人工智能专业培养方案

　　一、培养目标

　　本专业面向国家智能战略及河南省新一代人工智能产业发展规划的重大需求，坚持立德树人的培养理念，适应社会和经济发展需求，培养德、智、体、美、劳全面发展，掌握扎实的数学基础、计算机科学基础与人工智能核心理论，具备较强的工程实践能力、创新意识和职业素养，熟练掌握机器学习、深度学习等学科知识，能在智能感知、数据分析、机器学习、模式识别等人工智能及其相关等领域从事设计、研发、应用部署、系统运维及管理服务等工作的高素质应用型人才，毕业生也可进入国内外高等院校、科研院所继续深造。

　　本专业毕业生在未来5年预期达成以下目标：

　　目标1：具有良好的人文、科学及职业素养，恪守工程伦理与职业道德规范，在工程项目设计和实施过程中能主动实施技术风险、经济风险和社会风险控制。

　　目标2：具备社会责任感、专业使命感，能够正确认知和评价人工智能的发展及应用对人们日常生活、社会经济结构所产生潜在影响的能力。

　　目标3：具备计算思维、系统思维，能够综合运用计算机、数学与智能信息处理等方面知识，分析、设计各种机器学习方法，具有较强的实践能力，能够解决复杂工程问题，能够胜任人工智能关键技术的科学研究、系统开发、技术应用，以及教学和管理等工作。

　　目标4：具有较强的自主学习和终身学习的意识与能力，具有创新能力，能快速适应人工智能及相关技术的发展变化，具备更宽广的国际视野和更进一步的跨文化交流能力。

　　目标5：具有良好的沟通、表达与写作能力，具有较强的团队意识与能力，能更好地在工程实践中担任协调、组织或管理的角色。

　　二、毕业要求

　　毕业生应具有的知识、能力和素质具体要求如下：

　　1.工程知识：能够将数学、自然科学、工程基础和专业知识用于解决与人工智能相关的实际工程问题。

　　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、并通过文献分析与研究人工智能应用中的实际工程问题，以获得有效结论。

　　3.设计/开发解决方案：能够设计满足特定需求的系统或单元（部件）以及针对简单人工智能工程问题的解决方案，能够在设计环节中体现创新意识，并考虑社会、健康、安全、法律、文化以及环境等因素。

　　4.研究：能够基于科学原理并采用科学方法对人工智能工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。

　　5.现代工具：能够针对人工智能领域复杂的工程问题，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，包括对人工智能领域复杂工程问题的预测与模拟，并能够理解其局限性。

　　6.工程与社会：能够基于人工智能应用领域相关背景知识进行合理分析，评价人工智能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，并理解工程师应承担的责任与义务。

　　7.环境与发展：能够理解和评价针对复杂人工智能问题的专业工程实践对环境、社会可持续发展的影响。

　　8.职业规范：具有人文社会科学素养、社会责任感，能够在人工智能应用实践中理解并遵守工程职业道德和规范，履行责任。

　　9.个人和团队：能够在多学科背景下的团队中理解与承担个体、团队成员以及负责人的角色，并发挥相应的作用。

　　10.项目管理：能够理解并掌握人工智能系统分析与设计问题的工程管理的方法与实践，并能在多学科中应用。

　　11.终身学习：具有较强的自主学习和终身学习的意识，具有在科学研究与技术应用过程中不断学习和适应发展的能力。

　　毕业要求对培养目标支撑矩阵表

　　三、学制与学位

　　（1）实行弹性学制。本专业基本学制4年，学生可在3-8年内完成学业。

　　（2）符合《学位条例》规定的毕业生，授予工学学士学位。

　　四、毕业学分

　　毕业总学分为171学分，其中必修课105.5学分（公共基础平台课41学分，学科基础平台课30.5学分，专业基础平台课34学分）；选修课38.5学分（专业选修课30.5学分，公共选修课8学分）；集中性实践教学环节23学分；“第二课堂”专项学分4学分。

　　五、课程设置及学分分配

　　注：1.实践性教学环节包括课堂实验(实训)、集中性实践教学环节和“第二课堂”，共占总学分的35%；

　　2.表中小计一栏中带（ ）的数字是指课堂实验(实训)教学学时或学分数。

　　3.表中总学时教不包含集中性实践教学环节学时和“第二课堂”学时。

　　六、主干学科

　　计算机科学与技术、电子信息科学与技术

　　七、专业核心课程

　　Python程序设计（013011004），数据结构（013011009），计算机组成原理（013011010），计算机网络（013011011），操作系统（013011012），模式识别与机器学习（013002001），图像处理与机器视觉（013002003），神经网络与深度学习（013002005），自然语言处理（013002007）。

　　八、课程先行后续关系图

　　九、课程安排参考表

　　人工智能专业小学期课程计划表