人工智能专业2023版培养方案

发布者:董亮发布时间:2024-05-13浏览次数:306

 哈尔滨理工大学【自动化学院-人工智能(专业代码:080717T)】                                     《培养方案》

自动化 学院 人工智能专业 080717T专业代码 电子信息类别  工学学科门类

 专业负责人:徐军教学副院长:李冰教务处长:王义文教学副校长:陈庆国

培  养  方  案

一、专业简介:

 人工智能专业是与计算机科学、信息技术和控制科学等学科强交叉的宽口径专业,2023年获教育部批准建立。本专业依托哈尔滨理工大学自动化学院控制科学和工程省级重点学科,突出人工智能技术及其应用的交叉与融合,秉承学校“崇尚实践、亦德亦能”的人才培养理念,以“厚基础、重交叉、强实践、求创新”为导向,坚持立德树人,完善创新人才培养体系。坚持德育为先、能力为重,不断提高学生思想道德水平、政治觉悟和文化素养,培养德才兼备、全面发展并具创新精神的拔尖人才。为学生构筑扎实的人工智能理论基础和专业知识体系,培养学生的人工智能建模分析与算法设计能力,突出创新实践能力与交叉应用能力的培养。

二、学制:四年

三、毕业条件:修满 165 学分(其中理论教学135学分,实践教学 30学分(含实验共计45.5)学分)准予毕业。

四、授予学位:工学学士

五、专业方向:A智能感知认知B智能决策与控制

六、培养目标:

 面向人工智能国家战略和龙江地区经济社会发展需要,培养德智体美劳全面发展的富有社会责任感和创新精神的社会主义建设者和接班人。培养具备扎实的数理基础和掌握人文社科基础知识,系统地掌握人工智能的基本原理、专业知识和工程技能,具备人工智能模型分析、算法设计、项目研发与管理等能力,从事面向人工智能相关领域的研发、测试和管理等工作的高素质工程技术人才。

 本专业毕业生毕业五年左右预期达到以下目标:

1.能够分析、设计、解决与人工智能应用领域相关的复杂工程问题,胜任多学科交叉应用领域的科学研究、技术开发及项目管理等工作,并成为技术负责人或学术骨干;

2.具备良好的社会责任感、人文素养和人工智能开发工程师职业素养,积极服务国家与社会,能够考虑公众利益,自觉有效地将人工智能安全、法律法规、环境、文化等非技术因素融入人工智能复杂工程问题解决方案和工程实践中;

3.能胜任团队负责人或核心成员的职责,组织协调开展多学科交叉创新科学研究、技术开发和设计制造等工作,执行过程中能秉承环境保护和可持续发展理念,具备国际视野;

4.能适应岗位变换,并坚持终身学习与自我完善,能够拓展自身能力为行业技术进步和社会发展做出贡献。

七、毕业要求:

 根据本专业人才培养目标与培养定位,本专业毕业生在知识、能力和素质等方面应达到如下要求:

1.工程知识:掌握本专业所需的数学、自然科学、工程基础、人工智能基础理论和专业知识,能将上述知识用于解决人工智能技术与应用领域的复杂工程问题。

1.1掌握数学、自然科学、工程基础、人工智能基础理论和专业知识,并用于解决人工智能技术与应用领域的基本工程问题;

1.2能够运用恰当的数学、物理模型对人工智能技术与应用领域复杂工程问题进行数学建模和算法分析,满足工程计算的实际要求;

1.3能够将数学、自然科学、工程基础、人工智能基础理论和专业知识用于人工智能技术与应用领域的复杂工程问题推导和计算;

1.4能运用数学、自然科学、工程基础、人工智能基础理论和专业知识对人工智能技术与应用领域的复杂工程问题的解决途径进行评价,并提出改进措施。

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、表达和有效地分解人工智能技术与应用领域的复杂工程问题、并通过文献研究等多种方式对人工智能技术与应用领域的复杂工程问题进行分析,以获得有效结论。

2.1能够应用数学、物理学的基本原理、工程基础、人工智能基础理论和专业知识对人工智能技术与应用领域的复杂工程问题进行识别和有效分解;

2.2能够识别和表达人工智能技术与应用领域的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;

