一、专业代码、学制与学位
人工智能，本专业代码080717T，学制四年，实行弹性学制，允许学生提前1年和延期2年完成学业。专升本学生学制为2年，允许学生延期2年完成学业。学生在规定年限内，按要求修满学分，符合学校学士学位授予条件的，授予工学学位学士。
二、专业简介
信息学院人工智能专业2020年开始招生本科生，该专业是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
三、培养目标
培养适应我国社会主义现代化建设需要、德智体美劳全面发展，具有社会责任感，具备人工智能学科领域所需的数学、自然科学、工程基础和人文社会科学素养，具备扎实的人工智能的基础理论、知识和专业技能，具备从事人工智能相关应用领域软硬件系统设计开发及项目管理能力，具有较强竞争力的工程应用型人才。
学生毕业5年左右，能够胜任人工智能相关应用领域软硬件系统设计、技术开发、项目管理、运行维护等业务岗位工作，成为人工智能领域的工程师，其应具有的素质能力即本专业培养目标如下：
子目标1：拥有健康的体魄，端正的世界观、人生观和价值观，具有社会责任感和工程伦理道德，在人工智能工程实践中综合考虑社会、经济、法律、环境与可持续性发展等因素影响，能够坚持公众利益优先；
子目标2：能够跟踪人工智能科学前沿科技，具有人工智能学科领域所需的数学、自然科学、工程基础和人文社会科学素养，具备扎实的基础理论、知识和专业技能；
子目标3：能够在人工智能相关应用领域软硬件系统设计、技术开发、项目管理、运行维护等工作中发挥骨干作用，能够完成人工智能应用领域中等规模以上项目；
子目标4：能够有效地沟通与表达，具有较强的协调、管理和组织能力，领导团队完成人工智能工程项目任务；
子目标5：具有全球化意识和国际视野，拥有终身学习意识和自主学习能力，能够积极主动适应不断变化的国内外形势和环境持续发展。
四、毕业要求与课程体系
1.毕业要求
毕业要求1 工程知识：能将数学、自然科学、工程基础和专业知识比较、综合运用于解决人工智能相关应用领域中的复杂工程问题。
指标点1.1 能将数学、自然科学、工程科学的语言工具运用数学及物理思维方式表述工程问题；
指标点1.2 能利用人工智能专业工程科学的基本原理和方法建立数学模型求解；
指标点1.3 能用专业知识和数学模型应用推演、分析人工智能系统的复杂工程问题；
指标点1.4 能利用所学的专业知识和数学模型方法比较与综合人工智能系统的设计、开发或管理。
毕业要求2 问题分析：能够综合运用数学、自然科学和工程科学的基本原理和方法，通过文献研究，对人工智能相关应用领域中的复杂工程问题进行识别、表达和分析，获得有效结论。
指标点2.1 能运用人工智能相关科学原理，识别和判断人工智能系统的复杂工程问题的关键环节；
指标点2.2 能基于人工智能相关科学原理和数学模型方法正确表达人工智能系统的复杂工程问题；
指标点2.3 能通过查阅文献研究、分析、比较、推演和选择人工智能系统复杂工程问题的解决方案；
指标点2.4 能运用基本原理，借助文献研究，分析和预测实施人工智能工程项目过程的影响因素，获得有效结论。
毕业要求3 设计/开发解决方案：能综合运用理论和技术手段提出针对人工智能技术相关应用领域中的复杂工程问题的解决方案，设计满足特定需求的系统、模块或开发流程，并在设计开发过程中体现创新意识，综合考虑社会、健康、安全、法律、文化以及环境等因素。
指标点3.1 能掌握人工智能工程设计的技术和方法，阐述影响设计目标和技术方案的各种因素。
指标点3.2 能综合运用人工智能软硬件知识，设计满足特定需求和性能的功能模块；
指标点3.3 能遵循人工智能工程项目开发的技术标准和流程，融入创新思想，设计人工智能系统解决方案；
指标点3.4 能在人工智能工程项目解决方案的设计过程中，考虑社会、健康、安全、法律、文化以及环境等因素。
毕业要求4 研究：能基于科学原理，运用基本的实验观察方法、实验分析理论和实验数据处理方法，对人工智能技术相关应用领域中的复杂工程问题进行研究，制定技术路线，通过数据分析得到合理有效的结论，提出有效的解决方案。
