人工智能专业人才培养方案

目标1:道德修养。热爱祖国,拥护中国共产党的领导,树牢“四个意识”,坚定“四个自信”,坚决做到“两个拥护”,具有科学的世界观、人生观和价值观,具有责任心和社会责任感。热爱本专业,注重职业道德修养,具有强健体魄和良好的心理素质,能够积极服务人工智能区域产业发展。

目标4:团队合作、创新意识。具备以互联网、大数据及人工智能为核心的创造性思维能力,具备人工智能理论、技术、应用及交叉学科融合的科学研究能力以及对新知识、新技术的敏锐性;具有较强的表达能力和人际交往能力,以及团队协作意识。

二、毕业要求

1思想道德与政治认同

1.1热爱祖国,具有为国家富强、民族昌盛奋斗的志向和责任感;践行“博闻强志、正道直行”的校训,具有敬业爱岗、艰苦奋斗、乐于奉献、遵纪守法、团结合作的品质;

1.2能够树立正确的世界观、人生观和价值观,增进对中国特色社会主义的思想认同、政治认同、理论认同和感情认同,具有良好的思想品德和社会公德。

3.1能够运用数学、自然工程科学、人工智能专业知识对实际工程问题进行识别和有效分解,提出合理的解决方案;

4.1能够根据特定条件或需求的工程问题,能够运用数理知识对实际问题进行建模,能够结合电子技术和智能系统等多学科理论知识进行方案设计;

4.3能够应用程序语言解决科学计算问题;并熟练使用决策树、朴素贝叶斯、人工神经网络、Boosting

与Bagging等主流算法,设计算法实现流程应用到模式识别各种技术当中,解决实际工程问题。

5.研究

5.2能够针对智能系统软硬件设计、模式识别技术等复杂的工程问题设计实验方案、构建实验系统和测试平台。

5.3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。

6.使用现代工具

6.2掌握基本的计算机操作与应用,至少掌握一种软件开发语言,并能够运用到集成开发环境进行程序设计。

6.3掌握智能控制系统专业仪器、设备的基本原理、操作方法,能够在综合型工程中合理选择和使用仪器、设备。

7.工程与社会

8.环境和可持续发展

9.沟通与交流能力

13.1具有人文及科学素养,注重职业道德修养,能够在人工智能领域工程实践中自觉遵守职业道德。

毕业要求与培养目标的对应关系矩阵

培养目标1

培养目标2

培养目标3

培养目标4

培养目标5

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

毕业要求13

三、学制与学位

学制:4年。

毕业条件:修满课程设置与教学计划规定的所有课程(含实践教学环节),考试合格;参加课外创新创业训练活动,最低获得6学分。

学位:符合《商洛学院学士学位授予工作细则》要求,授予工学学士学位。

四、主干学科

智能科学与技术、电子科学与技术、控制科学与工程

五、主要课程

Python语言程序设计、电路理论、算法与数据结构、电子技术基础、自动控制原理、机器学习、模式识别、神经网络与深度学习、人工智能导论、自然语言处理、计算机图形学、智能控制理论、数字图像处理、智能数据挖掘等。

六、课程体系结构及学时学分比例构成

课程

公共基础课

专业基础课

专业主干课

合计

模块

必修课

选修课

理论学时

718

96

672

128

1710

实践学时

280

0

224

48

32

584

总学时

998

896

144

160

2294

理论学分

43.5

6

42

8

105.5

(比例)

24.10%

3.30%

23.40%

4.50%

58.60%

实践学分

23.5

28

21

2

74.5

13.10%

0.00%

15.50%

11.70%

1.10%

41.40%

总学分

67

70

27

10

180

37.20%

38.90%

15.00%

5.60%

100.00%

七、毕业要求的实现矩阵(课程设置与毕业要求指标点关联度)