2.3掌握科技文献、资料的分类;能够通过图书馆、数据库、互联网检索等多种方式、准确快速地检索相关信息,具备借助文献研究对人工智能技术与应用领域的复杂工程问题进行识别、表达和分析的能力。

3.设计/开发解决方案:能够设计针对人工智能技术及应用领域复杂工程问题的解决方案,设计满足特定需求的人工智能技术与应用领域中的建模与算法分析,智能感知、认知和决策系统的软硬件模块,模型框架、信息处理算法,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、文化以及环境等因素。

3.1掌握人工智能专业知识和工程设计方法,针对人工智能技术与应用领域的复杂工程问题提出合理的解决方案;

3.2综合利用人工智能领域的专业知识和新技术,针对特定需求的人工智能技术与应用领域的复杂工程问题,完成系统和模块的建模与算法分析,智能系统的软硬件设计,并在设计中体现设计创新意识;;

3.3能够在系统设计方案环节中考虑多方面、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技术与应用领域的复杂问题进行研究,包括分析问题、建立模型、开发软件、算法分析与解释数据、并通过信息综合得到合理有效的结论。

4.1能够对人工智能技术与应用领域的复杂工程问题进行理论分析,完成人工智能建模和算法分析、智能系统的软件和硬件模块进行理论分析、设计和仿真;

4.2能够针对人工智能与应用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,构建人工智能数据库,对数据进行分析与处理;

4.3能够对实验结果进行合理分析、解释,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问题,选择恰当的智能决策方法、智能软件开发工具、项目管理工具以及运行数据等工具和资源,优质、高效、规范地开发智能分析与决策系统,包括对所研究复杂工程问题的预测与模拟,并能够理解其局限性。

5.1掌握基本的计算机操作和应用,至少掌握一种开发语言(如CPython语言)等,并能够运用集成开发环境进行复杂人工智能算法程序设计;

5.2能够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信息;

5.3掌握人工智能技术专业的基本原理、操作方法,能够在复杂、综合型工程中合理选择和使用仪器和设备,对复杂工程问题进行模拟仿真,理解其使用要求、运用范围和局限性。

6.工程与社会:能够结合相关工程知识进行合理分析,评价人工智能专业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;

6.2能够结合相关的工程知识,通过在思政、人文、社会类课程学到的知识,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法、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。

7.1具有理解环境保护和社会可持续发展内涵和意义,了解其基本方针、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;

7.2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:具有人文及社会科学素养、社会责任感,能够在工程实践中理解并遵守人工智能领域的相关职业道德和规范,履行责任。

8.1具有人文及社会科学素养,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;

8.2理解工程技术的社会价值及工程师的社会责任,在工程实践中自觉遵守职业道德和规范,履行相应责任。

9.个人和团队:能够在以人工智能为主体的多学科背景下的生产、研究和开发团队中,承担个体、团队成员以及负责人的角色。

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;

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的意见和建议,充分发挥团队协作的优势。

10.沟通:能够就人工智能领域的复杂问题与业界同行及社会公众进行有效的沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。掌握至少一门外语,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。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;

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,能够在跨文化背景下进行沟通和交流。

11.项目管理:理解并掌握从事人工智能专业所需的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。

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信息决策方法;

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信息决策方法。

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。

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;

12.2能够通过文献查询、网络培训等多渠道进行终身学习,以适应职业发展的需求。

八、毕业要求对培养目标的支撑矩阵(工程认证专业)

培养目标

毕业要求  

培养目标1

培养目标2

培养目标3

培养目标4

毕业要求1工程知识




毕业要求2分析问题




毕业要求3设计开发解决方案



毕业要求4 研究



毕业要求5使用现代工具



毕业要求6工程与社会



毕业要求7环境和社会可持续发展


毕业要求8职业规范




毕业要求9个人和团队




毕业要求10沟通




毕业要求11项目管理




毕业要求12终身学习



九、主干学科:智能科学与技术、控制科学与工程、计算机科学与技术

十、主干课程:

 人工智能程序设计、离散数学、数据结构和算法分析、人工智能中的数学基础、电路、电子技术、计算机系统导论、自动控制原理、人工智能引论、机器学习、知识表决与推理、计算机视觉、自然语言处理、机器人控制技术。




十一、课程框架与学分占比

课程模块

必修/选修合计

占总学分比例

必修

选修

学时

(周数)