指标点4.1 能基于科学原理，通过文献研究或方法，调研和分析人工智能系统的复杂工程问题；
指标点4.2 能依据调研结果和数据建立数学模型展开实验研究，并进行观察、分析和验证；
指标点4.3 能根据实验研究得到合理有效的结论，制定技术路线提出解决方案。
毕业要求5 使用现代工具：能针对人工智能技术相关应用领域中的复杂工程问题，选择、使用与开发恰当的技术、资源、现代工程工具和信息技术工具进行预测与模拟，在实践过程中分析工具的局限性。
指标点5.1 能认知人工智能专业常用的信息技术工具、工程工具和模拟软件，并阐明其局限性；
指标点5.2 能选择、使用恰当的工具对人工智能系统的复杂工程问题进行分析、模拟与设计；
指标点5.3 能针对人工智能工程领域的问题，开发或选用满足特定需求的现代工具，模拟、仿真和预测，并在实践中分析其局限性。
毕业要求6 工程与社会：能基于人工智能工程的背景知识对相关应用领域的复杂工程问题进行分析，评价解决方案对社会、健康、安全、法律以及文化的影响，具有信息安全与知识产权保护等法律意识，并理解应承担的责任。
指标点6.1 了解人工智能工程的相关技术标准、行业规范、知识产权、产业政策和法律法规，能阐明不同社会文化对人工智能工程活动的影响；
指标点6.2 能分析和评价人工智能工程实践对社会、健康、安全、法律以及文化的影响，理解应该承担的责任。
毕业要求7 环境和可持续发展：具有环境保护和可持续发展意识，了解环境保护相关政策法规，能够理解和评价人工智能相关应用领域的工程实践对环境和社会可持续发展的影响。
指标点7.1 具有环境保护和可持续发展意识，能阐述人工智能相关应用领域的环境保护政策法规；
指标点7.2 能站在环境保护和可持续发展的角度考虑人工智能工程项目的可持续性，评价产品周期中可能对人类和环境的影响。
毕业要求8 职业规范：拥有健康的体魄，能树立正确的人生观、价值观和世界观，了解中国国情，维护国家利益，具有人文社会科学素养和社会责任感，能够在工程实践中理解并遵守工程职业道德和行为规范，履行人工智能工程师的社会责任。
指标点8.1 拥有健康的体魄，了解国情，维护国家利益，具有社会主义核心价值观，负有推动民族复兴和社会进步的责任感；
指标点8.2 理解诚实公正、诚信守则的工程职业道德和规范，并能在工程实践中自觉遵守；
指标点8.3 能在工程实践中理解并遵守工程职业道德和行为规范，履行人工智能工程师的社会责任。
毕业要求9 个人和团队：具有较强的团队合作意识与组织管理能力，能与其他成员共享信息、协调合作，并能正确理解多学科背景下的团队中个体、团队成员以及负责人的角色，承担其责任与义务。
指标点9.1 具有较强的团队合作意识与能力，能与其他成员共享信息、协调合作，正确处理个人和团队关系；
指标点9.2 能胜任团队成员角色，独立或合作完成团队分配的任务。
指标点9.3 能担任团队负责人角色，能组织、协调和指挥团队开展工作。
毕业要求10 沟通：能就人工智能相关应用领域中的复杂工程问题与同行及社会公众进行有效地沟通和交流；能够理解并撰写报告和设计文稿，进行陈述发言、清晰表达和答辩；能阅读、翻译人工智能科学相关的外文资料；具有一定的国际视野，能进行跨文化沟通和交流。
指标点10.1 能就人工智能等相关应用领域中的复杂工程问题以语言、文字、图片等方式，准确表述自己的观点；
指标点10.2 能查阅人工智能相关外文资料，撰写报告和设计文稿，并进行陈述发言、表达和答辩；
指标点10.3 具有一定的国际视野，能就专业问题通过语言和文字进行跨文化沟通和交流。
毕业要求11 项目管理：理解并掌握工程管理原理与经济决策方法，并在多学科环境中能将管理原理、经济决策应用于人工智能相关应用领域。
指标点11.1 掌握人工智能工程知识，熟悉工程项目管理过程及各种开发模型与方法；
指标点11.2 掌握工程项目管理中的经济决策方法，具备一定的工程意识、效益意识；
指标点11.3 能在多学科环境中将项目管理知识应用于人工智能相关应用领域。
