004 |
毛泽东思想和中国特色社会主义理论体系概论 |
3 |
MC006005-3 |
形势与政策 |
0.3 |
MC006005-4 |
形势与政策 |
0.3 |
FL006003 |
大学英语中级(I) |
2 |
MC006007 |
思想政治理论实践课 |
2 |
HE006003 |
大学体育(III) |
1 |
FL006004 |
大学英语中级(II) |
2 |
MS006008 |
概率论与数理统计 |
2.5 |
HE006004 |
大学体育(IV) |
1 |
PY006002 |
大学物理(II) |
3.5 |
IB006002 |
信号与系统 |
3.5 |
PY006004 |
物理实验(II) |
1 |
IB006004 |
电路、信号与系统实验（Ⅱ） |
0.5 |
TS001002 |
工程概论(II) |
1 |
AI202016 |
数字电路与逻辑设计 |
2 |
IB006001 |
电路分析基础 |
4 |
AI202015 |
模拟电子技术基础 |
2 |
IB006003 |
电路、信号与系统实验（Ⅰ） |
0.5 |
AI202017 |
脑科学基础 |
2 |
AI202002 |
数据结构和算法应用 |
3 |
IB006007-20 |
电子线路实验(Ⅰ) |
1 |
AI200008 |
复变函数 |
2 |
EM001001 |
创业基础 |
2 |
|
通识教育选修课 |
1 |
II006004 |
实验实践能力达标测试C1-2 |
0.3 |
|
|
|
|
通识教育选修课 |
1 |
合 计 |
必修24.8学分 |
合 计 |
必修22.6学分 |
*本学期选课具体要求 *本学期总学分24.8学分 |
*本学期选课具体要求 *本学期总学22.6学分 |
第五学期 |
第六学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006005-5 |
形势与政策 |
0.2 |
MC006005-6 |
形势与政策 |
0.2 |
TS001003-20 |
工程概论(III) |
1 |
AI205009 |
人工智能系统实验 |
2 |
AI202004 |
微机原理与系统设计 |
4 |
AI205010 |
深度学习 |
2 |
AI202006 |
数字信号处理 |
3 |
AI205003 |
图像处理与机器视觉 |
2 |
AI202005 |
数字电路与逻辑设计(EDA)实验 |
1 |
AI205004 |
自然语言处理 |
2 |
AI202008 |
人工智能概论 |
3.5 |
AI205002 |
计算智能导论 |
2 |
AI204004 |
模式识别 |
3.5 |
AI204023 |
智能数据挖掘 |
2.5 |
AI204025 |
机器学习（双语） |
3.5 |
AI205006 |
信息论 |
2 |
AI205001 |
认知计算 |
2 |
AI202012 |
生产实习 |
3 |
AI204021 |
智能控制导论 |
2.5 |
TS006026-20 |
就业指导 |
1.5 |
AI205005 |
知识工程 |
2 |
II006005 |
实验实践能力达标测试C2 |
0.5 |
AI204022 |
集成电路设计导论 |
2 |
II006006 |
实验实践能力达标测试B |
0.5 |
TC006002 |
电装实习 |
1 |
|
通识教育选修课 |
1 |
|
通识教育选修课 |
1 |
|
|
|
合 计 |
必修23.7学分 |
合 计 |
必修8.7学分 |
*本学期选课具体要求 *本学期总学分30.2学分 |
*本学期选课具体要求 *本学期总学分21.2学分 |
第七学期 |
第八学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006005-7 |
形势与政策 |
0.2 |
MC006005-8 |
形势与政策 |
0.2 |
TS001004-20 |
工程概论(IV) |
1 |
AI202011 |
毕业设计 |
16 |
AI200005 |
科技论文写作 |
1 |
TS006019 |
“红色筑梦”实践基础II |
1 |
AI204012 |
智能网络与云计算技术 |
2 |
II006007 |
实验实践能力达标测试A |
0.5 |
AI204024 |
大数据与网络信息检索 |
2 |
|
通识教育选修课 |
1 |
TS006013 |
“红色筑梦”实践基础I |
1 |
|
|
|
|
通识教育选修课 |
1 |
|
|
|
合 计 |
必修4.2学分 |
合 计 |
必修18.7学分 |
*本学期选课具体要求 *本学期总学分8.2学分 |
*本学期选课具体要求 *本学期总学分18.7学分 |
|
|
|
|
|
|
|