序号

课程名称

毕业

要求6

要求9

要求10

要求11

要求12

要求13

1.1

1.2

2.1

2.2

2.3

3.1

3.2

4.1

4.2

4.3

5.1

5.2

5.3

6.1

6.2

6.3

7.1

7.2

8.1

8.2

9.1

9.2

9.3

10.1

10.2

11.1

11.2

11.3

12.1

12.2

13.1

13.2

1

思想道德修养

与法律基础

H

M

中国近现代史

纲要

3

马克思主义

基本原理

4

毛泽东思想和中国特色社会主义理论体系概论

5

大学英语

大学体育

7

大学生心理健康教育

大学计算机基础

9

高等数学

大学物理

11

形势与政策

12

入学教育

13

军事理论

14

军事技能

15

大学生职业发展与就业指导

16

认知实习

17

创新创业教育

与训练

18

公益劳动

19

社会实践

20

C语言程序设计

电路理论

22

Python语言

程序设计

23

线性代数

24

离散数学

25

算法与数据

结构

26

人工智能导论

电子技术基础

概率论与

数理统计

29

自动控制理论

30

机器学习

31

模式识别

智能数据挖掘

33

人工智能

应用实践

34

神经网络

与深度学习

35

微机原理与

应用

36

数字图像处理

37

专业英语

38

金工实习

39

综合实习

40

自然语言处理

41

大数据原理

与应用

计算机视觉

43

机器人程序设计思维与实践

44

毕业论文

(设计)

45

毕业教育

46

人机交互学

47

智能控制理论

无线传感网络

49

语音信号处理

50

嵌入式系统

51

智能优化算法

及应用

52

机器人应用

技术

53

分布式结构

54

生物特征识别

55

计算机图形学

56

智慧城市导论

57

项目管理

与案例分析

八、课程设置及学时学分分配表

(一)公共基础课模块课程设置及学时学分分配表

编号

类别

学分分配

学时

(周数)

学时分配

开课

学期

考核

方式

20010001

必修

20020001

大学英语1

3.5

20110001

大学体育1

20030001

20030002

高等数学1

64

20120001

/

(2)

20120002

20120003

20010002

中国近现代史纲要

20020002

大学英语2

20110002

大学体育2

20030003

高等数学2

20040001

20040002

20010003

马克思主义基本原理

20020003

大学英语3

20110003

大学体育3

20120004

20010004

毛泽东思想和中国

特色社会主义理论

体系概论

80

20020004

大学英语4

20110004

大学体育4

20010005

1-8

20120005

大学生职业发展

与就业指导

1、3

5、6

20040003

创新创业教育与训练

20040004

0.5

20130002

1-7

20120401

公共选修课

选修

2-6

小计

73

49.5

1094

(10)

814

236

(二)专业基础课模块课程设置及学时学分分配表

课程编号

学分

考核方式

理论

实践

实验

20045101

20045102

20035101

20045103

20045104

算法与数据结构

20045105

20045106

20045107

程序设计*

20045108

20035102

20045109

自动控制原理

20045110

机器学习*

20045111

模式识别*

20045112

20045113

应用实践**

(校企合作课程)

20045114

神经网络与

深度学习*

20045115

微机原理与应用

20045116

20045117

20045118

896(14)

备注

1、课程名称上标“*”表示该门课程的实践部分为课程设计

2、课程名称上标“**”表示该门课程为实训课程

(三)专业主干课模块课程设置及学时学分分配表

课程类别

20045201

20045301

20045302

20045202

20045203

计算机视觉*

20045204

机器人程序设计思维与实践**

20045303

(方向1)

方向1

20045304

嵌入式系统*

(方向1-校企合作课程)

20045305

(方向2)

20045306

及应用*(方向2-

校企合作课程)

20045307

机器人应用技术*(方向1)

20045308

20045309

项目管理与案例分析(方向1)

20045310

生物特征识别*

20045311

20045312

20045205

毕业论文(设计)

(16)

20045206

304

(20)

1、从第5学期起开始设置专业选修课,其中第5学期至少选修一门选修课,2学分。

2、第6学期起设选修方向,其中方向1为智能系统应用方向,方向2为机器学习与模式识别方向。第6、7学期每学期各方向至少定向选修两门选修课,4学分,三个学期共计至少选修10学分(其中至少包含2个实践学分)。

