人工智能专业培养方案（更新于2024年3月29日）

一、基本信息

二、培养目标

本专业培养具有社会主义核心价值观、良好人文素养、职业道德和社会责任感，掌握扎实的数学理论和跨学科自然科学基础知识，具备扎实的人工智能理论知识、计算机科学基础和丰富的实践动手能力，能在人工智能相关领域从事基础理论研究、应用技术研究、运行维护和项目管理等方面工作的高素质应用人才，使之成为德、智、体、美、劳方面全面发展的社会主义事业合格建设者和可靠接班人。

本专业毕业生毕业五年左右预期应达到以下目标：

培养目标1—专业综合能力：具备良好的数学能力和计算机专业知识，掌握扎实的人工智能基础理论和专业知识，了解前沿发展现状和趋势，综合运用人工智能领域的基础理论、研究方法和最新技术，分析、设计和解决本专业及相关领域实际工程项目的问题，具有创新意识、创新能力、实践能力、创业能力和工程实践能力；

培养目标2—专业专职能力：具有多学科知识、方法、工具的综合运用能力，能够胜任人工智能相关领域的基础理论研究、应用技术研究、关键技术及系统的分析、设计、开发与管理等方面的工作；

培养目标3—从业道德素养：人格健全，体魄健康，具有人文社会科学素养和社会责任感，坚守职业道德，在工程项目的组织和实施过程中综合考虑社会、健康、法律、环境和安全等因素的影响，具有可持续发展理念，坚持公众利益优先；

培养目标4—跨界从业能力：适应多学科团队和跨文化工作环境，能够与同事、客户和公众进行有效沟通，具有计划、组织、管理、实施不同类型项目的能力；

培养目标5—持续发展能力：具有国际化视野、全球化意识和跨文化交流能力，具备自主学习习惯和持续学习能力，能主动适应快速多变的国内外环境。

三、毕业要求

1.工程知识：能够将数学、自然科学、工程基础及人工智能领域的相关专业知识，用于解决复杂工程问题。

指标点1.1能系统理解数学、自然科学、计算、工程科学理论基础，并用于人工智能相关领域工程问题的表述；

指标点1.2具有人工智能相关领域需要的数据分析能力，能针对具体的对象建立数学模型并利用计算机求解；

指标点1.3能够将相关工程专业知识和数学分析方法用于推演、分析人工智能专业工程问题；

指标点1.4能够利用系统思维的能力，将工程知识用于人工智能专业工程问题解决方案的比较与综合，并体现人工智能专业领域先进的技术。

2.问题分析：能够利用数学、自然科学和工程科学的基本原理和科学思维方法，识别、表达人工智能领域中的复杂工程问题，并通过文献研究对其进行分析，以获得有效结论。

指标点2.1能够运用数学、自然科学、计算和工程科学的基本原理，识别和判断人工智能相关领域复杂工程问题的关键环节和参数；

指标点2.2能够基于相关科学原理和数学模型方法正确表达复杂工程问题；

指标点2.3能够认识到解决问题有多种方案可选择，并通过信息检索、文献研究等方法，寻求可替代的解决方案；

指标点2.4能够运用人工智能领域的相关基本原理，借助文献研究，并从可持续发展的角度分析工程活动过程的影响因素，获得有效结论。

3.设计/开发解决方案：能够设计人工智能领域复杂工程问题的解决方案，设计满足特定需求的智能系统、智能单元（部件），并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。

指标点3.1掌握产品构思-设计-实施-运行全生命周期中的设计/开发方法和技术，了解各种因素对设计目标和技术方案的影响；

指标点3.2能够设计满足特定需求的信息处理、驱动、执行、传感等单元模块；

指标点3.3能够设计满足特定需求的智能系统，在设计中体现创新意识；

指标点3.4在解决方案的设计过程中能够考虑公共健康与安全、节能减排与环境保护、法律与伦理，以及社会与文化等制约因素。

4.研究：能够基于科学原理，采用调研、设计、实施、分析、归纳等科学方法，对人工智能领域中的复杂工程问题进行研究，得到合理有效的结论。

指标点4.1能够基于科学原理，通过文献研究、案例研究、社会调查等相关方法，调研和分析复杂工程问题的解决方案；

指标点4.2能够根据研究对象特征，选择研究方法和技术路线，设计实验方案；

指标点4.3能够根据实验方案搭建实验系统平台，安全地开展实验，正确地采集、整理实验数据；

指标点4.4能够对实验数据进行定量/定性分析，对实验结果进行解释，并通过信息综合得到合理有效的结论。

5.使用现代工具：能够针对人工智能相关领域中复杂工程问题，开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对复杂工程问题的预测和模拟，并能够理解其局限性。