毕业要求12 终身学习：能追踪人工智能相关应用领域的发展动态，具有自主学习和终身学习的意识，能采用合适的方法进行学习，有不断学习和适应发展的能力。
指标点12.1 具有自主学习和终身学习的意识，能追踪人工智能相关应用领域的发展动态，识别前沿科技；
指标点12.2 掌握自主学习方法，总结和归纳技术问题，针对个人成长和职业发展需要学习新知识，适应行业及社会发展。
2.毕业要求对培养目标的支撑矩阵
表1 毕业要求与培养目标关系矩阵
培养目标毕业要求 |
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工程知识 |
|
√ |
√ |
|
√ |
毕业要求2问题分析 |
|
√ |
√ |
|
√ |
毕业要求3设计/开发解决方案 |
|
√ |
√ |
|
|
毕业要求4研究 |
|
√ |
√ |
|
√ |
毕业要求5使用现代工具 |
|
√ |
√ |
|
√ |
毕业要求6工程与社会 |
√ |
|
|
√ |
|
毕业要求7环境和可持续发展 |
√ |
|
|
√ |
|
毕业要求8职业规范 |
√ |
|
|
√ |
|
毕业要求9个人和团队 |
√ |
|
√ |
√ |
|
毕业要求10沟通 |
|
|
|
√ |
√ |
毕业要求11项目管理 |
|
|
√ |
√ |
|
毕业要求12终身学习 |
|
√ |
|
|
√ |
3.毕业要求观测点分解及与课程体系对应矩阵
表2 毕业要求观测点分解及与课程体系对应矩阵
，
毕业要求 |
观测点 |
支撑课程 |
毕业要求1 工程知识：能将数学、自然科学、工程基础和专业知识比较、综合运用于解决人工智能相关应用领域中的复杂工程问题。 |
指标点1.1 能将数学、自然科学、工程科学的语言工具运用数学及物理思维方式表述工程问题； |
C语言程序设计(一)(M), 计算机网络(M)，高等数学 1（M） |
指标点1.2 能利用人工智能专业工程科学的基本原理和方法建立数学模型求解； |
电路与电子技术（M）,线性代数（H），机器学习（M），Python程序设计（M），材料信息学导论（M） |
指标点1.3 能用专业知识和数学模型应用推演、分析人工智能系统的复杂工程问题； |
数据结构（M），离散数学（M），概率论与数理统计（H），数字逻辑（M），微机原理与接口技术（M），面向对象程序设计（C++）（M） |
指标点1.4 能利用所学的专业知识和数学模型方法比较与综合人工智能系统的设计、开发或管理。 |
大学物理2（M），机器学习（M），数据库原理及应用（H） |
毕业要求2 问题分析：能够综合运用数学、自然科学和工程科学的基本原理和方法，通过文献研究，对人工智能相关应用领域中的复杂工程问题进行识别、表达和分析，获得有效结论。 |
指标点2.1 能运用人工智能相关科学原理，识别和判断人工智能系统的复杂工程问题的关键环节； |
C语言程序设计（一）(M)，计算机网络（M）,高等数学1，计算机组成原理（M），自然语言处理（M） |
指标点2.2 能基于人工智能相关科学原理和数学模型方法正确表达人工智能系统的复杂工程问题； |
数据结构（M），电路与电子技术（L），离散数学（M），数据库原理（H）,人机交互技术（M） |
指标点2.3 能通过查阅文献研究、分析、比较、推演和选择人工智能系统复杂工程问题的解决方案； |
操作系统（H），机器学习（M），图像处理及机器视觉（M），材料信息学导论（M），深度学习（M） |
指标点2.4 能运用基本原理，借助文献研究，分析和预测实施人工智能工程项目过程的影响因素，获得有效结论。 |
数字逻辑（M），算法设计与分析（M），机器学习（H）,嵌入式系统（M） |
毕业要求3 设计/开发解决方案：能综合运用理论和技术手段提出针对人工智能技术相关应用领域中的复杂工程问题的解决方案，设计满足特定需求的系统、模块或开发流程，并在设计开发过程中体现创新意识，综合考虑社会、健康、安全、法律、文化以及环境等因素。 |
指标点3.1 能掌握人工智能工程设计的技术和方法，阐述影响设计目标和技术方案的各种因素。 |