3、课程名称上标带“*”表示该门课程的实践部分为课程设计。

4、课程名称上标带“**”表示该门课程为实训课程。

九、专业教学进程表

学年

☆★

×

*

图例说明:入学教育☆军事训练★课堂教学√期末考试∷寒暑假期×公益劳动∧社会实践∨

认知实习⊙课程设计*综合实习◆金工实习◇课程实训﹟技能训练♂毕业教育〓

THE END
1.算法入门详解树的遍历: 二叉树的前序、中序和后序遍历就是递归算法的经典示例。 图的搜索: 图的深度优先搜索(DFS)和广度优先搜索(BFS)都可以使用递归算法实现。 动态规划: 在动态规划问题中,递归算法通常被用来定义子问题的状态转移方程。 分治算法: 分治算法将问题拆分为更小的子问题,通常通过递归算法来解决。 https://blog.csdn.net/weixin_44907888/article/details/132268886
2.算法笔记(三)算法学习技巧从开始学习算法已经有两三个多月的时间了,从简单到深入层次展开,层层优化,对算法的理解也在逐渐加深,不在那么片面,虽然现在还是片面一些,对它的了解也仅仅知道冰山一角,还有很多的内容需要我们去学习去挖掘。 思路 在学习前我们要尽可能快速阅读一遍要学习的书籍,这样不仅仅让我们知道了有哪些内容需要学习,同时也在https://www.code456.com/article/3598351.html
3.理解AI所需学习的15个基本数学理论1. 线性代数:矩阵运算、向量空间、特征值与特征向量等概念,这些都是机器学习算法的基础。 2. 概率论与统计学:理解随机变量、概率分布、期望值、方差等概念,这对于处理不确定性和进行预测至关重要。 3. 微积分:导数、积分等概念帮助我们理解函数的变化率以及求解极值问题,是优化算法的核心。 https://www.jianshu.com/p/496558c86b1e
4.高中数学单元教学设计(精选5篇)关注学生在数学语言的学习过程中,是否对用集合语言描述数学和现实生活中的问题充满兴趣;在学习过程中,能否体会集合语言准确、简洁的特征;是否能积极、主动地发展自己运用数学语言进行交流的能力。 2、正确评价学生的数学基础知识和基本技能 关注学生在本章(节)及今后学习中,让学生集中学习算法的初步知识,主要包括算法的https://www.ruiwen.com/jiaoxuesheji/8242675.html
5.学好机器学习需要哪些数学知识?腾讯云开发者社区除流形学习需要简单的微分几何概念之外,深层次的数学知识如实变函数,泛函分析等主要用在一些基础理论结果的证明上,即使不能看懂证明过程,也不影响我们使用具体的机器学习算法。概率图模型、流形学习中基于图的模型会用到图论的一些基本知识,如果学习过离散数学或者数据结构,这些概念很容易理解。 https://cloud.tencent.com/developer/article/1179238
6.科学网—[转载]强化学习在资源优化领域的应用2.2 强化学习算法基础 根据智能体在与环境交互过程中具体学习的内容,可以把无须对环境进行建模(即model-free)的强化学习算法分为两大类:直接学习动作执行策略的策略优化算法(如REINFORCE)和通过学习一个值函数进而做出动作执行决策的值优化算法(如Q-learning)。 https://blog.sciencenet.cn/blog-3472670-1312677.html
7.软件工程专业培养方案(2022)3.专业技术基础知识。程序设计、算法与数据结构、数据库原理与技术、操作系统、计算机组成原理、计算机网络原理与技术、、数字电路与逻辑设计等。 4.软件工程专业知识。软件工程概论、UML建模、Java EE编程、Java EE框架技术、软件项目管理与案例分析、软件测试技术等。 https://www.csust.edu.cn/jtxy/info/1302/20908.htm
8.Core基础知识学习路线开发实战编程技巧练习学习视频【C#/.NET/.NET Core学习、工作、面试指南】记录、收集和总结C#/.NET/.NET Core基础知识、学习路线、开发实战、编程技巧练习、学习视频、文章、书籍、项目框架、社区组织、开发必备工具、技术前沿周刊、常见面试题、面试须知、简历模板、人才招聘、以及自己在学习和工作中的一些微薄见解。希望能和大家一起学习,共https://github.com/YSGStudyHards/DotNetGuide
9.入门人工智能需要学习哪些基础知识?不要求到精通的程度,但最少你要了解,起码在后续的学习中碰到这个知识,就算你不熟,也知道可以去哪里找到这个知识学。 数学基础 数学对于人工智能的学习至关重要,我们需要理解和应用相关的模型算法,有了数学基础,可以帮助我们理解算法模型背后的数学原理,以及后续在训练模型或者评估模型时涉及的计算过程。 https://zhuanlan.zhihu.com/p/666172193
10.腾讯算法岗武功秘籍(上)2 腾讯面经涉及基础知识点 2.1 图像处理基础 2.1.1 讲解相关原理 ● Canny、Scharr、Sobel 边缘检测 ● HOG 特征 ● Hough 变换 ● 图像匹配算法了解哪些? ● SIFT 特征了解吗?是怎么生成的?SIFT特征是怎么进行匹配的?(OpenCV中常用的是暴力匹配函数,即对两组SIFT特征向量,将一组中的每个向量依次与另一组的所https://www.flyai.com/article/930