人工智能专业人才培养方案.docx

农学院

人工智能

ArtificialIntelligence

一、专业介绍

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的交叉科学，以计算机科学为基础，融合了统计、控制等多学科知识。主要培养具有良好的科学素养，系统地、较好地掌握人工智能领域的基本理论、基本知识和基本技能与方法，能在科研部门、教育单位、企业、事业、技术和行政管理部门等单位从事人工智能相关的教学、科学研究和应用的高级科学技术人才。

二、培养目标

本专业培养适应国家和社会发展需要的、德智体全面发展的、具有扎实的数学和计算机知识基础、具有良好的科学素养和社会责任感与使命感、具有宽广的国际视野、创新创业能力和团队合作精神，掌握人工智能领域的基本理论、基本知识和技能，能够跟踪人工智能及相关领域的新理论、新知识和新技术，具有以数据为中心的思维能力的复合型高级应用人才。毕业生能够运用所学知识与技能去分析和解决复杂人工智能工程问题，能够从事人工智能关键技术的科学研究、系统开发、技术应用以及教学和管理等工作，并能够继续深造攻读计算机科学与技术及相关学科的后续学位。

三、毕业要求及实现矩阵

本专业学生主要学习数学、计算机科学、数据科学等方面的基础理论和基本知识，接受从事人工智能领域研究所需要的基本训练，具备研究和开发复杂人工智能系统的基本能力。毕业生应获得以下几方面的知识与能力：

1.工程知识——具有扎实的数学与自然科学基础知识，以及将其用于解决人工智能相关领域的复杂工程问题的能力；

2.问题分析——能够运用所学知识，识别、表达和研究分析人工智能相关领域的复杂工程问题；

3.设计/开发解决方案——具有设计开发人工智能相关领域的关键技术和应用系统的能力，并具有较强的创新意识和创新能力；能够设计针对复杂人工智能工程问题的解决方案，并能够在设计环节中综合考虑社会、健康、安全、法律、文化以及环境等因素；

4.研究——能够采用科学有效的方法对计人工智能相关领域的复杂工程问题进行实验设计、数据分析与结果评价，进而得到合理有效的结论。

5.使用现代工具——具有选择和使用信息技术工具和检索工具全方位多渠道获取领域相关信息的能力；能够合理地选择技术开发工具和资源，运用于复杂工程问题的设计、开发、仿真及验证过程中；

6.工程与社会——针对本专业相关的工程实践和复杂工程问题解决方案，能够合理分析和评价其可能对社会、健康、安全、法律、文化带来的影响和理解应承担的责任；

7.环境和可持续发展——了解人工智能产业的基本发展方针、政策和国家法律法规，能够考虑和评价实际工程实践活动对环境、社会可持续发展的影响；

8.职业规范——具有良好的文化素养、社会责任感和职业道德，具备健康的身体和良好的心理素质，能够在工程实践中遵守职业道德和相关规范；

9.个人和团队——具有团队协作精神，能够在团队中完成所承担的任务；

10.沟通——具有良好的表达能力，具备良好的外语水平和一定的国际视野，能够在跨文化背景下进行沟通和交流；

11.项目管理——掌握工程项目管理方法，能够对人工智能开发项目进行有效的组织实施和管理；

12.终身学习——具有自主学习和终身学习的能力，能够适应未来人工智能领域原理与技术不断发展变化的需求。

实现矩阵：

课程

类别

课程名称

1

2

3

4

5

6

7

8

9

10

11

12

通识

课程

思想道德修养与法律基础

●

●

●

中国近代史纲要

●

马克思主义基本原理概论

●

毛泽东思想和中国特色社会主义概论

●

形势与政策

●

外语类课程

●

C程序设计Ⅲ

●

●

●

数学分析IⅡ

●

物理学A

●

物理学实验A

●

体育类

●

军事理论

●

军事技能训练

●

大学生创新创业基础*

●

●

●

专业课程

学科导论（人工智能导论）*

●

●

●

●

●

●

●

●

计算机类创新创业基础*

●

●

●

离散数学

●

线性代数B

●

概率论与数理统计A

●

农学概论

●

●

●

计算机系统导论

●

●

●

C程序设计Ⅲ实验

●

●

●

数据结构

●

●

●

数据结构实验

●

●

●

●

Python高级程序语言设计

●

●

●

Python高级程序语言设计实验

●

●

●

Java高级程序语言设计

●

●

●

Java高级程序语言设计实验

●

●

●

计算机操作系统

●

●

●

●

●

计算机网络

●

●

●

●

●

算法设计与分析*

●

●

●

数据库系统

●

●

软件工程

●

●

●

●

最优化理论与方法

●

●

●

●

●

神经网络与深度学习*

●

●

●

●

机器学习

●

●

●

●

●

计算机视觉与图形图像处理

●

●

自然语言处理

●

●

●

●

知识表示与处理

●

●

●

专业综合能力训练

●

●

●