合计

学分合计

门数

学时

(周数)

学分

学时

学分

通识教育课程

19

1026

64.5

150

7.5

1176

72

43.64%

学科基础课程

10

512

32



512

32

19.39%

专业教育课程

7

304

19

192

12

496

31

18.79%

实践教学(集中)

11

41W

30

41W

30

18.18%

合计

47

1884+41W

145.5

342

19.5

2184+41W

165

100%

必修、选修课程占课内教学

总学时(学分)比例

84.34%

88.18%

15.66%

11.82%

100%

实践(含实验)教学环节占总学分比例

27.58%45.5=专业实践30学分+课内实验9.5学分,思政课程6学分)

第二课堂

7学分

十二、教学进程安排:

1、教学进程表见表一;

2、实践性教学环节安排表见表二;

3、第二课堂见表三;

4、总周数分配表见表四;

5、学历表见表五;

6、符号说明见表六

表一:                         教   学   进   程   表

课                程

学 分

 门数\门次

 集中考试

学  时  分  配

学期、周数、周学时数

种类

性质

课程编号

课 程 名 称

总计

讲课

实验

上机

翻转、案例

实践、创新

14

16

16

16

14

10

10

16

通        识        教       育      课      程

通        识         必         修         课

自   然   科   学   类

U080023TW01

高等数学(一)-III

5+6

1/2

1,2

80+96

80+96




6×14

6×16







U080023TW04

线性代数

3.5

1/1

2

56

56





4×14







U080023TW05

概率论与数理统计

2.5

1/1

3

40

40






3×14






U080123TW06

复变函数与积分变换

3

1/1

3

48

48






4×12






U080323TW02

大学物理(-III

3+3

1/2

2

96

96





3×16

3×16






U080323TW03

物理实验-III

0.5+1

1/2


40


16+24









U040023TW01

计算思维与信息基础

2

1/1

1

32

28



4

2×14








自然科学类小计

29.5

7/10

1,2,3

488

444

40


4

8

13

10






人  文 、 社  科  类

U090523TW01

大学英语-IIIIII

3+3+2

1/3

1,2,3

128

96



32

4×12

4×12

2×16






U730123TW01

体育-I-IV

2

1/2


22

22



(122)

2×14








U920223TW01

军事理论

2

1/1

1

36

28



8

2×14




U920223TW02

军事技能训练

2

1/1







2








U110123TW01

思想道德与法治

3

1/1

1

48

32



16

2×12/4×2








U110223TW01

马克思主义基本原理

3

1/1

3

48

32



16



2×16






U110323TW01

中国近现代史纲要

3

1/1

2

48

32



16


2×16







U110423TW01

毛泽东思想和中国特色社会主义理论体系概论

3

1/1

4

48

32



16




2×16





U110523TW01

习近平新时代中国特色社会主义思想概论

3

1/1

2

48

32



16


2×16







U110623TW01

形势与政策

2

1/1

4

48

32



16

2×4

2×4

2×4

2×4





U000123TW01

创新创业基础

2

1/1

4

32

22



10




2×11





U920123TW01

心理健康教育

2

1/1

1

32

24



8

2×12








人文、社科、经管类小计

35

12/

15

1,2,3,4

538

384



154

14

10

6

6





通识必修小计

64.5

19/

25


1026

828

40


158

22

23

16

6





外语

大学英语-III开课说明:1.未通过大学英语四级学生(不包括外国语学院学生):四级强化。2.通过大学英语四级学生,理工类学院:学术英语;经济与管理学院、马克思学院:跨文化交际。3.外国语学院:科技英语阅读。

通识任选

全校通识任选课共分:科学探索与技术创新【简称A类】、社会研究与当代中国【简称B类】、文明对话与世界视野【简称C类】、研究学习与实战体验【简称D类】、艺术创作与审美体验【简称E类】等五类。

1、所有本科生选课时间为2-7学期,每学期可选1-2门;

2、本科在校学生(除艺术类专业和工业设计专业学生以外)本科学习期间E类为必选,在ABCD类任选课组中任选4门,7.5学分;

3、艺术类专业和工业设计专业学生,本科学习期间在ABCD类任选课组中任选5门,7.5学分;