指标点5.1了解人工智能相关领域中常用的现代仪器、信息技术工具、工程工具和模拟软件的使用原理和方法，并理解其局限性；

指标点5.2能够选择与使用恰当的现代仪器、信息资源、工程工具和模拟软件，对人工智能相关领域中的复杂工程问题进行分析、计算与设计；

指标点5.3能够针对具体的工程问题对象，通过组合、选配、改进、二次开发等方式创造性地使用现代工具进行模拟和预测，满足特定需求，并能够分析其局限性。

6.工程与社会：能够基于人工智能相关领域中的工程背景知识进行合理分析，评价专业工程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。

指标点6.1了解人工智能相关领域中的技术标准、知识产权、产业政策和法律法规，理解不同社会文化对工程活动的影响；

指标点6.2能够分析和评价人工智能行业应用的工程实践和解决方案对社会、健康、安全、法律、文化的影响，以及这些制约因素对项目实施的影响，并理解应承担的责任。

7.环境和可持续发展：能够基于人工智能相关领域中特定行业的背景知识，理解和评价针对复杂工程问题的工程实践对环境、社会可持续发展的影响。

指标点7.1知晓和理解“联合国可持续发展目标SDG17”理念和内涵，关注人工智能相关行业在节能、环保和可持续发展等方面的方针政策和法律法规；

指标点7.2思考人工智能相关领域中的工程实践的可持续性，能够评价产品周期对环境、社会可持续发展的影响。

8.职业规范：具有人文社会科学素养、社会责任感，能够在工程实践中理解并遵守工程职业道德和规范，履行法定或社会约定的责任。

指标点8.1树立和践行社会主义核心价值观，树立正确的世界观和人生观，理解个人与社会的关系，了解中国国情；

指标点8.2在工程实践中恪守工程伦理、理解并遵守工程职业道德和规范，尊重相关国家和国际通行的法律法规；

指标点8.3理解工程师对公众的安全、健康和福祉，以及环境保护的社会责任，理解和包容多元化的社会需求，并能够在工程实践中自觉履行责任。

9.个人和团队：能够在多学科背景下的项目团队中，承担个体、团队成员以及负责人的角色，并开展相关工作。

指标点9.1能够在多学科、多样性、多形式（面对面、远程互动）的团队中与其他团队成员进行有效地、包容性地沟通合作；

指标点9.2能够在团队中独立承担任务，合作开展工作，完成工程实践任务；

指标点9.3能够组织、协调和指挥团队开展工作。

10.沟通：能够就人工智能相关领域中的复杂工程问题与业界同行及社会公众进行有效沟通和交流，包括撰写报告、设计文稿、陈述发言、清晰表达或回应指令，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。

指标点10.1能够就人工智能相关领域中的专业问题，使用不同的写作风格（非正式、正式）和表达形式（技术文档、算法程序等）展现技术写作能力，准确表达个人观点，回应质疑，理解并包容与业界同行和社会公众交流的差异性；

指标点10.2了解人工智能相关领域中的国际发展趋势、研究热点，理解和尊重世界不同语言、文化的差异性和多样性；

指标点10.3具备跨文化交流的语言和书面表达能力，能就专业问题，在跨文化背景下进行基本沟通和交流。

11.项目管理：理解并掌握人工智能相关领域中的工程管理原理与经济决策方法，并能在多学科环境中应用。

指标点11.1掌握工程项目中涉及的管理与经济决策方法；

指标点11.2了解工程项目全周期、全流程的成本构成，理解其相关工程管理和经济决策问题；

指标点11.3能够在多学科环境下，在设计开发解决方案的过程中，运用工程管理与经济决策方法。

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。

指标点12.1能在最广泛的技术变革背景下，了解人工智能相关领域中的新技术、新产业、新业态，认识到自主学习和终身学习的必要性；

指标点12.2具有自主学习的能力，包括对技术问题的理解能力、归纳总结的能力、提出问题的能力，批判性思维和创造性能力；

指标点12.3能接受和应对新技术、新事物和新问题带来的挑战。

四、核心课程

人工智能导论 数据结构与算法(A)模式识别与计算机视觉

数字信号处理机器学习（A)自然语言处理及应用

人工智能程序设计与应用 深度学习与应用（双语）