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.算法学习与应用从入门到精通(豆瓣)解析这本书吧,前半部分:数据结构摘要,后半部分:例子代码与练习。不是很通用的一本书,作为练习还是可以的 0 有用 patrickstar 2018-03-10 00:44:36 排班是真的丑!!!内容还是很不错的(*?′╰╯`?)? > 更多短评 6 条 我要写书评 算法学习与应用从入门到精通的书评 ··· ( 全部0 条https://book.douban.com/isbn/9787115418852/
2.清华大学出版社图书详情全面系统地讲述机器学习算法与理论,论证推导详细,深入浅出。并配以算法使用实验代码,知名库源代码分析,以及实际应用介绍。网络资源提取码:romz 作者:雷明 ? 定价:138元 印次:1-4 ISBN:9787302514688 出版日期:2019.01.01 印刷日期:2019.04.09 http://www.tup.tsinghua.edu.cn/booksCenter/book_07977201.html
3.强化学习算法与应用综述摘要:强化学习是机器学习领域的研究热点, 是考察智能体与环境的相互作用, 做出序列决策、优化策略并最大化累积回报的过程. 强化学习具有巨大的研究价值和应用潜力, 是实现通用人工智能的关键步骤. 本文综述了强化学习算法与应用的研究进展和发展动态, 首先介绍强化学习的基本原理, 包括马尔可夫决策过程、价值函数、探索-https://c-s-a.org.cn/html/2020/12/7701.html
4.机器学习算法与应用.pdf机器学习原理算法与应用pdf资源机器学习算法与应用.pdf 机器学习是人工智能的核心和基础,研究机器学习是实现人工智能的重要步骤。机器学习算法是机器学习的核心部分,它决定了机器学习的性能和效果。本文将从三个方面介绍机器学习算法:典型机器学习算法、量子机器学习、李群机器学习。 典型机器学习算法是机器学习的基础部分,包括监督学习、非监督学习、半https://download.csdn.net/download/m0_61181362/24448539
5.《机器学习:原理算法与应用》(雷明)摘要书评试读图书 > 计算机与互联网 > 编程语言与程序设计 > 清华大学出版社(Tsinghua University Press) > 机器学习:原理、算法与应用 自营 清华大学出版社京东自营官方旗舰店 机器学习:原理、算法与应用 雷明著 京东价 ¥ 促销 展开促销 配送至 --请选择-- 支持https://item.jd.com/12685964.html
6.强化学习:前沿算法与应用.pptx强化学习:前沿算法与应用读书笔记01思维导图精彩摘录目录分析内容摘要阅读感受作者简介目录0305020406思维导图学习算法前沿学习强化强化领域应用算法作者前沿提供包括介绍大家未来方法案例实际应用本书关键字分析思维导图内容摘要内容摘要《强化学习:前沿算法与应用》是一本全面介绍强化学习领域最新算法和应用的权威著作。本书https://www.renrendoc.com/paper/319904231.html
7.新书出版!《强化学习:前沿算法与应用》机器之心由上海人工智能实验室白辰甲博士,哈工大赵英男博士,天津大学教授郝建业博士等联合编写的强化学习专著《强化学习:前沿算法与应用》由机械工业出版社出版发行,官方地址https://item.jd.com/10077221594315.html. 1.内容提要 强化学习是机器学习的重要分支,是实现通用人工智能(AI)的重要途径。与其他机器学习方法不同,强化学习https://www.jiqizhixin.com/articles/2023-07-10-6
8.深度学习与计算机视觉:核心算法与应用全本书评资深工程师多年从事深度学习算法与模型研究的经验总结 理论结合实践,详解机器学习、深度学习与计算机视觉的相关算法和模型 俄罗斯自然科学院外籍院士李千目等4位大咖倾情力荐 循序渐地介绍机器学习、深度学习和计算机视觉的理论与典型应用。 结合多个应用实例,详解机器学习和深度学习的相关算法与30多种模型。 从工作原理、http://e.dangdang.com/products/1901328912.html
9.基于组合抽样技术的集成学习算法研究与应用学位基于组合抽样技术的集成学习算法研究与应用 刘国强 中国海洋大学 在线阅读 下载 引用 收藏 分享 打印 摘要: 不平衡数据集分类和集成学习是当今机器学习领域的主要研究内容。传统分类方法大多基于训练数据集各类样本的数目基本平衡和误分类代价相同等假设,以准确率为分类器性能评价指标,因此在解决不平衡数据集分类问题时大https://d.wanfangdata.com.cn/Thesis/Y1927583
10.通俗易懂讲AI强化学习3、强化学习的算法 1) 基于价值的方法(Value-based) 2) 基于策略的方法(Policy-Based) 4、强化学习与监督学习的关系 5、强化学习的优点与局限性 1、什么是强化学习? 举个例子: 小明现在有一个问题,他要决定明天是学习还是去打球。现在就有两种可能性:打球和学习。如果现在的情况是,选择打球,那么小明将会收到https://zhuanlan.zhihu.com/p/677346147