4、第四学期始未通过大学英语四级的在校本科生建议选修C类任选课组中的《大学英语四级强化》。详情参阅《哈尔滨理工大学全校性通识选修课选修指南》。


通识任选小计

7.5

5/5


150

150












通 识 课 合 计

72

25/

30


1176

978

40


158

22

23

16

6





续表一:教   学   进   程   表

课                程

学 分

 门数 \ 门次

集中考试

学  时  分  配

学期、周数、周学时数

课程编号

课 程 名 称

总计

讲课

实验

上机

翻转、案例

实践、创新

14

16

16

16

14

10

10

16














U070323XN01W1

人工智能程序设计

3

1/1

1

48




48

4×12








U070323XN02W2

离散数学

2.5

1/1

2

40

40





3×14







U070323XN03W3

数据结构与算法分析

3

1/1

3

56

48

8





3×16






U070523XW02

电路

3.5

1/1

3

56

48

8





3×16






U050523XW03W3

电子技术(模拟)

3

1/1

4

48

40

8





4×10






U070323XN04W4

人工智能中的数学基础

2.5

1/1

4

40

40







3×14





U050523XW04

电子技术(数字)

3

1/1

4

48

40

8






4×10





U070323XN05W4

计算机系统导论

5

1/1

4

80

72

8






5×16





U070323XN06W4

最优化方法

2.5

1/1

4

40

40







4×10





U070323XN07W5

自动控制原理

4

1/1

5

64

56

8







4×14




学 科 基 础 课 程 小 计

32

10/10

1,2,3,4,5

512

416

48


48

4

3

10

16

4




专           业           教        育          课            程

 专 业 必 修 课

U070323ZN01W1

专业导论

0

1/1


(16)





(4×1)



(4×3)





