人才培养
 专业介绍 
 协同育人 
 学科竞赛 
当前位置: 首页>>人才培养>>专业介绍>>正文
 
人工智能专业
2021-09-01 09:35   审核人:

一、培养目标

(一)目标定位

本专业立足渭南、面向陕西、辐射全国, 针对地方数字经济发展和人工智能产业一线需求,充分结合学校办学资源、地方企业用人需求及行业发展趋势,培养德智体美劳全面发展,具有家国情怀、社会责任感、创新意识和较强实践能力,掌握人工智能基础理论、核心算法、数据处理及智能系统开发等专业知识,具备人工智能技术应用、项目开发、运维管理及问题解决能力,能在地方人工智能相关企业、事业单位从事智能算法应用、智能系统开发、数据处理、技术支持等工作的高素质应用型人才。

(二)目标内涵

预期专业学生毕业5年后,职业发展状况良好,达成以下目标:

培养目标1:具有良好的人文素养、职业道德,在工作中具有社会责任感、事业心、安全与环保意识,能积极服务国家与社会。

培养目标2: 具备扎实的人工智能专业基础和工程实践素养,能够独立承担智能算法应用、数据处理、智能系统运维等一线工程任务,满足地方企业岗位核心需求。

培养目标3: 熟练运用Python、TensorFlow、PyTorch等主流开发工具,能够结合地方产业实际,设计并实现人工智能相关应用方案,解决实际工作中的技术难题。

培养目标4: 具备良好的沟通协作、团队管理和终身学习能力,能够快速适应人工智能技术迭代和岗位发展需求,逐步成长为企业技术骨干或基层技术管理人才。恪守工程伦理和职业道德,树立数据安全、隐私保护意识,具备创新思维和社会服务意识,积极为地方数字经济和人工智能产业高质量发展提供技术支撑。

二、毕业要求

本专业毕业生须掌握扎实的高等数学、概率论与数理统计、线性代数等数理基础知识,计算机科学、信号处理、控制科学等工程技术基础知识,以及机器学习、深度学习、大模型、智能感知、知识表示与推理等人工智能核心理论与技术;具备复杂人工智能工程问题分析、算法设计与实现、智能系统开发与优化、跨学科融合应用的工程实践能力;具备创新思维、团队协作、沟通交流、项目管理与终身学习能力;能够在人工智能及相关交叉领域,胜任技术研究、产品开发、工程应用、技术管理等工作,通过本科阶段的培养和学习,毕业生从知识、能力、素质等方面将达到如下要求:

1.工程知识

指标点1.1:掌握高等数学、线性代数、概率论与数理统计等数学知识,能够运用数学方法进行算法分析、建模与求解,夯实人工智能技术基础。

指标点1.2:掌握计算机组成原理、操作系统、计算机网络等工程基础知识,理解智能系统协同工作原理,支撑智能系统开发与运维。

指标点1.3:掌握人工智能核心理论、算法及应用技术,能够将专业知识综合运用到复杂人工智能工程问题的分析与解决中,契合应用型人才培养要求。

指标点1.4:能够基于计算机专业知识和数学模型方法,对人工智能应用领域复杂工程问题的解决方案进行比较与综合。

2.问题分析

指标点2.1:能够应用数学、自然科学和工程科学的基本原理,准确识别、描述人工智能领域(如数据处理、模型训练、系统运行)中的复杂工程问题。

指标点2.2:能够通过查阅相关文献、行业资料,对人工智能复杂工程问题进行深入分析、归纳与抽象,明确问题核心矛盾,提出初步解决思路,兼顾可持续发展要求。

指标点2.3:能运用计算机专业知识分析人工智能有领域的复杂工程问题,解构关键影响因素,并通过文献资料检索查询可替代的解决方案。

指标点2.4:能够运用工程知识及文献研究获取的信息,从可持续发展角度分析相关影响因素,并对分析结果进行评价,得出有效结论。

3.设计/开发解决方案

指标点3.1:能够结合地方企业实际需求,设计针对人工智能复杂工程问题的解决方案,完成智能算法优化、机器学习模型训练、智能应用系统开发等任务。

指标点3.2:在解决方案设计中体现创新意识,兼顾功能实用性、性能稳定性、成本合理性、安全可靠性及伦理合规性,贴合应用型岗位需求。

指标点3.3:能够结合市场动态、技术发展趋势与用户需求,开展人工智能产品设计工作,并在设计过程中充分体现创新意识。

指标点3.4:能够对设计方案进行优选与改进,并通过图纸、文档或其他形式呈现设计成果。

4.研究

指标点4.1:能够基于科学原理,采用科学方法设计实验,验证人工智能模型效果、算法性能及智能系统可靠性,贴合地方产业实际应用场景。

指标点4.2:能够对实验数据进行收集、整理、分析与解释,通过信息综合得出合理有效的结论,并根据结论优化解决方案,提升实践应用效果。

指标点4.3:能够根据实验方案并应用科学原理进行实验研究、数值计算、模拟仿真,安全地开展实验工作,科学地采集、使用实验数据。

指标点4.4:能够利用科学方法分析和解释实验结果,对整个研究环节进行评价,并通过信息综合得到合理有效的结论,同时能够确定结果的影响因素和需要改进完善的环节。

5.使用现代工具

指标点5.1:熟练使用Python编程语言及TensorFlow、PyTorch等主流人工智能开发与模型训练工具,能够独立完成数据处理、模型构建与训练任务。

指标点5.2:能够运用大数据处理平台、云计算资源及常用数据库工具,完成数据存储、分析及智能系统部署与运维,适应一线岗位工作需求。

指标点5.3:能够使用恰当的工程工具进行计算机系统模拟、仿真和构建,并有效理解其局限性。

6.工程与可持续发展

指标点6.1:理解人工智能技术的社会价值与潜在风险,熟悉人工智能相关法律法规、行业规范,恪守数据安全与隐私保护相关要求。

指标点6.2:能够基于人工智能工程背景知识,分析、评价工程实践对社会、健康、安全、法律及文化的影响,树立正确的工程伦理观。

7.工程伦理和职业规范

指标点7.1:理解绿色计算、低碳发展理念,在智能系统设计、模型训练及运维过程中,考虑资源利用效率、能耗优化,践行可持续发展要求。

指标点7.2:能够结合地方产业可持续发展需求,推动人工智能技术绿色应用,助力地方数字经济低碳转型。

8.个人与团队

8.1能够在多样化、多学科背景团队中,理解团队角色分工、掌握协同工作方法和工具、具备团队协作意识、跨学科沟通和表达能力,独立完成团队分配的任务。

8.2能够在多样化、多学科项目团队中承担一定的项目统筹、资源整合、团队激励等核心成员或负责人的角色,胜任相应角色的职责,能够组织、协调团队开展工作。

9.沟通

9.1能够就专业问题以口头和书面方式准备表达观点、陈述发言、回应质疑,与业界同行及社会公众进行有效沟通和交流。

9.2了解人工智能专业领域的国际发展趋势和研究热点,能够运用规范术语和格式撰写综述、研究报告。

9.3熟练掌握英文,具备一定的国际视野,能够检索、阅读和翻译外文专业资料,能够就专业问题在跨文化背景下进行沟通和交流。

10.项目管理

10.1理解并掌握工程项目成本构成及计算方法、主要影响因素,能够估算人工智能应用领域工程项目的成本并进行经济评价。

10.2能够理解并掌握工程项目管理的基本方法,在多学科环境下,用于具体应用工程项目的分析、设计、实现和维护等环节。

11.终身学习

11.1具备自主学习和终身学习意识,掌握自主学习的方法和渠道,持续更新专业知识,辩证分析技术应用场景和局限性,胜任所承担的工作,满足行业和社会发展的需要。

11.2具备追踪人工智能技术发展的能力,包括对新技术的理解、掌握、归纳总结的能力,理解新技术演进带来的工程实践变革和社会影响,并应用于项目实践。

三、学制、修业年限、学分要求和授予学位

标准学制:4年;标准学制修业年限4年,弹性修业年限4—6年,最长修业年限为6年;学分要求:155学分;授予学位:工学学士。

四、主干学科

计算机科学与技术、智能科学与技术、控制科学与工程

五、专业核心课程

人工智能导论、Python程序设计、数据结构与算法、机器学习、深度学习、计算机视觉、自然语言处理、大数据技术基础、数据库原理及应用、智能系统开发、模式识别、数字图像处理

六、主要实践性教学环节

包括课程实验、课程设计、专业学科竞赛、职业资格证书、专业见习、专业实习、毕业论文(设计)等。


实践环节名称

学分

周数

开设学期

备 注

综合实践1

1

2

2

熟悉掌握该课程全部内容,综合运用所学内容进行实践应用的初步训练。

综合实践2

1

2

3

综合实践3

1

2

4

综合实践4

1

2

5

综合实践5

1

2

6

专业学科竞赛

1

2

2-7

通过专业技能竞赛,锻炼学生的知识运用能力、实践能力和解决实际问题能力,从而提升学生的综合素质和培养学生的创新能力。

职业资格证书

1

2

2-7

专业见习

1

2

1-4

通过参与人工智能工程项目的规划及开发过程,深化专业素养及工程能力。

专业实习

4

8周

5-8


毕业论文(设计)

6

12周

7-8

通过该环节,提升专业素养,对学生进行人工智能方向的文献研读、科学研究、沟通协作、工程设计专业的能力培养。



【关闭窗口】