11.深度学习与计算机视觉算法原理框架应用与代码实现深度学习与计算机视觉算法原理框架应用与代码实现 本书纸版由机械工业出版社于2017年出版,电子版由华章分社(北京华章图文信息有限公司, 北京奥维博世图书发行有限公司)全球范围内制作与发行。 目录 序言 前言 第1篇 基础知识 第1章 引言 1.1 人工智能的新焦点——深度学习 1.2 给计算机一双眼睛——计算机视觉 1.3 https://bbs.pinggu.org/jg/kaoyankaobo_kaoyan_6747145_1.html
12.深度学习(Deeplearning)综述模型压缩与优化加速 模型压缩算法能够有效降低参数冗余,从而减少存储占用、通信带宽和计算复杂度,有助于深度学习的应用部署,具体可划分为如下几种方法: 1. 线性或非线性量化:1/2bits, int8 和 fp16等; 2. Op-level的快速算法:FFT Conv2d (7x7, 9x9), Winograd Conv2d (3x3, 5x5) 等; https://www.jianshu.com/p/c8a46f00b06d
13.深度学习与计算机视觉:算法原理框架应用与代码实现完整pdf扫描版[155应用平台:PDF 更新时间:2018-08-17 购买链接:京东异步社区 网友评分: 360通过腾讯通过金山通过 155.7MB 详情介绍 《深度学习与计算机视觉:算法原理、框架应用与代码实现》全面介绍了深度学习及计算机视觉中基础的知识,并结合常见的应用场景和大量实例,带领读者进入丰富多彩的计算机视觉领域。作为一本“原理+实践”教程,https://www.jb51.net/books/632178.html
14.计算机视觉算法与应用(ComputerVision计算机视觉算法与应用(Computer Vision_ Algorithms and Applications)PDF学习资料Clojure下载此实例 开发语言:Others 实例大小:43.61M下载次数:17浏览次数:518发布时间:2022-08-08实例类别:Clojure发布人:stq054188 文件格式:.pdf所需积分:2相关标签: Computer vision Applications application Algorithms algorithm https://www.haolizi.net/example/view_296353.html
15.深度学习与计算机视觉算法原理框架应用与代码实现.pdf+高清版+深度学习与计算机视觉 算法原理、框架应用与代码实现.pdf+高清版+精美书签编排 深度学习 机器视觉 人工智能 2018-06-19 上传 大小:155.00MB 所需: 50积分/C币 立即下载 未来都市——智慧城市与基于深度学习的机器视觉.pdf 未来都市——智慧城市与基于深度学习的机器视觉.pdf 立即https://www.iteye.com/resource/qq_37053885-10486681
16.等生成模型的深度学习算法综合研究与应用大三及以上组菁英科研项目:人工智能与数据科学专题:基于LSTM等序列模型、GAN等生成模型的深度学习算法综合研究与应用【大三及以上组】https://www.eol.cn/waiyu/news/20230103103205.html
17.一文看懂什么是强化学习?(基本概念+应用嘲+主流算法)《强化学习与推荐系统的强强联合》 《基于深度强化学习的对话管理中的策略自适应》 《强化学习在业界的实际应用》 强化学习的主流算法 免模型学习(Model-Free) vs 有模型学习(Model-Based) 在介绍详细算法之前,我们先来了解一下强化学习算法的2大分类。这2个分类的重要差异是:智能体是否能完整了解或学习到所在环境https://easyai.tech/ai-definition/reinforcement-learning/
18.数字化观察(100)华夏银行吴永飞等:数字金融领域小样本学习技术◆ 数字化观察(96)| 量子聚类算法在银行智慧运营场景中的应用 ◆ 数字化观察(95)| 隐私立法时代联邦学习在商业银行的应用 ◆ 数字化观察(94)| 金融科技管理人才项目制培养模式探索与实践 ◆ 数字化观察(93)| 科技创新推动金融数字化服务转型发展 ◆ 数字化观察(92)| 内部审计视角下的数据治理 https://bank.hexun.com/2022-05-31/206058282.html
19.数学六年级上册第三单元知识点实践与综合应用:以一类问题为载体,学生主动参与的学习活动,是帮助学生积累数学活动经验的重要途径。 数学分数加减法知识点 一、分数的意义 1、分数的意义:把单位“1”平均分成若干份,表示这样的一份或几份的数,叫做分数。 2、分数单位:把单位“1”平均分成若干份,表示这样的一份的数叫做分数单位。 https://www.oh100.com/shuxue/2052329.html