U070323ZN02W2

人工智能引论

2

1/1

2

32

32





2×16







U070323ZN03W5

知识表示与推理

3

1/1

5

48

40

8







4×10




U070323ZN04W5

机器学习

4

1/1

5

64

56

8







4×14




U070323ZN05W5

计算机视觉

4

1/1

5

64

56

8







4×14




U070323ZN06W6

自然语言处理

3

1/1

6

48

40

8








4×10



U070323ZN07W6

机器人控制技术

3

1/1

6

48

40

8








4×10



专 业 必 修 课 小 计

19

7/7

2,5,6

304

264

40




2



16

8



专    业   选    修   课

U070323ZN08W6

智能感知技术与应用

2

1/1


32

28

4








4×8



U070323ZN09W6

机器学习工具与平台

2

1/1


32

28

4








4×8



U070323ZN10W6

嵌入式系统设计与应用

2

1/1


32

28

4








4×8



U070323ZN11W6

数字图像处理

2

1/1


32

28

4








4×8



U070323ZN12W6

神经网络与深度学习

2

1/1


32

28

4








4×8



U070323ZN13W6

语音识别技术与应用

2

1/1


32

28

4








4×8



U070323ZN14W7

强化学习与应用

2

1/1


32

28

4









4×8


U070323ZN15W7

人工智能前沿技术

2

1/1


32

28

4









4×8


U070323ZN16W7

物联网技术与应用

2

1/1


32

28

4









4×8


U070323ZN17W7

ROS操作系统

2

1/1


32

28

4









4×8


U070323ZN18W7

大数据技术与应用

2

1/1


32

28

4









4×8


U070323ZN19W7

数据库原理与应用

2

1/1


32

28

4









4×8


U070323ZN20W7

脑认知与科学

2

1/1


32

28

4









4×8


U070323ZN21W7

信息检索技术

2

1/1


32

28

4









4×8


U070323ZN22W7

软件工程

2

1/1


32

28

4









4×8


U070323ZN23W7

人工智能伦理与治理

2

1/1


32

28

4









4×8


U070323ZN24W7

智能系统设计与应用

2

1/1


32

28

4









4×8


U070323ZN25W7

计算机控制技术

2

1/1


32

28

4









4×8


U070323ZN26W7

生物信息学

2

1/1


32

28

4









4×8


U070323JW01W7

人工智能原理与应用

2

1/1


32

28

4









4×8


U070323JW02W7

人工智能与数字媒体

2

1/1


32

28

4









4×8


U070323JW03W7

人工智能与商务智能

2

1/1


32

28

4









4×8


U070323JW04W7

人工智能与数字医疗

2

1/1


32

28

4









4×8


专 业 选 修 课 小 计

12

6/23


192

168

24








9

9


专  业  课  程  合  计

31

13/30


496

432

64



4

5

10

16

20

12

9


合 计

总学分、学时分配及周学时分布

125



2184

1826

152


206

26

28

26

22

20

20

16


集中考试课门数
















课程门数/课程门次数


/














表二 :实践性教学环节

 序号

课程编号

名    称

内       容

学期

周数

学分

次数

场所/性质

1

U070323SN01W2

技能训练

人工智能问题求解与实践(人工智能研讨班):人工智能思维训练和人工智能技术与应用工程问题求解,数据获取与挖掘能力训练,人工智能程序设计编程实践实现对典型人工智能算法的复现,走进人工智能(专业能力基础训练

2

2

2

1

校内

2

U520123SW01

工程训练

了解机械制造的一般过程及机械制造的基本工艺知识;了解简单零件加工方法,熟悉简单零件加工操作;培养劳动观点、创新精神和理论联系实际的科学作风。(4学时劳动教育)

3

2

2

1

校内

3

U070523SW02W4

电工电子实习II

电子元器件的识别与测试、焊接练习、电子电路的调试(2学时劳动教育)

4

1

1

1

校内

4

U070323SN02W4

认识实习

明确人工智能专业特点、课程体系、研究方向、“人工智能+”应用体系,通过名师专家大讲堂,了解人工智能企业对人才的需求和探索人工智能前沿技术(2学时劳动教育)

4

1

1

1

校内外

5

U070323SN03W5

人工智能综合课程设计

人工智能综合课程设计-I(赛教结合):以人工智能学科A类竞赛为导向,面向智能感知认知和智能无人系统,以智能机器人为应用载体,完成《人工智能引论》、《电子系统》和《数据结构和算法设计》课程的综合实践,进行人工智能专业学科基础和专业技能的训练,掌握人工智能技术与应用领域的模型设计、数据结构和算法分析、电子系统软硬件设计流程,培养工程技能和实践能力,解决人工智能技术与应用领域的工程问题(专业实践能力训练)(含4学时劳动教育)

5

2

2

1

校内

6

U070323SN04W5

人工智能综合课程设计-II(赛教结合):以人工智能学科A类竞赛为导向,赛课融合,面向智能感知认知系统和智能无人系统,以智能车为应用载体,完成《知识表决和推理》、《机器学习》、《计算机视觉》和《自动控制原理》课程的综合实践,设计和优化人工智能模型和算法,智能感知、认知和决策系统设计和研发,提高学生工程技能和实践能力,解决人工智能技术与应用领域复杂工程问题(专业实践能力提升)(含4学时劳动教育)

5

2

2

1

校内

7

U070323SN05W6

人工智能综合课程设计-III(产教融合和科教并举):基于教育部产教协同育人项目和教师科研项目,人工智能行业领先企业认读融合,以企业开展协同育人,完成《机器人学导论》、《自然语言》和选修课程的综合实践,开展人工智能核心技术的研究和智能感知认知和决策系统的研发和应用,提高学生工程技实践能力和创新能力,解决人工智能技术与应用领域复杂工程问题(创新实践能力训练)(含2周企业授课)

6

3

3

1

校内

8

U070323SN06W6

创新创业实践

赛课融合,以iCAN中国大学生创新实践平台为支撑,面向“互联网+A+类和“iCAN大学生创新创业大赛”A类展开大学生创新创业训练,培养学生的创新精神、创业意识、团队协作,沟通能力和创新能力(4学时劳动教育)

6

2

2

1

校内外

9

U070323SN07W6

生产实习

智能系统集成开发、人工智能设计流程、劳动教育等。(6学时劳动教育)

6

3

3

1

校外

10

U070323SN08W7

高阶综合性实践

在产教融合,科教融合、赛教融合的人工智能专业综合课程设计的基础上,突出对学生的个性化培养,进行多学科交叉,将人工智能及技术深度赋能“新工科、新文科、新医科、新工科”形成“人工智能+”应用体系,完成人工智能技术与应用领域高阶综合性实践课程,包括模型优化、复杂算法设计与系统集成,端到端部署,智能系统开发设计等,培养学生综合实践能力和创行能力,解决人工智能领域复杂工程问题(“人工智能+”创新实践能力培养)。(含2周企业授课)(4学时劳动教育)