计算机网络（M），机器学习（H），数据库原理及应用（M），Python程序设计（M），数字逻辑（M），微机原理与接口技术（H） |
指标点3.2 能综合运用人工智能软硬件知识，设计满足特定需求和性能的功能模块； |
电路与电子技术（M），操作系统（M），面向对象程序设计（H），人机交互技术（M） |
| 指标点3.3 能遵循人工智能工程项目开发的技术标准和流程，融入创新思想，设计人工智能系统解决方案； |
自然语言处理（M），大数据分析技术（H），深度学习（M），移动互联网应用开发（M），智能无线传感网络技术机应用（M），图机器学习（M），深度学习（M），生产实习（二）（M） |
指标点3.4 能在人工智能工程项目解决方案的设计过程中，考虑社会、健康、安全、法律、文化以及环境等因素。 |
机器学习（M），移动互联网应用开发（H），嵌入式系统（H） |
毕业要求4 研究：能基于科学原理，运用基本的实验观察方法、实验分析理论和实验数据处理方法，对人工智能技术相关应用领域中的复杂工程问题进行研究，制定技术路线，通过数据分析得到合理有效的结论，提出有效的解决方案。 |
指标点4.1 能基于科学原理，通过文献研究或方法，调研和分析人工智能系统的复杂工程问题； |
数据结构（M），计算机组成原理（H），软件工程（M）， |
指标点4.2 能依据调研结果和数据建立数学模型展开实验研究，并进行观察、分析和验证； |
C语言程序设计（一）（M），图像处理及机器视觉（M），算法设计与分析（H），大数据分析技术（M），深度学习（M） |
指标点4.3 能根据实验研究得到合理有效的结论，制定技术路线提出解决方案。 |
操作系统（M），智能无线传感器网络技术机应用（H），图机器学习（H），程序设计实践（M），视觉与图像系统设计实习（H） |
毕业要求5 使用现代工具：能针对人工智能技术相关应用领域中的复杂工程问题，选择、使用与开发恰当的技术、资源、现代工程工具和信息技术工具进行预测与模拟，在实践过程中分析工具的局限性。 |
指标点5.1 能认知人工智能专业常用的信息技术工具、工程工具和模拟软件，并阐明其局限性； |
自然语言处理（H），微机原理与接口技术（M），移动互联网应用开发（M），面向对象程序设计（C++）（H） |
指标点5.2 能选择、使用恰当的工具对人工智能系统的复杂工程问题进行分析、模拟与设计； |
Pytthon程序设计（H），机器学习（M），大数据分析技术（M），微机原理与接口技术（M），人机交互技术（H） |
指标点5.3 能针对人工智能工程领域的问题，开发或选用满足特定需求的现代工具，模拟、仿真和预测，并在实践中分析其局限性。 |
操作系统（H），智能无线传感器技术机应用（M），图机器学习（M），程序设计实践（L），视觉与图像系统设计实习（M），毕业设计（论文+实习）（M） |
毕业要求6 工程与社会：能基于人工智能工程的背景知识对相关应用领域的复杂工程问题进行分析，评价解决方案对社会、健康、安全、法律以及文化的影响，具有信息安全与知识产权保护等法律意识，并理解应承担的责任。 |
指标点6.1 了解人工智能工程的相关技术标准、行业规范、知识产权、产业政策和法律法规，能阐明不同社会文化对人工智能工程活动的影响； |
思想道德与法治（M），形势与政策（M），操作系统实习（H） |
指标点6.2 能分析和评价人工智能工程实践对社会、健康、安全、法律以及文化的影响，理解应该承担的责任。 |
习近平新时代中国特色社会主义思想概论（M），大学生安全教育（H），材料信息学导论（H），嵌入式系统（M），机器学习实习（M），视觉与图像系统设计实习（M） |
毕业要求7 环境和可持续发展：具有环境保护和可持续发展意识，了解环境保护相关政策法规，能够理解和评价人工智能相关应用领域的工程实践对环境和社会可持续发展的影响。 |
指标点7.1 具有环境保护和可持续发展意识，能阐述人工智能相关应用领域的环境保护政策法规； |
思想道德与法治（M），项目管理（M），毕业设计（论文+实习）（H） |
指标点7.2 能站在环境保护和可持续发展的角度考虑人工智能工程项目的可持续性，评价产品周期中可能对人类和环境的影响。 |