7

8

4

1

校内

11

U070323SN09W8

毕业论文(设计)

以项目为导向的多学科交叉和跨学科毕业设计(论文)

8

16

8

1

校内外


合    计




42

30

11


 表三:第二课堂

序号

模块类别


属性

学分

备注

1

大学生就业指导


必修


1

16学时

2

思想政治素养


1


3

社会责任担当


1


4

实践实习能力


1


5

创业创新能力


1


6

文体素质拓展


任选

2-6


7

菁英成长履历



8

技能培训认定



第二课堂设置7-11学分,7学分为合格线。1-5模块为必选模块,必修学分不得低于7学分,劳动教育不低于0.5学分,思想政治素养学分不得低于1学分;6-8模块为任选模块,美育教育不低于0.5学分,任选学分不得低2学分。其具体内容详见“第二课堂成绩单”学分认定细则(暂行)

 表四:总周数分配(表内为周数)

 学    期

 理论教学

 课程设计

 工程训练

 认识实习

 电工电子实习

 技能训练

 创新创业实践

 生产实习

 高阶综合性实践

 考    试

 军事技能训练

 入学教育

 毕业教育

 毕业设计

 运动会节假日

 合计

14









1

2

1



1

19

16





2




1





1

20

16


2







1





1

20

16



1

1





1





1

20

14

4








1





1

20

10

3





2

3


1





1

20

10








8

1





1

20













1

16

1

18

总计

96

7

2

1

1

2

2

3

8

7

2

1

1

16

8

157

 表五:学        历

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

:

:

×

×

:

:

:

:

:

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

 表六:                                   符号说明

理论教学

课程设计

认识实习

生产实习

考   试

×

工程训练

*

毕业设计

军事技能训练

入学教育

毕业教育

高阶综合性实践

电工电子实习

技能训练

运动会、节假日

假    期

外地教学

创新创业实践

十三、课程体系对毕业要求的支撑矩阵

毕业要求


课程名称

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

毕业要求11

毕业要求12

1.1

1.2

1.3

1.4

2.1

2.2

2.3

3.1

3.2

3.3

4.1

4.2

4.3

5.1

5.2

5.3

6.1

6.2

7.1

7.2

8.1

8.2

9.1

9.2

10.1

10.2

11.1

11.2

12.1

12.2

高等数学


























线性代数



























概率论与数理统计




























复变函数、积分变换




























大学物理


























物理实验



























计算思维与信息基础课程




























大学英语



























体育




























军事理论





























军事技能训练





























思想道德修养与法律基础





























马克思主义基本原理概论




























中国近现代史纲要




























毛泽东思想和中国特色社会主义理论体系概论




























习近平新时代中国特色社会主义思想概论




























形势与政策































创新创业基础




























心理健康教育




























人工智能程序设计



























离散数学与结构



























数据结构与算法分析




























电路




























电子技术(模拟)




























人工智能数学基础



























电子技术(数字)



























计算机系统导论



























最优化方法



























自动控制原理



























专业导论



























人工智能引论



























知识表示与推理




























机器学习




























计算机视觉


























自然语言处理



























机器人学导论




























智能感知技术及应用





























机器学习工具与平台


























嵌入式系统设计与应用





























数字图像处理




























神经网络与深度学习



























语音识别技术与应用





























强化学习与应用






























人工智能前沿技术
























物联网技术与应用





























ROS操作系统





























大数据技术与应用





























数据库原理与应用





























脑认知与科学































信息检索技术




























软件工程





























人工智能伦理与治理



























智能系统设计与应用





























生物信息学





























云计算与云平台





























人工智能基础与应用





























人工智能与人文艺术





























人工智能与商务智能





























人工智能与数字医疗





























技能训练



























工程训练



























电工电子实习





























认识实习



























人工智能综合课程设计-I























人工智能综合课程设计-II

























人工智能综合课程设计-III

























创新创业实践




























生产实习



























高阶综合性实践课程
























毕业论文(设计





















十四、课程体系拓扑图

1