学科前沿（M），机器学习实习（M），生产实习（H） |
毕业要求8 职业规范：拥有健康的体魄，能树立正确的人生观、价值观和世界观，了解中国国情，维护国家利益，具有人文社会科学素养和社会责任感，能够在工程实践中理解并遵守工程职业道德和行为规范，履行人工智能工程师的社会责任。 |
指标点8.1 拥有健康的体魄，了解国情，维护国家利益，具有社会主义核心价值观，负有推动民族复兴和社会进步的责任感； |
中国近现代史纲要（M），毛泽东思想和中国特色社会主义理论体系概论（H），形势与政策（L），大学生心理学（M），体育（M），军事课（L） |
指标点8.2 理解诚实公正、诚信守则的工程职业道德和规范，并能在工程实践中自觉遵守； |
马克思主义基本原理（M），生涯发展与就业指导上（H），专业导论（H），工程伦理（M） |
指标点8.3 能在工程实践中理解并遵守工程职业道德和行为规范，履行人工智能工程师的社会责任。 |
思想道德与法治（M），工程伦理（M），操作系统实习（M） |
毕业要求9 个人和团队：具有较强的团队合作意识与组织管理能力，能与其他成员共享信息、协调合作，并能正确理解多学科背景下的团队中个体、团队成员以及负责人的角色，承担其责任与义务。 |
指标点9.1 具有较强的团队合作意识与能力，能与其他成员共享信息、协调合作，正确处理个人和团队关系； |
金工实习（H），操作系统实习（M） |
指标点9.2 能胜任团队成员角色，独立或合作完成团队分配的任务。 |
生涯发展与就业指导下（M），项目管理（M），程序设计实践（M），视觉与图像系统设计实习（H） |
指标点9.3 能担任团队负责人角色，能组织、协调和指挥团队开展工作。 |
项目管理（M），软件工程（H），生产实习（二）（M） |
毕业要求10 沟通：能就人工智能相关应用领域中的复杂工程问题与同行及社会公众进行有效地沟通和交流；能够理解并撰写报告和设计文稿，进行陈述发言、清晰表达和答辩；能阅读、翻译人工智能科学相关的外文资料；具有一定的国际视野，能进行跨文化沟通和交流。 |
指标点10.1 能就人工智能等相关应用领域中的复杂工程问题以语言、文字、图片等方式，准确表述自己的观点； |
生涯发展与就业指导下（M），算法设计与分析（M），机器学习实习（M） |
指标点10.2 能查阅人工智能相关外文资料，撰写报告和设计文稿，并进行陈述发言、表达和答辩； |
专业英语（M），学科前沿（M），程序设计实践（M） |
指标点10.3 具有一定的国际视野，能就专业问题通过语言和文字进行跨文化沟通和交流。 |
大学生创新创业教育（M），大学英语（H），专业英语（M），学科前沿（M），毕业设计（论文+实习）（M） |
毕业要求11 项目管理：理解并掌握工程管理原理与经济决策方法，并在多学科环境中能将管理原理、经济决策应用于人工智能相关应用领域。 |
指标点11.1 掌握人工智能工程知识，熟悉工程项目管理过程及各种开发模型与方法； |
软件工程（M），机器学习实习（H），毕业设计（论文+实习）（M） |
指标点11.2 掌握工程项目管理中的经济决策方法，具备一定的工程意识、效益意识； |
大学生创新创业教育（M），大数据分析技术（M），软件工程（M），操作系统实习（H） |
指标点11.3 能在多学科环境中将项目管理知识应用于人工智能相关应用领域。 |
计算机组成原理（H），图像处理及机器视觉（M），机器学习（M），生产实习（二）（M） |
毕业要求12 终身学习：能追踪人工智能相关应用领域的发展动态，具有自主学习和终身学习的意识，能采用合适的方法进行学习，有不断学习和适应发展的能力。 |
指标点12.1 具有自主学习和终身学习的意识，能追踪人工智能相关应用领域的发展动态，识别前沿科技； |
专业导论（M），移动互联网应用开发（M） |
指标点12.2 掌握自主学习方法，总结和归纳技术问题，针对个人成长和职业发展需要学习新知识，适应行业及社会发展。 |
专业英语（M），学科前沿（M），毕业设计（论文+实习） |
